基于视觉检测的二次利用电路板表面缺陷定位与分类

作     者：仰梓淮 

作者单位：合肥工业大学 

学位级别：硕士

导师姓名：黄海鸿;李大成

授予年度：2022年

学科分类：080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：机器视觉 二次利用电路板 表面缺陷检测 颜色直方图 四叉树分裂 

摘      要：科技的迅速发展加快了电子产品更新速度,导致每年有大量电路板需要回收处理。现有回收方法只能再利用电路板内部高值材料,回收过程存在一定的资源浪费和环境污染。而这些电路板并未达到年限要求,通过检测维修可重新用于产品生产实现二次利用,这样不仅可以最大化电路板在资源化符合可持续发展理念,且具有巨大的经济意义。机器视觉方法成本低、速度快,可保障产品质量,适用于电路板表面缺陷检测。但目前主要针对生产阶段的质量筛选,并未在再利用方面得到充分利用。因此,需要研究二次利用电路板的表面缺陷特点,搭建视觉检测系统,实现缺陷的定位与分类算法。首先论述了课题的研究背景和意义,并对国内外研究现状进行总结。阐述了视觉检测系统的工作原理并进行整体设计。根据影响系统性能的主要因素选择合适的硬件。并依据系统要求,基于视觉检测算法实现了软件开发,软件界面简洁明了,具有良好的人机交互性。分析了二次利用电路板表面缺陷特点,通过对比模板图像与检测图像的颜色特征实现缺陷检测。因此,在图像预处理阶段,先使用滤波处理平滑图像,然后通过形态学处理获取电路板外轮廓。计算轮廓矩并与模板数据对比实现图像对齐,保证后续缺陷检测的图像质量。基于均匀分块方法,提出了四叉树分裂颜色直方图表面缺陷检测方法。该方法将图像均匀分块后,比较对应子块颜色直方图的相似度,按照双阈值机制分为无缺陷块、可疑块或缺陷块。对可疑块进行四叉树分裂反复迭代检测,可快速定位缺陷。重点分析了分块大小与判断阈值对缺陷定位结果的影响,在保证检测精度的同时,检测速度相比均匀分块方法得到明显提升。在缺陷定位基础上,采用基于HOG特征的SVM分类实现缺陷分类,构建了多分类SVM模型。对比了不同核函数下SVM分类效果,确定最优参数。并与Faster-RCNN网络方法进行对比实验,结果表明,该方法定位效果好,分类准确率平均达81%。最后通过对无缺陷图像和有缺陷图像进行整体算法测试,表明系统软件可有效稳定运行。