隨著電子制造技術(shù)的發(fā)展,電路板上元件貼片安裝（SMT）已廣泛采用自動(dòng)光學(xué)檢測(cè)技術(shù)（AOI）進(jìn)行安裝缺陷檢測(cè)。目前AOI設(shè)備基本都采用統(tǒng)計(jì)建模、模板匹配的檢測(cè)方式,可靠性高、速度快。但每次更換產(chǎn)品型號(hào),都需要重新進(jìn)行統(tǒng)計(jì)建模,要通過對(duì)人工目檢為合格的樣本進(jìn)行統(tǒng)計(jì)學(xué)習(xí)以建立模板,然后進(jìn)行自動(dòng)檢測(cè)。這種建立模板方式耗時(shí)且繁瑣,所以AOI設(shè)備在小批量多品種的電子制造企業(yè)應(yīng)用效果不好。本文研究了基于深度學(xué)習(xí)的貼片元件焊接缺陷檢測(cè)方法。在AlexNet網(wǎng)絡(luò)的基礎(chǔ)上建立深度卷積網(wǎng)絡(luò),通過對(duì)大量各種型號(hào)的電阻、電容等小型元件的焊接樣本進(jìn)行學(xué)習(xí),然后對(duì)不同型號(hào)的電阻、電容元件的焊接缺陷可以進(jìn)行有效檢測(cè)。這樣建立了通用方法,對(duì)不同型號(hào)產(chǎn)品,只需判斷電阻和電容等元件位置,即可進(jìn)行其焊接缺陷檢測(cè),避免了更換產(chǎn)品型號(hào)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(xué)習(xí)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(luò)得到高層次的抽象特征,找到焊接缺陷圖像的共同特征,對(duì)于不同型號(hào)的元件都能做到準(zhǔn)確快速的焊接缺陷檢測(cè)。實(shí)驗(yàn)結(jié)果表明,本文提出的基于深度學(xué)習(xí)的貼片元件焊接缺陷檢測(cè)方法,能夠高效地實(shí)現(xiàn)不同型號(hào)元件的焊接... 

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)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(cè)方法概述
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 自動(dòng)光學(xué)檢測(cè)技術(shù)的發(fā)展
        1.3.2 焊接缺陷自動(dòng)光學(xué)檢測(cè)技術(shù)進(jìn)展
        1.3.3 深度學(xué)習(xí)及其應(yīng)用進(jìn)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(cè)
        2.1.1 貼片安裝技術(shù)
        2.1.2 貼片安裝缺陷的機(jī)器視覺檢測(cè)
        2.1.3 傳統(tǒng)機(jī)器視覺檢測(cè)方法的不足
    2.2 貼片元件的定位檢測(cè)
        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(cè)算法
        2.2.4 基于凸包的最小外接矩形檢測(cè)算法
        2.2.5 貼片元件位置識(shí)別
    2.3 本章小結(jié)
3 貼片元件型號(hào)檢測(cè)
    3.1 現(xiàn)有的檢測(cè)方法
        3.1.1 基于模板匹配的字符識(shí)別算法
        3.1.2 基于投影特征的字符識(shí)別算法
        3.1.3 基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法
    3.2 基于圖像特征的貼片元件型號(hào)快速檢測(cè)
        3.2.1 算法主要流程
        3.2.2 圖像預(yù)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(cè)
    3.3 分層的快速檢測(cè)方法
    3.4 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
4 基于深度學(xué)習(xí)的貼片元件焊接缺陷檢測(cè)
    4.1 傳統(tǒng)的焊接缺陷檢測(cè)方法
    4.2 深度學(xué)習(xí)特點(diǎn)分析
        4.2.1 從神經(jīng)網(wǎng)絡(luò)到深度學(xué)習(xí)
        4.2.2 卷積神經(jīng)網(wǎng)絡(luò)
        4.2.3 卷積神經(jīng)網(wǎng)絡(luò)的連接模式
        4.2.4 激活函數(shù)
    4.3 建立網(wǎng)絡(luò)模型
        4.3.1 AlexNet網(wǎng)絡(luò)模型
        4.3.2 網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)及實(shí)驗(yàn)分析
    4.4 實(shí)驗(yàn)及結(jié)果分析
        4.4.1 實(shí)驗(yàn)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(luò)訓(xùn)練及實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]電阻點(diǎn)焊質(zhì)量無損檢測(cè)技術(shù)的發(fā)展研究[J]. 路林,張文林.  焊接技術(shù). 2018(12)
[2]基于改進(jìn)的AlexNet網(wǎng)絡(luò)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(cè)繪. 2018(11)
[3]一種基于稀疏描述的X射線焊縫檢測(cè)方法[J]. 王偵倪,高煒欣,湯楠.  西安石油大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[4]焊點(diǎn)檢測(cè)技術(shù)發(fā)展現(xiàn)狀與趨勢(shì)[J]. 李凌燕,闞鳳龍,劉西洋.  電子世界. 2018(17)
[5]基于直線檢測(cè)和數(shù)學(xué)形態(tài)學(xué)的車牌定位算法[J]. 蔡秀梅,周川力.  計(jì)算機(jī)與數(shù)字工程. 2018(08)
[6]基于多分類支持向量機(jī)算法的PCB焊點(diǎn)檢測(cè)研究[J]. 陳洪科.  機(jī)電技術(shù). 2018(03)
[7]自動(dòng)光學(xué)(視覺)檢測(cè)技術(shù)及其在缺陷檢測(cè)中的應(yīng)用綜述[J]. 盧榮勝,吳昂,張騰達(dá),王永紅.  光學(xué)學(xué)報(bào). 2018(08)
[8]卷積神經(jīng)網(wǎng)絡(luò)的貼片電阻識(shí)別應(yīng)用[J]. 諶貴輝,何龍,李忠兵,亢宇欣,江梟宇.  智能系統(tǒng)學(xué)報(bào). 2019(02)
[9]基于神經(jīng)網(wǎng)絡(luò)的芯片表面字符檢測(cè)識(shí)別系統(tǒng)[J]. 唐銘豆,陶青川,馮謙.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2018(09)
[10]基于改進(jìn)的多模板匹配的車牌識(shí)別算法[J]. 孫守勇,蔡騁.  電腦知識(shí)與技術(shù). 2017(09)

博士論文
[1]基于模式識(shí)別技術(shù)的焊點(diǎn)自動(dòng)光學(xué)檢測(cè)算法研究[D]. 吳浩.華南理工大學(xué) 2013

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別技術(shù)研究[D]. 王晶.杭州電子科技大學(xué) 2017
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)和性別識(shí)別研究[D]. 汪濟(jì)民.南京理工大學(xué) 2015
[3]貼片機(jī)飛行對(duì)中圖像處理和識(shí)別技術(shù)研究[D]. 楊洪天.廣東工業(yè)大學(xué) 2012
[4]印刷電路板的自動(dòng)光學(xué)檢測(cè)系統(tǒng)的設(shè)計(jì)與研究[D]. 陳臣.南京航空航天大學(xué) 2010



本文編號(hào)：3659066