基于改进 YOLOv4 算法的 PCB 缺陷检测研究

针对现用PCB缺陷检测方法存在效率低、误检率高、通用性低、实时性差等问题,提出基于改进YOLOv4算法的PCB缺陷检测方法。使用改进二分K-means聚类结合交并比(IoU)损失函数确定锚框,解决预设锚框不适用PCB小目标缺陷检测的问题。引用MobileNetV3作为特征提取网络,提升对PCB小目标缺陷的检测性能,同时方便部署在现场轻量化移动端。引入Inceptionv3作为检测网络,利用多种卷积核进行运算满足PCB缺陷多类别的检测要求。以PCB_DATASET数据集为测试对象,将本文方法与Faster R-CNN、YOLOv4、MobileNetV3-YOLOv4等开展对比验证实验。结果表明,本文方法均值平均精度(mAP)为99.10%,模型大小为53.2 MB,检测速度为43.01 FPS,检测mAP分别提升4.88%、0.05%、2.01%,模型大小分别减少0、203.2、3.3 MB,检测速度分别提升29.93、6.37、0.79 FPS,满足PCB工业生产现场高检测精度和检测速度要求。     

基于机器视觉的PCB裸板缺陷自动检测方法

提出了通过比较标准图像与待测图像差异并分析差异区域边界进行印刷线路板(PCB)缺陷检测与识别的算法。在同一位置采集多幅标准PCB图像并计算其灰度平均值从而得到标准图,将待测PCB图与其进行对比。首先使用限定区域Hough变换快速检测出图像中相互垂直相交的细短标志线,将线段的交点作为特征点并计算其坐标,进而对标准图与待测图进行仿射变换配准,差影计算后,再通过二值化、形态学处理等去除伪缺陷,即可获取缺陷区域位置。在此基础之上,对处理过的差影图进行膨胀处理,通过边界检测获取各个缺陷区域闭合轮廓各点坐标。分析各个轮廓坐标对应阈值分割后的配准待测图中点的像素值,并结合缺陷是缺料缺陷还是多料缺陷识别出缺陷类型。对合格的和有缺陷的PCB图各200幅进行算法测试,检测准确率为98.3%,基本能够稳定检测出常规缺陷。     

基于改进YOLOv5的PCB板表面缺陷检测北大核心CSCD

针对当前PCB板检测参数量庞大、检测精度低等问题,提出了一种改进YOLOv5的检测模型。以YOLOv5模型为框架,采用EfficientNetV2结构替换原始模型的主干网络,针对小目标缺陷,引入对空间信息更敏感的CA注意力机制,并采用α-IoU损失函数提高模型回归精度。实验结果表明:改进后的YOLOv5网络模型较原始网络均值平均精度提高了2.6%,参数量减少47%,可应用在小型工业检测设备中。     

基于条纹反射的陶瓷球表面缺陷快速检测算法

陶瓷球是一种广泛应用于精密轴承的基础零件,目前尚无成熟的陶瓷球表面缺陷检测设备。为此设计了一种基于条纹反射的陶瓷球表面缺陷快速视觉检测算法。该算法借助图像预处理、灰度累积差分定位、边缘检测、行间差分及模板匹配等方法来定位特征点,然后根据其数量评判球面是否存在缺陷。对直径6.35 mm的黑色氮化硅陶瓷球进行了检测,单幅灰度图缺陷检测时间0.78秒,检测极限为16.5μm。     

基于机器视觉的PCB焊接缺陷检测系统研究

针对中小型企业在焊接缺陷检测领域中存在人工成本高、检测精度低、实时性差等问题,提出了基于机器视觉的焊接缺陷检测系统,在生产线上安装多套图像采集装置。根据现场情况,设计了多套打光方案,实现连锡、焊点偏位、芯线断开等缺陷的高清成像;基于HALCON软件,采用图像定位、图像预处理、图像分割、形态学处理及焊接缺陷识别算法,完成了USB接口缺陷的精确检测,并将结果显示在上位机界面。测试生产线上实际采集的402幅缺陷图像,结果表明,系统成功检出率达86%,基本满足实际生产需要。该检测系统用于中小型企业生产,有利于大幅度提高检测效率和缺陷检测智能化水平,同时降低检测成本。     

基于改进级联Faster RCNN的PCB表面缺陷检测算法北大核心CSCD

针对印制电路板(PCB)存在缺陷的多样性、复杂性以及微小性的问题,文中基于Faster RCNN架构的PCB微小缺陷改进检测模型,首先通过RPN网络产生ROI,为能尽量获得各类维度特征,使用多层卷积。为满足PCB缺陷检测要求,将优化后ROI-Pooling层提取ROI特征,为能更好地在ROI区域分类和回归采取双全连接层的方式。为增强对多尺度和不规则缺陷特征的模仿能力和提升检测模型适用性,添加了过滤特征的金字塔网络。消融实验对比测试结果表明:改进后的检测模型对包括缺失孔、鼠咬伤、开路、短路、杂散、伪铜等缺陷能精确识别。文中模型检测平均分类精度达98.91%,mAP指标达到78.21%,可满足对PCB的有效识别,在工业上具有较强的实用性。     

