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%。     

用于PCB缺陷检测的增强上下文信息Yolov4_tiny算法

针对现有的PCB缺陷检测存在检测精度低、速率慢等问题,提出一种用于PCB缺陷检测的增强上下文信息Yolov4_tiny算法。该算法首先通过Transformer编码单元对特征提取网络深层特征冗余的问题进行优化,增强网络捕获不同尺度局部特征信息的能力;然后利用浅层特征增强PCB缺陷小目标上下文信息,提升FPN网络对小目标缺陷的表征能力;最后引入注意力机制对特征提取网络输出的有效特征层加权,强化目标特征表征能力。实验结果表明,该算法对于整体缺陷的平均检测精度的均值(mAP)达到98.70%,较Yolov4_tiny提升了3.12%,实现了PCB缺陷精准定位和识别,满足工业检测的实际需求。     

基于人工智能的PCB缺陷检测系统

PCB缺陷检测在现代电子信息技术中越来越重要,因此提高检测的效率和准确性是亟需研究的一个问题。针对这一问题,设计了一套基于人工智能识别的PCB故障智能检测系统。该系统首先利用硬件系统采集图像,再通过软件系统完成灰度化、中值滤波等图像预处理操作。之后利用Canny算子和霍夫变换获取边缘信息,并分割元器件图像。最后,利用事先训练好的神经网络模型实现故障识别。实际测试表明,该检测系统的准确率大于90%,因此该系统在PCB质量检测领域具有实际应用的意义。     

基于视觉传感器的PCB缺陷检测系统的研究与实现

为了实现PCB缺陷的在线自动检测,设计了一种PCB缺陷自动检测系统,该系统主要由机器臂、电气控制系统以及视觉传感器系统等组成。通过可编程控制的图像采集系统获取高质量的原始视觉图像,利用图像处理实现对缺陷目标的自动检测及识别。实验结果验证了该系统检测PCB板缺陷的高效性和实时性。     

基于形态学的PCB缺陷快速检测技术

提出了一种基于数学形态学的PCB自动缺陷检测算法。 在对测试图像进行距离变换时,将参考图腐蚀后的边缘作为感兴趣区域使用,边缘上的每个点都具有线路边界的相应距离信息。对边缘上的距离图像进行直方图分析后得出合格线路的距离信息,以该距离为参照,可以快速地检测出各种缺陷。结合轮廓特征的对比,其能够进行准确的缺陷类型识别。实验证明,所提算法能够快速检测出PCB图像中的各种缺陷,并能进行准确的自动分类识别。     

基于PSoC的汽车防盗报警系统设计

现在汽车报警装置普遍存在着误报率和无法有效通知车主的缺陷,为此,设计了一种基于可编程片上系统(PSoC)的汽车防盗报警系统。该系统利用PSoC作为主控芯片,实现了系统的单片化,减少了PCB面积,降低了成本;并且利用GSM网络可让车主及时获悉汽车安全状况;同时运用SC—1振动传感器,提高了汽车防盗报警系统的灵敏度。这些优点很好地解决了误报率和与车主通信的问题。经过实际模拟与测试,证明该系统性能稳定,颇具应用价值。     

药片视觉系统中图像处理单元设计与验证

提高药片视觉图像检测系统的检测能力,可实现药片大规模高质量生产.为了解决传统视觉系统获取药片全方位信息困难、图像灰度不均衡和药片划痕不易检测等问题,对图像采集单元和图像处理单元进行了优化设计.首先在图像采集单元的四周增加了四面反射镜以获取药片的全方位信息,分别采用二维高斯曲面拟合的灰度补偿法、基于双边阈值和Ni-black的划痕检测算法处理图像;获取特征参数并判别药片是否有缺陷;最后搭建测试平台,借助LabVIEW验证系统的可行性.结果表明,改进后的系统不仅可以便捷的获取药片的全方位信息;且可以更好地检测出药片碎片、表面划痕和污溃等缺陷并作相应分类;降低了药片检测的成本,提高了检测的准确率.     

