导读:本文包含了焊点检测论文开题报告文献综述及选题提纲参考文献，主要关键词:3D测量,双目立体视觉,Gray码,相移
焊点检测论文文献综述
韩歆彤,白瑞林,张鑫磊,仲抒鸿,姚宇昊[1]（2019）在《基于编码结构光视觉的印刷电路板焊点检测系统设计》一文中研究指出针对现行自动光学检测系统精度低、成本高的问题,设计了一套基于编码结构光视觉的电路板焊点检测系统。利用Gray码的离散、容错率高等特征,结合相移以克服相位模糊的缺点,消除了边缘扩散对条纹边缘定位的影响。创新设计焊点的定位方法,利用叁维坐标提取高度差异的优势,将焊点的定位转换为阴影边缘的定位获取。试验表明:该方法能有效地将电路板重构最大误差降至0.82 mm,耗时5 413 ms,满足实时和精度的要求。通过试验对比,论证了投射Gray码与相移图案比单纯采用Gray码精度更高,能够更好地体现焊点细节,实现焊点的精确定位与检测。基于编码结构光视觉的电路板焊点检测,在提高系统可靠性的同时,能有效缩减成本,可推广应用于激光测距、合成孔径雷达等涉及相位测量的领域。(本文来源于《自动化仪表》期刊2019年11期）
谢达奇,梁桥康,孙炜,王耀南[2]（2019）在《MeanShift聚类圆拟合算法在焊点检测中的应用》一文中研究指出在图像识别的过程中,针对目标圆因噪声和缺损造成拟合精度不佳的问题,提出了一种基于MeanShift聚类的圆拟合算法。首先通过对图像进行边缘提取,得出若干轮廓,再将这些轮廓的点有序的保存起来,按照一定的点数进行分段最小二乘拟合,得到若干个圆心的坐标以及半径,从而完成了对所需点的收集。利用Meanshift算法对所收集到的点进行聚类,得出最后的圆心,以及圆心所对应的半径。最后将上述算法的实验结果和最小二乘拟合圆以及Hough变换拟合算法进行对比,发现上述算法在抗干扰能力上具有较大的优势。此外所提方法已经成功的运用到了汽车车身焊点的检测,结果验证了方法的有效性和正确性。(本文来源于《计算机仿真》期刊2019年09期）
陈寿宏,赵爽,马峻,张雨璇,郭玲[3]（2019）在《基于多特征的SVM多分类PCB焊点缺陷检测方法》一文中研究指出为了提高印刷电路板(PCB)中元件焊点缺陷检测的分类准确率,提出一种基于多特征的支持向量机(SVM)多分类缺陷检测方法。对采集到的焊点图像进行特征提取,提取焊点的形状和纹理特征参数及方向梯度直方图(HOG)特征。首先对提取到的形状和纹理特征,利用SVM中最优的核函数,对焊点多锡、少锡、焊锡合适以及漏焊四种类型进行检测;误检焊点,再利用基于HOG特征的SVM多分类算法对其进行二次检测分类,得到最终分类准确率,提出的算法分类准确率可以达到98. 46%以上,具有一定的应用价值。(本文来源于《激光杂志》期刊2019年06期）
李响[4]（2019）在《基于深度学习的焊点质量检测算法应用研究》一文中研究指出随着信息化时代的到来,电子设备以及成为人们生活中必不可少的一部分。作为一项独立的工业门类,电子设备的生产已经成为带动国家经济发展的引擎。人们对电子设备的数量与质量都有着飞速上涨的需求。电子设备生产环节中需要大量的元器件焊接工作,焊接的质量直接影响了产品的质量、性能和成本。因此焊点的质量检测工作直接影响到了产品的质量与生产效率。但目前为止出现的焊点质量检测方法都依赖大量的人力,不但检测效率低下,而且需要企业承担巨额劳务开支。近年来互联网企业的快速发展使得传统的实体产业面临更为严峻的生存环境,作为劳动密集型企业的典型,电子生产厂商之间的竞争更是愈加激烈。工厂不得不降低生产成本、提升市场竞争力,不断向着自动化、智能化方向发展。因此企业迫切希望一种全新的廉价高效的焊点质量检测方法。人工智能技术的发展给这一问题提供了全新的解决思路,尤其近年来伴随着计算机计算能力的指数增长,人工智能在许多领域都已超过人类,尤其在大量的简单重复性工作方面。使用人工智能目标检测算法替代人力完成焊点的质量检测工作无疑是一种高效并且可行的方法。因此本文致力于研究一种基于深度学习目标算法的焊点质量检测方案,其应具有高效率、高准确率、低成本、使用方便、无须专门对工人进行培训等优势。为此,本文首先联系电子生产厂家得到焊点数据来源,构建了焊点质量检测数据集,然后针对焊点质量检测任务的要求与指标,使用自己构建的数据集改进了Faster R-CNN的训练过程,使其能够达到工业焊点质量检测的标准,随后又对算法实地部署过程中出现的问题进行分析,与生产厂家一同研究讨论,最终设计出一种完美贴合现有生产线的算法部署方案。为利用工业生产过程中无穷尽的数据来优化算法,本文提出了算法的增量学习方法,利用源源不断的新数据不断完善数据集使其更加贴合真实的数据分布,从而不断提升检测算法的准确率。(本文来源于《山东大学》期刊2019-05-25）
