基于图像的PCB板的在线检测

论文摘要

PCB在现代电子设备中占重要的地位,其质量直接影响产品的性能,目前PCB质量检测大都由人工目测完成,容易发生误检和漏检。因此PCB工业迫切需要在线自动检测。基于图像的PCB在线检测主要包括图像采集、图像的预处理、边缘检测、PCB的定位和瑕疵图像的检测识别几个环节。本文重点就以下几个问题作了具体研究:图像的预处理是在线检测的前提和基础,本文采用改进的中值滤波法和均值滤波法去除图像的噪声,基于拉普拉斯算法的图像的增强,采用最大类间方差法对PCB进行二值化处理;PCB图像的边缘检测研究中,本文采用基于全方位、多尺度的数学形态学法检测图像边缘;PCB的定位上,本文应用改进的Hough方法对PCB的圆形定位标志进行检测,并研究了具体的实现算法,通过实验证明此方法是比较好的算法;在PCB瑕疵识别中,基于多模板参考比较法的瑕疵检出方法,保留了参考比较法在速度上的优势,进一步提高了系统的检测能力,基于模板图像结构特征的句法结构瑕疵识别方法利用数学形态学理论提取模板图像的结构特征,并将这些结构特征与句法结构瑕疵识别方法相结合,有利于提高瑕疵图像识别速度和准确性,具有运算量小、计算速度快的特点。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 本课题的研究背景和意义
• 1.2 PCB检测技术的现状
• 1.3 论文的结构与主要内容
• 1.4 本章小结
• 第二章 PCB图像的预处理
• 2.1 混合滤波法图像平滑
• 2.1.1 噪声检测
• 2.1.2 改进的中值滤波
• 2.1.3 改进的均值滤波算法
• 2.2 基于LAPLACIAN算子的图像增强
• 2.2.1 基于差分算子的高频分量检测
• 2.2.2 基于Laplacian算子的图像增强
• 2.3 PCB图像的二值化
• 2.4 实验结果和分析
• 2.4.1 图像平滑实验
• 2.4.2 图像增强实验
• 2.4.3 图像的二值化实验
• 2.5 本章小结
• 第三章 PCB板边缘检测
• 3.1 数学形态学
• 3.1.1 数学形态学的基本定义
• 3.1.2 数学形态学的基本运算
• 3.2 基于全方位、多尺度形态学的图像边缘检测
• 3.3.1 全方位结构元素的选取
• 3.3.2 多尺度结构元素的选取
• 3.3.3 全方位、多尺度形态边缘检测算法的构造
• 3.3.4 实验结果及讨论
• 3.3 本章小结
• 第四章 PCB板的定位
• 4.1 定位的研究
• 4.2 模板匹配法
• 4.3 霍夫变换
• 4.3.1 霍夫变换的基本原理
• 4.3.2 标准Hough变换对圆形目标的检测
• 4.3.3 基于快速Hough变换的PCB圆形目标的检测
• 4.4 模板匹配法与HOUGH变换法的性能比较与实验结果
• 4.5 本章小结
• 第五章 PCB图像的缺陷识别
• 5.1 模板图像的特征提取
• 5.1.1 模板图像结构特征的抽取和表达
• 5.1.2 形状分解
• 5.1.3 特征表达
• 5.2 基于多模板参考比较法的瑕疵检出
• 5.2.1 多模板图像的建立
• 5.2.2 快速图像匹配
• 5.2.3 多模板参考比较
• 5.3 瑕疵定位和跟踪
• 5.3.1 外轮廓检测
• 5.3.2 轮廓跟踪
• 5.4 瑕疵图像识别
• 5.4.1 粗略分类
• 5.4.2 精确识别
• 5.5 实验结果
• 5.6 本章小结
• 第六章 论文总结与展望
• 6.1 论文总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文