基于深度学习的线缆接头焊点合格性检测研究

发布时间：2023-03-07 14:30

　　电子产品大多以流水线模式生产,每道工序都会影响产品的质量和寿命,其中焊点检测是一道重要的生产工序,能否准确高效地完成焊点合格性检测直接决定产品的质量和生产的效率。目前,线缆接头焊点合格性检测大多采用人工视觉检测法,该方法具有较大的主观性,且存在检测的准确性和可靠性较低的问题。针对上述问题,论文主要利用计算机视觉技术采集焊点图像并利用深度学习技术对焊点合格性进行快速检测,实现焊点的自动化检测,对于保障基于生产线生产的电子产品的质量和生产效率具有重要意义。本文从焊点数据图像采集、处理以及焊点合格性等方面展开研究,实现焊点的自动化检测,具体研究工作如下:(1)创建USB线缆接头焊点数据集。由于将深度学习技术用于对USB线缆接头焊点的检测是一个全新的领域,没有可用的数据集。因此,本文创建USB线缆接头焊点数据集。首先对数据进行了清洗,然后利用离散傅里叶变换、霍夫直线检测、仿射变换对倾斜图像进行有效地矫正,经过实验验证,矫正效果良好,最后使用labelme图像标注工具创建USB线缆接头焊点数据集。(2)基于DCNN的焊点合格性检测。针对传统焊点检测算法识别率低的问题,本文提出了一种基于DCNN的...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 焊点合格性检测
        1.2.2 深度学习
    1.3 论文研究内容与组织结构
        1.3.1 主要研究工作
        1.3.2 论文组织结构
第2章 深度学习与目标检测
    2.1 引言
    2.2 深度学习
        2.2.1 TensorFlow
        2.2.2 Caffe
        2.2.3 Keras
    2.3 目标检测
    2.4 卷积神经网络
        2.4.1 卷积运算
        2.4.2 池化
        2.4.3 代价函数
        2.4.4 过拟合与欠拟合
        2.4.5 迁移学习
    2.5 常用的特征提取网络
        2.5.1 AlexNet
        2.5.2 VGGNet
        2.5.3 ResNet
    2.6 本章小结
第3章 USB焊点数据集的创建
    3.1 引言
    3.2 数据采集和清洗
        3.2.1 数据来源
        3.2.2 常见的数据标注类型
        3.2.3 数据采集
        3.2.4 数据清洗
    3.3 图像矫正
        3.3.1 离散傅里叶变换
        3.3.2 旋转角度计算
        3.3.3 仿射变换
        3.3.4 焊点区域提取
    3.4 图像标注
        3.4.1 标注工具
        3.4.2 标注方法
        3.4.3 数据增强
    3.5 USB线缆接头焊点数据集的创建
    3.6 本章小结
第4章 基于DCNN的焊点合格性检测
    4.1 引言
    4.2 DCNN焊点检测模型建立
    4.3 实验结果与分析
        4.3.1 实验环境及数据集
        4.3.2 焊点检测实验
    4.4 本章小结
第五章 改进的Mask R-CNN焊点合格性检测
    5.1 引言
    5.2 Mask R-CNN网络的介绍
        5.2.1 特征提取网络
        5.2.2 特征金字塔网络
        5.2.3 区域建议网络
        5.2.4 RoI Align
        5.2.5 损失函数
    5.3 改进的Mask R-CNN
        5.3.1 全局平均池化取代部分全连接层
        5.3.2 改进ResNet50 特征提取网络
    5.4 实验结果与分析
        5.4.1 实验环境及数据集
        5.4.2 焊点检测实验
    5.5 本章小结
总结与展望
参考文献
致谢
附录A 攻读学位期间发表的学术论文和其它成果



本文编号：3757515