基于改进YOLOv8算法的PCB真假点检测

针对公司现有印制电路板(PCB)⁃自动化光学检测(AOI)设备不易做真假点检测的弊端,提出一种基于深度学习算法库Pytorch对PCB大板表面进行真假点检测的视觉人工智能(AI)系统。运用图像处理中的形态学算法对表面内外孔边界交叉、内孔腐蚀不清、外孔渗铜等缺陷进行检测。通过增加padding、改进优化器、改变激活函数、引入注意力机制4个方案,并对近10万个成品完成数据收集与检测,该系统的平均精度由95.678%提升到98.998%,提高了3.32个百分点,精度较高,运行稳定。

基于OpenCV的Micro-PCB点胶表面缺陷检测系统设计

针对Micro-PCB体型小、板片薄不易做表面缺陷检测的弊端,构建了一套基于OpenCV视觉库,可对点胶表面进行缺陷检测的机器视觉系统。运用图像处理中的形态学算法,对金面表面实现0.2mm2以上的多点状、膜破渗金和抗镀无法描述、黑色圆形点状等缺陷的检测。测试结果表明,该系统检测精度较高且运行稳定。

气囊封条贴片缺陷检测系统设计

针对汽车气囊封条贴片表面缺陷检测效率低下的弊端,构建了一种基于视觉软件HALCON可对气囊封条贴片进行自动化检测的机器视觉系统。运用图像处理算法中形态学算子实现对封条表面0. 3 mm2以上的污渍、露白、残缺的检测。通过对1 000个样本的检测与分析,系统的正确率超过99%,误报率小于1%,漏报率为0,结果表明:设计的系统具有精度高、稳定性强的优点。