学位论文 > 优秀研究生学位论文题录展示
PCB表观缺陷的自动光学检测理论与技术
作 者: 张静
导 师: 叶玉堂
学 校: 电子科技大学
专 业: 光学工程
关键词: 印刷电路板 表观缺陷 自动光学检测系统 机器视觉
分类号: TN41
类 型: 博士论文
年 份: 2013年
下 载: 152次
引 用: 0次
阅 读: 论文下载
内容摘要
表观缺陷检测技术是印刷电路板(Printed Circuit Board,PCB)行业提高产品生产力,改进生产工业化水平的关键技术之一。随着计算机科学、图像处理、模式识别等诸多领域的发展,基于机器视觉的自动光学缺陷检测技术取代了传统的人工目检技术,对采集到的光电图像提取有用信息,进行处理并加以理解,最终完成实际检测,该技术成为PCB表观缺陷检测今后发展的方向。在上世纪末,自动光学检测(Automatic Optical Inspection,AOI)技术在国际上已经得到一定程度的应用和推广,我国对PCB表观自动光学检测技术起步较晚,一定程度上影响了国内PCB产品的质量评价和市场竞争力。由于受到表观缺陷检测质量、检测速度等方面因素制约,整体系统仍处在研究和发展阶段。如何降低系统复杂度,增强系统稳定性,降低系统成本,优化缺陷检测和分类方法,提高检出率和分类正确率,成为自动光学检测的研究重点。本文针对PCB表观缺陷AOI系统的设计、缺陷的识别分类所涉及到的相关理论及关键技术进行了深入的研究,主要成果及相关研究内容如下所述。(1)对PCB表观缺陷自动光学检测系统技术指标和性能进行分析,将系统按照功能划分为不同模块,提出针对PCB表观检测的照明、硬件和软件设计方案,研究利用空间评价函数调整照明最佳配置,采用明暗域结合的照明方式,配合高速线阵CCD采集图像。对硬件设备进行功能参数匹配以保证运动状态下图像质量清晰稳定。按照检测需求对软件进行模块化的系统设计,采用工位划分的流水处理模式,加入并行编程的设计架构,最终实现智能化的自动光学检测系统。(2)在预处理单元,由于受制作工艺和照明设备的影响产生色彩偏差。分析色彩空间模型,研究CIE-Lab色彩模型中的亮度通道,利用亮度累积直方图计算映射函数去均衡板内的色差;利用照明模型得到亮度变换函数对板间色差进行校正。针对工业检测图像噪声来源的多样性,研究结合形态学的自适应各向异性扩散方程滤波去噪的方法,提高了检测的精度和系统性能。(3)在图像配准和标准板的制作单元,考虑到PCB定位孔图像出现的部分缺失及图像配准对精度的要求,提出了一种基于随机Hough变换和空间数据坐标变换相结合的配准方法,该方法有效地提高了配准效率及精度,减少了计算时间。本系统首次将描述电气物理性质的Gerber文档引入建标过程,利用正则表达式自上而下的分析方法解析不同型号电路板对应的Gerber文档,通过形态学和神经网络的算法对解析后的图像进行修正,从而得到精准的PCB标准板,为后续缺陷检测和分类奠定良好的基础。(4)在PCB表观缺陷的特征提取单元,由于受到电路板不同材质及缺陷形成机理的影响,不同物理层上的缺陷区域存在过渡区,提出将分形维数和过渡区理论相结合的局部动态阈值分割方法。该方法结合缺陷的过渡区域信息,利用分形维数对分层后的图像划分不同的子图区域,弥补局部阈值分割方法中子图像大小影响最终分割效果的问题,最终采用动态阈值进行图像分割,提高了缺陷提取的完整性和准确性。(5)在对提取到的表观缺陷进行分类单元,研究了局部二元模式(LBP)和图像颜色特征相结合的纹理算子LBPC,通过卡方公式计算缺陷样本训练集和测试集的特征分类距离,从而完成对缺陷种类的自动分类识别。实验结果表明表观缺陷分类准确率得到明显提升,通过与传统自适应神经网络分类算法进行对比,分类正确率提高了12%,达到95.5%,满足了工业生产的需要。(6)在对整个算法系统进行加速阶段,研究利用图形处理单元(GraphicProcessing Unit,GPU)对设备的实时性效果进行改进,深入分析CUDA的设计模式带来的并行处理优势,研究了利用该技术对PCB自动光学检测系统复杂算法的改进。通过实验结果分析表明系统实现了并行处理对表观缺陷图像的预处理、缺陷提取和自动分类算法的加速,大大缩减了整个系统的运行时间,对于数据量较大的图片,运算速度能提高近30倍左右。本文通过对PCB表观缺陷自动光学检测技术理论和关键技术研究,提出了表观缺陷检测系统的设计方案、图像处理算法及分类识别方法,并且利用计算机图形图像处理单元降低算法系统的复杂度,提高图像处理的执行效率,完成25cm×22cm整板PCB缺陷检测平均时间仅需要3s,大大改善了自动表观检测系统的实时性,在实际的工程项目中得到验证,目前已成功应用在工业检测领域。
|
全文目录
