電子產(chǎn)品大多以流水線模式生產(chǎn),每道工序都會影響產(chǎn)品的質量和壽命,其中焊點檢測是一道重要的生產(chǎn)工序,能否準確高效地完成焊點合格性檢測直接決定產(chǎn)品的質量和生產(chǎn)的效率。目前,線纜接頭焊點合格性檢測大多采用人工視覺檢測法,該方法具有較大的主觀性,且存在檢測的準確性和可靠性較低的問題。針對上述問題,論文主要利用計算機視覺技術采集焊點圖像并利用深度學習技術對焊點合格性進行快速檢測,實現(xiàn)焊點的自動化檢測,對于保障基于生產(chǎn)線生產(chǎn)的電子產(chǎn)品的質量和生產(chǎn)效率具有重要意義。本文從焊點數(shù)據(jù)圖像采集、處理以及焊點合格性等方面展開研究,實現(xiàn)焊點的自動化檢測,具體研究工作如下:(1)創(chuàng)建USB線纜接頭焊點數(shù)據(jù)集。由于將深度學習技術用于對USB線纜接頭焊點的檢測是一個全新的領域,沒有可用的數(shù)據(jù)集。因此,本文創(chuàng)建USB線纜接頭焊點數(shù)據(jù)集。首先對數(shù)據(jù)進行了清洗,然后利用離散傅里葉變換、霍夫直線檢測、仿射變換對傾斜圖像進行有效地矯正,經(jīng)過實驗驗證,矯正效果良好,最后使用labelme圖像標注工具創(chuàng)建USB線纜接頭焊點數(shù)據(jù)集。(2)基于DCNN的焊點合格性檢測。針對傳統(tǒng)焊點檢測算法識別率低的問題,本文提出了一種基于DCNN的...

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 焊點合格性檢測
        1.2.2 深度學習
    1.3 論文研究內(nèi)容與組織結構
        1.3.1 主要研究工作
        1.3.2 論文組織結構
第2章 深度學習與目標檢測
    2.1 引言
    2.2 深度學習
        2.2.1 TensorFlow
        2.2.2 Caffe
        2.2.3 Keras
    2.3 目標檢測
    2.4 卷積神經(jīng)網(wǎng)絡
        2.4.1 卷積運算
        2.4.2 池化
        2.4.3 代價函數(shù)
        2.4.4 過擬合與欠擬合
        2.4.5 遷移學習
    2.5 常用的特征提取網(wǎng)絡
        2.5.1 AlexNet
        2.5.2 VGGNet
        2.5.3 ResNet
    2.6 本章小結
第3章 USB焊點數(shù)據(jù)集的創(chuàng)建
    3.1 引言
    3.2 數(shù)據(jù)采集和清洗
        3.2.1 數(shù)據(jù)來源
        3.2.2 常見的數(shù)據(jù)標注類型
        3.2.3 數(shù)據(jù)采集
        3.2.4 數(shù)據(jù)清洗
    3.3 圖像矯正
        3.3.1 離散傅里葉變換
        3.3.2 旋轉角度計算
        3.3.3 仿射變換
        3.3.4 焊點區(qū)域提取
    3.4 圖像標注
        3.4.1 標注工具
        3.4.2 標注方法
        3.4.3 數(shù)據(jù)增強
    3.5 USB線纜接頭焊點數(shù)據(jù)集的創(chuàng)建
    3.6 本章小結
第4章 基于DCNN的焊點合格性檢測
    4.1 引言
    4.2 DCNN焊點檢測模型建立
    4.3 實驗結果與分析
        4.3.1 實驗環(huán)境及數(shù)據(jù)集
        4.3.2 焊點檢測實驗
    4.4 本章小結
第五章 改進的Mask R-CNN焊點合格性檢測
    5.1 引言
    5.2 Mask R-CNN網(wǎng)絡的介紹
        5.2.1 特征提取網(wǎng)絡
        5.2.2 特征金字塔網(wǎng)絡
        5.2.3 區(qū)域建議網(wǎng)絡
        5.2.4 RoI Align
        5.2.5 損失函數(shù)
    5.3 改進的Mask R-CNN
        5.3.1 全局平均池化取代部分全連接層
        5.3.2 改進ResNet50 特征提取網(wǎng)絡
    5.4 實驗結果與分析
        5.4.1 實驗環(huán)境及數(shù)據(jù)集
        5.4.2 焊點檢測實驗
    5.5 本章小結
總結與展望
參考文獻
致謝
附錄A 攻讀學位期間發(fā)表的學術論文和其它成果



本文編號：3757515