【摘 要】
:
随着集成电路行业的快速发展,表面贴装技术在电子工业中的作用越来越重要。作为表面贴装技术的核心组成,贴片元件的视觉检测技术对于贴片机而言是必不可少的。本文研究了贴片元件视觉检测中的若干关键问题,基于亚像素特征设计了贴片元件的视觉检测算法,提高了检测的精度、鲁棒性,以及智能化程度。贴片元件检测的首要一步是对元件进行分类。第2章研究了基于亚像素特征的混合神经网络贴片元件分类方法。贴片元件分类问题的主要困
论文部分内容阅读
随着集成电路行业的快速发展,表面贴装技术在电子工业中的作用越来越重要。作为表面贴装技术的核心组成,贴片元件的视觉检测技术对于贴片机而言是必不可少的。本文研究了贴片元件视觉检测中的若干关键问题,基于亚像素特征设计了贴片元件的视觉检测算法,提高了检测的精度、鲁棒性,以及智能化程度。贴片元件检测的首要一步是对元件进行分类。第2章研究了基于亚像素特征的混合神经网络贴片元件分类方法。贴片元件分类问题的主要困难在于元件子种类复杂,且元件所处的光照环境是变化的。本章搭建了包含全连接神经网络与卷积神经网络的混合网络模型,通过对两个网络的线性融合提高模型的分类能力。本章提出了一种用于贴片元件的亚像素特征提取方法,该特征在光照变化时具有较强稳定性,并将其作为输入传到全连接神经网络中。图像灰度图片经过必要的预处理后传入到卷积神经网络中。本章搭建了用于贴片元件分类的数据集,使用该数据集对提出的模型进行训练测试,结果表明本章提出的方法在分类性能上具有优势。在获得贴片元件类别之后,对元件图像进行分割以提取出引脚信息是检测算法的重要基础。第3章研究了基于Q学习和亚像素度量的贴片元件图像分割问题。在现有贴装技术中,元件分割阈值是通过人工辅助设置的,本章引入了自动控制系统中的“反馈”思想,搭建了基于Q学习的图像分割系统实现贴片元件的引脚信息提取。为了有效度量元件的分割效果,本章分析了常见贴片元件的特征以及检测要求,基于亚像素插值设计了矩形片式元件、矩形引脚元件、球形栅格阵列元件的亚像素度量公式。依据所设计的度量方法,本章介绍了Q学习系统中动作、奖惩等模块的设计方法,并提出一种优化的搜索策略,以加速参数的学习过程。在三种元件上的实验结果表明本章方法能有效解决不同亮度下的元件分割问题。在贴片元件的视觉检测中,补偿目标位置通常采用精确识别印刷电路板上圆形标记点的方法。第4章研究了基于参数化模糊模型的亚像素圆形检测方法。传统的圆形检测方法多依赖于像素级的边缘检测,无法满足高精度的表面贴装技术需求。本章提出了一种基于模糊边缘模型的鲁棒高精度圆形检测算法,精度达到亚像素级。使用边缘连接方法提取出候选圆后,本章提出一种基于极性、半径、轮廓的圆形评分公式,筛选出分数最高的圆形作为目标。在像素级圆形边缘的基础上,本章将二维亚像素边缘位置计算问题转换为沿着边缘梯度方向上的一维灰度拟合问题,使用模糊边缘模型拟合像素级边缘邻域,并应用误差最小化方法估计模型参数。模糊边缘模型的形状通过参数可进行调节,拟合边缘灰度变化的准确度更高。根据模型参数与边缘的关系转换得到最终的亚像素位置。本章使用Huber损失函数对圆形亚像素边缘点集进行拟合并使用梯度下降法计算圆形参数。自然和工业图像上的实验结果表明本章方法鲁棒且准确。在通过标记点识别获得目标位置之后,对贴片元件进行准确定位是元件参数测量和在线测试的基础。第5章研究了基于双边缘模型的亚像素通用元件定位方法。传统的通用元件定位方法需要元件的几何形状参数,使得这类方法不适用于未知参数的元件定位以及参数测量过程。本章方法的核心是提取出不依赖元件参数的亚像素边界特征点。首先研究了亮度变化下特征点提取的鲁棒性问题,提出了一种基于局部和全局灰度差异的自适应阈值特征点计算方法,该方法能实现亮度变化下的鲁棒元件粗定位。在像素级特征点的基础上,本章提出了双边缘模型用于计算亚像素位置,该模型相比传统单边缘模型计算误差更小。通过分析特征点邻域内灰度与模型结构的关系,本章使用图像矩建立了模型参数与图像灰度之间的数学关系,并推导了模型参数的计算方法,给出了亚像素位置的计算公式。在不同的信噪比、种类、尺度、姿态下的元件定位实验结果表明本文方法具有强适应性、高精度、高速度。和典型神经网络方法对比,本方法在速度以及旋转元件定位上更具优势。在完成贴片元件定位后,准确地测量元件参数是贴片元件离线检测的最后一步。第6章研究了基于级联分割的亚像素矩形引脚元件参数测量方法。针对拟合法计算速度慢的问题,本章利用模糊模型与边缘灰度的数学关系,推导了图像梯度与亚像素位置之间的数学公式,并给出了计算亚像素边缘的插值公式。在使用第5章的方法定位元件之后,本章通过对元件仿射变换以及分区域引脚组分割获得粗略脚组区域,之后应用加入干扰抑制的引脚分割提取出精确的引脚。元件的精确参数通过前述插值公式计算得到,并利用几何尺寸筛选出缺陷引脚。实验结果表明本章方法具有高精度、高鲁棒性、高效率。
