【摘 要】
：
随着电子产业的发展,PCB（Printed Circuit Board）正不断朝着高密度、高精度、高性能、微孔化、薄形化、柔性化的方向发展,因此也给PCB的缺陷检测技术带来困难和挑战。当前基于机器视觉的PCB缺陷检测方法主要是从图像中获取特征信息,通过对特征进行处理与理解来完成缺陷检测。因非接触性和自动化的优点,机器视觉技术既保障工业生产安全,又提高了缺陷检测的速度和精度。但由于机器视觉方法本身的
论文部分内容阅读
随着电子产业的发展,PCB（Printed Circuit Board）正不断朝着高密度、高精度、高性能、微孔化、薄形化、柔性化的方向发展,因此也给PCB的缺陷检测技术带来困难和挑战。当前基于机器视觉的PCB缺陷检测方法主要是从图像中获取特征信息,通过对特征进行处理与理解来完成缺陷检测。因非接触性和自动化的优点,机器视觉技术既保障工业生产安全,又提高了缺陷检测的速度和精度。但由于机器视觉方法本身的局限,比如特征设计复杂,系统重用性较低,鲁棒性较弱等都导致其到达性能瓶颈。自动光学检测（AOI,Automated Optical Inspection）是当前PCB行业基于机器视觉缺陷检测的主流技术。该技术一方面使高密度与高集成度的PCB缺陷检测成为可能,另一方面又受限于机器视觉技术的局限,存在因错检数量过多而导致人工复检工作量过大的问题。针对此问题,本论文设计一种基于深度卷积神经网络的PCB缺陷检测系统。系统的第一步采用AOI方法进行初步检测并获得初次检测数据,第二步采用深度卷积神经网络Resnet-18模型对该数据进行再检测。经过实验验证,本文所设计系统实现了降低AOI设备的错检数量,同时达到降低人工复检工作量的目的。本文首先介绍PCB缺陷检测的研究背景与缺陷检测技术的研究现状。然后对PCB缺陷检测任务进行分析并介绍神经网络相关的理论基础。在系统设计过程中,介绍AOI设备的工作原理以及深度卷积神经网络Resnet-18模型搭建细节和其训练过程。通过引入可解释性算法,验证本文所设计的系统具备良好的特征识别能力。完成系统设计后,分别让算法在单独运行与整体系统运行两种情况下进行测试,并通过设置多组对比实验来验证本文系统为最优选择。在将系统落实到实际生产中,考察了系统各方面性能指标,证明系统能有效降低错检数量和人工复检工作量。
其他文献
脊椎侧弯、脊柱变形和椎骨滑脱等是目前发病率很高的疾病,如果能在早期及时发现脊柱疾病的症状,会对治疗起到至关重要的作用。医生对椎骨进行疾病诊断的第一步就是影像学检查,然后通过医学图像对椎骨进行定位和识别工作。疾病的筛选、病情的诊断以及制定治疗方案的.常用的手段之一便是医学图像检查。日常作业产生医学图像由于图像清晰度不高、对比不明显等原因.给通过医学图像进行精准治疗带来了一定的困难,因此研究一种椎骨自
近年来,随着卫浴陶瓷行业对缺陷检测系统智能化程度要求的不断提高,对不规则表面上的微缺陷检测需求越来越大。传统的用于规则球面或具有漫反射性质的平面的检测方法难以满足使用要求,而基于深度学习的缺陷检测技术在复杂型面上仍然具有查准率高、泛化性强的特点,是当前高效获取表面缺陷的有效方法。本文以喷釉烧制后的卫浴陶瓷作为研究对象,采用深度学习与计算机视觉相结合的方法对表面微缺陷的检测进行研究。烧制后的卫浴陶瓷
互联网技术的快速发展,为视频的制作和传播,创造了有利条件。对于海量视频数据,传统基于文本方式的视频检索方法已不能满足用户的需求,为了快速、高效的对视频进行分析和管理,基于内容的视频检索技术成为目前研究的热点。目前基于内容特征的视频检索系统,大多采用提取视频关键帧的颜色、纹理、形状等底层特征,来进行视频相识度匹配,这些底层特征是基于全局统计或者人工设计的特征提取方式,存在泛化抽象能力不强、易受光照和