李亚中[5]（2019）在《基于图像识别的SMT焊点检测方法应用研究》一文中研究指出信息化时代,电子设备已经在我们身边的每一个角落生根落户。印刷电路板是现代电子设备小型化、微型化的关键载体,其上的元件质量直接影响着电子设备的性能与寿命乃至使用者的生命。而表面装贴技术(Surface Mount Technology,SMT)的使用,意味着PCB板上的电子元件越来越小型化、密集化甚至立体化。这种情况下,传统的的焊点检测技术根本无法跟上SMT的焊点检测需求,而具有“透视”能力的X-Rays检测设备就是一个很好的选择。但是传统的X-Rays检测设备只能提供SMT元件的X光图像,并不能由设备自动判定焊点质量好坏,还需要人工根据图像来确定焊点质量,这对于操作员来说任务繁重;另一方面,对于生产流水线来说,则是效率低下,根本无法满足流水线生产的检测需求。因此本文研究了一种基于图像识别的SMT焊点检测方法,并用QT设计了一款操作简单便捷的软件。全文研究内容如下:第一,本文研究了适用于X-Rays检测设备拍摄的SMT元件焊点的图像配准算法,能有效地消除人工操作时无可避免地引起的平移与旋转位移误差。X-Rays检测设备拍摄的SMT焊点图像因为是人工放置SMT元件导致每次拍摄都会存在或多或少地平移和旋转位移,在提取焊点缺陷图像之前,需要根据标准模版焊点图像,对待检测的SMT焊点图像进行图像配准操作。第二,本文将深度学习与焊点识别相结合。改进了基础的卷积神经网络的网络框架构造,并且在焊点缺陷识别上改进的卷积神经网络能够达到更好得效果。第叁,本文设计了SMT焊点检测软件。使用图像配准技术消除待检测图像与模版图像误差后提取出焊点缺陷图像,再使用改进的卷积神经网络进行焊点缺陷识别。通过Qt的GUI开发平台将本文研究的焊点检测方法能够更方便地操作,降低了用户的使用难度也就是操作人员掌握的难度。经实验分析,本检测方法能在识别SMT焊点缺想上取得较好的效果。桥连样本的识别率能达到100%,漏焊的识别率稍低,达到了94.7%,锡珠的识别率较差92%。另外,BGA元件由于图像较为纯粹,识别效果极好;相对地,CQFP元件由于焊脚太密,预处理后,留下较大误差,图像识别难度最大,识别率相对较差。(本文来源于《电子科技大学》期刊2019-05-10）
周兴[6]（2019）在《基于水平集与随机森林算法的粗铝丝超声键合焊点缺陷检测》一文中研究指出作为一种有效的连接技术,超声键合属于节能环保的键合方式,其在加工过程中不需要额外的键合材料,也不需要高温环境,不会产生环境有害气体,因此其在工业生产中越来越流行。随着工业自动化的不断改革和创新,现在的工业键合技术要求精度高、鲁棒性强和环境适应性好,而传统的超声键合设备由于键合过程中劈刀的磨损,经常需要手动进行键合力和键合能量的校正。机器视觉反馈以其精度高、实时性好、对待加工工件表面无磨损等优点成为工业自动化领域重要的研究方向。利用视觉反馈对超声键合过程的键合质量进行实时监控为实现键合设备的全自动化和高效率提供了全新的思路。针对键合过程中劈刀磨损导致的键合参数不佳问题,利用工业相机拍摄已键合的焊点图像,研究基于像素邻域灰度方差的算法对焊点所在区域进行高效率定位,对定位到的焊点图像利用改进的灰度投影算法去除冗余的非焊点区域,在此基础上提出改进的Level-Set算法对焊点的缺陷进行分割以确定焊点缺陷面积,利用KPCA提取焊点线性可分的主特征,最后,采用随机森林算法对KPCA提取的特征进行分类以确定缺陷类别,以此作为键合参数调整的参考。本文采用龙门架、伺服电机、超声换能器、超声驱动器、工业相机、力传感器作为实验器材,开发出完整的超声键合实验设备。基于该键合设备,利用Qt设计整个系统的控制软件,其可以实现运动子系统、视觉子系统、超声子系统、力控制子系统的协调控制。对文中提到的焊点定位、去冗余、缺陷分割、特征提取、缺陷分类算法进行分步及完整实验,并在此基础上提出了一些精度提升策略,实验最后得到的分类准确率为0.91。(本文来源于《哈尔滨工业大学》期刊2019-01-01）
