新書推薦：
《
月与蟹（青鲤文库）荣获第144届直木奖，天才推理作家经典作品全新译本。一部青春狂想曲，带你登上心理悬疑之巅。
》
售價：HK$
50.4
《
索恩丛书·盛清统治下的太监与皇帝
》
售價：HK$
88.5
《
透过器物看历史（全6册）
》
售價：HK$
490.6
《
我在台北故宫博物院读名画
》
售價：HK$
109.8
《
尼罗河往事：古埃及文明4000年
》
售價：HK$
76.2
《
一个人·谁也不是·十万人（诺贝尔文学奖得主反思自我的巅峰之作）
》
售價：HK$
54.9
《
重写晚明史（全5册 精装）
》
售價：HK$
781.8
《
汉末晋初之际政治研究
》
售價：HK$
132.2
|
| 編輯推薦： |
|
《印刷电路板光电图像检测与处理》适用于光电信息类、电子信息类及计算机应用等专业高年级本科生、研究生、教师和科研人员，也可作为相关专业光电检测技术相关课程的参考用书。
|
| 內容簡介： |
|
鉴于印刷电路板光电图像自动检测与处理的应用前景,《印刷电路板光电图像检测与处理》对印刷电路板光电图像检测与处理的一些关键技术进行研究，在参考国内外其他学者研究方法的基础上，根据近几年的研究成果，系统论述印刷电路板光电图像的获取、预处理、边缘检测、圆检测、走线检测、分割及畸变校正等方面的理论及应用技术。
|
| 目錄：
|
第1章绪论1
1.1研究背景及意义1
1.2国内外研究现状6
1.3本书的主要工作13
参考文献16
第2章印刷电路板光电图像获取与预处理21
2.1印刷电路板光电图像获取21
2.1.1自动光学检测的图像获取系统21
2.1.2印刷电路板自动光学检测的局部图像的获取24
2.1.3印刷电路板自动光学检测的全景图像的获取25
2.2印刷电路板光电图像去噪29
2.2.1常见图像去噪方法29
2.2.2基于VMDIE滤波器的印刷电路板光电图像去噪31
2.2.3基于改进的全变分模型自适应印刷电路板光电图像去噪34
2.2.4印刷电路板光电图像去噪结论41
2.3印刷电路板光电图像增强处理算法42
2.3.1RGR与GT相结合的图像增强算法42
2.3.2RGR与BHPBFT融合的图像增强算法46
2.4本章小结49
参考文献50
第3章含噪声印刷电路板光电图像边缘检测52
3.1几种常见的图像边缘检测算法52
3.1.1梯度算子53
3.1.2LOG 算子55
3.1.3Canny边缘检测算子57
3.1.4几种常见边缘检测算子的实验比较58
3.2小波变换模极大值与改进灰值数学形态学印刷电路板光电图像融合边缘检59
3.2.1基本原理60
3.2.2实验结果及分析63
3.3小波变换模极大值与Canny边缘检测算子融合印刷电路板光电图像边缘检测65
3.3.1基本原理66
3.3.2实验结果及分析66
3.4二阶曲线拟合、模式聚类与阈值比较法相结合印刷电路板光电图像 边缘检测69
3.4.1基本原理70
3.4.2实验结果及分析71
3.5本章小结73
参考文献74
第4章印刷电路板光电图像的圆检测77
4.1Hough变换和圆拟合中的LSM77
4.1.1Hough 变换77
4.1.2圆拟合中的LSM78
4.2印刷电路板光电图像中的单圆检测78
4.2.1基于Hough变换的圆检测79
4.2.2基于PHT的印刷电路板光电图像单圆检测80
4.3印刷电路板光电图像同心圆检测84
4.3.1常见的同心圆检测方法84
4.3.2印刷电路板光电图像中的同心圆84
4.3.3基于Hough变换的印刷电路板光电图像同心圆检测85
4.4印刷电路板光电图像缺陷圆孔检测89
4.4.1印刷电路板光电图像的圆孔缺陷89
4.5本章小结96
参考文献96
第5章基于光照不均蜕化校正的印刷电路板光电图像目标分割99