基于机器视觉的SOP芯片引脚缺陷检测系统

针对传统工业中SOP芯片引脚缺陷检测速度慢、精度低等问题,设计了一个基于机器视觉的SOP芯片引脚缺陷检测系统,通过MATLAB软件调用CCD相机采集芯片图像,采用改进的Canny边缘检测等算法实现引脚边缘的连接,采用连通域标记和灰度投影算法对得到的二值芯片引脚图像进行缺陷检测并完成GUI界面的设计。由实验数据可知,系统对芯片引脚缺陷检测的正确率为99.6%,测量误差在±0.03 mm之内,满足了工业生产中SOP芯片引脚缺陷检测实时性和准确性的需求。     

焊缝缺陷检测现状与展望综述

针对焊缝表面成形缺陷检测存在的技术问题,对现有焊缝缺陷检测技术即磁粉检测、超声检测、涡流检测、渗透检测、磁光成像检测、红外检测以及结构光视觉检测法进行了深入研究。对检测原理、系统基本结构、各自的适用范围以及研究现状进行了论述;并分析总结了基于结构光视觉检测法的激光条纹图像采集、图像处理、特征提取和焊缝缺陷分类识别等技术相关的理论与算法;研究结果表明:为了满足焊缝缺陷全方位检测要求,可融合多检测技术,优势互补;随着人工智能技术的不断发展和焊件质量要求的提高,实现焊缝缺陷检测技术可视化、自动化是未来的发展趋势;人工智能技术是焊缝缺陷检测的关键技术,实现真正智能化检测需进一步研究。     

PCB基板玻璃表面缺陷检测设备控制系统设计

介绍了PCB基板玻璃表面缺陷检测设备PLC控制系统的硬件结构、软件设计和通信。该系统以三菱FX3U系列PLC为下位机,通过串口实现与工控机的通信,通信协议为用户自定义协议。根据PCB基板玻璃表面缺陷检测设备的工作原理及工作流程,进行了控制系统硬件设计和端口分配、软件编程、通信协议编写及通信连接,实现了设备的各项控制功能,具有高效可靠、自动化作业和对人力要求低等特点。该系统已在所设计的PCB基板玻璃表面缺陷检测设备现场测试中取得检测效率为70秒/片的良好效果。     

基于改进YOLOV4的陶瓷基板瑕疵检测

陶瓷基板是半导体元器件的重要基础材料,其瑕疵检测对保证产品质量具有重要的意义。提出了一种基于改进YOLOV4网络的陶瓷基板瑕疵自动检测方法。针对陶瓷基板瑕疵尺寸较小、颜色形状多变以及不同类瑕疵间尺寸变化较大导致的瑕疵检测困难问题,改进的YOLOV4网络通过借鉴Complete Intersection over Union(CIoU)思想优化初始先验框设计,引入基于梯度协调机制的置信度损失函数和十字交叉注意力网络来改善缺陷检测能力。实验结果表明,基于改进YOLOV4的陶瓷基板瑕疵检测方法对于陶瓷基板污染、异物、多金、缺瓷以及损伤这5类瑕疵检测的平均准确性达到98.3%,可满足工业现场对陶瓷基板瑕疵的检测精度要求。     

基于计算机视觉检测技术的PCB数控定位钻机

本文报导了一种基于计算机视觉检测技术和数控技术相结合的 ＺＹＺ—６２０ ＰＣＢ定位孔自动钻机。提出了基于最小二乘原理的实时性很强的计算机视觉检测技术、双向机械复零技术、伺服传动技术、自动定标与自动零位校正技术。测试与实际使用表明钻孔位置精度优于 ± ２５μｍ,能够满足高精度ＰＣＢ定位要求。     

基于机器视觉的细长产品表面缺陷检测设备研究

为提高对细长产品表面缺陷的检测效率,运用机器视觉技术对细长产品外部轮廓尺寸及表面缺陷状况进行检测.运用机器视觉技术,分析图像传输过程中噪声产生原因及降噪方法;采用canny算法和Simple Blob Dectorte特征点检测方法,提取零件轮廓和色斑轮廓;编写基于机器视觉的表面缺陷检测程序,并通过实验验证了该方法的可...     

