论文部分内容阅读
在现代电子产品和设备中,PCB (Printed Circuit Board,印刷电路板)承载着各电子元件之间导线的连接,在许多领域都得到了较大规模的应用。检测是PCB制造过程中的一个非常重要的环节,随着PCB产量的不断增大,其布线密度和精度也越来越高,传统的检测方式如人工目测以及针式检测都已不能满足现代PCB生产的需求,现代企业急需能够实现基于机器视觉的PCB缺陷自动检测系统。本文结合PCB缺陷的来源以及各类常见的PCB缺陷的特点,研究了基于机器视觉的PCB自动缺陷检测算法,结合数字图像处理技术以及模式识别技术,采用PCB缺陷检测中的参考法,完成了对待测PCB图像的缺陷检测工作,实现了电路板缺陷的自动检出。首先介绍了图像采集的基本原理,选择合适的实验装置采集了模板图像和待测图像。由于PCB图像在采集过程中不可避免的会出现图像模糊和噪声等现象,影响到图像的质量,为了提高图像的可处理性本文首先对图像进行了预处理。图像预处理主要包括图像的平滑滤波处理、图像锐化以及图像对比度增强处理。模板图像与待测图像的配准工作是本文的重点,本文采用了基于FAST算子的特征点检测方法完成了对PCB图像的配准工作。由FAST算子自动检测模板图像和待测图像的特征点,采用RANSAC算法对特征点匹配进行优化,去除错配点,修正图像几何偏差,完成图像配准。FAST角点检测算法具有简单快速的特点,可以大大提高PCB缺陷检测系统的工作效率。图像配准后对图像进行缺陷的检测与识别,本文提出了以模板图像与待测图像间相似度为依据的缺陷检测算法。首先通过实验得到两图像的相似度图像与两图像差影图像,通过相似度图像与差影图像的与操作确定图像是否存在缺陷,完成缺陷检测工作。本文采用MATLAB 2013a进行编程,通过实验,实现了对待测PCB图像的自动缺陷检测以及算法研究。