基于AOI的PCB缺陷检测方法研究

论文摘要

印刷电路板（ Printed Circuit Board,PCB）的生产过程繁琐、工序复杂,在生产过程中容易产生各种缺陷。相比传统的人工目检和常用的电测法,自动光学检测（ Automatic Optic Inspection, AOI）具有提高检查准确性、避免元器件机械损伤等优势,可以提高PCB的检测效率,对于PCB生产过程中的缺陷检测具有非常重要的实用意义。本文分析了国内外AOI技术的研究现状;介绍了PCB缺陷检测系统的原理,并对其硬件组成部分进行了说明与分析;研究了基于图像处理的PCB定位和位置缺陷检测方法,并进行了系统软件开发。通过PCB定位,可根据PCB的设计数据得到元器件的先验位置信息,以此作为元器件位置缺陷检测的依据。因此,PCB定位是后续PCB位置缺陷检测的基础。本文应用基于梯度方向矢量和尺度分割的优化广义Hough变换（ Optimized Generalized Hough Transform, OGHT）算法来进行基于标记点的PCB定位,相比于传统的广义Hough变换（ Generalized Hough Transform,GHT）,OGHT不但保持了对噪声与形状缺陷的鲁棒性,而且通过引入多分辨率的金字塔结构,减少了算法的空间开销,提高了运算速度,提高了算法的性能。实验结果也验证了以上性能的提高。在PCB的位置缺陷检测中,介绍并分析了基于灰度和边缘的归一化灰度互相关算法及相位匹配算法;利用基于元器件模板的图像匹配得到元器件位姿;利用字符区域灰度值特征与最小距离分类器实现了针对元器件的字符识别,并根据字符识别的结果与PCB设计数据比较来检测元器件位置缺陷。在VC++6.0开发环境中编写了相关算法的程序,进行了系统软件开发,并给出了实验结果图。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 PCB 检测概述
• 1.1.1 PCB 的发展
• 1.1.2 PCB 检测技术
• 1.1.3 国内外 AOI 技术研究现状
• 1.2 课题来源及研究意义
• 1.3 本论文的主要研究内容
• 第2章 PCB 缺陷检测系统原理与分析
• 2.1 检测系统原理及分析
• 2.2 系统各组成部分
• 2.2.1 光照系统部分
• 2.2.2 图像采集部分
• 2.2.3 运动控制部分
• 2.3 本章小结
• 第3章 PCB 检测的图像处理基础
• 3.1 图像预处理操作
• 3.1.1 灰度直方图均衡化增强
• 3.1.2 图像的平滑滤波
• 3.2 图像几何校正原理
• 3.2.1 空间坐标变换
• 3.2.2 极坐标变换
• 3.2.3 灰度级插值
• 3.3 图像分割方法概述
• 3.3.1 全局阈值分割
• 3.3.2 局部阈值分割
• 3.4 图像形态处理
• 3.4.1 基本的形态学操作
• 3.4.2 连通域的提取
• 3.5 本章小结
• 第4章 基于OGHT 算法的 PCB 图像定位
• 4.1 PCB 图像定位方法分析
• 4.2 基于 GHT 的圆检测原理
• 4.3 OGHT 圆检测算法
• 4.4 本章小结
• 第5章 基于图像匹配和字符识别的位置缺陷检测
• 5.1 PCB 缺陷检测方法分析
• 5.2 图像匹配法确定元器件位姿
• 5.2.1 归一化灰度互相关匹配
• 5.2.2 相位相关匹配
• 5.2.3 基于元器件模板的图像匹配
• 5.3 基于区域灰度特征提取的字符识别
• 5.3.1 Otsu 阈值分割与字符连通域的提取
• 5.3.2 基于区域灰度值的特征提取
• 5.3.3 最小距离分类识别
• 5.4 本章小结
• 第6章 系统软件设计与实现
• 6.1 AOI 系统软件功能及各组成模块
• 6.2 元器件位置缺陷检测实验
• 6.3 本章小结
• 总结与展望
• 研究工作总结
• 未来工作展望
• 参考文献
• 致谢
• 附录A 攻读硕士学位期间所发表学术论文