表面贴装元件识别的快速阈值值分割算法

1引言 表面贴装元器件的视觉检测和定位是影响贴片机整体性能的关键因素。其主要任务包括获取元件的图像,利用识别算法对图像进行处理,识别元件的质量、位置、角度,判断所拾取的元件是否合格并在贴装时进行贴装位置、角度的纠正等。     

基于改进SUSAN算法的片式元件角度识别

元件角度识别是贴片机元件视觉检测的关键,其参数的精确获取直接影响贴片机进行元件贴装的准确性.SUSAN算法是一种基于图像灰度比较的算法,不涉及梯度的计算.讨论了该算法的模板和门限的选取方法,继而提出一种改进的SUSAN边缘检测算法对矩形片式元件进行边缘检测,并通过试验比较了该算法与传统的几种边缘检测算法的优劣.试验证明改进的SUSAN算法能更好地提取复杂成像条件下元件图像的边缘,提高了贴装过程中元件角度识别的精度和稳定性.     

表面贴装元件识别的一种亚像素边缘检测方法

亚像素算法是一种高精度的边缘检测算法.分析了亚像素边缘检测的原理及现有算法的优缺点,根据现有用亚像素对表面贴装元器件图像检测的算法,提出了三次样条插值的亚像素算法进行边缘提取.通过实验比较,认为该方法提高了边缘提取的精度,满足了贴片机视觉检测的要求.     

贴片机视觉系统的研制

随着微型和密间距片式电子元件的广泛应用,电子产品的制造商在贴装精度与速度方面对贴片机提出了更高的要求。因此,机器视觉系统在贴片机中被普遍采用。贴片机视觉系统主要实现两类功能:对PCB板的Mark识别,从而实现坐标转换;对贴片元件识别、检测、对中,从而实现元件的正确贴装。其组成可以分为硬件部分和软件部分。硬件部分的主要功能是获取高质量的图像;软件部分的主要功能是完成高精度高速度的算法。     

芯片检测中不变几何矩算法的研究

在高速高精度贴片机研制过程中,贴片元器件的图像定位和识别的可靠性、速度与精度一直是提高贴片机生产效率的瓶颈.为了解决这个问题,我们提出了一种基于不变几何矩提取芯片位置和图像特性的算法,并对该算法特点进行了深入研究.该算法通过对不变几何矩的匹配,达到检测芯片位置和型号的目的.该算法具有旋转、缩放和平移不变性的特点.在实验中该算法取得了较好的试验效果,提高了贴片元器件的图像定位和识别的可靠性、速度与精度.该算法可以广泛应用于芯片检测、生产和贴装中.可以使用在高速高精度全自动贴片机、AOI检测等.     

SMT2505全视觉多功能贴片机的研制

SMT2 5 0 5全视觉多功能贴片机是电子元件贴装专用设备 ,是国内首台全视觉贴片机 ,对该机性能的检测和验收符合国际贴装标准IPC985 0。它通过全视觉识别系统对不同元件进行视觉识别 ,能高速高精度贴装微小片状元件、精细IC元件或异形元件。该机具有自动化水平高 ,操作方便 ,运行平稳等特点。其贴装精度、识别元件范围、贴装速度等性能达到国际水平     

SMD与贴片机

以典型的表面贴装元器件及典型贴片机为例,针对表面贴装元器件的贴装和贴片机作简要论述,希望对ＳＭＴ设备使用厂家的选型有一定的参考价值。     

快速检测轴承表面缺陷方法的研究

轴承表面缺陷可分为两种,一种是低于目标灰度的缺陷,另一种是高于目标灰度的缺陷.针对单阈值分割算法只能检测轴承前一种缺陷的局限性,而多阈值分割算法仅能检测高于目标灰度缺陷的情况,提出了一种基于OSTU的多次阈值分割图像快速检测轴承表面缺陷的方法,该算法相对于多阈值算法复杂度小,且根据轴承图像的特点缩小了阈值取值的范围,较好满足了在线检测轴承表面缺陷的实际需求.     

基于蚁群算法的贴片机贴装最短路径问题的研究

贴片机贴装路径与表面组装生产线的装配效率紧密相关。为了提高贴片机的生产效率,对贴片机的贴装路径进行了优化,提出一种改进的蚁群算法。该算法考虑了在寻求最短路径过程中信息素的更新,使算法不易陷入局部最优解,并且能较快地收敛到全局最优解。理论分析和实际仿真实验,都证明了此算法优于传统的贴片机贴装路径的优化算法。     

基于小波与阈值的图像分割

图像分割是图像处理和计算机视觉中的重要技术,并且已在工业、军事、医学图像以及机器人视觉领域有着广泛的应用。在此采用了基于小波变换边缘检测算法和阈值分割算法。小波变换边缘检测,即设置分解级数进行多次分解,并依次输出结果图像。阈值分割采用全局与局部阈值分割图像,但是局部阈值更能突出图像的信息点。     

基于万有引力搜索算法图像分割的实现

图像分割是计算机视觉中研究的热点和难点之一,原始图像只有在分割之后才能被分析与理解。为了更快更准确地分割图像,本文将万有引力搜索算法和最大类间方差法的双阈值法相结合,提出了一种新的图像分割方法。该方法首先把图像分割的阈值看成引力搜索算法中空间的粒子;其次利用最大类间方差法的双阈值法设计适应度函数;最后,通过粒子在空间中相互的万有引力作用,逐渐逼近最优阈值。实验表明,基于万有引力搜索算法(GSA)的图像分割在运行速度、运行时间等方面要优于传统的图像分割算法,该方法分割后的目标图像更加适合后续的分析和处理。     

