先進(jìn)電子制造生產(chǎn)線機(jī)器視覺檢測方法與技術(shù)研究.pdf

1、先進(jìn)電子制造是一項(xiàng)基礎(chǔ)性和戰(zhàn)略性產(chǎn)業(yè),對于電子信息產(chǎn)業(yè)的發(fā)展至關(guān)重要。作為工業(yè)自動化與智能化的核心技術(shù)領(lǐng)域,先進(jìn)電子制造生產(chǎn)線的自動視覺檢測與識別是一個不斷發(fā)展的新的研究領(lǐng)域和研究熱點(diǎn),具有較好的理論意義和較大的應(yīng)用前景。作為一個新興的技術(shù)領(lǐng)域,機(jī)器視覺檢測與識別在國際上處于初級發(fā)展階段,在我國也處于起步階段。研究先進(jìn)電子制造生產(chǎn)線的機(jī)器視覺檢測理論方法和先進(jìn)技術(shù),對于提高我國的電子制造業(yè)自動化、智能化水平至關(guān)重要。
　　 論文

2、首先介紹了電子制造中的主要相關(guān)工藝和電子產(chǎn)品,結(jié)合國內(nèi)外的機(jī)器視覺檢測研究現(xiàn)狀,從中提煉出擬待解決的關(guān)鍵性科學(xué)技術(shù)問題。隨后,介紹了先進(jìn)電子制造機(jī)器視覺檢測中的關(guān)鍵硬件系統(tǒng)和軟件系統(tǒng)。
　　 針對先進(jìn)電子制造中的機(jī)器視覺檢測難題,本論文結(jié)合國家自然科學(xué)基金重點(diǎn)項(xiàng)目——“高速精密制造生產(chǎn)線的視覺檢測與智能優(yōu)化控制技術(shù)研究”,重點(diǎn)開展了先進(jìn)電子制造業(yè)中的視覺檢測理論方法和關(guān)鍵技術(shù)的研究,主要包括以下幾個方面的工作。
　　 1

3、、研究了一種用于電子元件視覺檢測的改進(jìn)小波變換圖像去噪方法,在簡要介紹常規(guī)圖像去噪方法的基礎(chǔ)上,本文提出了一種基于四樹復(fù)小波包變換的混合統(tǒng)計(jì)模型圖像噪聲抑制新方法,把含噪圖像分解成低頻逼近子圖和若干高頻方向子圖,只需對高頻方向子圖進(jìn)行噪聲抑制。利用復(fù)系數(shù)層間相關(guān)性的強(qiáng)弱把高頻方向子圖分為主要類和次要類,分別采用相應(yīng)的統(tǒng)計(jì)模型處理方法,取得了更佳的效果。
　　 2、研究了基于機(jī)器視覺的PCB質(zhì)量智能檢測算法,并提出了一種基于神經(jīng)網(wǎng)

4、絡(luò)的PCB質(zhì)量智能檢測算法和一種基于并行混沌優(yōu)化算法的PCB元件檢測算法。在PCB質(zhì)量檢測中,根據(jù)焊點(diǎn)正常和故障的不同的圖像特征,選取合適的特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入量,以此建立神經(jīng)網(wǎng)絡(luò)分類器,可以檢測PCB焊點(diǎn)的質(zhì)量。PCB元件檢測算法中,首先選取合適的模板,以此模板與搜索子圖的匹配度來識別元件類型,采用并行混沌優(yōu)化算法來搜索最佳的匹配度,以此識別元件。
　　 3、提出了一種先進(jìn)電子制造生產(chǎn)線貼片機(jī)的智能視覺定位方法,首先采用

5、小波變換來提取電子元件圖像特征,再采用RBF神經(jīng)網(wǎng)絡(luò)模式匹配算法,以此實(shí)現(xiàn)貼片機(jī)的視覺準(zhǔn)確定位。
　　 4、提出了一種基于多結(jié)構(gòu)元多尺度形態(tài)學(xué)的電子元件邊緣檢測方法。首先,采用一種形態(tài)邊緣檢測算子,利用該檢測算子進(jìn)行電子元件圖像邊緣提取,然后再利用多結(jié)構(gòu)元多尺度的形態(tài)結(jié)構(gòu)元素進(jìn)行邊緣信息的調(diào)整。此外,還研究了芯片外觀參數(shù)的檢測方法,利用哈夫變換方法從提取出的邊緣像素信息計(jì)算得到芯片的具體外觀參數(shù),并以實(shí)驗(yàn)來說明了該算法的效果。<