基于机器视觉的陶瓷基板检测系统

为了设计陶瓷基板视觉检测系统,首先采用互补金属-氧化物半导体（CMOS）图像传感器采集陶瓷基板的图像信号,通过光学成像和照明系统优化设计来提高像质,然后运用图像预处理和亚像素算法来提高边缘的检测精度,最后建立并分析了机器视觉检测系统尺寸及形位误差数学模型,实现了对陶瓷基板长度、宽度参数的测量。实验结果表明,该系统较好地提高了视觉检测系统的精度,并得到了较为准确的结果。     

基于机器视觉的 PCB 缺陷检测算法研究现状及展望

印刷电路板(PCB)是电子零件的基板,需求量极大,承载着电路元件和导线的布局,其优良与否对电子产品的质量有着 重要影响。 由于电子产品的制作逐渐趋于轻薄、精小,基于机器视觉的 PCB 缺陷检测已成为一个具有挑战性的问题。 为了加 深研究人员对 PCB 缺陷检测的理解,本文从传统图像处理方式、传统机器学习及深度学习 3 大维度全面回顾了近 10 年基于机 器视觉的 PCB 缺陷检测算法,并分析其优缺点;介绍了 9 个 PCB 数据集,给出了评价 PCB 缺陷检测算法的性能指标,且在 PCB 数据集及流行的小目标数据集上分别对典型的算法进行了对比分析;最后指出了 PCB 缺陷检测算法目前存在的问题,展望了 未来可能的研究趋势。     

浅谈锭状物表面缺陷检测研究现状与展望

本文利用机器视觉在锭状物体表面缺陷检测中有着操作简单、可靠性高等优势,针对此类方法的发展现状和特点进行论述,分析目前的关键技术和难点,最后对此类方法进行总结和展望,指出机器视觉检测技术在锭状物表面缺陷检测系统将高速发展和被广泛利用.     

钢轨缺陷无损检测与评估技术综述

钢轨缺陷的检测对于保障铁路安全具有重要的意义。在研究钢轨无损检测与评估技术的背景下,对国内外采用的钢轨缺陷检测方法进行了全面的综述,包括物理检测方法和机器视觉检测方法。阐述并分析了钢轨缺陷评估方法在机器视觉方面的应用情况,同时对所采用的钢轨无损检测与评估技术进行对比,论述和总结了包括射线检测在内的物理检测及包括图像处理在内的机器视觉检测两类检测方法的差异性。分析和研讨了现代无损检测与评估技术及其在发展中涉及的相关技术问题,并对钢轨缺陷无损检测与评估技术的未来发展给出设想。     

基于机器视觉的PCB在线检测设备的图像采集系统

介绍了PCB在线检测原理,描述了一种PCB在线检测设备的系统结构,在设备的PCB图像采集系统中,提出了采用两轴电机实现扫描检测的解决方案,介绍了基于MPC01运动控制卡和伺服电机的运动控制系统结构和工作原理,详细阐述了系统的硬件具体实现,并采用VB为工具,开发了具有良好可靠性的软件控制平台。     

基于显著性线索与改进U-Net的织物缺陷检测方法

计算机视觉建立了图像处理与工业之间的联系,将现代感知技术引入到了自动化工业中。同时,基于深度学习的缺陷检测方法已在自动化检测中扮演重要角色。提出一种结合显著性检测算法与改进卷积神经网络CU-Net的织物缺陷检测方法。首先融合五条基于人类视觉机制的重要显著性线索,对织物图像预处理,其次对经典U-Net网络改进,在压缩网络尺寸基础上,引入注意力机制并使用新的复合损失函数进行训练。利用公开的AITEX缺陷织物数据集作为测试样本,结果表明,方法的准确率Acc和召回率RE分别达到98.3%和92.7%,相比于其他检测方法的最高分数提高4.8%和2.3%,显著提升了织物缺陷检测精度。     

基于无损检测的高分辨率PCB板焊点缺陷检测系统

为了能快速、准确地对BGA封装器件的PCB板上的焊点进行缺陷检测,设计了高分辨率X-射线无损检测的缺陷检测系统.给出了系统的基本工作原理和硬件结构,采用等比例成像的方法求解了获得最高分辨率的距离信息.分析了系统可能存在的噪声源,并设计了去噪算法用于提高图像信噪比.试验采用HAWK-180XI型X-射线源、高速图像采集卡和UNIQ-2000型CCD相机等对BGA封装的PCB板缺陷进行检测,结果显示:系统可以快速有效地获得被测PCB板的图像信息,并给出缺陷的位置、尺寸等特征信息,满足设计要求.     

一种液晶模组缺陷检测设备的PLC控制实现

以3～8寸手机液晶模组缺陷检测设备为应用对象,能够兼容高解析度的液晶模组;以机器视觉为基础,图像处理算法为核心,并集成视觉定位系统,能够实现模组各种类型缺陷的全自动化检测.设计并实现PLC运动控制方案,利用二维电动平台实现液晶模组的全自动化检测方式,实现自动出入料、自动对接、自动点灯和视觉自动检测.利用高分辨率相机拍摄...