貼片電阻表面缺陷自動檢測和識別方法研究.pdf

1、貼片電阻具有體積小、可靠性高、適應再流焊和波峰焊，并與自動貼裝設備匹配的優(yōu)點，適應電子產(chǎn)品電路集成化、平面化的發(fā)展需求，在手機、電腦等高密度電子產(chǎn)品中得到廣泛應用。而貼片電阻在生產(chǎn)過程中產(chǎn)生的缺陷主要依靠人工在顯微鏡下檢測，速度慢、長期成本高、誤檢率高。因此，研究快速高精度的自動缺陷識別方法在保證貼片電阻成品質(zhì)量中具有重要意義。
　　針對貼片電阻單元具有排列整齊、結構簡單、圖像灰度級少的特點，提出基于子圖投影匹配的快速缺陷檢測方法

2、。以改進的Sobel邊緣檢測算子檢測貼片電阻二值化圖像獲得三像素寬度的邊緣；通過粗精結合Hough直線變換在2°范圍內(nèi)檢測電阻邊緣所在直線，較傳統(tǒng)Hough算法速度提高一個數(shù)量級以上；計算相鄰電阻單元的相關系數(shù)作為電阻缺陷判別依據(jù)，該方法具有對圖像采集光照不均、光照不穩(wěn)定、存在約束縮放不敏感等優(yōu)點，缺陷檢測正確率約為92.5％，較傳統(tǒng)模板匹配缺陷檢測方法速度提高一個數(shù)量級以上。
　　以基于主分量分析法壓縮圖像數(shù)據(jù)量，提取缺陷特征。

3、主分量分析法去除樣本間的相關性和冗余信息，獲得協(xié)方差誤差最小的圖像壓縮信息。通過實驗對不同訓練集和不同數(shù)目的主分量構成的主分量分析變換空間對圖像描述精度和識別精度的影響進行探討，以訓練集協(xié)方差矩陣約78.57%的特征向量作為主分量構成的變換空間提取缺陷特征將圖像數(shù)據(jù)由123×246維壓縮為50維，以此作為支持向量機輸入，極大降低了貼片電阻缺陷分類的計算量。
　　以基于統(tǒng)計學習理論的支持向量機對貼片電阻缺陷進行分類，以一對多的策略組

4、合支持向量機構建多類別分類器。以70個樣本構成的訓練集訓練分類器建立缺陷分類的最優(yōu)分類面。探討了基于不同核函數(shù)支持向量機分類模型的推廣性能，并分析了對應于不同核函數(shù)的核參數(shù)對支持向量機模型推廣性能的影響，認為基于線性核函數(shù)支持向量機的電阻缺陷分類模型推廣性能最佳。
　　最后編寫了貼片電阻缺陷檢測和識別的軟件程序，建立實驗系統(tǒng)。進行了優(yōu)劣電阻的區(qū)分閾值選取實驗、缺陷檢測實驗以及缺陷識別實驗，驗證了算法的可行性；并對算法的快速性和識別