4000-169-679

首頁>技術支持 >軟板缺陷部位的精準檢測

軟板缺陷部位的精準檢測

2021-04-14 10:06

  柔性印制電路板剛性印制電路板(Printed Circuit Board,PCB)中相對高端的產(chǎn)品,現(xiàn)代的FPC檢測方法主要基于機器視覺的原理,自動光學檢測(Automatic Optical Inspection,AOI)技術可以無接觸地檢測FPC表面缺陷,不會對FPC造成二次傷害,是當前FPC缺陷檢測的熱點研究方向。

  雖然基于深度學習的檢測方法目前已有較多研究,但由于難以收集并標記大量缺陷訓練樣本,因此目前用于FPC板的視覺檢測算法大部分仍是數(shù)字圖像檢測法,即直接采集特定部分的圖像,然后根據(jù)電路板上特定組成部分的顏色、灰度及紋理等特點在劃定區(qū)域內(nèi)檢測缺陷,如Rau等人將標準參考圖像與待檢圖像做圖像減法來確定是否存在缺陷,接著提出邊界狀態(tài)轉移法對缺陷進行識別;Silva提出了粒子分析方法,可快速檢測焊接鍍通孔元件焊料的缺陷。Wei-ChienWang利用模板匹配的思想,全面檢測電路板上鍍通孔部位的缺陷。VikasChaudhary利用圖像配準技術實現(xiàn)PCB線路、焊盤及鍍通孔等部位的14種缺陷的檢測識別。

  上述處理技術在實際實現(xiàn)時多是跳過了定位步驟直接采集目標部位的圖像,然后進行后續(xù)檢測步驟,但在實際生產(chǎn)過程中,我們每次拍照都只能獲FPC板的整體圖像,難以直接定位到特定部位并進行圖像采集,因此上述算法無法直接運用于生產(chǎn)過程中的缺陷檢測。

  針對這一問題,將微分幾何理論和方法用來描述FPC圖像輪廓:對經(jīng)過灰度化預處理后用區(qū)域生長的方法提取出的FPC圖像輪廓,采用雙向差分法計算其離散曲率,定義曲率距離特征并據(jù)此計算陸地移動距離,最終達到對FPC特定區(qū)域的識別。該方法是通過對FPC表面各組成部分的形狀進行探究,利用曲率特征進行相似性度量,能在不依賴大量缺陷樣本的基礎上較為精確地實現(xiàn)FPC不同缺陷部位的識別,實時性高,能滿足企業(yè)在FPC缺陷檢測方面的實際需求。

網(wǎng)友熱評

回到頂部

關于深聯(lián)| 手機FPC | 平板電腦FPC | 工控FPC | 汽車FPC
醫(yī)療FPC | POS機FPC | 消費電子FPC | 站點地圖|深聯(lián)動態(tài)

粵ICP備11062779號 集團總部地址:深圳市寶安區(qū)福海街道展景路83號6A-16-17樓
深圳深聯(lián)地址:深圳寶安區(qū)沙井街道錦程路新達工業(yè)園
贛州深聯(lián)地址:江西省贛州市章貢區(qū)鈷鉬稀有金屬產(chǎn)業(yè)基地
珠海深聯(lián)地址:珠海市斗門區(qū)乾務鎮(zhèn)融合東路888號
上海分公司地址:閔行區(qū)閩虹路166弄城開中心T3-2102
美國辦事處地址:689, South Eliseo Drive, Greenbrae, CA, 94904, USA
日本深聯(lián)地址:東京都千代田區(qū)神田錦町一丁目23番地8號The Sky GranDEAR 三階

立即掃描!