面向PCB檢測的AOI系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、目錄目錄mminAbstractVmM緒論lii碰究齊醫(yī)巧音y112國內(nèi)外相關(guān)研究的現(xiàn)狀分析21.2.1國外研究現(xiàn)狀31.2.2國內(nèi)研究現(xiàn)狀41.3本文的主要研究內(nèi)容及章節(jié)安排5第二章AOI系統(tǒng)總體設(shè)計(jì)82.1AOI系統(tǒng)結(jié)構(gòu)組成及工作原理82.2照明系統(tǒng)設(shè)計(jì)92.3圖像采集系統(tǒng)設(shè)計(jì)92.3.1CCD相機(jī)102.3.2光學(xué)鏡頭112.3.3圖像采集卡122.4運(yùn)動(dòng)控制系統(tǒng)設(shè)計(jì)132.5圖像處理系統(tǒng)設(shè)計(jì)1

2、32.6本章小結(jié)14第三章PCB圖像的去噪與分割研究153.1彩色圖像灰度化153.2圖像去噪163.2.1均值濾波163.2.2中值濾波173.3圖像分割183.3.1直方圖閾值法183.3.2Otsu法193.3.3最大熵閾值法193.4本章小結(jié)21第四章基于特征的PCB圖像拼接算法研究224.1圖像拼接概述224丄1圖像拼接的基本原理224.1.2圖像拼接的方法234.1.3PCB圖像拼接方法分析

3、244.2基于SIFT特征的PCB圖像拼接算法244.2.1SIFT特征點(diǎn)的提取254.2.2SIFT特征點(diǎn)的匹配284.2.3RANSAC算法剔除誤匹配及求取變換模型294.3基于SURF特征的PCB圖像拼接算法304.3.1SURF特征點(diǎn)的提取314.3.2改進(jìn)的SURF特征點(diǎn)匹配354.4實(shí)驗(yàn)與分析374.5本章小結(jié)40第五早PCB圖像精確對^研究415.1PCB圖像對準(zhǔn)概述4152定位孑L定位研

4、究421摘要摘要在現(xiàn)代電子工業(yè)中，PCB(PrintedCircuitBoard印刷電路板）是各種電子產(chǎn)品的重耍組成部分，其質(zhì)量的好壞決定電子產(chǎn)品的質(zhì)量，而隨著現(xiàn)代制造業(yè)發(fā)展水平的不斷提高，PCB正朝著超薄型、小元件、高密度、細(xì)間距方向發(fā)展，給PCB的質(zhì)量檢測提出了很大的挑戰(zhàn)，因此研究用于PCB質(zhì)量檢測的AOI(AutomaticOpticInspection自動(dòng)光學(xué)檢測）系統(tǒng)具有很強(qiáng)的現(xiàn)實(shí)意義和實(shí)用價(jià)值。本文綜合運(yùn)用光電技術(shù)、自動(dòng)控制

5、技術(shù)和計(jì)算機(jī)技術(shù)，搭建一套用于PCB質(zhì)量檢測的AOI系統(tǒng)，主要包括照明系統(tǒng)、圖像采集系統(tǒng)、運(yùn)動(dòng)控制系統(tǒng)和圖像處理系統(tǒng)。其中對圖像處理系統(tǒng)進(jìn)行深入的研究，主要研究其中的PCB圖像預(yù)處理、PCB圖像拼接、PCB圖像對準(zhǔn)和PCB的缺陷識別，并在此研究基礎(chǔ)上，開發(fā)一套用于PCB質(zhì)量檢測的軟件系統(tǒng)。首先針對PCB圖像前期處理中的彩色圖像灰度化、圖像去噪和圖像分割進(jìn)行研究，提出采用加權(quán)平均值法灰值化、中值濾波法去噪和Otsu法分割的PCB圖像前期處

6、理算法，來使PCB圖像達(dá)到一個(gè)良好的前期處理效果。其次為了實(shí)現(xiàn)大面積的PCB板檢測，提出采用基于特征的拼接算法來實(shí)現(xiàn)PCB圖像的拼接。在拼接精度相當(dāng)?shù)那闆r下，由于基于SIFT特征的拼接算法在拼接速度上有很大的劣勢，所以本文采用拼接速度較快的基于SURF特征的拼接算法進(jìn)行PCB圖像拼接。此外基于硬件對SURF匹配進(jìn)行改進(jìn)，從而進(jìn)一步提高拼接速度。然后為了將待測PCB圖像與標(biāo)準(zhǔn)PCB圖像進(jìn)行精確對準(zhǔn)，選取PCB上的定位圓孔作為定位標(biāo)志。在對

7、定位圓孔進(jìn)行圓檢測時(shí)，實(shí)現(xiàn)了三種圓檢測的算法，并對這幾種不同的圓檢測算法進(jìn)行實(shí)驗(yàn)分析。最終采用基于改進(jìn)的Hough變換的圓檢測算法來檢測定位圓孔，大大提高了檢測速度和檢測精度。最后采用圖像對比技術(shù)及數(shù)學(xué)形態(tài)學(xué)運(yùn)算獲取缺陷信息圖像，并釆用基于線段的連通域檢測算法很好的實(shí)現(xiàn)了缺陷的連通域檢測。在此基礎(chǔ)上，根據(jù)不同缺陷的不同特征，采用一種樹狀逐級分層判斷的識別算法來識別短路、斷路、凸起、凹陷和空洞，有效的提高了識別缺陷的速度。實(shí)驗(yàn)結(jié)果表明，本