基于機器視覺的印刷電路板缺陷檢測方法研究.pdf

1、電子產品微型化的發(fā)展趨勢使得印刷電路板（Printed Circuit Board，PCB）的生產制造工藝日趨復雜，進而對產品的質量檢測也提出更高要求。機器視覺檢測技術以其速度快和非接觸等優(yōu)點給PCB批量化生產中的高效檢測提供了可能。但現(xiàn)有與之相關的圖像處理算法還很不完善，在具體應用中仍存在可靠性差、易受環(huán)境干擾、檢測正確率不高等問題。同時，多數(shù)算法只能處理灰度圖像，限制了PCB視覺檢測技術優(yōu)勢的發(fā)揮。對此，本文從提高檢測準確率及算法通

2、用性和穩(wěn)定性角度考慮，提出了專門針對PCB彩色圖像的缺陷檢測算法，從而實現(xiàn)對PCB生產缺陷的高效檢測。
　　在圖像預處理方面，本文結合PCB彩色圖像的自身特點，分析了RGB色彩模型對圖像處理的局限性，選擇在CIE L*a*b*色彩空間中對圖像進行預處理；采用雙邊濾波算法對圖像進行降噪，有效保護了圖像邊緣細節(jié)信息；通過對比三種方法的分割效果，選擇使用K-均值聚類法對圖像中的布線層和焊盤區(qū)域進行精確分割，以減少后續(xù)計算量。在缺陷特征提

3、取方面，著重分析圖像中邊緣像素的梯度方向分布和局部二值模式（Local Binary Pattern，LBP）信息，從中發(fā)現(xiàn)了缺陷位置的典型圖像特征，即在一定鄰域范圍內，邊緣像素的梯度方向分布比較混亂，對應的LBP特征多為非等價模式。本文由此提出鄰域梯度方向信息熵的概念和改進的局部二值模式算法，用于量化描述缺陷信息，兩者共同構成感興趣區(qū)域像素的特征向量。在缺陷識別方面，算法采用支持向量機（Support Vector Machine，S

4、VM）分類器對特征模式進行二分類，使用訓練后獲得的分類器從目標區(qū)域中提取缺陷位置像素點作為檢測結果，為直觀顯示缺陷信息，又對缺陷區(qū)域進行了定位。
　　通過編程對算法進行軟件實現(xiàn)，驗證了兩個特征提取算子的實際性能。對PCB圖像的實驗結果表明:本文提出的視覺檢測算法對短路、斷路、劃痕、孔洞、余銅、毛刺、缺口等多種PCB缺陷的綜合檢測正確率達到98％以上。算法對環(huán)境光照和檢測對象擺放角度的變化不敏感，魯棒性較強，能夠滿足PCB缺陷的檢測