基于数字图像处理的印刷电路板缺陷检测

针对传统PCB检测方法高成本、低效率问题,提出一种基于数字图像处理的PCB板自动光学检测方法,建立了将标准图像和待测图像进行对比的检测系统。针对PCB板生产过程中遇到的短路、断路、空洞、凸起、凹陷等缺陷,采用了求连通区域数、计算欧拉数、求缺陷区域面积等方法,来检测上述缺陷问题,并给出算法的全过程。经实验结果分析,该方法能准确地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。     

基于轮廓提取的电路板缺陷检测

针对目前工业领域对多层电路板缺陷检测高效高精度的要求,在工业计算机分层成像的基础上,设计了一种基于轮廓提取技术的多层电路板缺陷自动检测系统。通过随机Hough变换检测出电路板定位圆的圆心坐标,再对目标图与标准图进行几何配准。同时对电路板裸板中常见的缺陷类型进行分析和研究,采用轮廓提取算法进行缺陷分类,并对缺陷类型进行了相应的标记,解决了传统DR和自动光学检测技术AOI对多层电路板无法进行内部电路分析的问题。     

Gabor滤波器在自动视觉表面检测中的应用

提出一种基于Gabor滤波器的纹理表面缺陷检测方法。该方法基于Gabor滤波方案，计算纹理图像与某一Gabor滤波器卷积能量输出响应。选择Gabor滤波器的最优参数，采用简单的二值化技术将纹理差别转化为可检测的滤波器输出。纺织品、铣磨面等结构纹理和皮革、砂纸等随机纹理的实验结果证明了该方法在识别不可定量测量缺陷方面的有效性。     

基于卷积神经网络的热轧钢条表面实时缺陷检测

热轧钢条的表面质量对成品至关重要,因此必须要严格控制热轧钢条的表面出现的缺陷.针对当前YOLOv4算法检测精度不高、对小范围信息表现较差等问题,提出一种改进YOLOv4自动检测方法.首先,将YOLOv4中特征提取网络CSPDarknet53换为轻量级深层神经网络MobileNetv3来提高检测速度,并且加强对检测目标特...     

基于梯度方向信息熵的印刷电路板缺陷检测

针对印刷电路板裸板缺陷在线视觉检测,提出了一种适用于电路板彩色图像的缺陷检测算法。该算法主要通过分析缺陷区域边界像素的梯度方向信息获得对应的典型图像特征,具体由滤波去噪、目标分割和特征提取三部分组成。为减弱环境光干扰同时保证边缘细节的清晰,首先在CIE Lab色彩空间对图像进行双边滤波,然后利用该色彩空间的均匀性分割出需要检测的目标区域,最后设计了邻域梯度方向信息熵这一描述子用于提取缺陷特征和构造特征向量,利用支持向量机对缺陷进行识别。实验结果表明:所提算法能够对印刷电路板裸板存在的短路、断路、孔洞、余铜、划痕等常见缺陷进行快速精确的定位,能够满足生产过程中的实时检测要求。     

印刷电路板焊点的智能检测

为了提高在线自动光学检测系统(AOI)的自动化程度,提出了一种基于增量聚类的智能焊点检测方法.首先,设计了在线智能AOI的系统框架.然后,根据焊点外观进行归纳分类,将关键子区域的面积特征应用于焊盘特征的量化与提取,将每类样本聚类为若干子类从而实现对多批次焊点的检测.最后,提出一种增量聚类算法,在线检测过程中系统可根据人...     

介观小团体运动聚类的人群异常检测

传统的人群行为分析主要基于宏观尺度或微观尺度,前者忽视了个体运动的信息,难以定位局部异常,后者在人数众多的场合下难以精确检测与跟踪行人个体。为了在人群的宏观与微观特性之间搭建一个桥梁,从介观尺度分析入手,提出一种基于人群介观小团体运动聚类的异常行为检测方法。首先通过计算光流场并对其进行平滑滤波来获得人群运动的微观运动描述;进而通过Mean Shift算法对微观局部运动进行聚类,并根据速度、位置信息将微观类别合并为介观人群小团体;最后将速度场特征空间划分为正常和异常区域,根据聚类中心在该空间的区域归属及在该区域的持续时间长短来检测异常行为,并将异常类别所有样本点映射到图像坐标系,采用重心法确定异常发生的具体位置。实验结果表明,提出的方法不但能检测人群运动的全局异常,而且能定位局部异常行为的发生位置。其中,全局异常行为的检测总正确率达99.23%,局部异常的检测总正确率可达86.25%。     

