基于YOLO-BCN的PCB裸板小目标缺陷检测

为了解决PCB裸板在小目标缺陷检测过程中容易出现漏检、错检等问题,提出了基于改进YOLOv7的PCB裸板缺陷检测算法YOLO-BCN。首先在原始YOLOv7主干网络中引入了BRA注意力机制,实现更灵活的计算分配和内容感知,使网络具备动态的查询感知稀疏性。然后替换CARAFE上采样算子,来提取更多浅层特征,从而有效改善模型对小目标的检测性能。最后引入NWD损失函数,结合IoU来优化回归损失函数,降低对小目标位置偏差的敏感性。实验结果表明:改进后的YOLOv7的mAP@0.5值和mAP@0.5:0.9值相较于原始模型分别提高了3.28%和2.74%,F1因子提升了3.91%,检测速率为46.84 FPS。有效提升了PCB小目标缺陷检测的精度。

考虑缺陷随机特征的PCB裸板缺陷图像检测

为提高PCB裸板缺陷检测精度,提出一种考虑缺陷随机特征的新方法。该方法对PCB裸板图像进行预处理,包括灰度化、去噪、划分边界和轮廓;通过定点处理分离缺陷区域和非缺陷区域,提取缺陷随机特征;利用支持向量机进行缺陷分类,并使用随机森林回归模型定位缺陷。针对随机选定的多个PCB板元件位置进行测试,结果显示该方法能有效检测PCB裸板表面缺陷,在多个随机选定的PCB板元件位置上具有较高的检测准确率和较低的漏检率,各阶段检测平均精度均较高,可在PCB生产质量控制过程中发挥重要的实际作用。

基于改进YOLOv7算法的PCB裸板缺陷检测

缺陷检测是重要的质量保障手段,为了避免错检、漏检情况的发生,提高检测的准确率,提出了一种基于改进YOLOv7的PCB裸板缺陷检测算法。在原有Conv_BN_SiLU模块的基础上引入了SE_block注意力机制激励网络关注更需要关注的信息通道,同时利用更容易增强激活空间灵敏度且能显著改善图像视觉的FReLU激活函数替换原有的SiLU激活函数,设计出了新的Conv_BN_SE_FReLU模块。在特征融合网络中增加了更多的特征融合通路,不仅加入了浅层stage2的特征图丰富图像的细节信息,还将stage3、stage4和stage5直接与P3、P4和P5层相连以减少融合过程中信息的损耗。实验结果表明,在保证训练条件一定的情况下,改进后的YOLOv7的mAP值达到95.89%,F1因子达到95.32%,相较于原始模型分别提高了3.36%和3.91%,在提高了检测精度的同时,验证了空间特征提取、浅层特征信息、多信息融合通道以及注意力机制在小目标识别上的优势。

基于改进MobileNetV3的PCB裸板缺陷检测

为解决传统PCB裸板缺陷检测效率低、误检率高、通用性差等问题,提出一种基于改进MobileNetV3的PCB表面缺陷检测模型。首先对PCB数据集进行预处理,然后采用多方向协调注意力代替原网络中的挤压和激励注意力模块,提升特征定位精度从而增强感受野;最后利用软池化优化MobileNetV3的末端结构,以在简化后的激活映射中保留更多的特征信息。实验结果证明,提出的模型对PCB裸板缺陷检测的平均准确率可达96.1%,图片平均检测速度为25.1 ms,能够高效识别PCB裸板的多种缺陷类型,对工业生产中PCB裸板的质量检测有实际应用价值。

高分辨力PCB裸板图像轮廓快速圆弧探测

当前主流的在线高精度PCB裸板缺陷AOI检测系统均采用基于轮廓矢量化分析比对方法,圆弧探测是实现轮廓矢量化的关键环节。本文提出一种快速的圆弧探测方法,首先采用DP(Douglas-Peucker)算法对轮廓进行曲线抽稀处理,将轮廓分割为直线段基元并计算法向角,然后依次计算各相邻直线段基元的法向角偏差之和,并与基元中点位置值一起形成法向角变换曲线,再次采用DP算法检测变换曲线中的直线段即可完成圆弧探测。本文将圆弧探测简化为两次直线探测,算法复杂度为O(n),具有非常高的计算效率。实验结果表明,本文方法与Halcon商业软件中的圆弧检测算法相比,准确率更高且耗时更少。

高分辨率PCB裸板图像轮廓快速DP曲线抽稀

在线高精度PCB裸板缺陷AOI检测系统中待处理的高分辨率图像高达60000×60000以上,为提高处理速度,需提取图像轮廓并进行DP曲线抽稀从而减少处理数据量。点到线段的距离度量是影响DP曲线抽稀方法效率的决定因素之一,本文提出一种高效的分区距离度量计算方法,首先以曲线首尾端点连线为基准X轴建立新的旋转直角坐标系,逐点计算各点在新坐标系下的坐标值,然后以此坐标值进行分区及距离度量计算,在I区和III区采用曼哈顿距离、在II区则依然采用垂直距离。与DanSunday所提分区距离度量方法相比,本文方法充分利用了前一点的距离度量计算结果,对点进行分区判断的方式更为简洁、高效,在基本保持I、III分区各点距离度量计算量的前提下,大幅减少了比重最高的II区点的距离度量计算量。实验结果表明,本文改进距离度量计算的DP曲线抽稀方法有效提高了高分辨率PCB裸板图像轮廓的曲线抽稀效率。

