基于图像分析的PCB缺陷检测算法研究

论文摘要

在现代电子设备和电子产品中,PCB（Printed Circuit Board,印刷电路板）承载着各电子元件之间的连接导线,在各个领域得到了大规模应用。检测是印刷电路板制造过程中的一个重要环节,随着PCB的产量越来越大,布线密度和精度也越来越高,传统的检测方式如人工目测及针式检测都不能够满足现代PCB生产的需要。很多企业急需能够实现在线检测的基于机器视觉的PCB缺陷检测系统。首先在图像的采集上采用分块采集、分块处理的方法,不仅节约处理时间,还节省了大量的缓冲空间。对PCB灰度图像进行增强处理,采用改进的基于二阶梯度的图像锐化方法,不仅使图像的灰度对比度大大增加,而且有效地突出了边缘信息,去除了噪声。实验结果表明,本文提出的基于二阶梯度的增强方法是图像增强的有效方法,计算简单,图像增强的同时滤除了边缘附近的噪声,非常适合图像的在线处理。PCB图像与样本对准进行缺陷检测,关键问题是如何将图像与样本快速、精确对准。采用对准方法是通过对待检索图像与样本图像进行对比计算,求出两者的位置变换参数,利用遗传算法寻找最优的变换参数,使得两幅图像的距离最小。由于遗传算法采用全局并行搜索,因此可以很快搜索到全局最优值,将其应用于PCB图像对准可以降低时间复杂度,保证了检测系统的实时性。建立了基于边缘的样本数据结构,通过特征参数的对比搜索缺陷点,并进行缺陷分类,克服了传统模板匹配算法需高精度定位及计算数据量大的缺点。为了在保证检测质量的前提下降低检测算法时间及空间复杂度,论文主要在如下两个方面有所创新:系统采用Visual C++ 6.0进行编程,实现了精确定位、快速准确检测缺陷并标注缺陷及缺陷分类等功能,实验结果表明,检测一块PCB的时间不超过20秒,准确率达到99%以上。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题背景及研究意义
• 1.2 PCB 缺陷检测系统简介
• 1.2.1 图像的采集
• 1.2.2 图像预处理
• 1.2.3 目标分割
• 1.2.4 特征参数提取
• 1.2.5 图像识别与缺陷判断
• 1.3 国内外研究现状
• 1.3.1 AOI 检测技术国内外研究及应用现状
• 1.3.2 PCB 检测算法研究现状
• 1.4 论文主要研究内容
• 1.5 本章小结
• 第2章 PCB图像采集
• 2.1 采集设备
• 2.2 采集方式
• 2.3 PCB 图像机械坐标识别
• 2.3.1 方法概述
• 2.3.2 小波变换原理
• 2.3.3 机械坐标识别方法
• 2.4 本章小结
• 第3章 图像预处理与边缘提取
• 3.1 概述
• 3.2 图像平滑
• 3.2.1 低通滤波法
• 3.2.2 多图像平均法
• 3.2.3 中值滤波法
• 3.3 图像增强
• 3.3.1 传统的梯度图像增强算法
• 3.3.2 基于二阶梯度的图像增强方法
• 3.4 边缘提取
• 3.4.1 图像分割
• 3.4.2 边缘追踪
• 3.5 试验结果分析与对比
• 3.6 本章小结
• 第4章 基于遗传算法的 PCB 图像与样本对准
• 4.1 图像对准概述
• 4.2 样本制作
• 4.2.1 样本制作方法
• 4.2.2 样本的数据结构
• 4.3 遗传算法的基本理论
• 4.4 样本边缘抽样及对准强度
• 4.5 基于遗传算法的模型求解
• 4.5.1 设定种群
• 4.5.2 设定适应度函数
• 4.5.3 遗传算子
• 4.5.4 设定终止条件
• 4.6 实验结果及分析
• 4.7 本章小结
• 第5章 缺陷点搜索与缺陷分类
• 5.1 图像特征分析与理解
• 5.1.1 图像特征分析
• 5.1.2 图像理解
• 5.2 基于边缘检测的缺陷点搜索
• 5.2.1 检测概述
• 5.2.2 梯度的定义和计算
• 5.2.3 缺陷点检测
• 5.3 基于缺陷点分布形态特征的缺陷分类
• 5.3.1 警告性缺陷
• 5.3.2 致命性缺陷
• 5.4 实验结果与分析
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 全文总结
• 6.2 展望
• 6.3 本章小结
• 参考文献
• 致谢
• 攻读学位期间的研究成果