超声激振的倒装芯片焊球缺陷检测方法研究

针对倒装芯片内部焊球缺陷难以检测的问题,提出了基于声固多物理场耦合的超声激振检测方法．首先,建立倒装芯片超声激振检测仿真模型,模拟了含有典型缺陷(缺球和虚焊)的倒装芯片在超声激励下的振动响应,仿真结果显示焊球缺失和虚焊会引起倒装芯片振动速度的明显变化;其次,搭建超声激振倒装芯片检测系统,对倒装芯片进行检测,获取含不同缺陷倒装芯片的实际振动信号;最后,利用核主成分分析算法改进多粒度级联森林网络,对含典型缺陷的倒装芯片振动信号进行识别与分类．仿真和实验结果验证了基于多粒度级联森林网络和超声激振技术检测倒装芯片焊球缺陷的有效性．     

基于X射线的BGA空洞缺陷3D检测方法

目的对球栅阵列封装(Ball Grid Array,BGA)芯片中由于焊接过程中产生的气体未能及时逸出所致的空洞缺陷进行3D检测,以降低缺陷检测难度和提高准确率,为实现BGA产品的流水线检测奠定基础.方法利用X射线三维显微镜对BGA芯片进行扫描与重建得到3D模型,将模型等距切片后转为灰度图像,根据3D可视化结果和灰度直方图选择固定阈值进行全局阈值分割,将分割得到的二值图进行连通区域标记并计算各区域面积,最后采用积分法求取焊球和空洞体积并计算空洞率.结果与2D检测方法对比,该方法可以有效去除图像中的多元器件重叠的不利因素,可直接观察空洞缺陷的大小及位置;在BGA切片图像中标记分割阈值的等值面并测量焊球和空洞的直径,将测量结果与DR图像中的测量值对比,最大误差为3.726μm,表明该方法可以准确地分割焊球及空洞特征.结论该方法可以有效地检测出BGA中的空洞缺陷,并准确地计算出焊球和空洞体积及基于体积的空洞率.     

基于卷积神经网络的磁瓦缺陷检测研究

针对磁瓦缺陷种类多样性及无法准确描述其缺陷的问题,提出一种基于卷积神经网络的缺陷检测方法。构建缺陷类型的数据集,并对数据集中的图像进行预处理;设置卷积神经网络模型参数,训练缺陷分类器;通过训练结果完成对缺陷图像的识别并标注缺陷类型。实验结果表明,该方法检测的准确性和实时性均优于传统检测方法,具有非常好的鲁棒性,为工业生产的实际应用提供了可靠的依据。     

基于双边滤波与自适应灰度的钢筋图像预处理

提出双边滤波结合自适应直方图均衡化方法在钢筋检测中的工业应用。双边滤波采用传统高斯滤波方法与图像亮度信息相结合,达到平滑滤除高频噪声,并有效保持图像边缘信息;自适应直方图均衡化改进了常规均衡化方法,对图像亮度信息的缺失进行自适应补偿,有效提高图像对比度。在焊网机器人钢筋检测预处理中进行应用,结果证明有效提高钢筋检测的准确率。     

基于机器视觉的齿轮产品外观缺陷检测

提出应用机器视觉技术对齿轮外观缺陷进行检测.首先对齿轮产品实物图像进行预处理,提取齿轮边缘图像,对其实物图像和设计图像进行分割和缩放处理,得到相同大小的实物;其次,采用互信息方法对两幅图像进行配准,通过不断旋转实物图像,计算它与设计图像的互信息,找出实物图像的最佳旋转配准角度;在此基础上将两幅图像进行小波融合,即自动对齐叠加在一起,根据重合效果,检测人员可以判断生产出的齿轮产品是否合格.通过实例验证了该方法的可行性和有效性,检测效果直观.     

基于Matlab的图像处理技术识别硅太阳电池的缺陷

针对硅太阳电池缺陷的检测问题,利用非接触红外检测方法,通过CCD相机获取硅太阳电池的电致发光图像,利用Matlab软件对缺陷部位图像首先进行预处理,然后进行图像分割、特征提取和图像识别,最后判断检测的硅太阳电池的缺陷.结果表明,该方法能够有效识别硅太阳电池的缺陷.     