基于Gabor滤波与分水岭算法的锂电池极片缺陷检测方法

针对锂电池极片在人工检测过程中检测效率低、检测错误率高等问题,提出一种基于自适应Gabor滤波与分水岭算法融合的锂电池极片缺陷检测方法。首先通过改进传统Gabor滤波器的参数,实现Gabor滤波器的自适应,得到滤除背景的缺陷图像;然后使用大津法对图像二值化处理,利用分水岭算法进行边缘提取;最后利用分割出的边缘获得坐标,利用最小外接矩形法实现缺陷检测。结果表明,相对于区域生长算法和改进的Canny算法,本文方法的抗干扰能力得到提高,可以对锂电池极片漏金属、黑斑、白斑、脱碳、条痕等多种缺陷进行较为精确地检测,能够用于锂电池极片缺陷的自动化检测。     

基于超声红外热成像的缺陷检测与定位研究

超声红外热成像以超声作为激励源,能够用于检测多种工件,但是由于热传导效应及空气的散射,检测结果中缺陷边缘较为模糊,成像对比度不高,并且会有温度分布不均引起的"散斑噪声"。为解决以上问题,提出了一种对超声红外热成像结果进行缺陷检测和定位的方法,使用限制对比度自适应直方图均衡(contrast limited adaptive histogram equalization,简称CLAHE)方法对图像进行对比度增强,用巴特沃斯滤波器进行降噪,根据图像的局部方差特征判断是否有缺陷,并通过形态学处理对缺陷中心进行定位。实验表明,根据局部方差可以对图像进行有效判断,经过形态学处理之后能够准确定位。该研究为通过超声红外热成像实现缺陷检测及定位提供了一种便捷有效的方法。     

采用Gerber文档的印刷电路板表观检测

对印刷电路板(PCB)进行表观检测时,传统标准板的图像建立是利用PCB图像自身的特征进行配准和分层的,故检测精度不高.本文从PCB表观检测的实际需求出发,提出了新的检测系统.该检测系统引入解析Gerber文档对PCB光电图像进行分层处理,利用形态学的方法自动修正解析后的Gerber文档,建立精确的标准板.根据主分量分析提取彩色图像频带丰富的信息,依据检测缺陷的尺寸大小设置各层模板及检测阈值,实现局部针对性检测,提高检测精度.实验结果表明,与传统的基于颜色分区域方法相比,基于Gerber的方法不仅提高了检测精度,且较大幅度地提高了自动光学检测系统的检测效率,其微小缺陷检测率高达95.1％,25 cm×22 em电路板检测时间仅需1.09 s,满足了在线检测对速度的要求.     

挠性印制电路板焊盘表面缺陷的检测

针对挠性印制电路板(FPC)上的焊盘表面缺陷,提出一种基于图像处理技术的智能检测方法。首先,根据缺陷的表现形式对焊盘缺陷进行归纳与分类,采用最大熵值法量化提取焊盘的颜色特征和面积特征;然后,通过评估灰度共生矩阵(GLCM)对纹理颜色变化特征与纹理结构特征量化的有效性,将其应用于焊盘纹理特征的量化与提取。实验分析显示,缺陷焊盘与非缺陷焊盘在某个或多个特征上存在着明显的差异。基于该特点,建立了BP神经网络,以焊盘的颜色、面积、纹理结构、纹理颜色变化特征值作为神经网络的输入,通过学习大量样本,获取最佳权值参数,最终实现对FPC焊盘表面缺陷的检测,检测准确率高达94.6%,50个焊盘的检测时间为300ms。实验结果表明:本文提出的检测方法不仅能够有效地对焊盘表面缺陷进行识别,而且能够满足在线检测对速度的要求。     

小球表面缺陷自动检测中的表面滚翻方法

介绍一款基于机器视觉自动成批检测小直径钢球表面缺陷设备的基本构成,尤其是其中检测工位的钢球阵列在固定的相机镜头视场中不断自动翻滚球面的方法,分析了钢球的受力和运动情况,给出了钢球翻滚机构设计方案。     

Cost and performance analysis of printed circuit board manufacture using surface mount devices

This paper presents a model for predicting the cost of manufacturing electronic circuit boards. The model represents manufacturing systems currently in use in the industry. It concentrates on surface mount technology, using a mixture of automatic, programmable and manual assembly techniques. The model includes elements to account for inventory, assembly, and test and rework costs. It also considers the effect on total manufacturing cost of introducing a new component type.     

