基于机器视觉的高密度电路板缺陷检测系统

为减少高密度电路板的缺陷误报率,研究一种新型自动光学检测系统(AOI);系统采用自行研制的多色LED照明系统,利用机器视觉获取被测PCB的图像,通过图像处理软件系统快速准确地识别出各种缺陷;系统利用获取的彩色图像信息,根据各种缺陷的特征信息不同,采用OPENCV对各种缺陷的检测算法进行改进,使得系统性能有很大改进;对30块同类HDI型PCB的36300个检测点进行测试,测试结果证明,系统PCB缺陷的检出率高达99.87%,误报率只有0.32%。     

基于欧氏距离图的图像边缘检测

图像边缘检测技术直接影响以目标识别为目的的后续图像处理操作,有效地提取出图像中所携带的目标信息是图像边缘检测的主要目的.为了实现目标轮廓的有效提取,提出一种基于欧氏距离图的图像边缘检测算法.该方法计算图像内像素点之间的欧氏距离,得到图像的距离图,距离图很好地描述了图中景物的外部轮廓;对距离图进行改进的Canny算子边缘检测,可以有效地得到图中物体的轮廓.与一般的边缘检测算法相比,本文算法能够抑制过于细小和琐碎的细节,并能够准确地提取目标的整体轮廓信息,为后续目标识别奠定了良好基础.     

基于模糊边缘检测算法的车牌定位

车牌定位是自动车牌识别系统的一个关键步骤,车牌定位结果直接影响对车牌的最终识别效果。因此为了保证实际应用中车牌的识别准确率,文中提出了一种新的车牌定位算法,该算法利用一种改进的快速模糊边缘检测算法来进行车牌图像的边缘检测,得到整个原车牌图像的边缘图像,然后基于边缘图像的丰富的边缘信息设计一个高效、准确的车牌区域定位算法,检测出车牌区域。实验结果表明:算法定位速度较快、准确度较高,具有良好的应用前景。     

基于模糊边缘检测算法的车牌定位

车牌定位是自动车牌识别系统的一个关键步骤，车牌定位结果直接影响对车牌的最终识别效果。因此为了保证实际应用中车牌的识别准确率，文中提出了一种新的车牌定位算法，该算法利用一种改进的快速模糊边缘检测算法来进行车牌图像的边缘检测，得到整个原车牌图像的边缘图像，然后基于边缘图像的丰富的边缘信息设计一个高效、准确的车牌区域定位算法，检测出车牌区域。实验结果表明：算法定位速度较快、准确度较高，具有良好的应用前景。     

新型高密度电路板的自动光学检测系统设计

为提高自动光学检测系统(AOI)的缺陷检出率,研究了一种采用多色光源照明,利用机器视觉获取被测高密度印刷电路板(HDI型PCB)图像,通过图像处理快速准确地识别出各种缺陷的新型AOI。实验装置由主控计算机、电气控制系统、精密机械运动装置、多色光源照明和图像采集系统等组成。图像处理及识别软件基于OPENCV和VisualStudio2005开发,模块化设计,包括光源控制、图像采集、图像拼接、图像定位、路径规划、缺陷检测和缺陷统计等模块。实验结果表明,新型AOI系统可检出加载HDI型PCB的各种缺陷,缺陷的检出率可达99.9%,误报率只有0.3%。     

一种基于Gerber文件的PCB缺陷检测方法

介绍一种基于Gerber文件的PCB缺陷检测方法。通过读取Gerber文件,对待检测PCB板图像元件进行快速的精准定位,提取定位区域中的图像信息,经过后期算法处理,实现对PCB板缺陷进行检测的目的。     

倒角类冲压零件轮廓缺陷视觉检测

倒角类冲压零件轮廓缺陷视觉检测对于提高生产效率、保障产品质量非常重要。针对倒角类冲压零件形状奇异、轮廓不规则,图像本身实物边缘与背景像素是逐渐过渡的,存在模糊性,缺陷特征弱小等难题,提出了模糊集合的轮廓提取算法和缺陷匹配的识别方法,检测并标记缺陷位置。首先,采用模糊集合强化边缘信息,在不需确定阈值的情况下,准确有效地提取冲压零件的轮廓。其次,利用轮廓的点、线特征,通过HOUGH变换对冲压零件进行定位。然后,以冲压件模板图像位姿特征为期望值,实时校正待检测的冲压件图像,实现精确对准。最后,采用差分相似匹配算法识别出缺陷。实验结果表明,提出的检测方法能够快速、准确地识别占整个零件0.4%以上的小缺陷,并标记位置,满足工业要求。     