摘要 5-7 ABSTRACT 7-10 目录 10-17 第一章 绪论 17-33 1.1 课题来源及选题意义 17-19 1.1.1 课题来源 17 1.1.2 课题研究目的及意义 17-19 1.2 表观缺陷检测的发展概况 19-27 1.2.1 传统表观缺陷检测方法 19-20 1.2.1.1 人工检测方法 19 1.2.1.2 电气检测方法 19-20 1.2.1.3 红外检测方法 20 1.2.1.4 激光扫描检测方法 20 1.2.2 现代表观缺陷检测方法 20-21 1.2.2.1 自动光学检测 20 1.2.2.2 自动 X 射线检测 20-21 1.2.3 机器视觉表观缺陷检测方法 21-23 1.2.4 表观缺陷检测国内外现状 23-27 1.2.4.1 国外及台湾地区发展现状 23-26 1.2.4.2 国内发展现状 26-27 1.3 表观缺陷检测的技术分析 27-30 1.3.1 表观缺陷检测中的照明设计 27 1.3.2 表观缺陷检测中的机器视觉 27-29 1.3.2.1 图像预处理 27-28 1.3.2.2 图像匹配 28 1.3.2.3 图像特征提取 28-29 1.3.2.4 图像分类及识别 29 1.3.3 表观缺陷检测中的实时处理 29-30 1.4 表观缺陷检测面临的主要问题 30-31 1.5 本文的主要内容 31-33 第二章 PCB 自动光学检测系统及关键问题 33-49 2.1 引言 33 2.2 自动光学检测系统功能分析和结构方案 33-37 2.2.1 系统功能分析 33-34 2.2.2 系统总体方案 34-35 2.2.3 系统技术指标 35-36 2.2.4 测量性能评估理论 36-37 2.2.4.1 稳定性 36-37 2.2.4.2 重复性 37 2.2.4.3 线性 37 2.3 各子系统及关键技术 37-43 2.3.1 检测系统成像方案设计 37-40 2.3.1.1 光源照明 37-39 2.3.1.2 照明质量分析 39-40 2.3.2 检测系统硬件方案设计 40-43 2.3.2.1 图像传感器的配置 40-43 2.3.2.2 线阵扫描的运动控制 43 2.4 检测系统软件方案设计 43-47 2.4.1 图像处理模块 44-47 2.4.2 系统服务器模块 47 2.5 本章小结 47-49 第三章 PCB 表观检测预处理算法的理论与技术 49-65 3.1 引言 49 3.2 基于三色彩空间模型的色差校正 49-56 3.2.1 色彩空间的原理 49-52 3.2.1.1 RGB 彩色空间 49-50 3.2.1.2 HSV 彩色空间 50-51 3.2.1.3 CIE-Lab 彩色空间 51-52 3.2.2 PCB 光电图像的色差校正 52-54 3.2.2.1 亮度变换校正 52-53 3.2.2.2 亮度直方图校正 53-54 3.2.2.3 亮度变换与亮度直方图相结合 54 3.2.3 实验结果与分析 54-56 3.2.3.1 PCB 板间校正 55 3.2.3.2 PCB 板内校正 55-56 3.3 基于偏微分方程的图像预处理 56-64 3.3.1 偏微分方程的主要模型及分类 56-60 3.3.1.1 热方程扩散模型 56-57 3.3.1.2 P-M 非线性扩散模型 57-58 3.3.1.3 张量扩散方程模型 58-60 3.3.2 基于异质扩散的图像噪声抑制 60-61 3.3.3 实验结果与分析 61-64 3.3.3.1 实验结果 61-63 3.3.3.2 分析对比 63-64 3.4 本章小结 64-65 第四章 PCB 表观检测图像配准与建标技术 65-88 4.1 引言 65-66 4.2 图像配准 66-72 4.2.1 改进的随机 Hough 变换 66-67 4.2.2 改进的仿射理论 67-69 4.2.3 实验结果及分析 69-72 4.3 GERBER 文件解析 72-77 4.3.1 Gerber 概述 72-74 4.3.2 Gerber 文件解析 74-77 4.3.2.1 正则表达式 74 4.3.2.2 词法语法分析设计 74-75 4.3.2.3 语法分析方法及设计 75-76 4.3.2.4 Gerber 解析流程 76-77 4.4 内建标准板的修正 77-86 4.4.1 基于形态学对标准板的修正 77-79 4.4.1.1 形态学原理 77-78 4.4.1.2 基于形态学的修正 78-79 4.4.2 基于神经网络对标准板的修正 79-84 4.4.2.1 神经网络的构建 79-81 4.4.2.2 基于神经网络的修正 81-84 4.4.3 实验结果及对比分析 84-86 4.4.3.1 实验结果 84-86 4.4.3.2 对比分析 