球面光学元件表面疵病的自动检测技术研究

针对球面光学元件的特点,以及自动检测的需要,提出了环形扫描的检测方法。设计了扫描方案并搭建了实验平台,分析了扫描速度对图像拼接的影响,以及所选光源数目对成像质量的影响。通过实验证明:对口径为20mm,曲率半径为50mm的透镜选取40mm/s的扫描速度,以及三个LED光源照明,可以达到检测的要求。通过GUI参数界面的编写,可以很好地解决不同曲率半径及口径的检测问题。     

光学元件表面缺陷检测方法研究现状

随着科学技术的发展,人们对光学元件的表面粗糙度和表面面形精度提出了越来越高的要求,光学元件表面缺陷检测技术也受到了广泛重视。通过简述表面缺陷的类型,强调了缺陷给光学系统带来的危害,由此分析和讨论了目前国内外对光学元件疵病的检测方法,并指出各种方法的优缺点,同时对机器视觉技术在疵病检测方面的应用进行了介绍,还探讨了光学元件表面缺陷检测技术未来发展需要注意解决的问题。     

冰勺表面缺陷检测方法研究

冰勺表面缺陷包括严重缺陷和轻度缺陷。严重缺陷检测技术比较成熟,而轻度缺陷检测存在漏检和误检的博弈。严重缺陷属于不能出售的废品,轻度缺陷中劈裂和污染也是废品,而节子、矿物线、腐朽和色差属于合格品,售价低于无缺陷的优良品。针对轻度缺陷检测提出一套解决方案：首先提取冰勺轮廓,定位冰勺表面区域,然后对冰勺表面进行预处理,利用最小二乘法拟合的直线方程与预处理后灰度值数据相减,计算偏差。通过最小二乘法迭代拟合求取正常表面偏差值,从而计算其标准差,最后基于3σ准则提取迭代前的异常数据即缺陷。以上算法可检测出小面积轻度缺陷,针对大面积腐朽、色差等缺陷通过基于灰度峰值水平直线方程计算偏差来提取缺陷。两种方法相结合检测冰勺表面缺陷。所研究的冰勺表面缺陷涵盖了冰勺生产工业中主要的表面缺陷类型,包括节子、矿物线、劈裂、污染、腐朽和色差等。在自建的图像数据库上做算法测试。结果表明,本文方法漏检率仅为1.27%,误检率降低至3.85%,具有实际应用价值。     

面向机柜表面缺陷检测的不均匀光照和低亮度图像增强方法

光照条件是大尺寸机柜表面缺陷检测的重要影响因素。当光照分布不均匀或光照强度不足时,采集得到的机柜表面图像质量低,造成缺陷检测误差。为此,提出一种融合卡通纹理分解和最优双曲正切曲线的图像增强方法。首先,采用导向滤波将机柜表面图像分解为卡通图和纹理图,利用高斯尺度空间理论建立光照模型,实现不均匀光照去除;其次,研究图像的双曲正切曲线性质,通过图像加权拉伸实现低亮度图像增强;最后,采用对比度、亮度和灰度方差乘积对图像增强效果进行评价,同时对增强前和增强后的图像进行缺陷检测,进行对比分析验证。实验结果表明,该方法能实现光照不均且低亮度的机柜表面图像增强,机柜表面缺陷检测的准确率显著提升,召回率提高了29%,F值提高了21%。     

基于视觉显著性的太阳能电池片表面缺陷检测

现有基于机器视觉的太阳能电池片表面缺陷检测算法均是采用各种类型的数学模型来进行算法设计,为进一步提高检测准确率,从人眼仿生学角度出发,首次将人眼的视觉注意机制引入到太阳能电池片表面缺陷检测中,提出了一种基于视觉显著性的太阳能电池片表面缺陷检测算法。首先,对输入的太阳能电池片表面图像进行预处理,去除对检测有影响的噪声和栅线;其次,提出一种基于自学习特征的视觉显著性检测算法来大致定位缺陷区域;随后,提出一种视觉显著性和超像素分割相结合的算法来进一步精确定位缺陷区域;最后,通过形态学后处理得到最终检测结果。在包含多种缺陷类型的测试图像库上的主观和客观实验评估表明,该算法具有较高的检测准确率。