基于计算机图像处理的电路印刷板缺陷检测

针对人工目检等传统PCB检测方法高成本、低效率问题,通过提出一种基于计算机图像处理的PCB板计算机视觉混合检测方法,完成了实现快速稳定可靠的PCB缺陷智能在线检测的目的;建立了系统的软硬件结构,研究出结合图像分模块处理,改进的极小值分割、快速模板匹配、图像对比、形态后处理等措施的混合智能检测算法;实验结果证明,该方法解决了海量数据与实时性处理的矛盾以及噪声干扰等问题,能准确检测PCB常规缺陷,并保证了自动在线检测的实时性、可靠性和低成本.     

基于SIFT匹配算法的PCB板缺陷检测

图像匹配是PCB板缺陷检测中的一个重要环节,匹配效果的好坏直接影响着系统的检测结果和检测精度;为了取得良好的匹配效果和降低对系统硬件的精度要求,文章采用了SIFT匹配算法来进行图像匹配;首先应用SIFT算法获取匹配结果,然后计算出精确变换矩阵进行像素异或运算,最后运用数学形态学的方法消除边缘噪声;实验结果表明SIFT算法能够对存在畸变的图像取得良好的匹配效果,准确检测出缺陷.     

基于自适应阈值“双K算法”的零件缺陷边缘检测

针对传统边缘检测方法难以实现边缘信息的准确检测问题,提出了一种零件缺陷边缘检测的新方法.首先对采集到的零件缺陷图像进行灰度化和Wiener滤波,以减少噪声等因素对后期检测的影响;然后,以kalman算法预估图像分割阈值作为Krisch算法的初始阈值;在此基础上,进行零件缺陷边缘检测,以提高零件缺陷检测的准确性.最后,利用MATLAB软件对零件缺陷图像进行仿真试验,验证边缘检测算法的检测效果.实验结果表明,推荐算法检测的平均准确率达到94.38%,能够有效实现零件缺陷边缘信息的检测.     

基于视觉传感器的PCB缺陷检测系统的研究与实现

为了实现PCB缺陷的在线自动检测,设计了一种PCB缺陷自动检测系统,该系统主要由机器臂、电气控制系统以及视觉传感器系统等组成。通过可编程控制的图像采集系统获取高质量的原始视觉图像,利用图像处理实现对缺陷目标的自动检测及识别。实验结果验证了该系统检测PCB板缺陷的高效性和实时性。     

基于图像处理的印制电路板缺陷自动检测

基于图像处理的精密检测是现代测量技术的重要发展方向;论文提供了将标准电路板图像和待检测电路板图像进行二值化分割、图像形态学处理、图像配准和差影检测处理为基础的检测系统;其中图像配准是关键,为了提高处理速度达到实时处理的目的,图像配准采用了快速处理算法;经实验结果分析,该方法能较准确的检测出待检测电路板上存在的缺陷,达到了自动实时检测的目的.     

基于机器视觉PCB裸板缺陷自动检测研究

运用参考比较法对机器视觉PCB裸板缺陷检测进行了研究。在相机摄像头下同一位置采集多幅标准PCB图像累加求平均值得到标准电路板图像,运用Harris角点算法进行标准电路板图像和待测电路板图像的配准,分别对标准电路板图像和待测电路板图像进行灰度变换、中值滤波、二值化、异或等图像处理检测出缺陷区域,然后通过形态学消除伪缺陷,实验证明,该检测方法有较高的准确率。     

基于图像处理技术的PCB缺陷自动检测系统

通过计算机图像处理技术开发了一套PCB产品缺陷检测系统.通过Hough变换检测出定位圆的圆心坐标,再对目标图与标准图进行几何配准,对差影运算后的图进行二值化与形态学去噪等操作得出缺陷的二值图,然后统计缺陷部分的几何特征得出结论.采用的改进算法基本能保证实时性与检测的准确率.     

