论文部分内容阅读
随着图像处理、模式识别、工业自动化和计算机技术的不断发展,计算机视觉技术在制造业的应用受到人们越来越广泛的关注,其中自动光学检测(Automatic Optical Inspection,AOI)技术在印刷电路板(Printed Circuit Board,PCB)生产行业的应用取得了显著的成效。我国是PCB生产大国,深入研究自动检测技术,提高AOI技术的速率、精度和缺陷检测的准确性、适用性能为我国PCB生产行业创造巨大的价值。除了运用AOI技术提高生产效率、节约劳动成本外,进行准确的缺陷分类不但可以更好地回收材料、控制成本,同时还能通过分析缺陷数据发现缺陷产生的原因,从而改进生产技术减少缺陷产品的产生。本文主要研究PCB表面缺陷的检测和分类方法,分析PCB自动缺陷检测系统的结构,描述了缺陷检测的流程,并重点研究了缺陷的检出方法和分类方法。首先,采用图形轮廓匹配的方法实现图像配准,使用参考法检出PCB缺陷的位置;通过分析PCB缺陷的种类和不同种类缺陷具有的外观特点,提取多种图形特征构成视觉词袋表述不同种类缺陷;使用样本训练分类模型,然后使用多分类支持向量机实现缺陷分类。本文具体研究工作如下:(1)PCB缺陷自动检测系统的总体设计,包括硬件构成和软件模块。阐述了系统各组成部分的功能、作用和缺陷检测的流程。(2)研究PCB生产的工艺流程和环境,分析PCB缺陷产生的原因和不同缺陷的特点,揭示了一种提取缺陷特征的方法和缺陷特征的描述方式,使用缺陷图形的轮廓、纹理、颜色特征构造视觉词袋来描述PCB复杂缺陷。(3)研究PCB图像的配准方法。分析目前比较流行的配准方法的优缺点,根据PCB检测的实际需求采用一种基于轮廓匹配的配准方法,实现图形的快速配准;然后使用连续域蚁群算法求最优解来改进轮廓匹配的配准精度,改善配准效果。(4)使用提取的特征训练分类模型,结合PCB缺陷种类多、样本少、样本不均衡的特点,训练多分类支持向量机(Support Vector Machine,SVM)实现多种PCB复杂缺陷的分类。综合以上研究,并结合企业对检测速度、精度、准确性、检测种类的实际要求,在实验环境中检验配准算法和分类算法,验证算法的运算效率、准确率。