论文部分内容阅读
如今柔性电路板(FPC)已经广泛使用在各领域的精密控制中,使得对FPC的质量检测成为必不可少的重要工序,为了生产提高效率,开展基于机器视觉的FPC的表面缺陷检测,具有重要的理论意义与应用价值。本课题针对25×20mm的表面密集分布焊点的不规则精密FPC板的表面质量进行检测,检测精度为0.1mm,设计FPC表面多种缺陷自动检测系统,具体研究内容如下:(1)不规则FPC表面缺陷检测系统的总体设计:针对系统的总体需求与功能,设计工艺检测流程,并基于现有的机械结构与机械运动控制系统,设计视觉检测硬件平台以获取优质图像。(2)图像预处理与图像分割算法设计:基于采集到图像和其在彩色通道内的特征,设计变换颜色空间进行图像特征提取的算法,使得图像特征能被完整提取。设计基于边缘检测与区域生长相结合的ROI提取算法,解决采集到的FPC与背景难以分割的问题;将标准FPC的ROI作为掩膜模版,以提取后续待测图中的FPC芯片,简化算法。(3)特征提取与缺陷检测算法设计:基于FPC的图像密布焊点的特点,设计基于Blob区域分析的方法,提取Blob区域数据特征,设定缺陷区域规则,优化算法。研究缺陷检测算法,获取缺陷区域特征,设计全局缺陷检测算法流程,利用BP神经网络对图像的缺陷进行分类。针对本质性缺陷的检测,提出一种改进的图像相减法,提取Blob区域缺陷特征,简化算法;针对潜在性缺陷的检测,分别从RGB颜色空间的B通道与HIS颜色空间的H分量,提取缺陷特征数据进行缺陷检测。(4)开发了FPC表面缺陷自动检测与分类的软件系统:基于以上研究,针对检测需求设计了检测软件架构、流程及人机交互界面,开发了相应的功能模块。软件实现FPC表面缺陷的自动检测与分类,并存储缺陷检测结果。测试结果表明:开发的FPC表面缺陷自动检测与分类的软件系统对全局的缺陷检测准确率达到90%以上,检测精度达到设计要求。该系统对FPC表面不同缺陷的检测具有较高的准确性,在可靠性与效率上相对于传统检测方式都有很大提升。