基于图像处理的印刷电路板质量检测系统设计

针对目前印刷电路板工业高速发展的生产要求,设计了基于图像处理的印刷电路板质量检测系统总体结构,阐述了基于图像处理检测系统的工作原理,讨论了图像采集单元中扫描仪的选择,以及扫描仪驱动的设计;讨论了图像处理单元中的图像去噪,图像分割、图像识别算法,运用图像差分运算方法完成了对缺陷的检测。实验结果证明使用该方法能够简单、快速、有效地识别出PCB板上断路、短路和缺损缺陷。     

钢板表面低对比度微小缺陷图像增强和分割

目的 环境干扰及光学元件不稳定等因素往往会造成钢板表面图像照度不均,钢板表面的微小缺陷具有图像灰度不均、对比度低、形态微小等特点,给后续图像分析和缺陷识别带来因难。为此,提出一种钢板表面低对比度微小缺陷图像增强和分割算法,以消除照度不均并突出缺陷信息,从而有效分割缺陷目标。方法 采用小波-同态滤波算法进行图像增强处理,即先利用小波变换对图像进行分解,再基于同态滤波对小波低频系数进行图像灰度修正,同时对高频系数进行高通滤波,然后将处理后的小波低频系数和高频系数进行重构得到增强的图像,从而达到消除照度不均、增强缺陷细节信息的目的。最后利用最大类间方差法（Otsu法）确定自适应阈值提供给Canny算子进行边缘检测。结果 采用本文算法对钢板表面多类型低对比度表面微小缺陷进行研究,有效消除了光照不均;单一的Otsu阈值分割和Canny算子难以有效检测这些缺陷,而本文Otsu-Canny算法的正确检测率达96%。结论 采用小波-同态滤波进行图像增强处理后,再利用Otsu-Canny算法对钢板表面多类型、低对比度的微小缺陷进行边缘检测取得了良好效果。     

基于X射线图像的厚钢管焊缝中气孔缺陷的自动检测

由于厚钢管X射线图像强度分布不均匀,对比度低、噪声大,且气孔缺陷的大小、形状、位置、对比度各异,使得自动检测各种类型的气孔较为困难。针对传统缺陷检测算法中手工标记缺陷数据工作量大,焊缝边缘难以准确提取等问题,提出一种新的无监督学习的各种气孔缺陷检测算法。首先,采用快速独立分量分析从钢管X射线图像集合中学习一组独立基底,并用该基底的线性组合来选择性重构带气孔缺陷的测试图像;随后,测试图像与其重构图像相减获得差异图像,通过全局阈值从差异图像中将各种气孔分割出来。实验的训练集有320幅,测试集有60幅图像,所提算法检测结果的平均敏感性和准确率为90.5%和99.7%。实验结果表明,该算法无需手工标记数据或提取焊缝边缘,可准确检测各种气孔缺陷。     

工件表面缺陷检测投影分析与算法研究

以iphone4S工件为例,针对工件表面竖纹缺陷和注塑缺陷检测过程中受高频噪声影响的不足,提出了基于投影分析的缺陷检测算法。通过分析缺陷的特征,设计了峰谷值判定的竖纹缺陷检测算法、基于分块投影的工件边缘线检测和注塑缺陷积分值判定算法,以实现计算机对工件表面竖纹和注塑缺陷的自动检测。通过大量实验表明：以新算法为核心技术的检测算法,能够对竖纹缺陷和注塑缺陷检测准确率达到95%以上。     

基于主成分分析的表面缺陷自动检测算法

为检测产品表面的缺陷,提出一种基于主成分分析的自动检测算法。利用主成分分析法进行图像重构,以增强缺陷特征,对比原图像与重构图像,得到缺陷信息,通过统计过程控制二值化方法检测出缺陷。实验结果表明,该算法检测效果较好,运算速度较快,对于80张不同的表面图片,平均缺陷检测率达80%。     

基于机器学习的刀具表面缺陷检测及分类方法

刀具在生产的过程中,由于人员、机器、环境等多方面原因,刀具的表面会出现各种缺陷,如划痕、碰撞凹坑、涂层剥落和边缘豁口;这些缺陷会严重影响刀具的质量和外观,对于刀具的缺陷检测,目前主要采用人工目检的方式,人工检测方法效率和准确率都比较低;为解决上述问题,提出一种刀具缺陷的自动化检测及分类算法;针对刀具图像的预处理,提出了一种基于双边滤波的降噪方法和基于差分的对比度增强算法;对于刀具的缺陷检测任务,提出了基于图像差分的缺陷检测算法;对于缺陷的分类任务,提出了一种基于SVM的分类算法,即通过提取缺陷区域的形状、纹理等特征来训练SVM分类器;最后对提出的缺陷检测及分类算法进行实验,结果表明算法的缺陷检出率达97.2%,分类准确率可达94.3%;算法能够很好地满足工业需求,可以替代人工实现刀具缺陷的自动化和高效率检测。