基于機器視覺的打孔紙帶孔形缺陷檢測系統(tǒng)研究.pdf

1、近年來，隨著電子工業(yè)的快速發(fā)展，貼片元件在高精度的電子設備中使用越加廣泛。貼片元件中使用數(shù)量最大的要屬貼片電阻、電容、電感等無源器件。打孔紙帶作為貼片阻容元件的載體，其孔形質量直接決定著貼片元件的封裝效果和表面貼裝技術的效率。然而，生產打孔紙帶過程中，傳統(tǒng)孔形缺陷檢測是由人工進行的，速度慢、錯誤率高及人力成本高。本文以打孔紙帶為研究對象，系統(tǒng)的研究了打孔紙帶的孔形定位、缺陷檢測和缺陷識別原理，利用機器視覺的方法設計了打孔紙帶孔形缺陷檢測

2、算法。經實驗驗證，實驗數(shù)據(jù)檢測成功率為96％，對各種典型的孔形缺陷識別率為90％以上，總處理時間為40ms，同時能對多種型號打孔紙帶進行檢測，有效的提高了生產效率和檢測精確度。主要研究內容如下：
　?。?）根據(jù)打孔紙帶圖像的特點，研究了圖像處理技術，提出改進的中值濾波算法，更好的保存了紙帶圖像的孔形邊緣。通過對紙帶圖像的濾波、二值化、邊緣檢測和形態(tài)學變換處理，得到了最接近真實紙帶圖像的特征，為孔形缺陷檢測與分類的正確性提供了有效的

3、保障。
　?。?）打孔紙帶的孔形定位與缺陷檢測研究。根據(jù)打孔紙帶孔形排列整齊的特點，對比與分析了大量的合格打孔紙帶圖像，并對紙帶圖像的孔形進行了孔形定位與區(qū)域劃分，提出了基于8鄰域雙向模板匹配算法，進行打孔紙帶的缺陷檢測。該算法避免了不必要匹配運算，節(jié)省了大量的時間，提高了檢測效率，同時雙向匹配又保障了檢測的高準確性。
　?。?）打孔紙帶孔形缺陷的分類研究?？仔稳毕莸姆诸悾褂昧薆P神經網絡算法。利用打孔紙帶缺陷孔形圖像樣本

4、集，對分類器進行不斷訓練與分析，得出識別孔形圖像最佳的權重值和隱層的神經元搭配。測試結果表明，BP神經網絡算法能快速、高準確率的完成孔形缺陷的分類。
　　（4）根據(jù)打孔紙帶孔形檢測的基本要求，對系統(tǒng)的總體設計方案進行了設計，詳細介紹了系統(tǒng)的硬件系統(tǒng)與軟件系統(tǒng)。硬件系統(tǒng)中，為了獲取高質量的打孔紙帶圖像，同時結合孔形缺陷檢測的精度要求，選出了最適合本實驗檢測的光源、攝像機和鏡頭。軟件系統(tǒng)中，結合多種軟件，對打孔紙帶孔形缺陷進行高效的檢