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.     

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。     

PCB缺陷检测上下料系统的应用研究

根据PCB板自动光学缺陷检测现场的切实需求,设计了自动上下料及自动翻板机构。为实现不同板型不同板边各孔位的智能识别,采用离线板型参数记录仪,自动获取孔位信息,同时计算所需吸盘的个数并调整吸盘分布。机械手结合记录到的离线采集文件,在满足运动节拍的前提下,实现了该机构与自动光学检测系统的良好对接,完成了多层PCB板的全自动检测。     

数字图像处理技术在PCB板检测中的应用

本文介绍了数字图像处理技术在PCB板检测系统中的具体应用,论述了数字图像的平滑化、差影、阈值等方面的内容,详细描述了采用随机Hough变换检测定位圆方法。实验证明了此系统的可行性。     

基于加权SSIM算法的PCB元件缺陷检测

提出了一种自动光学检测方法,通过将传统的SSIM算法与元件的权重相结合的方法来检测PCB元件缺陷。该方法基于图像内容生成权重图,与SSIM矩阵相乘,它可以有效地增强平滑区域信息并消除高频区域的干扰。该系统不需要严格照明条件,对相机性能要求不高。实验结果表明,该方法在PCB缺陷检测精度方面,特别是对位置变化较大的插件元件的检测优于传统的SSIM方法。将有助于开发低成本和自动化的缺陷检测系统。     

基于FPGA的工业PCB板元器件检测系统设计

针对PCB元器件在贴装过程中贴装错误的问题,设计了基于FPGA的元器件检测系统。采用FPGA作为硬件平台,采集PCB电路板图像,首先对图像进行预处理,读取预先制作的PCB元器件信息,然后通过SURF算法计算元器件与模板的匹配度,通过匹配度判断元器件贴装的正误,最后剔除贴装错误的PCB板,实现元器件贴装正误的自动检测。完成了系统硬件和软件的设计。实验表明系统检测的平均正确率为89.82%,速度为969 ms/次。     

基于3D视觉的车载雷达PCB焊点缺陷检测系统研究

本研究采用将焊点三维特征提取与人工神经网络模型两种检测方法相结合的方式进行车载雷达焊点缺陷检测,克服了基于三维特征提取检测方法准确率低、基于人工神经网络检测方法对样本质量和数量要求高的缺点,具有在样本数量较少的情况下达到较高的检测准确率以及随着样本数量的积累增加检测准确率不断提升的优点。     

基于激光直写电路技术的PCB板快速制造系统

生产样品PCB板通常需要几天到1周的时间,这种较长时间的生产周期,不利于新产品研发时的快速验证。为了解决样品PCB板生产周期较长的问题,现有一种PCB板快速制造系统,可以实现在1天之内完成样品PCB板的制造。该系统的工艺步骤如下:钻孔及金属化孔→线路图形制作→阻焊图形制作→字符图形制作→助焊防氧化处理。该套系统能实现的加工能力为:最小孔径0.2mm,最小线宽2mil,线间最小间距0.8mil,加工精度±0.08mil。利用激光直写电路技术,该系统进一步解决了物理雕刻方式制作线路图形精度不够的问题,且在加工线路图形时对材料的热冲击效应较小,所以对加工精细间距的电路和射频微波电路有更好的效果,可有效解决高精度PCB样品板的快速制造问题。     

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。     

基于改进YOLOv5的PCB缺陷快速检测方法

针对工业生产过程中印刷电路板（Printed circuit board,PCB）缺陷检测中存在的检测精度差,效率低等问题,提出一种基于YOLOv5改进型PCB缺陷快速检测算法。首先,将改进型注意力机制模块（Parallel residual Ghostconv-convoluational block attention module,PRG-CBAM）引入路径聚合网络模块（Path aggregation network,PANet）模块中,以消除通道注意力模块与空间注意力模块的优先级,增加对目标物检测的精度。其次,将Ghost卷积（Ghostconv）代替PANet模块中一般卷积以减少网络参数量以及计算量,提高检测效率。实验结果表明,所提出的方法可将YOLOv5s模型参数量压缩18.8%;检测速度为58.342 frame/s,较单步多框（SSD）、YOLOv4、YOLOv5s算法分别提高了120.6%、55.4%、40.1%。平均检测精度达到了99.000%,相比SSD、YOLOv4和YOLOv5s算法分别提高了28.1%、2.0%和1.5%。该算法可实现实时高精度PCB板缺陷检测。     

