一种基于溷沌优化算法的PCB板元件检测方法.pdf

《一种基于溷沌优化算法的PCB板元件检测方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第31卷第2期仪器仪表学报Vlo1．31NO．22010年2月ChineseJournalofScientificInstrumentFleb．2010一种基于混沌优化算法的PCB板元件检测方法术王耀南，刘良江，周博文，张辉(湖南大学电气与信息工程学院长沙410082)摘要：先进电子制造生产中经常要对PCB板元件进行检测与识别，介绍了一种基于图像模板匹配算法的PCB板元件自动快速检测方法。从检测速度和准确度出发，首先提出了一种图像相似性度量参数指标，并提出一种利用并行混沌算法融合单纯形的算法，来优化搜索图像相似性，给出

2、了算法实现的全过程。用实际拍摄的PCB板元件进行性能测试，验证了该优化算法能提高检测速度。关键词：混沌优化算法；视觉检测；模板匹配；相似性度量；PCB板元件中图分类号：TP391文献标识码：A国家标准学科分类代码：510．40DetectionmethodofprintedcircuitboardcomponentsbasedonchaoticoptimizationalgorithmWangYaonan，LiuLiangjiang，ZhouBowen，ZhangHui(CollegeofElectricandInfo

3、rmationEngineering．HunanUniversity,Changsha410082．China)Abstract：Afastauto—detectionmethodofprintedcircuitboard(PCB)componentsbasedonimagetemplatematchingisintroducedinthispaperforadvancedelectronicmanufacturingproduction．Inviewofpracticalutili—zation，asuitablea

4、pproachofcomputingtheimagecorrelationcoeficientispresented．Parallelchaoticoptimiza—tionalgorithms(PCOA)issuggestedtooptimizethesearchmatchingspeed，andthewholeprocessofimple—mentingthealgorithmiselaborated．Totestitsperformance，theproposedPCOAalgorithmiscomparedwi

5、thge—neticalgorithmsbyusingtherealpictureofPCBcomponents．Itisconcludedthattheproposedapproachismoreeficientforauto—detectionofPCBcomponents．Keywords：chaoticoptimizationalgorithm；visualinspection；templatematching；correlationcoeficient；PCBcomponent像处理技术的PCB板元件检测¨I

6、、基于连接表验证法的1引言PCB检测口】、基于遗传算法的PCB检测0和改进粒子群算法的PCB板元件检测J。印刷电路板(printedcircuitboard，PCB)是提供电子零考虑到上述检测算法中的计算量较大，对于实时检件安装与插接的主要支撑物体，它将电子零组件连接在测不方便，本文采用一种图像模板匹配算法来实现PCB一起，使其发挥整体功能，是所有电子产品不可缺少的板的自动元件检测，判断是否存在漏焊元件和焊接错误基本构成部分。由于印制板生产技术涉及多种工艺技术，元件的情况，其基本原理是将该元器件表面图像作为图任何一个工

7、序出问题，都会对产品的质量造成影响。为像模板，检测需要焊接该元器件的区域是否存在与图像此，一种快速有效的元件检测方法是必不可少的。目前，模板相类似的图像，根据模板图像与搜索图像的相似度对于PCB板元件检测算法的研究，主要是3个类型：参就可以衡量出是否存在类型一致的元件，从而来判断该考法、非参考法以及混合算法I1】，而参考法由于便于实现、区域的对应元器件焊接是否正确。本文提出了一种基于识别效率高等优点，其应用更加普遍，如：基于数字图收稿日期：2009—08ReceivedDate：2009．08基金项目：国家863项目(

8、2007AA04Z244)、国家自然基金重点项目(60835004)资助第2期王耀南等：-4~基于混沌优化算法的PCB板元件检测方法411优化算法的PCB板元件检测算法，采用一种并行混沌优标(m，n)对应的图像像素值。式(1)中的D(h，f)指M×N化算法融合单纯形的混合优化算法来搜索图像的匹配程区域上对应点的像素值之差的平方和。