基于卷積神經(jīng)網(wǎng)絡(luò)的宇航電源光學(xué)檢測(cè)技術(shù)
發(fā)布時(shí)間:2021-09-01 18:00
傳統(tǒng)自動(dòng)光學(xué)檢測(cè)(AOI)方法難以適應(yīng)宇航電源生產(chǎn)線多品種、小批量的特點(diǎn),具有識(shí)別率低、操作復(fù)雜等問題。利用卷積神經(jīng)網(wǎng)絡(luò)(CNN)學(xué)習(xí)速度快、特征提取效果好的優(yōu)勢(shì),提出了一種能夠?qū)τ詈诫娫串a(chǎn)品質(zhì)量進(jìn)行可靠檢驗(yàn)的光學(xué)檢測(cè)技術(shù)。通過對(duì)歷史生產(chǎn)數(shù)據(jù)的精細(xì)化篩選構(gòu)建了訓(xùn)練樣本庫(kù),并設(shè)計(jì)了宇航電源產(chǎn)品光學(xué)檢驗(yàn)專用卷積神經(jīng)網(wǎng)絡(luò);將Canny算子邊緣檢測(cè)與CNN圖像識(shí)別相結(jié)合,實(shí)現(xiàn)了印制板裝配圖信息的自動(dòng)讀取。與傳統(tǒng)AOI檢測(cè)方法相比,該方法缺陷識(shí)別率高達(dá)99%,且檢驗(yàn)過程簡(jiǎn)單,提高了宇航電源產(chǎn)品光學(xué)檢驗(yàn)工作效率,已應(yīng)用于宇航電源生產(chǎn)線。
【文章來源】:測(cè)控技術(shù). 2020,39(03)
【文章頁(yè)數(shù)】:5 頁(yè)
【部分圖文】:
輸出檢驗(yàn)結(jié)果
基于卷積神經(jīng)網(wǎng)絡(luò)的宇航電源產(chǎn)品光學(xué)檢測(cè)算法架構(gòu)如圖1所示。為避免復(fù)雜編程操作,檢測(cè)算法以圖像作為輸入自動(dòng)完成測(cè)試準(zhǔn)備工作;檢測(cè)過程可分為圖像預(yù)處理與損傷類型診斷兩個(gè)環(huán)節(jié),其中預(yù)處理環(huán)節(jié)自動(dòng)讀取裝配圖信息,可代替?zhèn)鹘y(tǒng)設(shè)備的坐標(biāo)輸入及測(cè)試編程;損傷類型診斷環(huán)節(jié)使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)元件子圖逐一篩查,判定相應(yīng)元件是否滿足設(shè)計(jì)、工藝要求;最后,根據(jù)用戶需要以圖像的形式輸出光學(xué)檢測(cè)結(jié)果。2 基于Canny算子的檢測(cè)圖像預(yù)處理
針對(duì)宇航電源產(chǎn)品光學(xué)檢驗(yàn)問題,采用圖2所示的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行元件圖像與字符辨識(shí)。該網(wǎng)絡(luò)由5層卷積層、池化層完成元件圖像的特征提取,由3層全連接層完成特征辨識(shí)與歸類,最后利用Softmax函數(shù)進(jìn)行輸出處理:3.2 訓(xùn)練數(shù)據(jù)集構(gòu)建
【參考文獻(xiàn)】:
期刊論文
[1]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的夜間車牌識(shí)別算法研究[J]. 張培玲,畢東生,資麗. 測(cè)控技術(shù). 2018(08)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的監(jiān)控場(chǎng)景下車輛顏色識(shí)別[J]. 張強(qiáng),李嘉鋒,卓力. 測(cè)控技術(shù). 2017(10)
[3]AOI技術(shù)在PCB缺陷檢測(cè)中的設(shè)計(jì)與實(shí)現(xiàn)[J]. 郭民,王蕊. 測(cè)控技術(shù). 2016(12)
[4]衛(wèi)星載荷二次電源用MOSFET的抗輻射設(shè)計(jì)及驗(yàn)證[J]. 任飛,紀(jì)志坡,張國(guó)帥,萬(wàn)成安. 航天器環(huán)境工程. 2016(05)
[5]AOI技術(shù)在LTCC制程中的應(yīng)用研究[J]. 吳申立,王正義. 電子元件與材料. 2014(08)
[6]基于優(yōu)化K-D樹的大面積高密度PCB快速AOI[J]. 蒲亮,葉玉堂,宋昀岑,劉莉,陳東明,潘明. 儀器儀表學(xué)報(bào). 2011(04)
[7]基于模式匹配及其參數(shù)自適應(yīng)的PCB焊點(diǎn)檢測(cè)[J]. 吳福培,鄺泳聰,張憲民,歐陽(yáng)高飛. 光學(xué)精密工程. 2009(10)
