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。     

基于树莓派的元器件检测系统设计

针对PCB元器件在贴装过程中出现贴装错误的问题,设计了基于树莓派(Rasspberry Pi)的元器件检测系统。系统采用树莓派作为硬件平台,采集PCB电路板图像,对图像进行预处理,读取PCB坐标文件、完成模板库的制作;并通过手动添加蒙版的方法提高运行效率,使用霍夫变换检测图像定位点对PCB图像进行定位,进而通过检测算法得出PCB元器件的正误,另外采用图像分割的方法对电容表面文字进行提取然后识别。在检测的过程中,如果被测板的图像能够和模板图像匹配,则说明元器件存在而且型号正确,并且能自动识别出电容表面的字符。经过多次测试,实现了电子元器件正误的自动检测。     

基于卷积神经网络的PCB缺陷检测

印刷电路板(PCB)在生产制造中由于生产工序等问题易导致电路板存在瑕疵缺陷,为提高对电路板缺陷的检测效率,提出了一种基于卷积神经网络(CNN)的电路板缺陷检测网络.该检测网络基于YOLO v4网络进行优化改造,针对于PCB制作精密、复杂,各类缺陷不易检测的难点,在优化后的网络中加入了基于细粒度空间域的长距离全局注意力机...     

基于双掩模图像差影的工业产品表面缺陷检测

针对利用图像差影法进行缺陷检测时易受配准精度和产品制作过程扰动的影响,以及单掩模算法难以检测不同类型缺陷的问题,结合工业产品表面缺陷,提出基于双掩模的图像差影策略.通过分别提取模板图像和待测图像的边缘并作膨胀处理得到双掩模即模板掩模和待测掩模,双掩模进行融合处理后分别与模板图像和待测图像做卷积,再采用差影法进行缺陷检测.实验证明:该方法能精确检测出多类表面缺陷,且满足实时要求.     

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%。     

基于Darknet网络和YOLO4的实时电路板故障检测算法

针对现有的接触式电路板故障检测方法难以应用到大规模集成电路故障检测中的问题,提出一种实时、非接触式的基于深度学习的电路板故障诊断算法;建立PCB板缺陷检测和元器件识别图像数据集,并采用数据增强技术,对数据进行数据增强来提高训练的数据量,以提升模型检测精度和鲁棒性;基于Darknet框架和YOLO4算法训练得到元器件检测模型,并通过采用k-means聚类算法设计合理的Anchors,使得模型具备多尺度缺陷检测的功能;使用图像配准算法在红外图像和可见光图像上实现配准和融合;根据PCB板设计时划分的功能区域,利用测温热像仪连续采集5个该区域的平均温度,通过判断5个平均温度之间的关系从而判断短路或者短路状态;经过试验测试,使用预先设置好故障的电路板作为实验对象,通过采集实验对象运行过程中的红外和可见光图像数据,基于设计的故障检测模型,不仅能够实时且有效地识别出元器件位置,并能够直观地标识出现短路、短路故障元器件;经过实际应用,能够满足设备运行时的实时电路板故障检测工程应用。     

基于深度学习的航天板级组件缺陷检测

面向航天柔性电路装配产线的板级组件缺陷智能诊测问题，采用基于YOLOv3的深度网络方法，解决传统AOI检测精度不高及配置效率低下等问题。通过对应电路板的*.PcbDoc文件解析板上元器件位置和尺寸，并据此将待测图片缩小为单网格的元器件待检区域，从而提升缺陷检测算法的通用性。通过研究YOLOv3的航天产品元器件网格区域缺陷检测原理，完成YOLOv3深度网络算法建模，搭建该样机在某型号电路板产线的原理演示验证系统，提高缺陷检测速度和精确性，实现航天系统内电路板故障/缺陷检测的高精度、高效率识别，为将来航天智能制造转型之路夯实基础。     

灰度形态学在印刷品缺陷检测中的应用

本文提出了一种新的印刷品缺陷检测方法,此方法运用灰度形态学膨胀和腐蚀算法对标准模板图像进行预处理,能够解决待检测图像和标准模板图像匹配过程中出现的轮廓伪影问题,减少缺陷的误判.并在缺陷检测过程中,按照高精度图像检测要求,结合分层的快速检测方法,提高了缺陷检测的速度.大量的实验证明,该方法能够有效地减少轮廓伪影,解决了以往图像检测缺陷识别中的检测效果和速度不理想的问题.     

基于目标轮廓几何特征的电容元件定位方法

随着印刷电路板(PCB)生产工艺愈加复杂,电容元件的定位识别难度也随之增加。在实际生产中,为了节约成本、减少出错率,需要在焊接之前对电路板进行检测,同时为了固定电路板上元器件,一般会使用压板固定电路板。针对此种情况,提出一种复杂背景下被遮盖电容元件的定位方法,通过对采集到的PCB图像进行预处理、阈值分割、边缘提取和Harris角点检测等操作,进而根据电容元件目标轮廓的几何特征对元件进行定位。该方法已经在实践中得到应用,定位准确率高、速度快,能广泛应用于实际生产中。     

基于多种图像的电路板故障诊断系统研究

基于多种图像的电路板故障诊断系统研究论述了基于多种图像的电路板故障诊断的原理及方法,对红外成像技术、可见光图像处理与分析技术、电路板故障诊断技术进行研究,通过利用图像增强技术、图像平滑处理技术、图像的二值化处理技术等,对采集到的电路板图像进行滤波,平滑等预处理;利用差分热图法及序列热图法对电路板及其元器件温度特征变化进行分析和故障判定;采用基于Harris角点检测的方法实现电路板可见光图像和红外热图像的配准,进而实现红外热像检测下的故障定位于可见光图像之上,方便的查找故障发生的位置,直观的查看到故障元器件产生的现象。     

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.     