近年来,乳腺癌已成为危害女性健康的罪魁祸首之一。早期治疗仍旧是挽救乳腺癌患者生命的基础。随着人工智能的发展,利用机器学习来建立乳腺癌智能诊断系统已成为医学领域的研究热点。乳腺癌诊断有三个方面的难点:一是样本数据不平衡,即正常样本大大多于患病样本,造成少量的正确诊断却对应虚高的准确率,因此需要采用强泛化的网络,本论文采用AdaBoost算法来解决这一问题;二是医学指标众多,在众多指标中找出与乳腺癌有
惯性导航技术有着其它导航技术无法比拟的优势,但是它的发展受到了惯性传感器的影响,传统的惯性传感器（陀螺仪和加速度计）虽然精度比较高,但是其体积大、价格昂贵、可靠性等缺点使得惯性导航技术只有在高端场合得到应用。随着MEMS惯性传感器的发展,使得惯性导航技术在中低端场合得到了推广。而MEMS-IMU作为惯性导航的基本平台成为了学术界研究热点。本文的研究背景是研制一款实用的国产化MEMS-IMU。因此本
目前大部分课堂情况记录方法仍然停留在使用传统的人工签到和记录的方式,该过程繁琐且效率低下。随着深度学习、大数据等技术的深入研究与应用,为教育信息化发展提供了重要动力。利用摄像头对学生课堂情况进行分析的考勤、抬头率检测等系统应运而生。但利用信息技术处理该类问题,目前依然存在如下挑战:高清摄像头在多人密集环境下所采集的人脸分辨率不高且人脸面积微小;已有的人脸识别算法针对微小人脸进行检测的准确率不高;学
近年来,随着我国经济的快速发展,许多的中小企业涌现出来,随着企业单位人数的增长,考勤已经成为公司人事管理的一个重要组成部分,目前市面上采用都是基于生物特征的考勤系统,其中,基于人脸识别的考勤系统因其采集速度快、可靠性高以及耗费成本低的优特点被广泛使用。人脸检测作为人脸识别中的第一步同时也是最关键的一步,本文针对Ada Boost算法需要遍历整张图片造成了检测效率低的问题,提出了一种基于肤色分割的A
随着工业智能化技术的发展,三维数字化技术的应用变得越来越广泛,这也使得三维模型数据呈海量增长。因此,想要有效地管理三维模型库和利用已有模型来加速新产品的设计开发,就需要高效的三维模型分类与检索系统作为支撑。而三维模型分类与检索系统的研究重点以及难点是三维模型的特征提取方法,目前采用的主要方法可以分为:基于视图的方法和基于模型的方法。前者从三维模型的投影视图来提取特征,但在视图采集过程中不可避免地会
无人机行业快速发展的同时,也给人们的安全和隐私带来挑战,迫切需要对无人机进行监管,而无人机检测是实施监管的关键。基于传统方法检测无人机具有成本高、实现复杂等不适合大规模推广的特点。因此,本文重点研究基于深度学习实现无人机的高效检测。针对无人机检测数据集缺失的问题,构造了无人机检测数据集。首先,从无人机运动视频获得高质量的无人机图像;其次,对每一张图像都进行位置和类别标注,其中,位置采用无人机的包围
随着工业4.0的发展,工业机器人的使用变得日益广泛,在自动化生产线上,得益于其人工操作无法超越的生产效率以及产品质量,工业机器人在机械制造、医疗、化工等领域的使用越发出众,为进入智能制造的时代迈出重要一步。在自动化喷涂加工行业,工业机器人技术的应用也变得日益剧增。使用喷涂机器人代替人工喷涂,除了可以提高喷涂效率、质量,还能避免人工喷涂时,油漆对工人健康的损害。本课题以佛山某公司的木门自动喷涂项目为