基于神經(jīng)網(wǎng)絡的PCB板焊點顯微圖像質量檢測技術研究.pdf

1、PCB板生產(chǎn)過程中，難免產(chǎn)生一些焊點缺陷，且隨著電子元器件朝著精細化方向發(fā)展，其越來越細微的缺陷也使電子產(chǎn)品質量的穩(wěn)定可靠性面臨困境。目前學術界提出許多切實可行的方法解決PCB板焊點缺陷問題，以智能神經(jīng)網(wǎng)絡圖像識別模式引人注目，因此本文基于現(xiàn)有的實驗設備條件下設計一套實用高效的顯微圖像焊點缺陷檢測系統(tǒng)。
　　首先，在基于實驗目的的基礎上，對實驗設備如顯微鏡、CCD攝像機、輔助光源、圖像采集卡等硬件設備和主機設備的軟件設施進行了一定

2、的介紹分析。
　　然后，在分析噪聲來源基礎上對圖像進行預處理和特征提取。對顯微圖像進行一定灰度修正、wiener濾波等圖像預處理消除圖像的噪聲影響，再分別采用OSTU圖像分割和區(qū)域生長分割技術將焊點核心特征從背景中提取出來，為下文圖像幾何特征提取做好鋪墊。
　　再者，圖像識別模式成敗與否關鍵因素之一在于圖像的數(shù)據(jù)提取是否得當。本文基于圖像紋理特征提取灰度共生矩陣(GLCM)的二階矩、熵、對比度、相關度四個特征值，再利用小波多

3、尺度統(tǒng)計圖像的高頻區(qū)域多方向能量，再次結合圖像幾何特征提取出圖像的若干幾何參數(shù)。聯(lián)合三種方法的特征參數(shù)共同作為神經(jīng)網(wǎng)絡輸入節(jié)點信息。
　　最后本文介紹傳統(tǒng)神經(jīng)網(wǎng)絡和改良神經(jīng)網(wǎng)絡算法數(shù)學推導驗算過程，綜合權衡分析二者之間的利弊，選擇最適宜PCB板焊點缺陷檢測系統(tǒng)的LM算法作為最終的算法訓練函數(shù)。依據(jù)輸入輸出參數(shù)設計網(wǎng)絡結構，在選取大量離散特征數(shù)據(jù)代入神經(jīng)網(wǎng)絡檢驗其識別能力，實驗結果顯示分類效果良好。最后對第四章三種特征提取方法的兩兩