基于小波變換的焊點(diǎn)缺陷識(shí)別方法的研究.pdf

1、隨著印刷電路板組裝技術(shù)向著高密度化和“零缺陷”方向發(fā)展,市場(chǎng)對(duì)自動(dòng)光學(xué)檢測(cè)系統(tǒng)的要求也向高準(zhǔn)確率、智能化方向發(fā)展。因此焊點(diǎn)缺陷檢測(cè)技術(shù)成為研究領(lǐng)域的一個(gè)研究熱點(diǎn)。選取合適的圖像邊緣特征提取方法和識(shí)別方法是基于圖像處理的焊點(diǎn)缺陷檢測(cè)技術(shù)的關(guān)鍵所在,能否提取出有效的特征信息是焊點(diǎn)缺陷檢測(cè)的前提條件。
　　首先,本文在原有的小波理論的基礎(chǔ)上提出了一種改進(jìn)的小波增強(qiáng)算法。該方法采用了分段線性形式的增強(qiáng)函數(shù),只將某一有用部分系數(shù)增強(qiáng),而增強(qiáng)

2、函數(shù)是隨尺度不同而自適應(yīng)選擇的。實(shí)驗(yàn)結(jié)果表明,改進(jìn)的小波增強(qiáng)算法減少了計(jì)算量,更好的體現(xiàn)了小波系數(shù)的細(xì)節(jié)部分,更有效的提取出PCB焊點(diǎn)的特征信息,提高了缺陷的識(shí)別率,得到了令人滿意的結(jié)果。
　　其次,在以上提取有效特征的基礎(chǔ)上,利用BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、一對(duì)多SVM分類方法和二叉樹SVM分類方法對(duì)提取出來(lái)的焊點(diǎn)特征向量進(jìn)行識(shí)別。通過(guò)比較它們的測(cè)試結(jié)果可以發(fā)現(xiàn)當(dāng)樣本數(shù)量較少時(shí),支持向量機(jī)方法的識(shí)別率較高;當(dāng)樣本數(shù)量足夠多時(shí),