李孟歆,刘桐序,孙艺桐[7]（2018）在《基于全局多阈值图像分割与粗糙集约简的PCB焊点检测》一文中研究指出提出一种融合了全局多阈值图像分割算法与粗糙集约简策略的PCB焊点检测方法。优选Canny边缘检测算法提取感兴趣区域(ROI),再采用基于熵的全局多阈值图像分割算法得到更为完整、连续的图像边缘。提取PCB焊点图像的8种形状特征,通过粗糙集约简策略保留面积、圆度、轴心距和轮廓线长度共4类属性。将4类属性两两组合,得到6种不同焊锡量的分布情况,其中圆度和轴心距属性组合下的焊点检测准确率最高,为96.61%。改进后的PCB焊点检测方法具有良好的识别效率,减少了焊点特征匹配复杂度,能够达到实际生产要求。(本文来源于《工业技术创新》期刊2018年05期）
贾梦杰[8]（2018）在《基于无损检测的高分辨率PCB板焊点缺陷检测系统研究》一文中研究指出随着电力技术的快速发展,球栅阵列结构PCB(BGA)在集成电路设计中的应用日渐广泛,PCB焊点缺陷检测的受关注程度也日渐提升。基于此,详细论述了高分辨率PCB板焊点缺陷检测系统的设计与性能,并给出了其他高分辨率PCB板焊点缺陷检测思路,希望由此能够为相关业内人士带来一定的启发。(本文来源于《科技与创新》期刊2018年18期）
李凌燕,阚凤龙,刘西洋[9]（2018）在《焊点检测技术发展现状与趋势》一文中研究指出0引言随着电子产品的发展,电路板也朝着高精度、高密度的方向发展,同时焊点的质量直接影响到产品的寿命、稳定性和机器整体的质量。焊点的缺陷是影响质量的主要因素,焊点的缺陷有很多种,例如多焊锡、少焊锡、孔洞等,其中最为常见的缺陷是多焊锡和少焊锡。因此如何及时地对焊点缺陷进行检测,以保证产品质量的可靠性和稳定性,成为当今社会越来越关注的问题。1国内外的发展现状焊点检测技术常用的焊点检测方法可(本文来源于《电子世界》期刊2018年17期）
陈洪科[10]（2018）在《基于多分类支持向量机算法的PCB焊点检测研究》一文中研究指出针对PCB焊点检测分类的应用需求,采用基于机器视觉的"图像特征+分类器"的技术方案,研究总结了焊点图像特征提取方法,并采用多分类支持向量机算法实现焊点分类;在检测算法具体实现上,综合考虑多类别样本空间均衡、类间离散程度以及分类器数量,在算法性能、分类器训练与分类执行效率3方面取得平衡。实验结果表明,该检测方法对焊点类型的正确识别率达到了97.9%,证明了方法的有效性。(本文来源于《机电技术》期刊2018年03期）
焊点检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在图像识别的过程中,针对目标圆因噪声和缺损造成拟合精度不佳的问题,提出了一种基于MeanShift聚类的圆拟合算法。首先通过对图像进行边缘提取,得出若干轮廓,再将这些轮廓的点有序的保存起来,按照一定的点数进行分段最小二乘拟合,得到若干个圆心的坐标以及半径,从而完成了对所需点的收集。利用Meanshift算法对所收集到的点进行聚类,得出最后的圆心,以及圆心所对应的半径。最后将上述算法的实验结果和最小二乘拟合圆以及Hough变换拟合算法进行对比,发现上述算法在抗干扰能力上具有较大的优势。此外所提方法已经成功的运用到了汽车车身焊点的检测,结果验证了方法的有效性和正确性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
焊点检测论文参考文献
[1].韩歆彤,白瑞林,张鑫磊,仲抒鸿,姚宇昊.基于编码结构光视觉的印刷电路板焊点检测系统设计[J].自动化仪表.2019
[2].谢达奇,梁桥康,孙炜,王耀南.MeanShift聚类圆拟合算法在焊点检测中的应用[J].计算机仿真.2019
[3].陈寿宏,赵爽,马峻,张雨璇,郭玲.基于多特征的SVM多分类PCB焊点缺陷检测方法[J].激光杂志.2019
[4].李响.基于深度学习的焊点质量检测算法应用研究[D].山东大学.2019
[5].李亚中.基于图像识别的SMT焊点检测方法应用研究[D].电子科技大学.2019
[6].周兴.基于水平集与随机森林算法的粗铝丝超声键合焊点缺陷检测[D].哈尔滨工业大学.2019
[7].李孟歆,刘桐序,孙艺桐.基于全局多阈值图像分割与粗糙集约简的PCB焊点检测[J].工业技术创新.2018
[8].贾梦杰.基于无损检测的高分辨率PCB板焊点缺陷检测系统研究[J].科技与创新.2018
[9].李凌燕,阚凤龙,刘西洋.焊点检测技术发展现状与趋势[J].电子世界.2018
[10].陈洪科.基于多分类支持向量机算法的PCB焊点检测研究[J].机电技术.2018