5.1CCD获取的印刷电路板光电图像光照不均蜕化的产生及校正方法99
5.1.1光照不均蚊化的产生99
5.1.2光照不均化的校正方法102
5.2基于光照不均蜕化的印刷电路板光电图像目标分割方法104
5.2.1基于光照不均脱化的印刷电路板光电图像阈值分割方法104
5.2.2基于光照不均蚊化的印刷电路板光电图像改进的FCM分割方法110
5.3本章小结115
参考文献115
第6章基于CCD摄像系统的印刷电路板光电图像畸变校正118
6.1图像畸变及其校正118
6.1.1图像畸变118
6.1.2图像畸变的校正118
6.2印刷电路板光电图像畸变校正123
6.2.1基于图像空间坐标变换方法一的印刷电路板光电图像畸变校正123
6.2.2基于图像空间坐标变换方法二的印刷电路板光电图像畸变校正127
6.2.3PCB光电图像畸变校正实验结果误差及其分析134
6.3本章小结135
参考文献136
第7章印刷电路板光电图像走线检测139
7.1印刷电路板光电图像中的走线139
7.1.1印刷电路板光电图像中的走线种类139
7.1.2印刷电路板光电图像中的走线边缘142
7.2印刷电路板光电图像中的走线检测142
7.2.1RHT的直线检测143
7.2.2LSM拟合直线145
7.2.3RHT与LSM相结合的印刷电路板光电图像走线检测147
7.2.4印刷电路板光电图像中的走线检测实验结果及分析147
7.3本章小结150
参考文献150
第8章总结和前景展望152
8.1本书研究总结152
8.2前景展望154
参考文献155
索引157
|
| 內容試閱：
|
第1章绪论
1.1研究背景及意义
随着光电、通信、计算机、机械、材料等行业的飞速发展，印刷电路板（printed circuit board， PCB这一行业也迅速发展起来[1_1]。在现代电子及通信产品中， PCB几乎随处可见，小到一个芯片，大到超大集成电路板。PCB产业具有强大的生命力，是现在以及未来电子行业中的支柱产业。同时，PCB行业的迅速发展对 PCB的质量提出了更髙的要求。为了生产高质量的PCB，必须对PCB进行检测，在这方面，国内外的PCB生产厂家常采用自动光学检测的方法来实现。在PCB自动光学检测中，PCB光电图像检测与处理软件是自动光学检测的核心之一，而软件的核心是图像检测与处理的算法，PCB光电图像检测与处理是PCB自动光学检测的重要基础。为此，国内外不少学者对PCB光电图像自动检测与处理进行了深入研究[11_15]。
现代电子设备中，电子零件镶嵌在PCB上面，它为各项零件的相互连接提供了场所，PCB几乎出现在所有的电子设备之中，因此对PCB的检测是至关重要的。检测出的PCB质量将影响到电子设备的质量，而PCB光电图像检测与处理的质量将直接影响到PCB的质量，因而也就最终影响到生产厂家的电子或通信产品的质量，大大影响这些产品的生产与销售规模，从而制约其长远的发展。因此，对PCB光电图像检测与处理的研究已经成为了 PCB行业的迫切需要[11_15]。
印刷电路板光电图像检测与处理是近几年兴起的一种视觉检测方法，它是目前国内外采用比较多的一种检测手段，在光电行业中应用非常广泛。一些学者对其检测方法、检测系统、检测的自动化等方面的理论进行了较深入的研究，并将
这些理论研究应用到了一些具体的光电行业生产中，取得了较好的经济与社会效益[7，9，13]。
PCB的检测方法很多，对检测方法的分类也越来越细，这些检测方法主要涉及图像检测与处理的相关内容。图1-1为PCB检测方法示意图[7]，将PCB检测方法分为参考比较法、非参考比较法与混合法三大类，每一大类还可分为更加详细的小类。对于具体的PCB图像检测，可釆用不同的检测方法来进行。
PCB检测方法
图1-1 PCB检测方法示意图