86 4.5 本章小结 86-88 第五章 PCB 表观检测图像特征提取算法理论与技术 88-102 5.1 引言 88 5.2 PCB 表观图像特征提取 88-101 5.2.1 过渡区理论 88-91 5.2.1.1 过渡区理论基础 88-89 5.2.1.2 最大类间类内距离比准则 89-91 5.2.2 分形维数理论 91-94 5.2.2.1 分形理论基础 91-92 5.2.2.2 PCB 表观缺陷轮廓的分形特征 92-94 5.2.3 PCB 表观缺陷提取方法 94-99 5.2.3.1 局部阈值分割 94-95 5.2.3.2 最小分割误差的阈值估计原理 95-97 5.2.3.3 主分量分析的动态阈值缺陷检测 97-99 5.2.3.4 过渡区与分形维数相结合 99 5.2.4 实验结果及分析 99-101 5.3 本章小结 101-102 第六章 PCB 表观检测分类识别算法理论与技术 102-113 6.1 引言 102 6.2 典型缺陷分析 102-103 6.3 基于 LBPC 的分类方法 103-112 6.3.1 局部二元模式 104-109 6.3.1.1 LBP 的定义 104-106 6.3.1.2 LBP 的特点 106-108 6.3.1.3 LBP 无参数分类原则 108-109 6.3.2 基于颜色的分类识别 109-110 6.3.3 基于 LBPC 的分类识别 110-111 6.3.4 实验结果及精度评价 111-112 6.4 本章小结 112-113 第七章 PCB 自动光学检测并行处理算法理论与技术 113-132 7.1 引言 113 7.2 基于 GPU 的并行加速处理 113-122 7.2.1 系统硬件架构及编程模型 113-119 7.2.1.1 通用并行计算构架 113-116 7.2.1.2 主机和设备的数据传输 116-117 7.2.1.3 设备存储器访问 117-119 7.2.2 CUDA 编程模型的概念 119-122 7.2.2.1 CUDA 架构的编程模型 119-120 7.2.2.2 CUDA 架构的存储模型 120-121 7.2.2.3 CUDA 架构的执行模型 121 7.2.2.4 CUDA 优化 121-122 7.3 并行处理系统评价参数 122-125 7.3.1 并行算法运行时间 122 7.3.2 加速比和效率 122-125 7.3.3 可扩展性分析 125 7.4 缺陷检测中并行处理的实现方案 125-131 7.4.1 缺陷检测中的分形处理 125-127 7.4.2 缺陷识别中的连通区域标记 127-129 7.4.3 缺陷识别中的 LBPC 分类识别 129-131 7.5 本章小结 131-132 第八章 总结及展望 132-134 8.1 本文研究结论 132-133 8.2 未来工作展望 133-134 致谢 134-135 参考文献 135-145 攻博期间取得的研究成果 145-146
|
相似论文
- PCB视觉检测系统中相机标定算法与位姿测定技术,TP391.41
- 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
- 机器视觉在SMT贴片机中的研究及应用,TP391.41
- 基于李群机器学习算法的智能布线,TN710
- 机器视觉系统中的图像噪声处理算法研究,TP391.41
- 阵列式自动光学检测系统的误差校正算法设计与实现,TP274
- 列车全数字紧急对讲单元硬件设计与实现,TP273
- 基于机器视觉的模切片分检系统的设计,TP274
- 基于机器视觉的自动化激光焊接系统集成与应用分析,TP242
- 基于视觉处理的印刷电路板检测系统,TN41
- 基于雷达和机器视觉的车辆前方障碍物检测系统设计与实现,TP274
- 一次性注射器针头反表缺陷在线检测系统,TH789
- 基于近红外光谱和机器视觉的土壤含水率快速检测方法研究,S152.7
- 基于机器视觉苹果检测算法的研究,TP391.41
- 视觉伺服控制系统在焊接机器人中的应用研究,TP242
- 基于LabVIEW的彩色图像目标提取系统研究,TP391.41
- 自然场景下苹果检测系统的研究与实现,TP391.41
- 曲线轨迹的机器人视觉跟踪系统研究,TP242.62
- 仿人机器人视觉系统及射门运动规划系统研究,TP242
- 一种三维视觉传感系统信息处理方法的软硬件实现,TP242.2
- 基于机器视觉的电信插线测试机器人设计,TP242
中图分类: > 工业技术 > 无线电电子学、电信技术 > 微电子学、集成电路(IC) > 印刷电路
© 2012 www.xueweilunwen.com
|