【摘要】 印刷电路板(PCB)是集成各种电子元器件的信息载体，在电子领域中有着广泛的应用。随着技术的不断发展和工艺水平的不断提高，电子产品趋于更轻、更薄、更小，PCB朝着层数更多、密度更高的方向发展，这使得PCB的质量检验成为一件非常困难的工作。传统的人工检测方法容易漏检、检测速度慢、检测时间长，已经不能满足生产的需要，如何更有效的实现PCB的自动缺陷检测，成为半导体工业领域一个热门问题。机器视觉检测技术，集电子学、光电探测、图像处理和计算机技术于一身，是精密测试技术领域内最具有发展潜力的新技术。机器视觉系统，一般采用CCD或CMOS摄像机摄取待检测目标并转化为数字信号，再采用先进的计算机硬件与软件技术对数字图像信号进行处理，从而得到所需要的各种目标图像特征值，并由此实现零件识别或缺陷检测等多种功能。然后再根据其结果显示图像，输出数据，由反馈信息引导执行机构完成位置调整、好坏筛选等自动化流程。将机器视觉引入到工业检测中，具有非接触、速度快、柔性好等突出优点，在现代制造业中有着重要的应用前景。本文将机器视觉技术应用到PCB光板的缺陷检测中，实现PCB光板的自动缺陷检测。在研究机器视觉技术的基础上，针对PCB光板上的几种常见几何缺陷类型，制定PCB光板缺陷检测系统总体方案，讨论视觉检测系统工作原理，为PCB光板视觉检测系统搭建硬件平台：包括照明系统、图像采集系统、以及控制台系统；重点针对采集的PCB光板图像讨论视觉检测算法并进行仿真实验，包括图像预处理、分割、描述、数学形态学、模式识别等方法，着重根据PCB设计规则运用数学形态学及模式识别方法完成自动检测识别；最后根据视觉检测算法设计系统软件，对PCB光板完成缺陷的检测与识别。对包含不同缺陷的PCB光板图像进行实验，结果证明本文的PCB光板缺陷检测系统能够对PCB光板上的短路、断路、毛刺、缺损四种主要缺陷做出有效的检测、定位与识别。

【关键词】 印刷电路板(PCB)； 机器视觉； 数学形态学； 模式识别；





摘要 4-5
Abstract 5-6
第1章 绪论 10-16
    1.1 机器视觉检测技术综述 10-12
    1.2 PCB光板视觉检测技术发展状况及分析 12-14
    1.3 课题的来源、目的及意义 14-15
    1.4 本文主要研究内容及组织结构 15-16
第2章 PCB光板视觉检测系统总体设计 16-24
    2.1 问题的提出 16
    2.2 检测系统工作原理 16-17
    2.3 照明系统设计 17-18
    2.4 PCB图像采集系统设计 18-22
        2.4.1 CCD摄像机 19-21
        2.4.2 图像采集卡 21-22
    2.5 控制台设计 22-23
    2.6 本章小结 23-24
第3章 视觉检测算法分析 24-66
    3.1 图像预处理 25-36
        3.1.1 图像平滑 26-29
        3.1.2 图像对比度增强 29-33
        3.1.3 图像锐化 33-36
        3.1.4 采用的预处理方法 36
    3.2 图像分割 36-42
        3.2.1 最大类间方差法 37-39
        3.2.2 聚类阈值分割 39-40
        3.2.3 迭代阈值分割 40
        3.2.4 采用的分割方法 40-42
    3.3 图像描述 42-47
        3.3.1 邻接与连通 42-43
        3.3.2 线描述 43-44
        3.3.3 区域描述 44-46
        3.3.4 模板匹配 46-47
        3.3.5 采用的描述方法 47
    3.4 二值形态学滤波 47-55
        3.4.1 集合 48
        3.4.2 二值腐蚀运算 48-49
        3.4.3 二值膨胀运算 49-50
        3.4.4 二值开运算 50-51
        3.4.5 二值闭运算 51-52
        3.4.6 基本性质 52
        3.4.7 连通区域标记 52-54
        3.4.8 采用的形态学滤波方法 54-55
    3.5 图像缺陷检测、定位与识别 55-65
        3.5.1 图像模式识别 55-56
        3.5.2 PCB图像识别 56-57
        3.5.3 采用的PCB图像识别方法 57
        3.5.4 缺陷的检测 57-62
        3.5.5 短路、断路的识别 62-63
        3.5.6 毛刺、缺损的识别 63-64
        3.5.7 缺陷定位及识别总结 64-65
    3.6 本章小结 65-66
第4章 系统软件设计 66-77
    4.1 开发工具选择 66
    4.2 PCB视觉检测系统软件功能模块 66-71
        4.2.1 系统主程序流程 67-68
        4.2.2 缺陷检测流程 68-69
        4.2.3 缺陷识别流程 69-71
    4.3 PCB板缺陷视觉检测及识别实验示例 71-75
        4.3.1 短路识别 71-72
        4.3.2 断路识别 72-73
        4.3.3 毛刺识别 73-74
        4.3.4 缺损识别 74-75
    4.4 实验结果分析 75-76
        4.4.1 结果分析 75
        4.4.2 影响图像检测精度因素分析 75-76
    4.5 本章小结 76-77
第5章 总结与展望 77-79
    5.1 总结 77
    5.2 展望 77-79
参考文献 79-82
致谢 82-83
附录 攻读硕士期间发表的论文 83