PCB的缺陷检测是PCB检测的一个重要方面，应用非常广泛[7]。图1-2为PCB缺陷自动检测系统结构框图[7]，该图对PCB缺陷自动检测系统结构进行了较详细的说明，给出了检测的大致流程。
PCB检测系统的设计是PCB自动光学检测的一个关键，要对PCB光电图像进行良好的自动检测就必须设计一个良好的自动检测系统。图1-3为PCB自动检测系统的轮廓图[9]，该图给出了检测系统的大概轮廓，由图可知检测的大致流程。
一些PCB检测系统比较复杂，可与电磁设备结合在一起来提高性能。图1-4为基于多旋转阈值大磁致电阻传感器的涡流测试探测器PCB检测图[13]，通过自动处理，能髙效、快速地检测PCB的质量。
由于PCB光电图像检测与处理是PCB行业的重要研究内容，随着PCB产业的进一步发展，PCB光电图像检测在PCB生产中将占有越来越重要的地位。同时，随着光电、通信、计算机、机械、材料等技术的进一步发展，将对PCB光电图像检测提出更高的要求。
在PCB光电图像采集系统中，由于面阵CCD—种电荷耦合器件，charge couple device的分辨率不是很高，同时，用面阵CCD拍摄大面积的PCB时难以满足视场的要求，所拍摄图像会发生畸变现象而不能正确反映图像的相关信息，因此常采用高分辨率的线阵CCD。由于线阵CCD所拍摄的只是沿PCB某一方向的局部图像，因而必须对局部图像进行拼接处理从而获取完整的PCB检测图像[16];而拼接后的PCB检测图像由于在采集过程中光源的影响、机械系统的抖动、外界杂散光的干扰、被检测双面板另一面图像阴影的干扰作用以及拼接算法本身的原因，所得图像含有噪声、整体偏暗且对比度不髙，给图像分割、特征提取、图像识别及图像分析等后续工作带来困难。因而对PCB检测图像进行去噪、增强和拼接等处理是其预处理的重要过程[17_21]。
在光电图像采集过程中，由于受光照设备、外界环境及设备传输等因素影响，所获取的印刷电路板光板图像会不可避免地含有噪声与模糊现象[11，14，21]。对获取的图像进行增强、去噪、滤波、去模糊等一系列的预处理是印刷电路板光板图像处理、分析与识别的前提，在印刷电路板光板图像边缘检测、分割、识别、特征提取等领域具有广泛的应用前景[11，14，21]。
一般来说，PCB自动光学检测系统所获取的光电图像颜色整体偏暗，典型的 PCB光电图像灰度直方图分布曲线偏左[22，23]。加之图像在获取过程中会受到CCD所处位置、光照、机械设备振动、噪声及CCD的视野限制等多方面的影响，因而必须对所获取的图像进行预处理，从而得到更加清晰的PCB光电图像，有利于图像的进一步分割、识别与分析等后续工作。
由于大部分PCB自动光学检测系统得到的图像直方图的灰度级会出现灰度冗余（像素灰度值只存在于部分灰度级空间，在某些相邻灰度级范围集中了绝大部分像素，该范围外灰度级上的像素没有或者很少[24]，从而导致图像存在动态范围过窄、对比度不高、细节不明显的缺点，图像会偏暗或模糊。因此对图像进行增强处理可使图像均匀变亮，进一步提高图像的对比度，增强图像的细节信息[25，26]。
PCB图像中包括很多的圆孔，如定位圆孔、圆形焊盘pad以及圆形过孔[27]。图像的圆孔中有符合质量标准的合格圆孔，也有不符合质量标准的缺陷圆孔，如变形圆与残缺圆[28]。这些圆孔的边缘是否有缺陷、圆孔的尺寸是否符合要求、圆孔内是否有异物等，都会直接影响到PCB的质量，也就直接影响到电子产品质量，因此对这些圆孔进行检测的意义十分重大。检测时，可能只需要检测像定位圆孔这样的单圆孔，也可能需要检测同心圆、过孔圆、缺陷圆或其他类型的一些特殊圆孔。
