基于统计建模的电子元件焊点图像匹配算法

为了减少现有的基于特征提取的自动光学检测系统的用户编程时间以及对用户经验的依赖,提出了一种基于统计建模的图像匹配算法.该算法首先对学习训练的焊点图片进行合格或者不合格区分;然后对合格的样本图片进行灰度级别的统计建模,获得一个标准的学习模板;再将待测元件图片经定位操作后与训练好的标准模板进行匹配,通过计算两者像素点灰度值的差值来对待测元件图片进行合格与否的判定.实验结果表明:基于统计建模的图像匹配算法的误报率小于2%,漏报率为0,且可在满足自动光学检测较高检测精度的前提下,大大减少用户对检测程序的编程时间.     

数码产品外壳表面的适应性智能检测技术

针对不同的数码产品表面光学特性不一、缺陷检测可靠性低的问题,提出了一种可适应不同表面类型的视觉检测方法.首先在不同的光源下采集图像,并根据灰度统计分析后的识别结果对材料进行分类;接着使用基于全局和动态阈值的分割算法以及改进的曲线检测器对不同的表面进行检测,该曲线检测器利用高斯滤波和偏导特征先找出曲线的关键点,再通过"松弛"算法将其连接成线.实验结果表明,文中算法具有较好的鲁棒性,对外界有较强的抗干扰能力;综合性能分析表明,文中算法的检测误报率低于5%,准确率高于93%,检测速度能满足实际生产要求.     

基于加权双向二维线性判别特征的焊点检测算法

为克服现有自动光学检测(AOI)算法的缺陷,针对AOI的特点,对传统的双向二维线性判别方法进行改进,提出一种基于加权双向二维线性判别方法的焊点检测算法.在计算协方差矩阵时,对不同的类别以及类内不同的样本进行加权,从而提取更有判别力的特征.将改进后的算法应用于焊点检测,可实现对不同批次用料的自动分类.文中提出的算法检测速度可以满足实际需要,且与现有AOI系统中常用的图像对比算法和图像分析法相比,可以显著降低误报率.     

基于形状上下文特征和ICP的高精度轮廓视觉检测算法

为了解决任意形状工件轮廓尺寸的高精度检测问题,提出了一种基于形状上下文特征和迭代最近点的轮廓视觉检测算法.首先,在图像中采用基于局部面积的边缘提取算法提取工件的亚像素边缘,并过滤掉噪声和补齐轮廓;然后,基于从粗到精的匹配策略,先使用形状上下文特征进行粗匹配,再使用迭代最近点算法进行精匹配;最后,提出邻域法来计算出轮廓偏差.标定板实验和工件实验结果表明,该算法的检测精度达到0.5个像素,可以满足实际应用的需要;同时,该算法应用在工业检测上可大大提升误差检测的应用范围和工业生产效率.     

基于颜色特征的智能焊点定位算法

针对现有自动光学检测系统焊点定位自动化程度低的问题,提出了一种基于颜色特征的智能焊点定位算法.对样本焊点区域的灰度直方图进行统计分析,获得焊点分割的初始颜色阈值,并以最小像素损失为目标对阈值进行修正,得到最优分割阈值,实现了焊点颜色的自动抽取;定位过程中,使用阈值对焊点图像进行二值化,并使用优化后的面积最大法来搜索焊点位置,实现了焊点的快速定位.实验结果表明:文中算法对焊点图像的分割效果理想,定位误差小,定位速度可以满足实际应用的要求.