基于神经网络的PCB板焊点显微图像质量检测技术研究

摘要

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。

目录

声明

摘要

第一章 绪论

1．1 课题的研究背景及研究意义

1．2 国内外研究现状

1．2．1 数字图像处理技术在国内外应用现状

1．2．2 PCB板图像特征提取技术的发展现状

1．2．3 智能识别模式在国内外发展现状

1．3 课题的内容结构和整体安排部署

1．4 本章小结

第二章 基于显微视觉的焊点缺陷识别实验平台

2．1 实验系统基本组成条件

2．2 显微视觉系统软硬件组成

2．2．1 CCD摄像机

2．2．2 显微视觉系统

2．2．3 图像采集卡

2．2．4 主机软硬件设备配置分析介绍

2．3 本章小结

第三章 基于显微图像分析的焊点特征提取

3．1 一次图像采集

3．2 PCB板焊点缺陷噪声分类及分析

3．2．1 内部噪声

3．2．2 外部噪声

3．3 PCB焊点图像预处理

3．3．1 图像直方图及其灰度修正

3．3．2 Wiener平滑滤波处理

3．4 基于OSTU的图像分割

3．5 基于区域生长的图像分割

3．5．1 区域生长基本原理

3．5．2 图像区域生长分割仿真实验

3．6 本章小结

第四章 基于显微图像的焊点多源特征提取

4．1 二次图像采集

4．2 基于灰度共生矩阵(GLCM)的纹理特征参数的提取

4．2．1 灰度共生矩阵(GLCM)基本原理

4．2．2 灰度共生矩阵(GLCM)实验分析

4．2．3 灰度共生矩阵(GLCM)特征参数性质

4．2．4 灰度共生矩阵(GLCM)特征参数的提取及分析

4．3 多尺度的小波变换图像能量提取

4．3．1 小波变换基本概念

4．3．2 小波多尺度方向能量计算

4．2．3 小波多尺度方向能量提取

4．4 焊点特征几何形状参数的提取

4．4．1 几何特征提取分析

4．4．2 实验分析

4．5 本章小结

第五章 基于BP神经网络的质量检测

5．1 神经网络原理

5．1．1 神经网络的基本概念

5．1．2 神经网络学习过程

5．2 传统BP神经网络存在的缺点及其原因

5．3 BP神经网络的一些改进算法

5．3．1 附加动量项法

5．3．2 变学习速率下降法

5．3．3 共轭梯度算法

5．3．4 LM算法

5．4 BP神经网络的选择与设计

5．4．1 网络层数

5．4．2 隐含层的设计

5．4．3 学习效率的选择

5．4．4 网络误差

5．5 实验设计

5．5．1 神经网络结构

5．5．2 神经网络的实验结果及误差分析

5．6 验证多方法并用的必要性

5．7 本章小结

第六章 结论与展望

6．1 结论

6．2 展望

参考文献

致谢

附录：作者在攻读硕士学位期间发表的论文目录