基于神经网络的PCB焊点检测方法研究

随着印刷电路板（PCB）组装技术向高密度化和“零缺陷”方向发展,市场对自动光学检测系统（AOI）的要求也向高准确率、智能化发展。针对目前AOI在焊点检测时,容易出现缺陷误报和漏报,以及智能化程度不高的情况,作者提出了一种基于神经网络（ANN）的检测方法。首先,采用了一种基于熵的多阈值自动图像分割方法;然后,定义了焊点图像的一系列特征,并通过实验对特征进行选择;最后,建立了用于进行焊点分类的BP神经网络。实验证明,基于神经网络的焊点图像检测方法具有较高的准确率。     

基于颜色特征的智能焊点定位算法

针对现有自动光学检测系统焊点定位自动化程度低的问题,提出了一种基于颜色特征的智能焊点定位算法.对样本焊点区域的灰度直方图进行统计分析,获得焊点分割的初始颜色阈值,并以最小像素损失为目标对阈值进行修正,得到最优分割阈值,实现了焊点颜色的自动抽取;定位过程中,使用阈值对焊点图像进行二值化,并使用优化后的面积最大法来搜索焊点位置,实现了焊点的快速定位.实验结果表明:文中算法对焊点图像的分割效果理想,定位误差小,定位速度可以满足实际应用的要求.     

无铅焊点鲁棒定位的灰度积分投影算法

针对自动光学检测系统因焊点定位不准确而导致的误判问题,基于灰度积分投影技术提出了一种焊点定位的鲁棒算法。首先对焊点图像进行预处理,利用焊点的颜色特征对图像进行二值化,将焊点从PCB图像中分割出来,然后分别利用焊点特征的水平和垂直灰度积分投影曲线,以焊盘窗内焊点像素的面积最大化为目标,找到焊点的定位坐标,以实现准确的焊点定位。另外,在算法中,通过引入Blob评价函数区分焊点与噪声,从而有效地减少噪声的干扰,提高了定位算法的鲁棒性。实验结果表明,对变化多样的Chip元件焊点,该算法具有较高的定位精度。     

基于加权双向二维线性判别特征的焊点检测算法

为克服现有自动光学检测(AOI)算法的缺陷,针对AOI的特点,对传统的双向二维线性判别方法进行改进,提出一种基于加权双向二维线性判别方法的焊点检测算法.在计算协方差矩阵时,对不同的类别以及类内不同的样本进行加权,从而提取更有判别力的特征.将改进后的算法应用于焊点检测,可实现对不同批次用料的自动分类.文中提出的算法检测速度可以满足实际需要,且与现有AOI系统中常用的图像对比算法和图像分析法相比,可以显著降低误报率.     

基于集成卷积小波极限学习的绝缘子故障检测

针对绝缘子因分布位置较远、背景复杂而导致传统方法无法精准并高效识别其故障的问题,提出一种基于集成卷积小波极限学习神经网络(ECWELNN:Ensemble Convolution Wavelet Extreme Learning Neural Network)的绝缘子故障检测方法.首先通过安装在无人机上的工业级摄像机采集现场的绝缘子图像数据并进行预处理;其次将卷积神经网络、自动编码器、极限学习机和小波函数的优势结合,构造集成卷积小波极限学习神经网络,并逐层堆叠建立多个深层神经网络;最后将绝缘子图像样本输入多个深层神经网络进行自动特征学习,将预测结果进行集成并输出最终的故障检测结果.通过实验对比验证了小波函数作为极限学习机网络模型中的激活函数在绝缘子识别领域中的优势.实验结果表明,该方法的平均故障检测准确率达到了98.49％,标准差仅0.20,相比其他方法在图像特征提取和故障检测准确率方面更具优势,适用于绝缘子故障的自动识别.     

基于残差神经网络的转子焊点图像检测方法

针对微型电机转子焊点检测费时费力且准确率低的问题,提出一种基于残差神经网络的转子焊点检测方法。首先运用网络预训练的方法加速网络训练,提高模型准确率;然后在网络中引入批量归一化,避免出现梯度消失;最后对图像进行数据增强,减少过拟合现象。实验表明,与K最近邻(KNN)等经典算法相比,该算法在测试集上的准确率达到91.5%,与工人检测的速度相比提高了3.5倍,具有很好的识别效果。     

一种焊点缺陷检测方法的研究

利用基于X射线所采集的图像检测BGA器件焊点在PCB板上所存在的缺陷.介绍了采用基于X射线焊点图像的检测方法,讨论了缺陷检测算法的实现过程,提出了焊点粗糙度的概念和计算方法,最后给出了实验结果,结果表明提出的检测方法在BGA焊点的缺陷检测中是有效的.     

基于立体视觉的自由曲面三维重构

利用BP神经网络对立体视觉系统进行隐式标定,采用投射大小光斑的方法增加自由曲面的图像特征;提出了一种基于射影变换原理的分块匹配算法,分别在左右两幅图像上,对大点构成的区域进行标准形状变换,然后实现区域内小点的自动匹配.对石膏像面部进行三维重构的实验表明,投射光斑的方法增加了自由曲面的图像特征,分块匹配算法能有效地实现图像间的特征匹配.     

基于Canny算子的机械零件图像分块自适应边缘检测

针对自动生产线上的机械零件图像几何特征,提出一种基于Canny算子的分块自适应边缘检测方法.主要包括基于鼠标框选的图像不均匀分块和基于Otsu算法的检测阈值自适应生成等.实验表明,该法有较强的抑制噪声能力,检测准确,是一种有效的机械零件图像边缘检测方法.     

基于递归卷积神经网络的行人检测方法

为了提高视频中行人检测的准确度,提出了一种基于递归卷积神经网络的行人检测方法.该方法利用递归卷积神经网络融合视频中连续图像的上下文信息,以实现准确的行人检测.首先,利用卷积神经网络提取连续图像的多个特征图组;然后,根据先后次序,将多个特征图输入到递归卷积神经网络中,形成一张关于行人位置的掩码图;最后,通过在掩码图上预测行人的检测框,获得视频中当前图像的行人检测结果.实验结果表明:相比于其他行人检测方法,该方法在ETH、CUHK和PETS 2007三个数据集上都取得较准确的行人检测结果.