An efficient similarity measure approach for PCB surface defect detection

In this paper, an efficient similarity measure method is proposed for printed circuit board (PCB) surface defect detection. The advantage of the presented approach is that the measurement of similarity between the scene image and the reference image of PCB surface is taken without computing image features such as eigenvalues and eigenvectors. In the proposed approach, a symmetric matrix is calculated using the companion matrices of two compared images. Further, the rank of a symmetric matrix is used as similarity measure metric for defect detection. The numerical value of rank is zero for the defectless images and distinctly large for defective images. It is reliable and well tolerated to local variations and misalignment. The various experiments are carried out on the different PCB images. Moreover, the presented approach is tested in the presence of varying illumination and noise effect. Experimental results have shown the effectiveness of the proposed approach for detecting and locating the local defects in a complicated component-mounted PCB images.     

印刷电路模板基于模式识别的生成方法研究

在印刷电路板生产中常采用模板匹配检验方法自动检测电路板的质量缺陷，可以减少废料提高生产效率。模板匹配检验方法需要从印刷电路板扫描图生成标准模板。但传统的模板生成方法很难克服扫描图像边缘模糊，图像噪声和图像色彩偏离等因素的综合影响。该文阐述了Canny边缘检测算法，二值图像的细化算法，在此基础上提出一种新的综合模板生成方法，该方法可以解决传统的模板生成方法的不足，生成高质量标准模板。     

适于光学遥感图像的角点特征检测算法

角点特征检测和精确定位是图像配准与匹配的基础。探讨了Moravec算子和Harris算子的基本原理,并进行了图像的角点特征检测和实验分析,结果显示Harris算子效果要好。但是,Harris算子对真实遥感图像角点特征的检测尚不能取得理想的结果,因此,对Harris算子进行了改进。实验表明,通过改进后的Harris算子对遥感图像上的角点特征的检测具有较好的检测效果。     

柔性密封条截面误差自动视觉测量方法

目的 在柔性密封条误差测量过程中,密封条容易弯曲且形变较大,直接匹配精度较低,测量误差大。针对此问题,提出了一种新的柔性密封条截面误差自动视觉测量方法。方法 通过两步图像轮廓配准来获取测量图段和设计图段之间的匹配关系,然后进行误差度量和质量检验。1）通过基于多分辨率的轮廓角点提取算法提取出密封条轮廓的角点,然后基于最小化均方误差的思想进行穷举搜索,计算初始配准结果,再使用线性回归进行微调进一步提高初始配准结果;2）利用形状描述子进行局部轮廓配准,进一步获得两张轮廓图之间的精确局部配准结果;3）进行不同类型的误差定量计算和结果对比,主要测量的误差类型包括点偏移误差、点极限距离误差和角度位置误差等形位误差。结果 对密封条进行了逐步轮廓配准和多种误差测量,并在实际生产中进行了测试。实验结果表明,该系统配准结果好,测量精度高。该系统测量精度远高于密封条测量系统精度标准0.2 mm,且系统检测结果与实际人工检测结果完全一致,能有效促进柔性密封条自动化检测的发展。结论 提出了一种新的柔性密封条截面误差自动视觉测量方法,该系统具有良好的稳定性和可靠性,能有效进行柔性产品误差测量和质量检验。     

Defect detection using feature point matching for non-repetitive patterned images

Defect detection is an important technology for the quality control in the production process of wafer, TFT-LCD and PCB. Inspection is performed using the finished product’s image. The images are classified into two different groups—images with a repetitive pattern on a regular cycle and images without a repetitive pattern. A standard object for comparison is required, because manual defect detection is not possible for areas without repetitive patterns. In such areas, defect detection occurs through contrasting a reference pattern to the pattern being inspected. Methods of inspection using reference image have been researched but have limitations due to their requirement of precise alignment of the images. This paper proposes a method of defect detection to overcome such limitation using feature point matching. Feature points are extracted using a corner detector and detects defect by finding a correspondence between two feature point sets. Performance of the proposed method is evaluated by using Wafer SEM images and compared with conventional methods. Experiment results demonstrate the proposed method achieves higher detection accuracy than conventional methods and is less sensitive to alignment error and noise.     

一种改进的Harris角点检测算法

图像拼接中,提高角点检测的精确度可以提高配准的精度。在Harris算法的基础上,提出了一种改进的角点检测算法,算法首先分别对图像中每行、每列上所有像素点的Rharris进行X、Y方向的曲线拟合,然后对拟合后的曲线进行分析,若某个像素点的Rharris值在两个方向上都处于“波峰”位置,则将该像素点检测为角点。实验结果表明该算法可以避免阈值的选择,有效地克服了阈值选择不当造成的角点冗余或丢失,提高了角点检测的精度。