学位论文 > 优秀研究生学位论文题录展示
贴片电阻表面缺陷自动检测和识别方法研究
作 者: 赵明宣
导 师: 陈立国
学 校: 哈尔滨工业大学
专 业: 机械电子工程
关键词: 缺陷检测 子图投影匹配 缺陷识别 主分量分析 支持向量机
分类号: TN06
类 型: 硕士论文
年 份: 2011年
下 载: 33次
引 用: 0次
阅 读: 论文下载
内容摘要
贴片电阻具有体积小、可靠性高、适应再流焊和波峰焊,并与自动贴装设备匹配的优点,适应电子产品电路集成化、平面化的发展需求,在手机、电脑等高密度电子产品中得到广泛应用。而贴片电阻在生产过程中产生的缺陷主要依靠人工在显微镜下检测,速度慢、长期成本高、误检率高。因此,研究快速高精度的自动缺陷识别方法在保证贴片电阻成品质量中具有重要意义。针对贴片电阻单元具有排列整齐、结构简单、图像灰度级少的特点,提出基于子图投影匹配的快速缺陷检测方法。以改进的Sobel边缘检测算子检测贴片电阻二值化图像获得三像素宽度的边缘;通过粗精结合Hough直线变换在2°范围内检测电阻边缘所在直线,较传统Hough算法速度提高一个数量级以上;计算相邻电阻单元的相关系数作为电阻缺陷判别依据,该方法具有对图像采集光照不均、光照不稳定、存在约束缩放不敏感等优点,缺陷检测正确率约为92.5%,较传统模板匹配缺陷检测方法速度提高一个数量级以上。以基于主分量分析法压缩图像数据量,提取缺陷特征。主分量分析法去除样本间的相关性和冗余信息,获得协方差误差最小的图像压缩信息。通过实验对不同训练集和不同数目的主分量构成的主分量分析变换空间对图像描述精度和识别精度的影响进行探讨,以训练集协方差矩阵约78.57%的特征向量作为主分量构成的变换空间提取缺陷特征将图像数据由123×246维压缩为50维,以此作为支持向量机输入,极大降低了贴片电阻缺陷分类的计算量。以基于统计学习理论的支持向量机对贴片电阻缺陷进行分类,以一对多的策略组合支持向量机构建多类别分类器。以70个样本构成的训练集训练分类器建立缺陷分类的最优分类面。探讨了基于不同核函数支持向量机分类模型的推广性能,并分析了对应于不同核函数的核参数对支持向量机模型推广性能的影响,认为基于线性核函数支持向量机的电阻缺陷分类模型推广性能最佳。最后编写了贴片电阻缺陷检测和识别的软件程序,建立实验系统。进行了优劣电阻的区分阈值选取实验、缺陷检测实验以及缺陷识别实验,验证了算法的可行性;并对算法的快速性和识别精度进行了测试,满足系统快速高精的要求。
|
全文目录
摘要 4-5 ABSTRACT 5-9 第1章 绪论 9-16 1.1 课题的研究背景和意义 9-10 1.2 基于图像处理的缺陷识别现状 10-14 1.2.1 Hough变换直线检测方法研究现状 11-12 1.2.2 基于模板匹配的缺陷检测的研究现状 12-13 1.2.3 基于图像处理的缺陷识别和分类的研究现状 13-14 1.3 课题来源 14 1.4 课题主要研究内容 14-16 第2章 基于子图匹配的大范围快速缺陷检测和定位 16-37 2.1 引言 16 2.2 缺陷检测概述 16-17 2.3 阈值分割 17-19 2.4 边缘检测 19-22 2.4.1 改进Sobel边缘检测 20-21 2.4.2 算法实验验证和分析比较 21-22 2.5 HOUGH直线变换检测直线 22-26 2.5.1 直线Hough变换原理 22-23 2.5.2 粗精结合直线Hough变换检测水平线 23-24 2.5.3 改进Hough变换实验验证和分析比较 24-26 2.6 图像角度偏转校正 26-29 2.6.1 贴片电阻图像旋转实验 29 2.7 基于子图投影的自相匹配缺陷检测和定位 29-35 2.7.1 自适应匹配缺陷检测 30-32 2.7.2 实验结果与分析 32-35 2.8 小结 35-37 第3章 贴片电阻缺陷识别分类 37-55 3.1 引言 37 3.2 缺陷特征提取 37-43 3.2.1 K-L变换原理 38-39 3.2.2 奇异值分解 39-40 3.2.3 基于PCA的贴片电阻的缺陷特征提取 40-43 3.3 贴片电阻缺陷分类 43-53 3.3.1 支持向量机理论 44-47 3.3.2 非线性支持向量机 47-49 3.3.3 多类别分类 49-50 3.3.4 基于支持向量机的缺陷分类 50-53 3.4 小结 53-55 第4章 贴片电阻缺陷识别实验 55-67 4.1 引言 55 4.2 缺陷检测实验系统 55-56 4.3 快速缺陷检测实验 56-58 4.3.1 阈值设定实验 56 4.3.2 基于子图投影匹配的缺陷检测实验 56-58 4.4 基于PCA变换特征提取 58-61 4.4.1 不同训练图像数目对识别精度的影响 58-59 4.4.2 不同主分量对识别精度影响实验 59-61 4.5 支持向量机分类模型性能测试 61-65 4.5.1 不同核函数及其参数设定 62-65 4.5.2 支持向量机分类与最近邻分类比较 65 4.6 小结 65-67 结论 67-68 参考文献 68-72 攻读学位期间发表的学术论文 72-74 致谢 74
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
- 卧式工业CT-DR图像检查分系统设计,TP391.41
- 基于机器学习的入侵检测系统研究,TP393.08
- 支持向量机回归在短期电力负荷预测中的应用研究,TM715;F224
- 面向文本分类的改进K近邻的支持向量机算法研究,TP391.1
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 面向肺部CAD的特征提取、选择及分类方法研究,TP391.41
中图分类: > 工业技术 > 无线电电子学、电信技术 > 一般性问题 > 测试技术及设备
© 2012 www.xueweilunwen.com
|