学位论文 > 优秀研究生学位论文题录展示

基于虚拟仪器的PCBA智能视觉检测技术研究

作　者: 李逆
导　师: 潘开林
学　校: 桂林电子科技大学
专　业: 机械电子工程
关键词: 虚拟仪器视觉检测图像处理多通道检测印制板组件自动光学检测智能光学检测分析
分类号: TN407
类　型: 硕士论文
年　份: 2009年
下　载: 135次
引　用: 0次
阅　读: 论文下载

内容摘要

在微电子表面组装技术(SMT)中,印制板组件(PCBA)的密度随着元器件的不断微型化变得越来越高。对PCBA进行质量检测,传统的人工目检已经不能适应其高密度、微型化的发展需求。而先进的视觉检测技术因具有快速、非接触、高精度等优点,恰好能够满足这一发展需求,在SMT生产线中具有广泛的应用与发展前景。本文基于虚拟仪器技术,以NI公司的创新产品LabVIEW为开发平台,结合其视觉开发工具IMAQ Vision进行了PCBA智能视觉检测技术的研究与系统开发,提高了开发效率、缩短了开发周期、降低了开发成本。首先,研究了基于虚拟仪器的计算机视觉检测系统的构成,并设计了详细的PCBA视觉检测系统实施方案。为了应对SMT生产线对检测速度的极高要求,文中基于区域分割的思想提出了一种多通道视觉检测方法。实验证实,在同等条件下的系统检测速度获得了极大提高。其次,针对PCBA图像的固有特点,重点对PCBA图像的增强方法、形态学处理、分割算法进行了分析和研究,提出了基于灰度值的数学统计规律的自动阈值分割算法,为提高PCBA视觉检测系统的检测速度和自动化程度奠定了基础。然后对PCBA的缺陷进行了分类,并对不同缺陷类型的视觉识别方法进行了研究。最后基于分区域搜索的方法分别对不同的缺陷类型进行识别,获得了较好的识别效果。再次,对PCBA智能视觉评估的可行性进行了研究,并针对计算机视觉在PCBA质量检测中的高级智能化应用进行了探讨。同时通过研究产品外观检测标准和前人的相关研究成果,采用离线分析与在线检测相结合的手段,引入了焊点形态与焊点可靠性关系的相关理论,并在此基础上提出了一种具有智能分析功能的新型智能光学检测分析(IOIA)方法,成功地解决了用视觉方法对焊点进行可靠性分析评估的可行性问题和寿命预测的在线实时性问题,为PCBA视觉检测系统的智能化发展铺平了道路。最后,本文基于LabVIEW开发平台和IMAQ Vision工具成功开发出了PCBA智能视觉检测系统原型,并通过实验证实了系统的快速性和可靠性。通过与目前市面上同类AOI检测系统参数的比较得知,由于本系统优化了快速自动阈值分割算法并采用了分区域搜索和多通道检测技术,使得检测速度获得了大幅提高。随着通道数的增多,多通道系统的检测速度将会成倍提高。

全文目录

摘要  3-4
Abstract  4-9
第一章绪论  9-21
  1.1 计算机视觉技术概述  9-10
  1.2 视觉检测技术在SMT领域的应用  10-14
    1.2.1 AOI在SMT中的必要性与重要性  10-11
    1.2.2 AOI在SMT各工序中的应用  11-14
  1.3 AOI技术的国内外研究现状及发展趋势  14-18
    1.3.1 国外AOI的发展现状  14-16
    1.3.2 国内AOI的发展现状  16-17
    1.3.3 AOI的发展趋势  17-18
  1.4 本文选题依据及研究内容  18-20
    1.4.1 本文选题依据及意义  18
    1.4.2 本文研究内容  18-20
  1.5 研究思路与方法  20-21
第二章基于虚拟仪器的视觉系统方案设计  21-32
  2.1 引言  21
  2.2 虚拟仪器概述  21-24
    2.2.1 虚拟仪器技术简介  21-22
    2.2.2 虚拟仪器开发平台—LabVIEW简介  22-23
    2.2.3 虚拟仪器视觉开发工具—IMAQ Vision简介  23-24
  2.3 基于虚拟仪器的计算机视觉技术  24-26
    2.3.1 虚拟仪器视觉技术的国内外研究现状  24-25
    2.3.2 虚拟仪器视觉技术所面临的机遇与挑战  25-26
  2.4 基于虚拟仪器的PCBA视觉检测系统方案设计  26-31
    2.4.1 系统构成  26-27
    2.4.2 总体方案设计  27
    2.4.3 通用硬件选型  27-29
    2.4.4 多通道检测系统软件结构设计  29-31
  2.5 本章小结  31-32
第三章 PCBA数字图像处理  32-49
  3.1 引言  32
  3.2 数字图像处理概述  32-34
    3.2.1 数字图像处理的基本概念  32-33
    3.2.2 数字图像处理的主要内容  33
    3.2.3 PCBA图像的特点及其处理方法  33-34
  3.3 PCBA图像增强  34-42
    3.3.1 图像增强的基本概念  34-35
    3.3.2 PCBA图像的灰度变换  35-36
    3.3.3 PCBA图像的直方图处理  36-37
    3.3.4 PCBA图像的平滑滤波处理  37-40
    3.3.5 PCBA图像的锐化处理  40-42
  3.4 PCAB图像数学形态学处理  42-44
    3.4.1 数学形态学的基本概念  42-44
    3.4.2 PCBA图像的形态学处理  44
  3.5 PCBA图像分割  44-47
    3.5.1 图像分割的基本概念  44-45
    3.5.2 PCBA图像的自动阈值分割算法  45-47
  3.6 本章小结  47-49
第四章 PCBA缺陷模式识别  49-56
  4.1 引言  49
  4.2 模式识别的基本概念  49-51
    4.2.1 模式识别的定义和类别  49
    4.2.2 模板匹配法的基本原理  49-51
  4.3 PCBA缺陷模式识别  51-55
    4.3.1 PCBA图像特点及缺陷分类  51
    4.3.2 元器件贴装缺陷识别  51-53
    4.3.3 焊点缺陷识别  53-55
  4.4 本章小结  55-56
第五章 PCBA智能视觉评估  56-66
  5.1 引言  56
  5.2 智能视觉评估的可行性  56-57
  5.3 产品等级划分  57-60
    5.3.1 划分标准  57-58
    5.3.2 等级划分  58-60
  5.4 产品可靠性分析  60-65
    5.4.1 形态参数的提取  60-63
    5.4.2 可靠性分析  63-65
  5.5 本章小结  65-66
第六章系统软件实现与应用  66-80
  6.1 引言  66
  6.2 系统软件设计  66-76
    6.2.1 后台总体框架设计  66-67
    6.2.2 图像处理子模块设计  67-69
    6.2.3 密码登录子系统设计  69-70
    6.2.4 编辑模式子系统设计  70-73
    6.2.5 检测模式子系统设计  73-76
  6.3 检测结果分析  76-78
  6.4 系统性能测试  78-79
  6.5 本章小结  79-80
第七章总结与展望  80-82
  7.1 总结  80-81
  7.2 展望  81-82
参考文献  82-86
致谢  86-87
作者在攻读硕士期间主要研究成果  87

基于虚拟仪器的PCBA智能视觉检测技术研究

内容摘要

全文目录

相似论文