X—射线系统最佳化PCB检测

自动光学检测（AOI），无论是,视觉还是激光检测系统，一般设置在贴装工艺之后，用来识别漏片、错贴元件，不合适的焊膏印刷等。而X射线检测系统一般用于再流焊工艺之后，用来检验组装工艺的机械牢固性，识别缺陷如焊料桥接，漏焊，虚焊，错位，开焊和不良润湿等，然后并不是每一个X射线系统都能做这些检测类型不同能够检测的缺陷类型也不同，那么怎样进行选择？本文从X射线，检测方法，工艺最佳化方法，软件等方面详细地介绍了X射线检测系统。     

虚拟网络切片中的在线异常检测算法研究

在虚拟化网络切片场景中,底层物理网络中一个物理节点(PN)或一条物理链路(PL)的异常会造成多个网络切片的性能退化。因网络中每个时刻都会产生新的测量数据,该文设计了两种在线异常检测算法实时监督物理网络的工作状态。首先,该文提出了一种基于在线一类支持向量机(OCSVM)的PN异常检测算法,该算法可根据每个时刻虚拟节点(VNs)的新测量数据进行模型参数的更新而不需要任何标签数据;其次,基于虚拟链路两端点间测量数据的自然相关性,该文提出基于在线典型相关分析(CCA)的PL异常检测算法,该算法只需要少量标签数据就可以准确分析出PL的异常情况。仿真结果验证了该文所提在线异常检测算法的有效性和鲁棒性。

     

一种快速的在线SVM多用户检测算法

基于传统支持向量机的多用户检测算法运算量大、耗时久,无法满足实时性要求。该文提出了一种快速的在线支持向量机多用户检测算法。该算法利用KKT条件判别实时增加的训练序列并构造当前训练样本集,从而能够有效地减少训练样本大小,加快训练速度。仿真实验表明,该算法在不影响分类效果的情况下大大加快了训练速度,且用于分类的支持向量较少,同时性能与传统支持向量机算法相当且明显优于MMSE(RLS)多用户检测器。     

VJElectronix将展示先进的返修系统和X射线检测系统

X射线检测技术和返修技术领先厂商VJElectronix日前宣布,将在2012NEPCON华南展的第1H31号展台上,展示其先进的返修系统和X射线监测系统。     

VJ Electronix在NEPCON China上展出获奖的Vertexll X射线检测系统

VJ Electronix有限公司将在NEPCONSouthChina2013的Kasion展位（1H43）上展出全新的VertexII下一代X射线技术及高性能SRT Micra返修平台。     

PCBA的X射线检测方法研究

随着BGA、CPS封装等表贴器件的大量应用,传统的人工视觉检测、自动光学检测等检测技术对其底部引出端焊接质量的检测几乎无能为力。研究并给出X射线检测方法和检测流程,同时对该方法应用于PCBA焊接质量检测的典型案例进行了分析。按此检测方法不仅可以高效、便捷地识别PCBA中常见的焊接缺陷,同时可以指导PCB设计及焊接工艺改进。     

基于X射线检测的电力电缆常见缺陷分析

X射线数字成像技术由于高灵敏度、无损检测等优势,可以检测出常规手段较难直观判断的设备缺陷部位及老化状况,近年来在电力电缆的缺陷检测中的应用越来越多。本文在阐述了X射线检测原理和检测参数的基础上,例举了2个X射线检测现场受损电缆的实际案例。在电缆外护套受损的情况下,通过X射线成像,可以快速判断主绝缘层是否有缺陷。非破坏性的X射线检测方法是一种高效的、节约成本的现场检测技术。     

Zollner选择了Agilent Medalist x6000自动X射线检测系统

安捷伦科技（NYSE：A）和Zollner集团近日宣布,全球电子制造服务提供商Zollner为增强集团的测试和检验能力,已选择了Agilent Medalist x6000自动X射线检测（AXI）系统。 Zollner制造的电路板极为复杂,板上有大量的焊点,X射线检测为测试和检验战略所必须。Agilent Medalist x6000通过发现焊点缺陷实现更高的最终产品质量,同时还降低了保修和废品成本。在达到甚至超过生产线速度的条件下,系统实现90％以上的缺陷覆盖,实现向全世界的客户提供最高质量。     

X射线无损检测的GIS设备缺陷检测研究

GIS设备出现缺陷会导致变电站发生事故,给电网带来巨大经济损失.针对目前变电站大规模的人工巡检存在着效率低下、易漏检等问题.文中对X射线无损检测得到的GIS设备图片进行研究.对获得的GIS图片进行恰当预处理,提出一种改进的FCM算法进行分割,在传统的FCM分割算法基础上,引入非隶属度、不确定度且结合图像的领域信息进行分...     