基于单检测通道的电容层析成像系统

提出了改进的交流法微弱电容检测电路,对相敏解调器的输入正弦信号作带通滤波处理,以提高检测精度和稳定性.为了简化数据采集系统,提出了单检测通道的电容层析成像硬件架构,设计了适用于单检测通道电容层析成像的12电极T型电极开关阵列,并可以升级为16电极系统.为了克服单通道检测速度低的缺陷,改进检测电路以缩短C/V转换时间.将单检测通道电容层析成像系统应用于煤粉气力输送的过程检测中.重建图像显示,在输送固相体积浓度由0.15增加到0.4的过程中,水平管道气固两相流的流型由层流变为均相流,稳定后又恢复到层流状态.     

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。     

基于PLC的PCB板检测与分拣生产线控制系统设计

设计出一套基于PLC和伺服电机控制的PCB板检测与分拣自动生产线控制系统。该控制系统由分板单元、抓取单元、检测单元、分拣单元组成,以西门子S7-1200PLC为控制器,上位机为数据处理核心,摄像头进行图像识别。描述了生产线控制系统的工作原理和控制方案,给出了PLC与伺服驱动器的接线图。将控制系统运用到实际生产中,完成了对PCB板进行冲压、检测和分拣操作的自动控制要求。该生产线的应用,代替了人工分板检测,提高了生产效率,达到预期产量1200块/小时,在市场上具有广阔的使用范围。     

PCB载板测试系统的选择

本文介绍了印刷电路板载板测试技术及测试系统的发展及应用，提供合理选择测试装置的策略。     

一种基于混沌优化算法的PCB板元件检测方法

先进电子制造生产中经常要对PCB板元件进行检测与识别,介绍了一种基于图像模板匹配算法的PCB板元件自动快速检测方法.从检测速度和准确度出发,首先提出了一种图像相似性度量参数指标,并提出一种利用并行混沌算法融合单纯形的算法,来优化搜索图像相似性,给出了算法实现的全过程.用实际拍摄的PCB板元件进行性能测试,验证了该优化算法能提高检测速度.     

基于FPGA的工业PCB板元器件检测系统设计北大核心CSCD

针对PCB元器件在贴装过程中贴装错误的问题,设计了基于FPGA的元器件检测系统。采用FPGA作为硬件平台,采集PCB电路板图像,首先对图像进行预处理,读取预先制作的PCB元器件信息,然后通过SURF算法计算元器件与模板的匹配度,通过匹配度判断元器件贴装的正误,最后剔除贴装错误的PCB板,实现元器件贴装正误的自动检测。完成了系统硬件和软件的设计。实验表明系统检测的平均正确率为89.82%,速度为969 ms/次。     

基于计算机视觉技术的PCB板装夹定位偏差修正

针对PCB板在激光钻孔机中装夹定位复杂、效率低等问题,通过机器视觉检测PCB板"马克"点圆心,计算坐标系旋转角度,进行孔数据修正。采用VB进行软件编程,实现检测数据的处理、旋转角度的计算和孔数据的自动转换。实验结果表明,基于计算机视觉技术定位偏差修正方法可满足PCB板的孔加工精度与生产效率要求。目前应用该技术的产品已推向市场,用户反应良好。     

基于halcon的字符缺陷检测系统

产品上的字符标识是人们了解产品的重要途径,产品字符的错印,漏印将影响产品信息的正确性,因此字符缺陷检测是产品生产的重要环节。相比于效率低,主观性强的人工检测方式,机器视觉检测方式具有检测速度快,精度高,稳定性强的特点。提出基于halcon的字符缺陷检测系统,主要研究内容如下:1)研究了基于halcon编程平台的图像采集方法;2)研究了图像的预处理算法;3)研究了基于halcon的字符缺陷检测方法;4)研究了基于halcon与C#软件设计。实验结果证明,基于halcon的字符缺陷检测系统能检测出字符中细小的缺陷,可用于生产中对产品的字符检测。