基于模糊SOFM的网络入侵检测方法

针对目前入侵检测系统误报率过高、检测率不高和对未知入侵检测能力有限的缺陷,提出一种基于模糊SOFM的网络入侵检测方法,经训练后可形成一个稳定的神经网络系统,有效地识别网络正常行为和异常行为。采用KDD99数据集对系统进行实验,结果表明,系统在保持误报率低于3%的情况下,入侵检测率最高可以达到92%以上。     

基于HMT模型的带钢表面缺陷检测研究

为了减少带钢表面缺陷检测系统需要处理的数据量,提高系统检测效率,提出基于隐马尔科夫模型的带钢表面检测方法。该方法在检测系统获取图像数据后,先用相对简单的方法分割出图像中的缺陷可疑区域,然后根据带钢表面图像的特点,采用隐马尔可夫树模型(HMT)进行数据分析,并改进HMT模型参数,完成多尺度分割效果融合,获得最终的分割结果。在对带钢缺陷测试样本集的分割中,采用HMT模型为带钢表面图像建立背景和缺陷两个模型,尺度3缺陷检出率达到94.4%,相比高斯混合模型提升了5.5%,误检率达到18.8%,比高斯混合模型降低了2%。     

AOI技术在PCB缺陷检测中的设计与实现

随着计算机技术和数字图像处理技术的快速发展,传统PCB缺陷检测技术因技术落后已经无法满足现代PCB质量的要求,而AOI技术以其准确、高效的特点在PCB缺陷检测中的应用越来越受到重视.主要研究了AOI技术在PCB缺陷检测中的实际应用,分别进行了硬件选择和软件系统研究,建立了基于AOI技术的PCB缺陷检测系统,采用基于轮廓对比的数据处理方法进行缺陷检测.实验证明了该系统的可行性与实用性.     

An advanced auto-inspection system for micro-router collapse

In this paper, we propose an auto-optical inspection (AOI) system that can inspect micro-router (router) collapse automatically. The router is a tool used to cut a printed circuit board (PCB). A few types of defects could occur in the routers and cause unexpected damage to the PCBs. Among these defects, collapse is the most critical defect that must be detected. Currently, router manufacturing companies rely on human inspectors to control the router quality. We first extract the silhouette edges and associated features (peaks and valleys) of a router’s silhouette image by computer vision technique. Then, these silhouette edges and associated features are used to reconstruct a set of 2D isograms that correspond to the router surface. Finally, a pattern recognition method is devised to identify and classify some features of the pattern in the 2D isograms. In this study, two types of routers with different diameters are used for inspection experiments. There are 15 routers of each type. The experimental results reveal that the proposed AOI system can robustly and successfully detect the collapse of diamond-patterned routers with different sizes. The successful detection rate is above 96%. The proposed AOI system can assist in determining the quality of the routers.     

基于AOI的PCB孔缺陷检测法

PCB(Printed Circuit Board,印制电路板)是提供电子零件安装与插接的基板,实现电子元器件之间的电气互连,是电子产品不可缺少的基本构成部分。过孔是PCB的重要组成部分,在PCB生产线上由于钻孔和电镀等工艺技术的限制,造成孔内缺陷,影响元器件的电气连接及焊接质量。因此为了保证过孔的可靠性必须进行缺陷检测。基于AOI(Automatic Optical Inspection,自动光学检测)原理,用计算机对PCB孔透光过程进行光学衍射建模仿真。将缺陷孔和无缺陷孔的仿真衍射图样进行比较,可判断出PCB孔是否存在缺陷。结果证明,这种缺陷检测方法具有可行性且操作简便。     

基于统计分析的PCB组装缺陷特征学习方法*

为了减少自动光学检测系统对用户经验的依赖,提出了一种基于统计分析的PCB组装缺陷特征学习方法。该方法通过对良品和不良品样本图像的统计学习优选出分类能力强的特征,再采用最小风险贝叶斯决策得到特征分类参数。实验结果表明,该算法有效地简化了用户检测程序的编程和调试,提高了AOI的使用效率和准确率。     