Plexus选择安提伦自动X射线检测系统快速执行新产品测试

安捷伦科技和Plexus公司日前宣布，Plexus公司已经选择安捷伦Medalist x6000自动X线检测系统，作为其新产品检测策略的一部分。     

基于DM642实时提取弹目偏差图像处理系统

高速DSP技术和数字图像处理技术的快速发展为能够实时准确地提取弹目偏差提供了有效途径。采用DSP与数字图像处理技术相结合的方法测量弹目偏差,硬件设计以TMS320DM642 EVM图像处理板为核心进行,软件设计采用CCS集成开发环境,设计了软件流程与软件算法,并在此基础上进行各功能模块的开发。该测量系统具有运算速度快,工作稳定性好等诸多优点,能够实时准确提取弹目偏差,为高炮火控系统的准确校射提供了一种更加有效的途径。     

基于TMS320DM642／Matlab的实时图像处理系统设计

随着图像处理算法的日益完善,对图像处理系统的要求也越来越高。以DSPTMS320DM642为核心,设计一种实时图像处理系统。给出系统的输入输出以及数据处理部分的硬件设计,并根据该系统给出利用Matlab软件的实时工具箱RTW（Real-Time Workshop）创建CCS工程并直接生成C语言代码的方法,以缩短调试开发系统的周期。     

改进的基于TMS320DM642的疲劳检测系统

针对疲劳检测算法中大数据量、高速传输、复杂运算的实际需要，设计了以SAA7115为视频采集A／D、DSPTMS320DM642为核心处理器、SAA7105为视频输出D／A，并以FPGA控制输出来实现增强显示功能的实时视频处理系统。该系统采用双摄像头控制采集数据，可以满足多路视频的实时采集、处理、显示需求，可以作为疲劳检测算法、视频处理和图像处理的硬件平台。     

基于DM642的网络视频系统的设计与实现

为满足现代实时网络视频应用的需求,提出并实现了一种基于TI公司多媒体DSP芯片TMS320DM642的实时网络视频系统,给出了网络视频节点的硬件及软件的详细设计方案。结果证明,该系统能对视频图像进行实时压缩编码,并在各网络节点之间传输,且传榆速率稳定,图像质量可调,能满足现代各种实时监控系统的要求。     

基于SVM模式识别的光纤围栏入侵告警技术研究

设计了光纤围栏系统的系统组成,并对系统的工作原理和围栏主机的工作流程进行了重点分析.设计了围栏主机中基于支持向量机(SVM)的模式识别模块,介绍了在二类分类和多类分类情况下的相关算法,给出了在Labview中的实现结果.     

一种基于类融合向量的支持向量机及其在语音识别系统中的应用

支持向量机可以通过产生的支持向量来概括数据集合中的信息,其分类函数仅依赖于一小部分训练样本,即支持向量,这使得它对噪声数据非常敏感.本文采用数据融合的方法加以改进,提出了一种新的基于类融合向量的支持向量机,降低了对噪声数据和较大偏差值的敏感性,提高了算法的容噪性能,并成功地应用于语音识别系统中,取得了较好的效果.     

基于SVM的Telnet隐蔽信道检测

基于Telnet的隐蔽信道将隐匿的消息直接附加在Telnet的网络数据中,并发送至远程"服务器"。由于键盘操作具有任意性,检测这种信道比较困难。通过分析Telnet隐蔽信道技术,提出针对该隐蔽信道的检测方法。检测方法使用了一分类支持向量机(SVM),抓取用户正常操作的网络数据包作为检测样本,并利用样本数据间的时间间隔构造检测向量。试验表明,利用这种方法对基于Telnet的隐蔽信道进行检测,检测率达到100%,且虚警率较低。     

一种基于Radon变换的微表情识别算法

微表情是人们处在一些与平时生活环境不同的高强度环境下试图控制和掩饰的情感表现,也是一种不曾意识到的瞬时脸部表情,持续时间短,强度弱。为了提高其准确率,提出了基于Radon变换的微表情识别算法。首先,对数据库中的视频序列进行灰度归一化、尺寸归一化和二维主成分分析法(Two-dimensional Principal Component Analysis,2DPCA)降维预处理,使用光流法对降维后图像提取运动特征;然后使用Radon变换算法对光流图像进行处理,得到对应微表情的特征值和特征图像;最后使用支持向量机进行微表情分类识别。实验结果表明,使用Radon变换后得到的微表情特征图像得到了较好的识别效果,在微表情数据集CASME和CASMEⅡ上识别率分别为81. 48%和82. 17%,通过与选取的其他方法对比说明了该方法具有更好的识别性能。     

基于SVM的语音情感识别研究

随着计算机技术的发展,人们对和谐人机交互的要求不断提高,这就要求计算机能理解说话人的情感信息,即能进行语音情感识别。本文提出了一种基于支持向量机（SVM）的语音情感识别方法,主要对人类的6种基本情感：高兴、惊奇、愤怒、悲伤、恐惧、平静进行研究。首先对自建语音情感数据库的情感语句提取特征,然后运用序列前向选择（SFS）算...     

一种鲁棒的基于深度数据的行为识别算法

人体行为识别在视频监控和人机交互中具有重要应 用,利用深度数据进行行为识别是近年兴起的技术,并取得了一定的进展,但还没有一个公 认的、鲁棒性好的行为描述方法,且性能有待提高。针对以上问题,本文提出了3种鲁棒的、深度数据上的行为描述方法,并结合支持向量机(SVM)分类器在两个公开的且具 有挑战性的深度数据集上对 它们进行评估。实验结果表明,本文提出的行为描述方法具有较好的区分性和鲁棒性,其性 能比一些先进的且具有代表性的算法性能更好。