PCB板焊点缺陷分类方法研究与实现.docx

  • 需要金币1000 个金币
  • 资料包括:完整论文
  • 转换比率:金钱 X 10=金币数量, 即1元=10金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2018-07-24
  • 论文字数:10396
  • 当前位置论文阅览室 > 毕业设计 > 设计说明 >
  • 课题来源:(小山神)提供原创文章

支付并下载

摘要:通信行业,计算机行业以及移动电子行业的发展,促成了印刷电路板(PCB)制造行业的蓬勃发展。电子产品向着更薄,更轻,更智能,更便携的方向发展,印刷电路板的制作也追求更高精度,更高密度,更多层次。而PCB制作过程中最常出现的问题就是焊点有严重的缺陷,导致PCB板的功能存在问题,甚至会给整个电子产品带来巨大的损失。所以焊点质量检测越来越重要,传统的方法是人工目检,但是这种方式的缺陷太多。而基于计算机视觉的自动光学检测系统,也就是我们常说的AOI系统能有效提高检测效率和准确率。本课题利用图像特征提取技术建立了一种焊点检测分类方法,通过实际生产中焊点可能出现的的缺陷类型,建立了一个焊点缺陷类型数据库,然后分别用HOG以及LBP特征提取算法提取焊点缺陷的图像特征,然后对不同缺陷类型的焊点进行分类研究。主要研究内容如下:

(1)建立PCB板图像数据库

(2)用HOG算法和LBP算法分别进行焊点特征提取。

(3)构建一个高斯分类器。

 

关键词:印刷电路板;焊点智能检测;HOG特征提取;LBP特征提取;高斯分类器

 

目录

摘要

Abstract

1 绪论-1

1.1 本课题的背景及意义-1

1.2 研究历史和现状-2

1.3 本文研究内容-3

1.4 本文组织结构-3

2 相关技术-4

2.1 焊点缺陷图像特征提取-4

2.1.1图像对比算法-4

2.2.2基于神经网络的算法-6

2.2分类器介绍-7

2.2.1高斯过程分类器-8

2.2.2 K-近邻分类器-8

2.2.3贝叶斯分类器-8

2.2.4 决策树分类器-9

3 算法-10

3.1 数据库的构建-10

3.2 图像特征提取-11

3.2.1 LBP特征提取-11

3.2.2 HOG特征提取-12

3.3 构建高斯分类器-15

3.3.1 定义函数-15

3.3.2 计算后验概率分布-16

3.3.3 计算分类概率-17

4仿真实验-18

结  论-19

参考文献-20

致谢-21