發(fā)布時間：2024-06-10 21:30

　　在制造業(yè)高速發(fā)展的當下,傳統(tǒng)通過人工視目檢測缺陷的方法逐漸淡出工業(yè)檢測環(huán)境,基于機器視覺的檢測方法隨之興起并廣泛應(yīng)用于工業(yè)環(huán)境。PCB裸板的制作是工藝流程中最基礎(chǔ)的部分,其缺陷檢測也是首要環(huán)節(jié)。針對現(xiàn)有PCB裸板缺陷檢測方案不具備通用性且對于多種缺陷的分類準確率不理想等問題,設(shè)計了一種改進ORB圖像配準與深度學(xué)習(xí)的PCB裸板缺陷檢測方法,主要分為預(yù)處理、缺陷定位和分類識別三部分實現(xiàn)PCB裸板缺陷的自動檢測。預(yù)處理部分,分析了常見濾波處理方法并結(jié)合實驗的濾波效果后,采取中值濾波進行預(yù)處理。隨后針對直方圖均衡化失真嚴重、伽馬變換和線性變換增強能力的不足,設(shè)計一種基于RGB空間的PCB裸板圖像增強算法。分析PCB裸板顏色特點后,通過在G通道尋找閾值,并結(jié)合人眼對RGB三種顏色的敏感度,對RGB三通道的圖像做分段線性變換處理。實驗結(jié)果表明,本文算法對比度指標達到57.13,在結(jié)構(gòu)相似性、梯度幅值相似性指標方面,與傳統(tǒng)線性變化相差不大。并且在視覺上有著明顯的提升,達到了亮度適中、對比度清晰的效果。缺陷定位部分,利用基于參考比較法和形態(tài)學(xué)處理的混合法實現(xiàn)缺陷定位。針對基于ORB的圖像配準算法能滿足...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 PCB裸板缺陷檢測現(xiàn)狀
        1.2.2 圖像配準算法研究現(xiàn)狀
        1.2.3 卷積神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀
    1.3 存在的主要問題
    1.4 論文的內(nèi)容安排
第2章 基于RGB空間的PCB裸板圖像增強方法
    2.1 PCB圖像濾波預(yù)處理
        2.1.1 PCB圖像常用濾波算法
        2.1.2 濾波效果對比分析
    2.2 常用PCB裸板圖像對比度增強方法
    2.3 基于RGB空間的圖像增強方法
        2.3.1 RGB空間理論
        2.3.2 算法原理及流程
    2.4 實驗對比分析
    2.5 本章小結(jié)
第3章 基于改進ORB的 PCB裸板圖像配準方法
    3.1 ORB匹配算法原理
    3.2 一種改進的ORB配準方法
        3.2.1 構(gòu)建非線性多尺度空間
        3.2.2 特征點檢索改進
        3.2.3 PROSAC算法
    3.3 實驗對比分析
        3.3.1 尺度空間構(gòu)建對比
        3.3.2 特征點提取性能對比
        3.3.3 配準性能對比
    3.4 本章小結(jié)
第4章 PCB裸板缺陷的定位
    4.1 差影法與形態(tài)學(xué)處理結(jié)合的定位方法
        4.1.1 PCB裸板圖像缺陷的類別
        4.1.2 局部自適應(yīng)二值化
        4.1.3 差影法與形態(tài)學(xué)處理
    4.2 實驗分析
        4.2.1 實驗?zāi)康呐c環(huán)境
        4.2.2 實驗步驟與結(jié)果分析
    4.3 本章小結(jié)
第5章 基于深度學(xué)習(xí)的PCB裸板缺陷識別算法
    5.1 卷積神經(jīng)網(wǎng)絡(luò)基本理論
        5.1.1 網(wǎng)絡(luò)的結(jié)構(gòu)
        5.1.2 數(shù)據(jù)傳播過程
        5.1.3 網(wǎng)絡(luò)相關(guān)問題
    5.2 基于SE-DenseNet的 PCB裸板缺陷識別算法
        5.2.1 DenseNet與 SENet框架結(jié)構(gòu)
        5.2.2 搭建SE-DenseNet網(wǎng)絡(luò)
    5.3 實驗對比分析
        5.3.1 實驗?zāi)康呐c實驗環(huán)境
        5.3.2 實驗步驟
        5.3.3 實驗結(jié)果分析
    5.4 本章小結(jié)
第6章總結(jié)與展望
    6.1 全文總結(jié)
    6.2 展望
參考文獻
致謝



本文編號：3991926