表面贴装生产中的元器件智能定位与识别算法

来源 :华南理工大学 | 被引量 : 0次 | 上传用户:mingyinzhu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文以表面贴装工艺中的视觉系统为研究对象,通过深入分析各个环节图像处理的不同特点,并引入数学领域中的几何矩和四元数的概念,从而有针对性地提出了三个算法: 1.基于二次分档链接排序算法的球栅阵列封装(Ball Grid Array,即BGA)类芯片检测与定位算法。该算法充分利用了BGA本身焊点排列整齐的特点,非常简洁有效地实现了BGA的识别任务。 2.基于矩不变量的印刷电路板(Printed Circuit Board,简称PCB)上器件定位与识别算法。针对贴装后整个PCB板上元器件识别的两大难点问题,即背景复杂、噪声干扰多,该算法首先利用边缘提取算法,提取出图像的特征,解决了背景复杂的问题;接着引入矩不变量作为图像的特征量,利用矩不变量对于平移、缩放、旋转等的不变性,解决了噪声干扰多的问题。 3.基于四元数相关性的彩色图像识别算法。针对PCB板上焊球以及共面性缺陷在灰度图像上难检测的问题,对彩色图像处理领域进行了探索。引入数学领域中的四元数概念,用一个具有四个分量的矢量表示彩色图像每个象素位置处的R(Red)、G(Green)、B(Blue)值,实现了真正的矢量图像识别。 在个人电脑(Personal Computer,简称PC)上用Visual C++(VC)语言编程对上述算法进行仿真,结果表明所设计的算法完全达到图像识别定位的可靠性、重复性、定位精度以及识别速度的要求。该三个算法,再结合本实验室其他组员已提出的CHIP,IC,QFP类芯片的检测与定位算法,几乎涵盖了表面贴装生产中能碰到的所有视觉检测问题,从而为PCB板生产的零缺陷检测提供了基础,对其它领域的视觉检测也具有一定的参考价值。
其他文献
流形学习作为一种非线性方法在探索高维复杂数据的内在规律等方面取得了令人瞩目的成果,是近年来机器学习领域的研究热点。现有的流形学习方法如等距映射Isomap、局部线性嵌
随着流程工业自动化程度的不断提高,以DCS和PLC为基础的计算机控制系统的使用的要求越来越高,相应的,对作为计算机控制系统中必不可少的逻辑控制的要求也越来越高。而泵和阀
本文以此为背景,开发出基于GSM移动通信网络的公众短信息服务业务,将盗警信息通过发送短信的方式,发送到制定的电话或手机或监控中心或监控调度中心,实现信息的快速,准确的上报,并