其他文献
当系统模型精确已知,模型参考跟踪能使控制系统无误差的跟踪给定的参考模型,但实际的控制系统都存在参数不确定性。在考虑参数不确定时,相比模型参考跟踪,鲁棒模型参考跟踪具有更强的鲁棒性和抗干扰性,因此鲁棒模型参考跟踪是一种保证闭环系统具有更好跟踪性能的控制方法。世界上大多数物理系统实际上都受到一系列物理定律的支配,例如牛顿定律、拉格朗日方程、线性和角动量定理、基尔霍夫电流和电压定律等。以这些物理定律为模
数字技术的进步使得未经版权所有者授权复制正版数字内容变得愈加容易,在线通讯技术的发展也加速了盗版光盘及文件的传播。虽然数字内容生产商可以利用技术手段抵制盗版,但实施技术管控的同时也损害了合法用户的体验效果。尽管地方政府试图完善版权保护法律,但提高监管效率的难度很大。这些都是造成盗版泛滥且难以管控的原因。此外,社会各界对于盗版的态度也是矛盾的。即使盗版具有潜在危害性,但也具有社会可接受性。数字内容盗
自动驾驶技术是当下热门的研究课题之一。作为自动驾驶汽车环境感知系统中的重要环节,视觉目标检测与跟踪算法的性能很大程度上决定了自动驾驶的稳定性与安全性。相比基于激光雷达的算法,基于相机视觉的算法具有硬件成本低、抗恶劣天气干扰能力强等优势。相比双目视觉算法,单目视觉算法具有进一步降低硬件成本以及节省计算资源的优点,并且当双目相机中的其中一个出现故障时,需要单个相机独立完成环境感知任务以保证自动驾驶车辆
高光谱遥感图像分析已经成为地球监测和空间探索的重要手段。高光谱图像是“图谱合一”的三维数据,包含两个空间维度和一个光谱维度,空间中的每一个像素点对应一条光谱带,且每一个像素点对应一种地面物体,不同种类的地面物体对应的光谱反射曲线也不同,因此高光谱遥感图像可以实现像素级分类。随着高光谱成像技术的不断发展,高光谱图像的空间分辨率和光谱分辨率不断提高,高光谱图像中包含的信息也越来越丰富,促进了高光谱图像
随着电力电子技术的快速发展,功率变流器在电力系统、交通运输、航天、家用电器等领域的应用越来越广泛,是实现高效电能转换的关键设备。为了满足不同应用领域对功率变流器愈来愈高的性能需求,功率变流器相关技术的研究已成为学术界和工业界的研究热点之一,其中控制策略是功率变流器技术研究的核心,直接决定了变流器控制系统的动态性能与稳态性能。需要注意的是,功率变流器往往存在未知的负载以及参数不确定性,并且功率开关器
随着近年工业生产效率的提高,以及光学成像和传感器技术的不断发展,机器视觉逐渐取代人工视觉在多个工业领域得到广泛应用,其中常常需要综合多张相关的图像获取更全面的信息。图像配准技术能够用来找到从不同视角、不同时间或不同传感器拍摄的多张图像间的相互变换关系,应用于图像拼接、目标检测、姿态识别和视频监控等多个领域。学者们针对不同应用场合从特征提取与匹配、变换模型估计以及图像重采样和变换等子问题进行了深入研
随着各国航天事业的快速发展,空间任务的复杂性不断提高,对航天器的位置和姿态进行有效控制是开展各项任务的前提和基础。早期空间任务较为简单,通常只涉及单颗航天器,因此航天器的位置和姿态大多被独立建模和控制。但是在诸如自主抓捕,在轨维修等新型空间任务中,出于安全性和任务特点等多方面考虑,要对两航天器间的相对位置和相对姿态进行同步和准确的控制,此时将位置和姿态分而治之的传统方法体现出一定的局限性。基于上述
为了满足用户不断增长的多样化的业务需求,未来移动通信网络将会是一个多种无线接入技术并存、互补而构成的有机整体。目前,通过网关连接,卫星网络与地面网络实现了业务层面互联互通。然而,面向未来广域万物智联与全球随遇接入等发展需求,这种星地混合网络架构将面临着卫星与地面在频谱、空口和终端等方面集成度较低,频谱稀缺和资源管理不灵活等巨大的挑战。异构云接入架构能够实现高效的网络调度和资源管控,在满足系统可扩展
近距离航天器接近控制技术是空间在轨服务的基础和重要保障,针对复杂且多需求的空间任务,对进行空间服务的航天器设计可靠且精准的控制方法,以提高其在轨运行稳定性、服务适用性及任务收敛性是完成空间任务的先决条件。同时,控制系统的稳定性和安全性是近距离接近控制任务的前提和标准。本文考虑外部干扰、模型不确定性、状态信息不可测、输入饱和与安全约束等不同因素的影响,围绕航天器在近距离接近初始阶段和最终阶段的控制方
随着科学技术的不断发展以及人工智能时代的到来,智能控制的研究越发重要。智能控制通过学习人类智能活动与信息传递过程的规律,无需控制系统的精确模型,能够解决传统方法难以解决的复杂控制问题。控制的目标常常需要在有限时间内完成,且实际控制系统需要满足有限时间稳定条件。稳定性是动态系统控制理论硏究的重要一环。传统的李雅普诺夫函数稳定性判据刻画的是系统的稳态性能,闭环系统的收敛形式限制了获得更好控制性能。以上