[8]AOI在PCB檢測(cè)過程中的有效應(yīng)用方案[J]. 吳迎新. 印制電路信息. 2009(S1)
[9]論AOI檢測(cè)設(shè)備的選型[J]. 吳紅. 電子工藝技術(shù). 2008(05)
[10]SMT產(chǎn)品質(zhì)量AOI快速檢測(cè)方案[J]. 羅兵,章云. 電子質(zhì)量. 2007(02)
博士論文
[1]PCB自動(dòng)光學(xué)檢測(cè)系統(tǒng)基礎(chǔ)算法研究[D]. 宋昀岑.電子科技大學(xué) 2014
本文編號(hào):3377432
【文章來源】:測(cè)控技術(shù). 2020,39(03)
【文章頁(yè)數(shù)】:5 頁(yè)
【部分圖文】:
輸出檢驗(yàn)結(jié)果
基于卷積神經(jīng)網(wǎng)絡(luò)的宇航電源產(chǎn)品光學(xué)檢測(cè)算法架構(gòu)如圖1所示。為避免復(fù)雜編程操作,檢測(cè)算法以圖像作為輸入自動(dòng)完成測(cè)試準(zhǔn)備工作;檢測(cè)過程可分為圖像預(yù)處理與損傷類型診斷兩個(gè)環(huán)節(jié),其中預(yù)處理環(huán)節(jié)自動(dòng)讀取裝配圖信息,可代替?zhèn)鹘y(tǒng)設(shè)備的坐標(biāo)輸入及測(cè)試編程;損傷類型診斷環(huán)節(jié)使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)元件子圖逐一篩查,判定相應(yīng)元件是否滿足設(shè)計(jì)、工藝要求;最后,根據(jù)用戶需要以圖像的形式輸出光學(xué)檢測(cè)結(jié)果。2 基于Canny算子的檢測(cè)圖像預(yù)處理
針對(duì)宇航電源產(chǎn)品光學(xué)檢驗(yàn)問題,采用圖2所示的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行元件圖像與字符辨識(shí)。該網(wǎng)絡(luò)由5層卷積層、池化層完成元件圖像的特征提取,由3層全連接層完成特征辨識(shí)與歸類,最后利用Softmax函數(shù)進(jìn)行輸出處理:3.2 訓(xùn)練數(shù)據(jù)集構(gòu)建
【參考文獻(xiàn)】:
期刊論文
[1]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的夜間車牌識(shí)別算法研究[J]. 張培玲,畢東生,資麗. 測(cè)控技術(shù). 2018(08)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的監(jiān)控場(chǎng)景下車輛顏色識(shí)別[J]. 張強(qiáng),李嘉鋒,卓力. 測(cè)控技術(shù). 2017(10)
[3]AOI技術(shù)在PCB缺陷檢測(cè)中的設(shè)計(jì)與實(shí)現(xiàn)[J]. 郭民,王蕊. 測(cè)控技術(shù). 2016(12)
[4]衛(wèi)星載荷二次電源用MOSFET的抗輻射設(shè)計(jì)及驗(yàn)證[J]. 任飛,紀(jì)志坡,張國(guó)帥,萬(wàn)成安. 航天器環(huán)境工程. 2016(05)
[5]AOI技術(shù)在LTCC制程中的應(yīng)用研究[J]. 吳申立,王正義. 電子元件與材料. 2014(08)
[6]基于優(yōu)化K-D樹的大面積高密度PCB快速AOI[J]. 蒲亮,葉玉堂,宋昀岑,劉莉,陳東明,潘明. 儀器儀表學(xué)報(bào). 2011(04)
[7]基于模式匹配及其參數(shù)自適應(yīng)的PCB焊點(diǎn)檢測(cè)[J]. 吳福培,鄺泳聰,張憲民,歐陽(yáng)高飛. 光學(xué)精密工程. 2009(10)
[8]AOI在PCB檢測(cè)過程中的有效應(yīng)用方案[J]. 吳迎新. 印制電路信息. 2009(S1)
[9]論AOI檢測(cè)設(shè)備的選型[J]. 吳紅. 電子工藝技術(shù). 2008(05)
[10]SMT產(chǎn)品質(zhì)量AOI快速檢測(cè)方案[J]. 羅兵,章云. 電子質(zhì)量. 2007(02)
博士論文
[1]PCB自動(dòng)光學(xué)檢測(cè)系統(tǒng)基礎(chǔ)算法研究[D]. 宋昀岑.電子科技大學(xué) 2014
本文編號(hào):3377432
本文鏈接:http://sikaile.net/kejilunwen/hangkongsky/3377432.html
最近更新
教材專著