隨著電子制造技術的發(fā)展,電路板上元件貼片安裝（SMT）已廣泛采用自動光學檢測技術（AOI）進行安裝缺陷檢測。目前AOI設備基本都采用統(tǒng)計建模、模板匹配的檢測方式,可靠性高、速度快。但每次更換產(chǎn)品型號,都需要重新進行統(tǒng)計建模,要通過對人工目檢為合格的樣本進行統(tǒng)計學習以建立模板,然后進行自動檢測。這種建立模板方式耗時且繁瑣,所以AOI設備在小批量多品種的電子制造企業(yè)應用效果不好。本文研究了基于深度學習的貼片元件焊接缺陷檢測方法。在AlexNet網(wǎng)絡的基礎上建立深度卷積網(wǎng)絡,通過對大量各種型號的電阻、電容等小型元件的焊接樣本進行學習,然后對不同型號的電阻、電容元件的焊接缺陷可以進行有效檢測。這樣建立了通用方法,對不同型號產(chǎn)品,只需判斷電阻和電容等元件位置,即可進行其焊接缺陷檢測,避免了更換產(chǎn)品型號后需要重新建立模板的環(huán)節(jié),提高了生產(chǎn)效率。深度學習能夠直接從輸入的圖片中提取分類特征,并通過多層卷積網(wǎng)絡得到高層次的抽象特征,找到焊接缺陷圖像的共同特征,對于不同型號的元件都能做到準確快速的焊接缺陷檢測。實驗結果表明,本文提出的基于深度學習的貼片元件焊接缺陷檢測方法,能夠高效地實現(xiàn)不同型號元件的焊接... 

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 課題研究背景及意義
    1.2 貼片安裝缺陷檢測方法概述
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 自動光學檢測技術的發(fā)展
        1.3.2 焊接缺陷自動光學檢測技術進展
        1.3.3 深度學習及其應用進展
    1.4 論文主要內(nèi)容及章節(jié)安排
2 貼片元件的安裝與定位
    2.1 貼片安裝及缺陷檢測
        2.1.1 貼片安裝技術
        2.1.2 貼片安裝缺陷的機器視覺檢測
        2.1.3 傳統(tǒng)機器視覺檢測方法的不足
    2.2 貼片元件的定位檢測
        2.2.1 PCB元件信息提取
        2.2.2 貼片元件的定位方法
        2.2.3 最小凸多邊形檢測算法
        2.2.4 基于凸包的最小外接矩形檢測算法
        2.2.5 貼片元件位置識別
    2.3 本章小結
3 貼片元件型號檢測
    3.1 現(xiàn)有的檢測方法
        3.1.1 基于模板匹配的字符識別算法
        3.1.2 基于投影特征的字符識別算法
        3.1.3 基于神經(jīng)網(wǎng)絡的字符識別算法
    3.2 基于圖像特征的貼片元件型號快速檢測
        3.2.1 算法主要流程
        3.2.2 圖像預處理
        3.2.3 基于投影法的字符分割
        3.2.4 字符區(qū)域定位
        3.2.5 圖像特征編碼檢測
    3.3 分層的快速檢測方法
    3.4 實驗結果分析
    3.5 本章小結
4 基于深度學習的貼片元件焊接缺陷檢測
    4.1 傳統(tǒng)的焊接缺陷檢測方法
    4.2 深度學習特點分析
        4.2.1 從神經(jīng)網(wǎng)絡到深度學習
        4.2.2 卷積神經(jīng)網(wǎng)絡
        4.2.3 卷積神經(jīng)網(wǎng)絡的連接模式
        4.2.4 激活函數(shù)
    4.3 建立網(wǎng)絡模型
        4.3.1 AlexNet網(wǎng)絡模型
        4.3.2 網(wǎng)絡結構的改進及實驗分析
    4.4 實驗及結果分析
        4.4.1 實驗中的軟硬件環(huán)境
        4.4.2 建立樣本數(shù)據(jù)集
        4.4.3 網(wǎng)絡訓練及實驗結果分析
    4.5 本章小結
5 總結與展望
    5.1 總結
    5.2 展望
參考文獻
作者簡歷及攻讀碩士學位期間取得的研究成果


【參考文獻】：
期刊論文
[1]電阻點焊質(zhì)量無損檢測技術的發(fā)展研究[J]. 路林,張文林.  焊接技術. 2018(12)
[2]基于改進的AlexNet網(wǎng)絡模型的遙感圖像分類方法研究[J]. 周天順,黨鵬飛,謝輝.  北京測繪. 2018(11)
[3]一種基于稀疏描述的X射線焊縫檢測方法[J]. 王偵倪,高煒欣,湯楠.  西安石油大學學報(自然科學版). 2018(05)
[4]焊點檢測技術發(fā)展現(xiàn)狀與趨勢[J]. 李凌燕,闞鳳龍,劉西洋.  電子世界. 2018(17)
[5]基于直線檢測和數(shù)學形態(tài)學的車牌定位算法[J]. 蔡秀梅,周川力.  計算機與數(shù)字工程. 2018(08)
[6]基于多分類支持向量機算法的PCB焊點檢測研究[J]. 陳洪科.  機電技術. 2018(03)
[7]自動光學(視覺)檢測技術及其在缺陷檢測中的應用綜述[J]. 盧榮勝,吳昂,張騰達,王永紅.  光學學報. 2018(08)
[8]卷積神經(jīng)網(wǎng)絡的貼片電阻識別應用[J]. 諶貴輝,何龍,李忠兵,亢宇欣,江梟宇.  智能系統(tǒng)學報. 2019(02)
[9]基于神經(jīng)網(wǎng)絡的芯片表面字符檢測識別系統(tǒng)[J]. 唐銘豆,陶青川,馮謙.  現(xiàn)代計算機(專業(yè)版). 2018(09)
[10]基于改進的多模板匹配的車牌識別算法[J]. 孫守勇,蔡騁.  電腦知識與技術. 2017(09)

博士論文
[1]基于模式識別技術的焊點自動光學檢測算法研究[D]. 吳浩.華南理工大學 2013

碩士論文
[1]基于神經(jīng)網(wǎng)絡的車牌識別技術研究[D]. 王晶.杭州電子科技大學 2017
[2]基于卷積神經(jīng)網(wǎng)絡的人臉檢測和性別識別研究[D]. 汪濟民.南京理工大學 2015
[3]貼片機飛行對中圖像處理和識別技術研究[D]. 楊洪天.廣東工業(yè)大學 2012
[4]印刷電路板的自動光學檢測系統(tǒng)的設計與研究[D]. 陳臣.南京航空航天大學 2010



本文編號：3659066