论文部分内容阅读
先进电子制造是一项基础性和战略性产业,对于电子信息产业的发展至关重要。作为工业自动化与智能化的核心技术领域,先进电子制造生产线的自动视觉检测与识别是一个不断发展的新的研究领域和研究热点,具有较好的理论意义和较大的应用前景。作为一个新兴的技术领域,机器视觉检测与识别在国际上处于初级发展阶段,在我国也处于起步阶段。研究先进电子制造生产线的机器视觉检测理论方法和先进技术,对于提高我国的电子制造业自动化、智能化水平至关重要。论文首先介绍了电子制造中的主要相关工艺和电子产品,结合国内外的机器视觉检测研究现状,从中提炼出拟待解决的关键性科学技术问题。随后,介绍了先进电子制造机器视觉检测中的关键硬件系统和软件系统。针对先进电子制造中的机器视觉检测难题,本论文结合国家自然科学基金重点项目——“高速精密制造生产线的视觉检测与智能优化控制技术研究”,重点开展了先进电子制造业中的视觉检测理论方法和关键技术的研究,主要包括以下几个方面的工作。1、研究了一种用于电子元件视觉检测的改进小波变换图像去噪方法,在简要介绍常规图像去噪方法的基础上,本文提出了一种基于四树复小波包变换的混合统计模型图像噪声抑制新方法,把含噪图像分解成低频逼近子图和若干高频方向子图,只需对高频方向子图进行噪声抑制。利用复系数层间相关性的强弱把高频方向子图分为主要类和次要类,分别采用相应的统计模型处理方法,取得了更佳的效果。2、研究了基于机器视觉的PCB质量智能检测算法,并提出了一种基于神经网络的PCB质量智能检测算法和一种基于并行混沌优化算法的PCB元件检测算法。在PCB质量检测中,根据焊点正常和故障的不同的图像特征,选取合适的特征参数作为神经网络的输入量,以此建立神经网络分类器,可以检测PCB焊点的质量。PCB元件检测算法中,首先选取合适的模板,以此模板与搜索子图的匹配度来识别元件类型,采用并行混沌优化算法来搜索最佳的匹配度,以此识别元件。3、提出了一种先进电子制造生产线贴片机的智能视觉定位方法,首先采用小波变换来提取电子元件图像特征,再采用RBF神经网络模式匹配算法,以此实现贴片机的视觉准确定位。4、提出了一种基于多结构元多尺度形态学的电子元件边缘检测方法。首先,采用一种形态边缘检测算子,利用该检测算子进行电子元件图像边缘提取,然后再利用多结构元多尺度的形态结构元素进行边缘信息的调整。此外,还研究了芯片外观参数的检测方法,利用哈夫变换方法从提取出的边缘像素信息计算得到芯片的具体外观参数,并以实验来说明了该算法的效果。5、针对电子材料(磁环)的质量检测,提出了一种基于灰度直方图和支持向量机的磁环质量智能检测方法,用低维的灰度信息来描述磁环的特征,将图像从背景分离之后,进行灰度直方图处理来提取灰度特征。接着采用主分量分析法,将灰度统计信息由高维向量降低到低维向量。随后,以低维向量为输入,用支持向量机进行分类,以此实现磁环质量的智能检测。论文最后总结了全文的主要创新性研究成果,对下一步研究工作进行了展望。