發(fā)布時間：2020-12-06 14:59

　　光器件是光收發(fā)器重要組成部分,金線在光器件中起到連接元件及傳輸信號作用。隨著光器件的市場需求加大,質(zhì)量要求也越來越高。目前企業(yè)對光器件金線的質(zhì)量檢測主要依靠人工,而人工檢測效率低、標(biāo)準(zhǔn)難以統(tǒng)一、檢測結(jié)果易受人主觀影響。為解決人工檢測的問題,本文對基于機(jī)器視覺的光器件金線質(zhì)量在線檢測技術(shù)及實(shí)現(xiàn)進(jìn)行研究,提出了完整的機(jī)器視覺解決方案,并研發(fā)出新的視覺算法。首先設(shè)計(jì)了光器件金線質(zhì)量檢測系統(tǒng),包括硬件設(shè)計(jì)以及軟件設(shè)計(jì)。硬件設(shè)計(jì)為相機(jī)及鏡頭的選型、光照模式設(shè)計(jì)以及檢臺結(jié)構(gòu)設(shè)計(jì),并對光照模式進(jìn)行原理分析。軟件設(shè)計(jì)為金線中心線提取以及金線缺陷檢測算法的設(shè)計(jì)。然后提出了一種圖像融合以及金線中心線提取算法。圖像融合,利用基于灰度的圖像融合規(guī)則來增強(qiáng)圖像質(zhì)量。中心線提取包括粗、精兩級定位,第一級利用二分搜索的思想實(shí)現(xiàn)中心線粗定位;第二級利用基于模板的中心線定位方法實(shí)現(xiàn)中心線精定位,其中精定位又包含兩次定位,分別是矩形模板定位以及動態(tài)自適應(yīng)模板定位。實(shí)驗(yàn)表明本文提出的中心線提取方法的效果、效率能夠滿足項(xiàng)目要求。其次根據(jù)提取的金線中心線以及區(qū)域,設(shè)計(jì)了金線二維缺陷檢測以及三維缺陷檢測算法。金線二維缺陷檢測,通... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

光器件位置分布圖

圖 2.2 被測光器件實(shí)物圖表 2.1 金線缺陷檢測項(xiàng)目及指標(biāo)類別 檢測項(xiàng)目 檢測指標(biāo)二維缺陷金線彎曲以兩焊點(diǎn)連成的直線為基準(zhǔn)，金線軌跡的水平投影偏離該基準(zhǔn)±50 微米。金線斷線 兩焊點(diǎn)之間的金線出現(xiàn)斷裂，金線不連續(xù)。金線交叉 出現(xiàn)與圖紙金線路徑不符的金線交叉。金線多線 圖紙上沒有注明金線軌跡處，產(chǎn)品有金線。金線少線 圖紙上有注明金線軌跡處，產(chǎn)品沒有金線。非交錯線間距 金線與金線之間的投影距離小于 50 微米。三維缺陷金線間間距缺陷 金線與金線之間的空間距離小于 50 微米。線弧高度缺陷線弧高度小于 75 微米或大于 75 微米。線弧塌陷缺陷線弧塌陷使線與線或線與元件之間的距離小于50 微米。

圖 2.4 Aca4600-7gc 相機(jī)實(shí)物圖 CMOS 芯片大小以及安裝位置ter 品牌的 50mm 高精鏡頭，其實(shí)通過利用截圈增加相機(jī)到焦點(diǎn)的圖 2.5 compute-50mm 鏡頭實(shí)物圖機(jī)以及鏡頭，在經(jīng)過實(shí)驗(yàn)驗(yàn)證后

【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器視覺的手機(jī)白玻璃缺陷檢測方法研究[J]. 徐振飛,劉堯峰,徐衛(wèi).  中國新通信. 2019(04)
[2]BGA焊球視覺檢測算法及系統(tǒng)設(shè)計(jì)[J]. 羅志偉,楊玉龍,李志紅.  光學(xué)精密工程. 2018(09)
[3]�？禉C(jī)器視覺工業(yè)鏡頭應(yīng)用技術(shù)[J]. 胡雨婷.  智慧工廠. 2018(07)
[4]基于亮通道色彩補(bǔ)償與融合的水下圖像增強(qiáng)[J]. 代成剛,林明星,王震,張東,管志光.  光學(xué)學(xué)報. 2018(11)
[5]基于圖像灰度梯度特征的鋼軌表面缺陷檢測[J]. 閔永智,岳彪,馬宏鋒,肖本郁.  儀器儀表學(xué)報. 2018(04)
[6]改進(jìn)Steger算法的自適應(yīng)光條紋中心提取[J]. 南方,李大華,高強(qiáng),于曉.  激光雜志. 2018(01)
[7]當(dāng)前智能制造若干關(guān)鍵技術(shù)綜述[J]. 顧寄南,尚正陽,唐仕喜,丁衛(wèi).  機(jī)械設(shè)計(jì)與制造工程. 2017(09)
[8]基于圖像處理的攝像頭模組金線缺陷檢測方法[J]. 張舞杰,何廣棟,唐柳生.  機(jī)械設(shè)計(jì)與制造工程. 2017(01)
[9]Texture image classification with discriminative neural networks[J]. Yang Song,Qing Li,Dagan Feng,Ju Jia Zou,Weidong Cai.  Computational Visual Media. 2016(04)
[10]基于改進(jìn)灰度重心法的光帶中心提取算法[J]. 張小艷,王曉強(qiáng),白福忠,田朝平,梅秀莊.  激光與紅外. 2016(05)

博士論文
[1]基于機(jī)器視覺的半導(dǎo)體芯片表面缺陷在線檢測關(guān)鍵技術(shù)研究[D]. 巢淵.東南大學(xué) 2017
[2]像素級圖像融合及其相關(guān)技術(shù)研究[D]. 譚航.電子科技大學(xué) 2013

碩士論文
[1]基于雙目視覺的三維輪廓測量技術(shù)研究[D]. 單思宇.中國科學(xué)技術(shù)大學(xué) 2018
[2]光滑零件表面缺陷檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 胡仁偉.電子科技大學(xué) 2018
[3]TFT-LCD點(diǎn)線缺陷檢測圖像處理算法研究[D]. 閆真真.合肥工業(yè)大學(xué) 2017
[4]木材表面灰度缺陷識別中圖像分析方法研究[D]. 宋小燕.內(nèi)蒙古工業(yè)大學(xué) 2015
[5]基于機(jī)器視覺的工件表面質(zhì)量高速在線檢測技術(shù)研究[D]. 諸曉鋒.杭州電子科技大學(xué) 2015
[6]基于局部特征的圖像匹配算法研究[D]. 侯曉麗.西安電子科技大學(xué) 2014
[7]圖像融合算法的研究[D]. 田闖.南京航空航天大學(xué) 2008



本文編號：2901567