基于机器视觉PCB裸板缺陷自动检测研究

运用参考比较法对机器视觉PCB裸板缺陷检测进行了研究。在相机摄像头下同一位置采集多幅标准PCB图像累加求平均值得到标准电路板图像,运用Harris角点算法进行标准电路板图像和待测电路板图像的配准,分别对标准电路板图像和待测电路板图像进行灰度变换、中值滤波、二值化、异或等图像处理检测出缺陷区域,然后通过形态学消除伪缺陷,实验证明,该检测方法有较高的准确率。

基于改进YOLOv5算法的PCB裸板缺陷检测

目的将基于深度学习的YOLOv5算法应用于PCB裸板的缺陷检测上,以提高检测的准确率。方法通过增加特征融合通路,将C2、C3、C4层直接与P2、P3、P4层相连,从而减小信息的损耗;引入更浅层的C2、F2、P2特征图以增加图像的细节信息;并且使用注意力机制SE_block,大幅提高原算法的准确率。结果改进后的网络的平均精度由91.54%提高至97.36%,提高了5.82%,并且对于各类缺陷,算法的检测精度都能保持在90%以上,满足工业的需求。结论文中的算法提高了检测精度,体现了浅层信息在小目标检测上的作用,验证了多信息融合通路的优势,彰显了注意力机制的优越性,相比于原算法具有一定的优势。

PCB裸板测试系统的基本原理及现状

本文主要阐述裸板测试系统在PCB制作及电子设备中的意义、针床通导测试系统的测试原理及目前国内外主要产品的性能指标,同时,简要介绍了非接触式光学成像测试系统的基本原理,并比较了两者优缺点。

基于机器视觉的PCB裸板缺陷自动检测方法研究

印制电路板(PCB线路板)又称印刷电路板,是为电子元器件提供电气连接的重要器件,其主要以版图设计为主。电路板的使用提高了各种电子器件生产线上的效率,极大程度地减少了布线与装配中可能出现的差错。文章探讨了如何利用基于图像处理技术的自动光学检测技术对PCB板进行检测。

基于多尺度轻量级卷积网络的PCB裸板缺陷识别算法

针对目前印刷电路板(PCB)缺陷检测方法存在的检测效率低、接触式检测易损伤PCB、误检率高、难以适应多种缺陷类型等问题,提出一种基于多尺度轻量级卷积网络的PCB裸板缺陷识别算法。该算法在网络第一层采用多尺度卷积核对缺陷图片进行特征提取,并采用深度可分离卷积操作替代网络中的标准卷积操作,提高网络模型特征提取能力的同时减少模型的参数数量及计算量。实验结果表明:与经典卷积网络、传统缺陷检测算法相比,本文算法具有缺陷识别准确率高、通用性强等特点,满足工业应用要求。

基于图像处理的PCB裸板缺陷检测仿真研究

为了提高印制电路板(PCB)加工质量中缺陷检测的分类准确率,本文提出一种基于数字图像处理技术的PCB裸板缺陷检测技术。首先将PCB裸板目标图与标准图进行几何配准,对差影运算后的图进行二值化与形态学去噪等操作得出缺陷的二值图,计算标准图和待检测电路板图的差值面积和欧拉数,统计缺陷类型的几何特征得出结论。经仿真,对PCB焊盘和凹凸缺陷联合检测准确率达96.5%,时间少于5s。

基于改进YOLOv4的PCB裸板缺陷检测方法研究

PCB(Printed Circuit Board)裸板缺陷采用人工目视和电气特性等传统检测方法存在检测效率低、误检率高、成本高、劳动强度大、接触式飞针易造成损伤等问题。提出将YOLO(You Only Look Once)v4引入到PCB裸板缺陷检测,采用Canopy+K-means聚类改进YOLOv4中K-means聚类获取先验框。将改进的YOLOv4应用到PCB裸板的短路、开路、缺口、毛刺、焊点漏焊、余铜等缺陷检测中,开发了软硬件平台,形成了高精度、高检测速度的PCB裸板缺陷检测系统。基于PCB_DATASET数据集将该文提出的方法与已有的基于深度学习的PCB裸板缺陷检测方法进行了对比实验和分析。实验结果表明,该文提出方法的缺陷检测mAP(mean Average Precision)值达到了99.48%,检测速度为37.09帧/秒,相较于目前已有的基于深度学习的PCB裸板缺陷检测方法,不仅检测速度更快,而且检测精确度更高。