基于机器视觉的SMT钢网缺陷检测技术研究

《基于机器视觉的SMT钢网缺陷检测技术研究》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、分类号：TN41密级：公开UDC：621编号：201431204012河北工业大学硕士学位论文基于机器视觉的SMT钢网缺陷检测技术研究论文作者：郭志红学生类别：全日制学科门类：工学学科专业：机械工程指导教师：刘今越职称：副教授DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofMechanicalEngineeringRESEARCHONDEFECTDETECTIONTECHNOLOGYOFSMTBASEDONMACHINEVISIONb

2、yGuoZhihongSupervisor:Prof.LiuJinyueMarch2017摘要随着电子制造业的快速发展，电路板上元器件的固联已经普遍采用表面贴装技术(SMT)。而作为表面贴装技术的首道工序，焊膏印刷是保证PCB产品质量的关键步骤，它直接影响到后续的贴片、固联、清洗等工序。焊膏的成功印刷，依赖于SMT钢网开孔的正确与否。目前，SMT钢网开孔的尺寸越来越小，传统的人工目检已经不能满足钢网缺陷检测的要求。因此，本文提出利用计算机视觉来自动检测钢网的缺陷信息。本文将围绕计算机视觉检测技术中误差补偿、图元聚类与路径规划

3、、图像滤波处理、亚像素边缘检测等问题进行展开，主要进行了以下几个方面的研究：本文首先提出了本课题的研究背景及意义，总结了国外在钢网缺陷检测技术中的经验及教训，并分析了我国在缺陷检测技术中的不足，确定了本课题的最终目标，即设计出一套包括机械工作台在内的、在检测精度和检测速度方面具有明显优势的SMT钢网缺陷检测系统。其次，设计并加工完成了SMT钢网缺陷检测系统的机械工作台。作为整套系统的硬件基础，机械工作台的精度要求十分高。本文在详细分析了机械工作台误差存在原因后，利用激光跟踪仪对工作台进行了数据采集，提出了一种利用最小二乘拟合

4、对机械工作台进行误差补偿的方法。再次，对Gerber数据解码进行了详细的研究，以期获得高精度的标准图像。并根据解码获得的标准图像，提出了利用改进遗传算法进行图元聚类和路径规划的方法，通过实际图像采集实验验证了本算法在检测速度上的优势。然后，利用改进中值滤波对实际图像中的噪声污染进行处理，并提出了一种改进Canny-Zernike矩亚像素边缘检测方法，实现了0.216个像素精度的亚像素级边缘检测。最后，以图形化编程语言LabVIEW为开发平台，并综合利用了C/C++、MATLAB等开发语言，完成了SMT钢网缺陷检测系统的设计。

5、通过对实际图像可能存在的旋转、倾斜、偏移等误差进行校正，实现了最终SMT钢网的缺陷检测功能。试验结果表明，本文所设计的SMT钢网缺陷检测系统在检测精度及检测速度方面达到了实际使用的要求，为其它复杂的缺陷检测技术奠定了基础。关键词：计算机视觉误差校正遗传算法轨迹规划亚像素边缘检测IABSTRACTWiththerapiddevelopmentofelectronicmanufacturing,theconnectingbetweencircuitboardandcomponentshasbeenwidelyusedsurfac

6、emounttechnology(SMT).Asthefirstworkingprocedureofsurfacemounttechnology,solderpasteprintingisacriticalsteptoensurethequalityofPCBproducts.Itwilldirectlyaffectsthesubsequentpatch,solidcouplingandcleaningprocess.ThesuccessofthesolderpasteprintingreliesontheSMTsteelr

7、eliefholecorrectlyornot.Nowadays,thesizeofSMTsteel’sholeisbecomingmoreandmoresmaller.Sothetraditionalmanualvisualinspectioncannotsatisfytherequirementofsteelnetdefectdetection.Therefore,thispaperproposesusingcomputervisiontoautomaticallydetectthedefectofsteelnetinf

8、ormation.Thisarticlewillrevolvearoundcomputervisiondetectiontechnologyoferrorcompensation,primitiveclustering,pathplanning,imagefilterprocessing,