论文部分内容阅读
PCB板生产过程中，难免产生一些焊点缺陷，且随着电子元器件朝着精细化方向发展，其越来越细微的缺陷也使电子产品质量的稳定可靠性面临困境。目前学术界提出许多切实可行的方法解决PCB板焊点缺陷问题，以智能神经网络图像识别模式引人注目，因此本文基于现有的实验设备条件下设计一套实用高效的显微图像焊点缺陷检测系统。首先，在基于实验目的的基础上，对实验设备如显微镜、CCD摄像机、辅助光源、图像采集卡等硬件设备和主机设备的软件设施进行了一定的介绍分析。然后，在分析噪声来源基础上对图像进行预处理和特征提取。对显微图像进行一定灰度修正、wiener滤波等图像预处理消除图像的噪声影响，再分别采用OSTU图像分割和区域生长分割技术将焊点核心特征从背景中提取出来，为下文图像几何特征提取做好铺垫。再者，图像识别模式成败与否关键因素之一在于图像的数据提取是否得当。本文基于图像纹理特征提取灰度共生矩阵（GLCM）的二阶矩、熵、对比度、相关度四个特征值，再利用小波多尺度统计图像的高频区域多方向能量，再次结合图像几何特征提取出图像的若干几何参数。联合三种方法的特征参数共同作为神经网络输入节点信息。最后本文介绍传统神经网络和改良神经网络算法数学推导验算过程，综合权衡分析二者之间的利弊，选择最适宜PCB板焊点缺陷检测系统的LM算法作为最终的算法训练函数。依据输入输出参数设计网络结构，在选取大量离散特征数据代入神经网络检验其识别能力，实验结果显示分类效果良好。最后对第四章三种特征提取方法的两两组合进行验证以证明三种方法合用的必要性。