Improving accuracy of automatic optical inspection with machine learning

Electronic devices require the printed circuit board(PCB)to support the whole structure,but the assembly of PCBs suffers from welding problem of the electronic components such as surface mounted devices(SMDs)resistors.The automated optical inspection(AOI)machine,widely used in industrial production,can take the image of PCBs and examine the welding issue.However,the AOI machine could commit false negative errors and dedicated technicians have to be employed to pick out those misjudged PCBs.This paper proposes a machine learning based method to improve the accuracy of AOI.In particular,we propose an adjacent pixel RGB value based method to pre-process the image from the AOI machine and build a customized deep learning model to classify the image.We present a practical scheme including two machine learning procedures to mitigate AOI errors.We conduct experiments with the real dataset from a production line for three months,the experimental results show that our method can reduce the rate of misjudgment from 0.3%–0.5%to 0.02%–0.03%,which is meaningful for thousands of PCBs each containing thousands of electronic components in practice.     

PCB自动光学检测中Gerber文件的解析研究

为了在PCB自动光学检测中使用Gerber文件建立标准图像,提出了一种解析Gerber文件的方法.该方法在对Gerber文件的数据结构进行语法分析的基础上,采用正则表达式匹配,进行自上而下分析从而提取出所需信息,用Map内嵌链表的数据结构存储数据;然后计算出Gerber文件所描述的图像并通过图形设备接口绘制;最后将各层图像进行腐蚀膨胀等处理并合成适用于PCB自动光学检测建标的图像.实验结果表明,该方法能快速准确地解析Gerber文件.     

多核并行AOI系统软件框架设计

针对现有自动光学检测(AOI)难以满足大规模高速、高精度和高灵敏TFT在线检测要求的问题,提出AOI混合多核计算机集群体系架构,研究AOI系统的软件框架设计及其关键软件技术。结果表明,采用基于OpenMP, MPI, OpenCV和IPP等技术的并行图像处理融合编程模型及其实现策略可有效克服TFT缺陷检测的性能瓶颈。     

PCB瑕疵图象实时视觉检测方法的研究

在印刷电路板(PCB)视觉检测系统中,图象提取的质量和对瑕疵图象的快速而准确的识别是达到实时检测的关键因素。文章采用光纤光源作照明光源并用微机实时调整光源光强,提取高质量的目标图象;同时针对现有PCB瑕疵检测方法的缺点,提出了一种新的多参考比较法对PCB瑕疵图象快速识别。该方法运用数学形态学理论,有效地结合参考比较方法具有运算量小、计算速度快的特点和非参考比较方法在检测某些瑕疵上的优势。实验表明,该系统不仅极大地提高了识别速度,而且瑕疵检测范围也大大提高。     

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.     

基于Twain接口的AOI系统

以工业PCB检测为研究对象，建立了一种基于Twain接口的新型AOI系统，重点研究了Twain接口的管理、颜色空间的选取和PCB瑕疵检测的方法。结合实际应用对如何提高检测速度和检测效率进行了较为深入的探讨，实验结果验证了该系统的可行性。     

基于卷积神经网络的宇航电源光学检测技术

传统自动光学检测（AOI）方法难以适应宇航电源生产线多品种、小批量的特点，具有识别率低、操作复杂等问题。利用卷积神经网络(CNN)学习速度快、特征提取效果好的优势，提出了一种能够对宇航电源产品质量进行可靠检验的光学检测技术。通过对历史生产数据的精细化筛选构建了训练样本库，并设计了宇航电源产品光学检验专用卷积神经网络；将Canny算子边缘检测与CNN图像识别相结合，实现了印制板装配图信息的自动读取。与传统AOI检测方法相比，该方法缺陷识别率高达99%，且检验过程简单，提高了宇航电源产品光学检验工作效率，已应用于宇航电源生产线。