一种改进的最大熵阈值分割方法

阈值分割是一种重要的图像分割方法,是图像检测与识别的重要预处理步骤之一,在计算机视觉等研究领域中有着非常广泛的应用。对传统二维最大熵阈值分割算法的性能进行了分析,针对算法计算复杂度大和阈值判别存在误差这两个不足,提出了一种改进的最大熵阈值分割方法。改进方法通过引入新的阈值门限选取方案来消除误差,并将原本复杂的二维解空间的求解过程简化到了一维,大大减少了计算量。由于等效引入了一个平滑噪声的预处理过程,新方法还克服了噪声对阈值选取的影响。仿真结果表明:改进新方法不仅简单易行,对低对比度图像的分割效果也较好。     

基于亚像素精度分割的晶粒图像识别方法

机器视觉在工业产品质量控制中的应用越来越广,针对LED晶粒的质量检测问题,提出了一种基于亚像素精度阈值分割的方法进行LED晶粒图像的识别。首先通过图像增强及预处理,然后通过基于亚像素精度的阈值分割方法进行晶粒图像的预处理,再通过K值聚类算法进行感兴趣的区域提取,最后通过NCC归一化的方法进行晶粒位置的识别及定位。实验结果表明,提出的亚像素精度阈值分割和NCC归一化定位算法相结合的方法应用在LED分拣机中,能准确地识别出LED晶粒图像。     

基于深度学习的医疗图像分割综述

自2006年深度学习这一概念提出以来,各研究领域对于深度学习技术的研究热度一直高居不下。深度学习的出现,对计算机视觉领域的发展起到了重要推动作用。计算机视觉的主要研究任务是对图像、视频等进行目标的检测、识别以及分割等,目前已经广泛应用于医疗、金融和工业领域中。其中最常见的应用场景是医学图像处理。图像分割是医学图像处理任务中一个重要的研究方向,目前已经出现了很多图像分割方法,其中包含传统的分割方法和基于深度学习模型的分割方法。首先介绍了阈值分割法、区域生长法以及图割法等传统的图像分割方法;其次总结了FCN、U-Net、U-Net++、SegNet以及DeepLab系列的网络架构,并对其优缺点进行了分析;同时,着重阐述了图像分割方法在医疗图像处理中的应用;最后讨论了未来基于深度学习的医学图像分析将要面临的挑战和发展机遇。     

基于数据驱动的SAR溢油图像分割算法对比研究

本文针对SAR图像中溢油区域的散射特点,首次将二维最大类间方差阈值分割算法应用于SAR溢油分割,并提出了一种基于改进二维最大类间方差的SAR溢油图像分割算法。基于ENVISAT ASAR溢油图像的实验结果表明,和经典最大熵以及原始二维最大类间方差分割算法相比,本文算法是一种抗噪性能好,分割精度高,运算速度快的SAR溢油图像阈值分割算法。     

图像非广延高斯熵分割的阈值选取方法

图像分割是实现图像目标与背景分离的基础和关键,其中阈值化是最为流行和有效的技术之一。考虑到图像处理作业场景的复杂境况,实时有效的阈值分割方法的提出一直是研究和应用中的极大挑战。针对复杂的工业无损检测图像及红外图像目标分割问题,基于非广延高斯熵提出一种新的图像阈值分割方法。对于图像中像素灰度级不均衡、不规则的随机分布特点,提出方法体现了较好的处理能力。在与实践常用方法的比较实验中,实验结果表明了提出方法的较优异性能和推广应用前景。     

基于DSP的运动目标自动跟踪系统的设计与实现

为了使视觉监控系统具有自主能力,设计了一种基于嵌入式高速DSP处理器Blackfin533的运动目标自动跟踪系统。文中分别介绍了系统的硬件和软件设计。该系统运用差分图像法,通过阈值图像分割来检测运动目标,并采用形心跟踪算法来自动跟踪目标。实验结果表明该系统取得了较好的跟踪效果。     

一种基于Levy-人工蜂群的三维Otsu阈值分割算法

针对图像分割过程中三维Otsu算法运算时间长、计算量大的问题,提出了一种基于Levy-人工蜂群算法的三维Otsu阈值分割算法。首先,以像素灰度值-邻域均值-邻域中值的三维类间方差作为人工蜂群算法的适应度函数;其次,采用Levy飞行模式评价像素的适应度,对其种群更新及邻域搜索过程进行优化,以增强其全局搜索能力;最后,利用改进后的算法得到的分割阈值对图像进行分割。仿真实验结果表明,与传统三维Otsu阈值分割算法相比,所提算法能够有效降低图像存储空间,处理时间降低了30.8%,具备更好的抗噪性能,分割效果也更为理想。     

一种基于彩色图像的运动人体分割方法

图像分割是计算机早期视觉不可缺少的一步。彩色图像由于具有比灰度图像更多的视觉信忠．受到了越来越多的重视。该文运用改进的背景差分方法，结合直方图双阈值分割和数学形态学的算法。在彩色图像序列中获得运动人体。实验结果表明上述算法对噪声抑制和人体图像断裂处填充都是有效的，能够实时从彩色图像序列中分割出运动人体。