基于机器视觉的光器件金线质量在线检测技术及实现
发布时间：2020-12-06 14:59
光器件是光收发器重要组成部分,金线在光器件中起到连接元件及传输信号作用。随着光器件的市场需求加大,质量要求也越来越高。目前企业对光器件金线的质量检测主要依靠人工,而人工检测效率低、标准难以统一、检测结果易受人主观影响。为解决人工检测的问题,本文对基于机器视觉的光器件金线质量在线检测技术及实现进行研究,提出了完整的机器视觉解决方案,并研发出新的视觉算法。首先设计了光器件金线质量检测系统,包括硬件设计以及软件设计。硬件设计为相机及镜头的选型、光照模式设计以及检台结构设计,并对光照模式进行原理分析。软件设计为金线中心线提取以及金线缺陷检测算法的设计。然后提出了一种图像融合以及金线中心线提取算法。图像融合,利用基于灰度的图像融合规则来增强图像质量。中心线提取包括粗、精两级定位,第一级利用二分搜索的思想实现中心线粗定位;第二级利用基于模板的中心线定位方法实现中心线精定位,其中精定位又包含两次定位,分别是矩形模板定位以及动态自适应模板定位。实验表明本文提出的中心线提取方法的效果、效率能够满足项目要求。其次根据提取的金线中心线以及区域,设计了金线二维缺陷检测以及三维缺陷检测算法。金线二维缺陷检测,通...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
光器件位置分布图
图 2.2 被测光器件实物图表 2.1 金线缺陷检测项目及指标类别 检测项目 检测指标二维缺陷金线弯曲以两焊点连成的直线为基准，金线轨迹的水平投影偏离该基准±50 微米。金线断线 两焊点之间的金线出现断裂，金线不连续。金线交叉 出现与图纸金线路径不符的金线交叉。金线多线 图纸上没有注明金线轨迹处，产品有金线。金线少线 图纸上有注明金线轨迹处，产品没有金线。非交错线间距 金线与金线之间的投影距离小于 50 微米。三维缺陷金线间间距缺陷 金线与金线之间的空间距离小于 50 微米。线弧高度缺陷线弧高度小于 75 微米或大于 75 微米。线弧塌陷缺陷线弧塌陷使线与线或线与元件之间的距离小于50 微米。
图 2.4 Aca4600-7gc 相机实物图 CMOS 芯片大小以及安装位置ter 品牌的 50mm 高精镜头，其实通过利用截圈增加相机到焦点的图 2.5 compute-50mm 镜头实物图机以及镜头，在经过实验验证后
【参考文献】：
期刊论文
[1]基于机器视觉的手机白玻璃缺陷检测方法研究[J]. 徐振飞,刘尧峰,徐卫. 中国新通信. 2019(04)
[2]BGA焊球视觉检测算法及系统设计[J]. 罗志伟,杨玉龙,李志红. 光学精密工程. 2018(09)
[3]海康机器视觉工业镜头应用技术[J]. 胡雨婷. 智慧工厂. 2018(07)
[4]基于亮通道色彩补偿与融合的水下图像增强[J]. 代成刚,林明星,王震,张东,管志光. 光学学报. 2018(11)
[5]基于图像灰度梯度特征的钢轨表面缺陷检测[J]. 闵永智,岳彪,马宏锋,肖本郁. 仪器仪表学报. 2018(04)
[6]改进Steger算法的自适应光条纹中心提取[J]. 南方,李大华,高强,于晓. 激光杂志. 2018(01)
[7]当前智能制造若干关键技术综述[J]. 顾寄南,尚正阳,唐仕喜,丁卫. 机械设计与制造工程. 2017(09)
[8]基于图像处理的摄像头模组金线缺陷检测方法[J]. 张舞杰,何广栋,唐柳生. 机械设计与制造工程. 2017(01)
[9]Texture image classification with discriminative neural networks[J]. Yang Song,Qing Li,Dagan Feng,Ju Jia Zou,Weidong Cai. Computational Visual Media. 2016(04)
[10]基于改进灰度重心法的光带中心提取算法[J]. 张小艳,王晓强,白福忠,田朝平,梅秀庄. 激光与红外. 2016(05)
博士论文
[1]基于机器视觉的半导体芯片表面缺陷在线检测关键技术研究[D]. 巢渊.东南大学 2017
[2]像素级图像融合及其相关技术研究[D]. 谭航.电子科技大学 2013
硕士论文
[1]基于双目视觉的三维轮廓测量技术研究[D]. 单思宇.中国科学技术大学 2018
[2]光滑零件表面缺陷检测系统设计与实现[D]. 胡仁伟.电子科技大学 2018
