基于深度图像的SMT焊膏印刷实时自动检测

表面贴片安装技术(SMT)焊膏印刷质量机器视觉检测中,对采集的图像直接分割精度不高,而印制电路板(PCB)的焊盘、焊膏印刷模板中包含了焊膏的位置和高度信息,利用其建立标准模板节省了统计建模时间。通过焊膏印刷前裸印制线路板(PWB)的数字图像差运算来获取焊膏分割图像,大大提高了检测精度和速度。图像的形态学处理可以消除图像间的正常偏差噪声。图像深度值的提取是利用和无激光的背景图像的差运算。对比实验证明了本方案的检测准确度和速度都有较大提高。

AdaBoost算法在AOI统计学习建模中的应用

PCB贴片安装机器视觉检测中,再流焊前后的很多检测中的特征必须依赖对样本的统计学习。机器学习中的AdaBoost算法可以将多个弱学习器组合提升为一个强学习器。提出将其应用于AOI的统计学习和检测,可以提高检测精度和速度,并提高泛化性能。对比试验证明了该方法的有效性。

SMT产品质量机器视觉检测中的机器学习

SMT产品机器视觉检测AOI中,对具体产品样本进行机器学习时,难以得到被检测产品的多种缺陷样本,合格产品样本也需要减少学习样本数量,以提高检测速度,减少人工检测。文中研究了SMT产品的机器视觉图象特征及分布,结合快速分层的并行检测方法,提出了针对大量产品正、负类样本学习建立检测经验参数,针对具体产品负类学习建立模板的学习方法。并在具体产品样本学习中采取动态阈值,以减少人工检测确立学习样本的数量。多个生产线的产品检测实验表明本方法可以速有效地建立AOI检测模板参数。

结合二维信息的PMP三维测量相位展开方法

在基于光栅投影相位测量轮廓术的电子贴片安装印刷锡膏质量三维检测中,阴影、噪声和在线检测的快速性要求都使传统相位展开方法不能满足需要.结合该应用的实际工程条件,根据二维图像信息,可以改进相位展开方法:在测量对象平滑的区域,用基本原理法进行相位展开;在阴影、边界区域和三维异常的情形,分别采用质量图导向法和最小二乘法进行相位展开.实验证明该方法既保证了PMP包裹相位的正确展开,又提高了处理速度.

基于图像匹配和验证识别的元件型号检测

电子制造业的电路板元件贴片安装检测中,需要根据元件上的字符图像来检测其型号是否正确.现有的整体匹配方法误检率高,且无法检测不同批次字符字体差异的元件.本文设计了位置校正后字符匹配的快速检测方法,对于更换元件批次后的字体差异则采用字符图像分割后进行验证性识别,并重新建模.实验结果表明了本方法具有高效,无漏检,误检率低等特点.