貼片產(chǎn)品缺陷機器視覺檢測方法研究.pdf

1、隨著生產(chǎn)技術(shù)的提高和表面貼片安裝技術(shù)的使用，貼片產(chǎn)品向?qū)訑?shù)更多、體積更小、密度更高的方向發(fā)展，安裝生產(chǎn)實現(xiàn)了自動化，但這也使貼片產(chǎn)品的質(zhì)量檢測成為一件非常困難的工作。傳統(tǒng)的檢測技術(shù)在檢測能力和速度上都不能滿足生產(chǎn)的需要，基于計算機與圖像處理技術(shù)進行的貼片產(chǎn)品缺陷自動視覺檢測的研究開始成為貼片產(chǎn)品缺陷檢測的熱門方向。 本文對貼片產(chǎn)品缺陷檢測技術(shù)中的特征選擇和分類器設(shè)計進行了研究。第一章對貼片產(chǎn)品的檢測技術(shù)作了回顧分析，介紹了目前的

2、國內(nèi)外現(xiàn)狀，說明了論文研究內(nèi)容具有的積極意義；第二章介紹了在微電子表面組裝技術(shù)中應(yīng)用的自動光學(xué)檢測技術(shù)與系統(tǒng)的基本概況，同時分析了貼片產(chǎn)品缺陷檢測系統(tǒng)的構(gòu)成及其特點，并就部分設(shè)備的選擇進行了研究；第三章以MATLAB為仿真平臺，介紹了多種圖像處理方法和特征提取方法，并利用圖像處理技術(shù)和特征提取方法檢測幾種常見的缺陷，如缺件、未對準(zhǔn)和極性錯等；第四章對器件型號進行檢測，研究了基于小波變換和字符粗網(wǎng)格進行特征提取的字符識別方法，實驗證明：利

3、用小波變換具有檢測信號突變特點及多尺度分析的能力來進行字符識別是有效的；第五章提出了一種基于多特征AdaBoost的貼片產(chǎn)品缺陷檢測算法和一種快速的類分布不平衡下的分層檢測方法，Adaboost方法可以在僅比隨機預(yù)測略好的弱分類器基礎(chǔ)上構(gòu)建高精度的強分類器，本文利用 BP 神經(jīng)網(wǎng)絡(luò)做弱分類器的設(shè)計，用AdaBoost對弱分類器進行提升進行強分類器的設(shè)計來檢測缺陷。實驗證明：基于AdaBoost的貼片產(chǎn)品缺陷識別算法可行性好，具有較高的識