由于PCB光电图像大多是由自动光学检测系统中的CCD获取的[29_31]，而CCD在获取大面积PCB光电图像的过程中，可能由于CCD视场的限制，图像因目标物体各点与光照中心的夹角与距离不同会产生光照不均的现象P2，33]，从而影响了图像的质量，因而对PCB光电图像的光照不均进行校正有很重要的意义[32，33]。校正后的PCB光电图像要尽可能地保留图像的原有信息。
畸变现象在各种成像系统中普遍存在[34.37]。许多自动光学检测成像系统所获取的图像，因视场较大等原因会不可避免地产生畸变现象，PCB光电图像也不例外。而PCB光电图像畸变会影响图像的质量，不能反映图像的真实信息，因此图像的畸变校正是PCB产品生产中不可缺少的关键技术[38]。
PCB光电图像的其他检测方面也在PCB自动光学检测中起着重要的作用。如线距、断路、短路、凸起、凹坑、晕圈、擦痕、压痕、空洞、连接盘环宽、金属化孔部分导体等缺陷检测技术是PCB光电图像检测中的重要内容，通过它们的检测结果也可直接或间接地反映出PCB电子产品的质量情况[17，39]。
总之，目前国内外对PCB自动光学检测系统中的图像检测与处理算法的研究还处于起步与探索阶段，在很多方面还不够成熟，没有形成完善的理论体系，一些关键技术还有待于进一步研究与提高。与发达国家相比，日本及欧美一些国家在该领域的研究明显超前，一些成果已得到了广泛应用，而我国在这方面还有一定的差距。因此，对PCB光电图像检测与处理的关键技术进行研究具有重大的理论和实际意义。
在未来，PCB光电图像检测与处理的一些关键技术研究是电子信息等行业的重要研究内容，提高其检测与处理技术、生产高质量的印刷电路板光板是这些行业检测技术的发展趋势。为了生产出髙质量的PCB，其光电图像检测与处理关键
1.2国内外研究现状
由于PCB光电图像检测与处理技术在PCB自动光学检测系统中的重要性，国内外学者对它的研究一直保持着浓厚的兴趣。早在1988年，加拿大多伦多大学的C.0136等[45]就对基于图像分析系统的PCB自动检测的微计算机的发展进行了报道；2004年，日本的等[46]结合高灵敏微型涡流测试探测器与图像处理技术检测了PCB裸板的瑕疵（断路、碎屑和裂缝等；2008年，马来西亚的Z.Ibrahim等[47]在PCB图像缺陷检测中为了消除或尽可能地减少噪声，用模板 PCB图像与测试PCB图像作为输入图像，用图像相减法取得了很好的消噪效果；2011年，华南理工大学的葛动元等[48]利用自动化检测系统采集PCB微钻头图像，应用拟合方法对图像进行检测与处理，得到了微钻头的圆角、外径等技术指标。
下面主要论述与本书内容关系密切的有关PCB光电图像检测与处理的国内外研究进展情况。
在PCB光电图像获取方面，2001年，中国台湾逢甲大学的等[49]为了处理球状格子阵列型的PCB，从RGB彩色PCB图像中预测圆孔和衬垫像素的特性，在专门的图像获取程序中得到4个图像的阵列值，从而使视觉系统在PCB图像获取点处容易地检测出圆孔和衬垫的局部分离；2005年，美国博伊西州立大学的N.I.Rafla?在第15届信号与信息技术IEEE国际研讨会上报道了基于FPGA的实时图像显示系统，将整个系统置于单一的PCB上时，系统可实现图像获取、图像处理和图像显示技术。图1-5是图像获取系统结构简图，图1-6是通过该系统最后获取的PCB全局图像。2007年，黑龙江大学的[51]在机器改进与控制论国际学术会议上报道了随着集成电路的复杂性增加与性能提高，在CCD的图像获取的非破坏检测技术被广泛应用于PCB生产的基础上，提出了基于粗糙集的 PCB中焊料接缝定位新方法；2011年，汕头大学的吴福培等[52]利用三色LED环形结构光源和3-CCD彩色相机获取了 PCB焊点图像，并对图像特征进行检测，可检测出PCB焊点的假焊，检测准确率为99.2%。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