[3]TFT-LCD点线缺陷检测图像处理算法研究[D]. 闫真真.合肥工业大学 2017
[4]木材表面灰度缺陷识别中图像分析方法研究[D]. 宋小燕.内蒙古工业大学 2015
[5]基于机器视觉的工件表面质量高速在线检测技术研究[D]. 诸晓锋.杭州电子科技大学 2015
[6]基于局部特征的图像匹配算法研究[D]. 侯晓丽.西安电子科技大学 2014
[7]图像融合算法的研究[D]. 田闯.南京航空航天大学 2008
本文编号：2901567
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
光器件位置分布图
图 2.2 被测光器件实物图表 2.1 金线缺陷检测项目及指标类别 检测项目 检测指标二维缺陷金线弯曲以两焊点连成的直线为基准，金线轨迹的水平投影偏离该基准±50 微米。金线断线 两焊点之间的金线出现断裂，金线不连续。金线交叉 出现与图纸金线路径不符的金线交叉。金线多线 图纸上没有注明金线轨迹处，产品有金线。金线少线 图纸上有注明金线轨迹处，产品没有金线。非交错线间距 金线与金线之间的投影距离小于 50 微米。三维缺陷金线间间距缺陷 金线与金线之间的空间距离小于 50 微米。线弧高度缺陷线弧高度小于 75 微米或大于 75 微米。线弧塌陷缺陷线弧塌陷使线与线或线与元件之间的距离小于50 微米。
图 2.4 Aca4600-7gc 相机实物图 CMOS 芯片大小以及安装位置ter 品牌的 50mm 高精镜头，其实通过利用截圈增加相机到焦点的图 2.5 compute-50mm 镜头实物图机以及镜头，在经过实验验证后
【参考文献】：
期刊论文
[1]基于机器视觉的手机白玻璃缺陷检测方法研究[J]. 徐振飞,刘尧峰,徐卫. 中国新通信. 2019(04)
[2]BGA焊球视觉检测算法及系统设计[J]. 罗志伟,杨玉龙,李志红. 光学精密工程. 2018(09)
[3]海康机器视觉工业镜头应用技术[J]. 胡雨婷. 智慧工厂. 2018(07)
[4]基于亮通道色彩补偿与融合的水下图像增强[J]. 代成刚,林明星,王震,张东,管志光. 光学学报. 2018(11)
[5]基于图像灰度梯度特征的钢轨表面缺陷检测[J]. 闵永智,岳彪,马宏锋,肖本郁. 仪器仪表学报. 2018(04)
[6]改进Steger算法的自适应光条纹中心提取[J]. 南方,李大华,高强,于晓. 激光杂志. 2018(01)
[7]当前智能制造若干关键技术综述[J]. 顾寄南,尚正阳,唐仕喜,丁卫. 机械设计与制造工程. 2017(09)
[8]基于图像处理的摄像头模组金线缺陷检测方法[J]. 张舞杰,何广栋,唐柳生. 机械设计与制造工程. 2017(01)
[9]Texture image classification with discriminative neural networks[J]. Yang Song,Qing Li,Dagan Feng,Ju Jia Zou,Weidong Cai. Computational Visual Media. 2016(04)
[10]基于改进灰度重心法的光带中心提取算法[J]. 张小艳,王晓强,白福忠,田朝平,梅秀庄. 激光与红外. 2016(05)
博士论文
[1]基于机器视觉的半导体芯片表面缺陷在线检测关键技术研究[D]. 巢渊.东南大学 2017
[2]像素级图像融合及其相关技术研究[D]. 谭航.电子科技大学 2013
硕士论文
[1]基于双目视觉的三维轮廓测量技术研究[D]. 单思宇.中国科学技术大学 2018
[2]光滑零件表面缺陷检测系统设计与实现[D]. 胡仁伟.电子科技大学 2018
[3]TFT-LCD点线缺陷检测图像处理算法研究[D]. 闫真真.合肥工业大学 2017
[4]木材表面灰度缺陷识别中图像分析方法研究[D]. 宋小燕.内蒙古工业大学 2015
[5]基于机器视觉的工件表面质量高速在线检测技术研究[D]. 诸晓锋.杭州电子科技大学 2015
[6]基于局部特征的图像匹配算法研究[D]. 侯晓丽.西安电子科技大学 2014
[7]图像融合算法的研究[D]. 田闯.南京航空航天大学 2008
本文编号：2901567
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2901567.html
