基于GPU并行计算技术的PCB光板表面缺陷检测算法的研究

摘要

印刷电路板PCB(Printed Circuit Board)是电子行业的基础和重要组成部分。PCB裸板表面的优良质量是实现电路板电气功能的保证。为了保证能生产出质量优良、性能可靠的产品,PCB板的表面缺陷检测是生产过程中必不可少的重要环节。对于PCB表面缺陷,国内一些规模较小的PCB制造厂家仍然采用传统的人工目测和飞针测试方法来完成检测。人工目测和飞针测试方法不仅工作量大,而且容易受到工人的主观因素影响,从而难以保证缺陷的检测效率与检测精度。为了提高检测速度和可靠性,一些资金雄厚的PCB制造厂家引进基于CPU串行图像处理算法的PCB缺陷自动光学检测系统(PCB-AOI)用于表面缺陷的检测。当前,基于CPU的PCB-AOI的检测设备因受到CPU主频瓶颈的影响,检测速率受到制约。为了更进一步提高PCB-AOI检测设备的检测速度,近年来迅速发展的以 GPU并行计算和数字图像处理为基础的机器视觉技术可以较好地解决这一问题。
　　本文以提高PCB表面缺陷检测设备的检测速度为目标,采用机器视觉检测技术和GPU并行计算技术实现PCB表面缺陷的自动检测。为了实现在保证检测精度的前提下提高缺陷检测系统的实时性,首先研究实现PCB表面图像采集的机器视觉技术,然后依托GPU并行计算平台对图像处理算法如:预处理算法、图像配准算法等进行并行化研究和设计。结合数字图像处理原理和GPU并行计算理论,提出PCB-AOI系统的并行计算设计思路,并通过缺陷检测实验对并行计算的加速效果进行验证。主要研究工作为:
　　1、搭建机器视觉系统的硬件平台。根据PCB的尺寸选择合适的相机和镜头、根据特定的图像采集环境对系统的照明方案进行调整以使机器视觉系统能采集到最佳的PCB表面图像。
　　2、研究PCB表面缺陷的特点,设计基于缺陷轮廓模型的缺陷分类器实现了PCB表面缺陷的识别。检测系统的缺陷识别率是79％,基本达到了缺陷检测的精度要求。
　　3、GPU并行计算原理的研究和数字图像处理并行算法的设计。在 NVIDIA GE-FORCE GTX480和CUDA4.2平台上实现了图像格式转换、图像滤波,图像增强、图像配准、缺陷提取、图像二值化、连通域标记、数学形态学和边缘提取等算法的并行设计。当图像尺寸达到512*512像素至2048*2048像素时,GPU对检测系统的加速比是2.24倍至8.34倍。实验证明了在保证检测精度的前提下,基于GPU的并行计算技术对图像处理算法及PCB表面缺陷检测有显著的加速效果。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题背景及意义

1.2 机器视觉检测技术

1.3 机器视觉检测技术在PCB缺陷检测中的应用

1.4 机器视觉检测技术的国内外研究现状

1.5 PCB-AOI检测技术存在的问题

1.6 本文主要研究内容及章节安排

第2章 实验平台搭建与关键技术

2.1机器视觉检测系统的组成

2.2 CMOS传感器和高速工业相机的选择

2.3 计算机系统

2.4 系统检测流程

2.5 本章小结

第3章 PCB表面缺陷检测算法分析

3.1 图像格式转换算法

3.2 PCB图像滤波算法

3.3 图像增强算法

3.4 图像匹配算法

3.5 PCB缺陷图像的二值化

3.6 差影法缺陷区域分割算法

3.7 数学形态学处理算法

3.8 缺陷图像边缘提取算法

3.9 图像缺陷标记算法

3.10 基于轮廓追踪的特征提取与缺陷识别

3.11 基于树形缺陷分类器的设计

3.12 本章小结

第4章 基于GPU的并行图像处理算法的实现

4.1 并行计算的基本概念

4.2 CPU与GPU的区别

4.3 GPU的硬件架构

4.4 CUDA通用编程模式和线程管理模式

4.5 CUDA存储模式

4.6 基于GPU平台的图像处理算法并行化研究和实现

4.7 GPU加速图像处理算法的实验结果

4.8 本章小结

第5章 检测系统整体性能分析和并行算法的优化

5.1 基于GPU平台的PCB缺陷检测系统的并行计算流程

5.2 并行算法的优化方案及性能测试

5.3 数据通信时间的测试和分析

5.4 GPU显存空间消耗的测试和分析

5.5 GPU对缺陷检测系统的整体加速实验和分析

5.6 本章小结

第6章 工作总结与展望

6.1 研究工作总结

6.2 未来工作展望

致谢

参考文献

申请学位期间的研究成果及学术论文