PCB-AXI图像中的矩形与圆目标分割与识别

摘要

PCB(Printed Circuit Board)生产自动化中，最为关键的环节便是质量控制，而自动X射线检测(Automatic X-ray Inspection，AXI)在质量控制中扮演极为重要的角色。矩形和圆目标识别是AXI中的重要环节。当前的矩形和圆目标识别算法一般基于通过霍夫变换，通过分析提取的几何特征进行判断。霍夫变换（Hough Transform）在检测矩形目标时计算开销大，不能满足系统的实时性要求；检测圆目标时不能克服复杂图像的干扰，存在误判和漏检，且不能最终得到圆目标轮廓。在AXI应用中，形状角可以有效识别矩形目标，然而其计算精度和时间开销取决于轮廓上各离散点处切线方向的计算效率。现有基于Vialard算法的切线方向计算方法在处理矩形轮廓时步骤繁琐且存在较大的误差，导致使用形状角识别矩形时效率不高。在复杂图像中，由于存在大面积遮挡，全局阈值（Global Threshold）的分割圆目标的效果不理想。同时，梯度信息复杂，霍夫圆变换识别效果也不佳。此外，PCB所在平面的法线与射线方向不平行，得到的图像是“倾斜”的。在微米级分辨率下，图像中细节更多，诸如导线等部分对焊球形成干扰，且难以使用传统方法排除。作为应用AXI系统中的识别算法，其时间复杂度必须可控。
　　首先，针对在利用形状角进行矩形识别时时间复杂度高的问题，本文提出了一种基于傅立叶拟合的离散点切线方向计算方法。该方法首先对离散点进行极坐标转化，然后使用傅里叶级数拟合整个轮廓，最后再对拟合之后的曲线求导，从而计算出轮廓上各点的切线方向。在所给出的实例中，本文方法计算平均耗时为1.5775s，传统方法平均耗时为156.155s，且计算结果更加精确。
　　然后针对复杂图像中BGA焊球轮廓提取困难的问题，提出了一种基于子图像的焊球轮廓提取方法。该方法首先利用BGA图像中焊球的分布特征和标准霍夫圆变换定位缺失焊球，获得全部焊球位置，以此作为ROI(Region of Interest)将图像切割为仅包含一个焊球的子图像；而后对X射线透射BGA焊球的过程进行数学建模，确定其灰度分布特征，以此作为依据分别处理每个焊球，获得保存全部焊球轮廓信息的二值化图像；最后，利用BGA焊球的几何特征，在极坐标函数值直方图上提出了一种基于滑动方差的自适应干扰点排除算法，剔除焊球轮廓中的受干扰点并且以弧线对焊球进行修补；最终完成复杂BGA图像中的焊球轮廓提取。
　　本文所提出的矩形识别方法可以避免Vialard算法及其衍生方法在处理矩形轮廓时产生的过度迭代的问题，时间复杂度降低两个数量级，结果更加准确。将所提的改进形状角计算方法应用矩形轮廓识别中，通过实例分析，验证了该方法的准确性和可靠性。所提的BGA焊球轮廓提取方法是对当前BGA图像焊球轮廓提取的经典方法的一次拓展，能够解决当前算法不能解决的问题，并为BGA图像二值化时的阈值选择提供了理论依据。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景

1.2 国内外研究现状

1.3 研究目的与内容

1.4 论文架构

第二章 基础理论

2.1 AXI成像原理

2.2 基于直方图的图像分割

2.3 霍夫变换

2.4 本章小结

第三章 形状角计算改进及矩形目标识别

3.1形状角理论

3.2 改进的形状角计算

3.3 矩形宽长比、尺寸对形状角计算结果的影响

3.4 基于改进形状角计算的矩形目标识别

3.5 实例与分析

3.6 本章小结

第四章 BGA中圆目标识别与分割

4.1总体思路

4.2 基于聚类-拟合的圆目标识别

4.3 基于改进阈值计算方法的分割

4.4 基于突变检测的分割结果优化

4.5实例分析

4.6本章小结

第五章 总结与展望

5.1总结

5.2展望

致谢

参考文献

攻读硕士学位期间取得的成果