基于神经网络的弱监督PCB碳油缺陷检测

发布时间：2023-12-02 13:55

　　印制线路板(Printed Circuit Board,PCB)几乎被应用于所有电子产品中,随着电子、通信、计算机等产业的高速发展,PCB产品也朝着高性能、高复杂度、高密度的方向日益发展,一个高效、准确的PCB缺陷检测系统已经成为PCB行业的迫切需求。自动光学检测(Automated Optical Inspection,AOI)以机器视觉为基础,结合电子学、数字图像处理、光电检测和计算机技术,在精密工业器件检测领域发展迅速。相比传统的人工检测和电检测,AOI方法不会对PCB造成任何影响,且检测精度高、速度快,国内外也都积极开展基于AOI的PCB缺陷检测的相关研究。本文将机器视觉及深度学习技术应用到PCB缺陷检测中,主要针对PCB上的碳油区域缺陷检测进行深入研究,论文主要研究工作如下:(1)PCB配准算法设计。基于Mark点边缘模型的匹配,设计Mark点选取准则并使用边缘检测算子对边缘进行建模、搜索匹配,根据配准像素点对计算全局仿射变换矩阵,最终实现了PCB待测图和标准图的整图配准;(2)针对碳油区域,进行重定位并基于二值图像的距离变换和Snake模型提取图像骨架,通过骨架对比实现缺陷...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究意义
    1.2 基于机器视觉的PCB缺陷检测国内外研究现状
        1.2.1 机器视觉在工业检测中的研究现状
        1.2.2 基于机器视觉的PCB缺陷检测国内外研究现状
    1.3 深度学习在缺陷检测中的应用
        1.3.1 深度学习在图像语义分割中的研究现状
    1.4 主要研究内容和章节安排
第2章 相关技术概述
    2.1 基于骨架的碳油缺陷检测相关技术
        2.1.1 CIELAB色彩模式
        2.1.2 分水岭分割算法
        2.1.3 Canny边缘检测
        2.1.4 仿射变换矩阵
        2.1.5 二值形态学图像处理
        2.1.6 二值图像的距离变换
        2.1.7 基于图像距离变换的骨架提取
    2.2 基于深度学习的碳油缺陷检测相关技术
        2.2.1 生成式对抗网络
        2.2.2 变化检测
        2.2.3 迁移学习
        2.2.4 孪生网络
        2.2.5 HRNet
        2.2.6 Dense Net
        2.2.7 类激活映射和全局平均池化
        2.2.8 前向传播过程中生成热点图
        2.2.9 条件随机场
第3章 基于图像骨架的碳油缺陷检测
    3.1 PCB前景分割
    3.2 基于Mark点边缘模型的PCB图像配准
        3.2.1 Mark点选取准则及分值计算
        3.2.2 Canny边缘检测及模型创建
        3.2.3 模型匹配搜索
        3.2.4 全局仿射矩阵计算
    3.3 碳油区域重定位与分割
    3.4 碳油缺陷检测
        3.4.1 形态学处理消除毛刺
        3.4.2 基于图像骨架提取的缺陷检测
        3.4.3 实验结果与分析
    3.5 本章总结
第4章 基于深度学习的缺陷二次验证
    4.1 碳油缺陷数据集和变化检测数据集制作
        4.1.1 标准图人工上色生成无缺陷图
        4.1.2 使用条件生成式对抗网络生成无缺陷图
        4.1.3 碳油缺陷数据集制作
        4.1.4 基于CDnet-2014的变化检测数据集制作
    4.2 特征提取网络设计
    4.3 损失函数设计和热点图生成
        4.3.1 加权全局平均池化和分类损失函数
        4.3.2 扩张损失和边界约束损失
    4.4 变化检测和PCB缺陷检测实验和结果分析
        4.4.1 衡量指标的确定
        4.4.2 基于公开数据集的变化检测实验结果
        4.4.3 PCB碳油缺陷检测实验结果
    4.5 本章总结
第5章 总结和展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间主要的研究成果
致谢



本文编号：3869806