电路板作为现代电子设备的重要组成部分,其质量直接影响到产品的性能。对电路板进行在线检测和及时差错纠正,可以避免废品、改善质量、降低损耗。目前电路板质量检验工作大部分由人工目测完成,人为因素的影响易发生漏检和误检,因此电路板生产过程中迫切需要在线自动缺陷检测。 本文从图像处理和模式识别的角度出发,研究了基于数字图像处理技术的电路板检测方法,构建并实现了基于HSI颜色模型的缺陷检测系统。针对缺陷检测过程中的电路板定位、图像匹配以及缺陷判定等问题,提出了相应的实现及解决方法。在这种检测方法的基础上,进一步研究了贴片电容、IC片、电阻排等元器件的图像特征,提出了基于元器件特征的缺陷检测方法,该算法对定位精度的要求较低,可以实现对不同分辨率图像的检测,而且检测过程中无需对无器件区域进行判别,可以减少运算量。 除了对元器件的检测外,元器件标称值的识别也是电路板检测系统的重要组成部分。在对标称值识别的过程中,特征量的选取是至关重要的。正交傅里叶—梅林矩作为图像矩特征的一种,由于具有平移、尺度、旋转不变性,以及较强的鲁棒性和图像分类和重建能力,在目标识别和图像分类中得到了广泛的应用。然而,如何从众多的矩中选取最有效的矩作为特征实现图像分类,是非常值得研究的问题。本文在系统地探讨正交傅里叶—梅林矩特性的基础上,结合主成分分析,对图像分类识别中的矩的选取进行了研究。实验中,对电路板上采集到的字符图片进行分类识别,结果表明,通过选取特定的特征矩,能够有效地提高图像分类识别的正确率,体现了方法的优越性。