【摘 要】
：
近年来随着电子产品的爆发式发展,印刷电路板日渐趋于小型化、高密度的设计形式,但电路板缺陷时有发生,这使得人们对于电路板的质量提出了更高的要求。传统的电路板缺陷检测主要是通过人工目测来实现,这种方法会耗费巨大的成本,同时检测出的精度也很低。因此,基于印刷电路板缺陷识别技术急需更高效、更快捷的方法。本文首先采用了图像处理技术对电路板缺陷识别进行了研究,将标准图像与待测图像进行精准配准并做差分运算得到电
论文部分内容阅读
近年来随着电子产品的爆发式发展,印刷电路板日渐趋于小型化、高密度的设计形式,但电路板缺陷时有发生,这使得人们对于电路板的质量提出了更高的要求。传统的电路板缺陷检测主要是通过人工目测来实现,这种方法会耗费巨大的成本,同时检测出的精度也很低。因此,基于印刷电路板缺陷识别技术急需更高效、更快捷的方法。本文首先采用了图像处理技术对电路板缺陷识别进行了研究,将标准图像与待测图像进行精准配准并做差分运算得到电路板缺陷所在的位置,然后提出一种基于边缘检测的方法对不同缺陷的不同特征进行分类。之后实验采用了基于卷积神经网络的电路板缺陷识别方法,通过对比几个比较高效的目标检测网络,确认了使用开源的单阶段目标检测网络YOLOv3网络,该网络可以对电路板缺陷同时进行定位与分类,实验结果表明YOLOv3网络相对于边缘检测算法不管在精度上还是在速度上都有了明显的提升,但是还存在着缺陷识别精确率不足的问题。因此,为了让网络模型能够自主学习地对电路板缺陷进行准确识别,本研究提出了基于改进型YOLOv3的D-YOLOv3网络。首先鉴于Dense Net的思想,本文在YOLOv3的主干网Dark Net-53引入了Dense Block模块,以增强网络特征复用和传播,并在一定程度上解决了深层网络的梯度消失问题。同时,在改进的网络中添加了一个预测层来充分利用网络浅层信息。此外,本文对k均值聚类算法进行了改进,对不同大小的质心计算距离时,分别增加了对应的权重,使其约束于更小的锚点,从而改善为适合于电路板缺陷的小物体目标检测。在损失函数优化中,提出将GIOU损失替换原来IOU损失。实验结果表明,本文提出的D-YOLOv3网络相对于边缘检测算法和YOLOv3网络在精确度方面有了较大的提升,其次,由于引入Dense Net的核心模块能够在一定程度上减少模型的参数的缘故,D-YOLOv3网络模型在速度方面也展示了小幅度的提升。
其他文献
合成孔径雷达干涉测量（InSAR）技术具有全天时、全天候、高效率、高精度、大区域等优势,在创建数字高程模型（DEM）进行地形测绘和提取形变场进行地表形变监测等方面有着广泛应用。但在实际应用中,InSAR的许多关键技术还不够成熟,相位解缠作为InSAR关键技术之一也有待进一步研究和探索。论文研究了两种典型的相位解缠方法,路径跟踪类的质量图法和最小范数类的最小二乘法。基于卡尔曼滤波模型,研究了EKFP
精密单点定位不需要参考站,只需要一台接收机就能获得较高的定位精度,由于精密单点定位具有精度高、不受基线长度影响、作业成本低等优点,被广泛运用在导航、定位、工程测量等领域。目前静态精密单点定位的研究已经趋近成熟,动态精密单点定位由于运动过程较复杂,目前的研究阶段还存在不足。传统的单卫星系统定位,无法应付某些复杂的环境（城市与峡谷等）,在这些复杂的环境中卫星结构分布较差且可用卫星数相对较少,而卫星导航
在相同的外部刺激下,不同受试者的脑电响应之间存在一定的相似性和差异性。由于稳态视觉诱发电位（steady-state visual evoked potential,SSVEP）具有信噪比高的特点,基于SSVEP的脑机接口（brain-computer interface,BCI）受到了神经工程等领域研究人员的极大关注。SSVEP信号受外部刺激的支配,因此不同受试者由同一刺激诱发产生的SSVEP信
低纬度的无人机（Unmanned Aerial Vehicle,UAV）因其移动可控、部署迅捷、以及高概率视距链路（Line-of-Sight,Lo S）等良好的特性,在辅助地面无线通信（提高信道容量、提供无缝接入服务、增强无线覆盖等）中被认为是一项极具发展前景的技术。目前,无人机作为空中通信平台（如移动基站、移动中继）广泛应用于中继转发、无缝覆盖、数据分发、边缘缓存、移动计算等通信场景。然而,无
电离层作为地球大气环境中的重要组成部分,在大气空间中的无线电通信起着重要作用。了解电离层最直接的方法就是通过研究学习,来掌握电离层中相关参数的变化规律。非相干散射雷达（ISR）作为目前地表最强大的电离层探测设备,可以以一个高精度的探测水平,探测到电离层中等离子体特征参数的变化。本文研究了非相干探测的理论,实现了从雷达接收到的最原始的I/Q数据到电离层中等离子体特征参数的数据处理过程,研究了由理论公
可穿戴心电监护设备常用于采集人体心电信号以监测心理功能,然而,在奈奎斯特-香农定理指导下的采样过程逐渐成为健康监护技术发展的限制因素。依据奈奎斯特采样定理,采样频率需高于模拟信号最高频率两倍,长时间采样带来的高采样率和大数据量给监护设备的续航、数据存储、传输和处理带来极大的挑战。近年来出现的压缩感知理论将采样和压缩融于一体,将信号投影到稀疏域采样得到压缩后的信息,在低频采样和低功耗应用中表现出极大
高频外辐射源雷达（HFPBR）是一种被动接收非合作短波段辐射源信号以实现探测相应雷达目标的双/多基地雷达。由于采用了非合作发射源,HFPBR微弱目标信息提取面临着期望雷达目标回波被直达波和强多径回波（统称“杂波”）所掩盖的问题。针对这一问题,现有的基于传统信号处理的杂波抑制算法主要是由专业人员基于雷达目标回波与杂波在时、空或频等域上存在的差异性特征来设计和实现。近年来,随着人工智能技术的迅猛发展,
凭借其灵活的机动性和低廉的成本,无人机（Unmanned aerial vehicles,UAV）辅助的数据收发、中继技术已广泛应用于无线传感网络、蜂窝网络及移动自组织网络等诸多领域。但无人机辅助通信系统仍然面临着诸多挑战,其中最严峻的挑战之一就是无人机的续航问题。针对于此,首先聚焦于无人机飞行时间这一维度,有限的电池容量决定了无人机在执行通信任务期间必须要定时返航,以更换电池或补充电量。这会导致
近年来,无人机（unmanned aerial vehicle,UAV）以其快速部署和灵活配置的特性,越来越受到人们的关注。无人机的一个特别有前景的应用是无人机移动中继。它可以为两个或者更多的用户提供可靠的通信链路,实现多用户之间的信息交换,增加了无线通信的覆盖范围。无人机与地面节点建立通信链路以视距链路（line-of-sight,LOS）为主,但这一特点也意味着潜在的窃听者更容易窃听。因此,确