基于机器视觉的安瓿瓶在线质量检测系统设计

针对药用玻璃安瓿瓶生产中人工检测存在的检测速度慢、效率低等问题,设计了一套基于机器视觉的在线质量检测系统。利用工业摄像机获取安瓿瓶图像信息,通过数字图像处理技术,实现对图像的预处理和边缘检测,进而判断瓶体是否有污渍和破损等缺陷,将不合格产品剔除,利用LabVIEW技术设计了人机交互界面,实时显示检测结果。实际测试表明,该系统能够实现安瓿瓶的实时检测,提高检测效率,能够满足实际生产的需求。     

基于区域生长法的QFP芯片引脚缺陷检测算法

为降低贴片机的废品率,提出了基于机器视觉的小型方块平面封装(quad flat package,QFP)芯片引脚缺陷检测算法,以在贴装前对芯片的引脚进行质量检测。利用区域生长法获取引脚的总数及各个引脚主体部分的形心坐标及面积。通过与实际引脚总数进行对比,判断是否存在引脚缺失的缺陷,并和实际引脚的间距、面积的设定值进行对比,当测定值超过设定值一定范围时,认为该芯片存在引脚位置偏移以及高度偏移等缺陷,从而吸取新的芯片进行判断,实现持续自动的测试。测试结果表明,该方法具有检测速度快、误检率低的优点,可以较好地满足生产工艺要求。     

基于穿线法的轮胎帘线断裂缺陷检测

为了检测子午线轮胎胎侧帘线断裂缺陷,提出一种基于穿线法的检测方法;对获得的轮胎X射线图像进行预处理,包括二值化、细化,预处理后的图像通过穿线法统计每列与帘线交点的个数,如果后一列交点个数与前一列不同,则对后一列每2条相邻帘线的间距进行判断;如果大于1.6倍的平均间距,则对2条帘线间的白色像素的个数进行统计,判断是否存在帘线断裂的情况。结果表明,本算法不仅可以准确检测出断线缺陷,而且能够排除帘线稀疏和杂质对帘线断裂缺陷检测的干扰。     

基于多类支持向量机的X射线焊缝图像缺陷类型识别方法

压力容器的焊缝结构多变,纹路复杂,增加了压力容器检测焊缝缺陷时定级的难度.提出一种基于多类支持向量机的X射线焊缝图像缺陷类型识别方法.首先通过对X射线焊缝图像进行预处理及缺陷轮廓检测,提取表征焊缝缺陷的状态特征,以构造特征向量;然后基于多类支持向量机建立焊缝缺陷识别模型,对产品的焊缝缺陷进行分类识别.实验结果表明了该方法的有效性.     

基于三维曲面重建的CT图像肺边界缺陷修复

针对CT图像的肺实质分割中由边界粘连型肿瘤造成的肺边界缺陷修复问题,提出了一种基于三维曲面重建的修复方法.对肺实质边界曲率变化较大处的缺陷,二维图像上无法获得足够多的特征对肺实质边界进行修复.本文方法首先使用质心灰度法改进了三维区域生长算法,提取肺实质进行三维重建.再使用阈值法提取分布在缺陷周围的三维点云,对三维点云进...     

多特征组合和用户反馈的图像检索算法

针对单一特征只能描述图像内容部分信息的缺陷,为获得更高准确率的图像检索结果,设计一种基于多特征组合和用户反馈相融合的图像检索算法.首先提取图像的多种特征,将其组合形成图像检索的特征向量,并采用欧氏距离计算图像间的相似度,实现图像初步检索;然后通过用户对图像初步检索结果进行评价和反馈,并采用机器学习算法根据反馈结果对图像初步检索结果进行调整,实现图像的精确检索;最后采用图像库检索的标准数据进行仿真测试.测试结果表明,该算法获得了稳定的图像检索结果,图像检索准确率明显高于其他算法.     

基于KCPA提取特征和RVM的图像分类

为了得到更理想的图像分类结果,提高图像分类的效率,提出一种核主成分分析与相关向量机(RVM)相融合的图像分类算法.首先采集大量图像,建立图像数据库,并提取图像特征;然后采用核主成分分析对图像进行选择和降维,减少图像特征数量,消除作用较小的特征;最后通过相关向量机的训练构建图像分类器.采用3个图像数据集进行图像分类实验,实验结果表明,对于3种标准图像数据库的图像,该算法的图像分类正确率大于95%,远高于其他算法的图像分类正确率,且图像分类速度可以满足图像的实际应用要求.     

一种新型纱线毛羽图像特征识别算法的研究

针对毛羽检测的问题,搭建了一套纱线毛羽的数字化图像采集系统,提出了一种新型的基于图像处理算法的纱线毛羽检测方法,可对连续采集的纱线图像序列进行特征分析,提取出可用于纱线毛羽质量评估的特征指标。通过对纱线图像进行预处理,包括灰度变换、背景处理、图像增强、动态阈值分割、倾斜纠正、图像去噪、图像分割,得到纱线的毛羽图像,并对毛羽图像进行细化处理,从而得到细化后的毛羽图像,以纱线轴线和主干边缘作为参考,选择合适的基准线,对毛羽像素点进行识别判断,统计得到不同长度毛羽的根数。实验表明,图像法测试的结果与目测法的结果最大偏差在5%以内,具有很好的一致性,该方法能够提高纱线毛羽检测的效率和精度。     

X射线检测焊缝的图像处理与缺陷识别

根据射线检测焊缝图像的特点,设计了图像去噪、增强的算法;针对焊缝缺陷对比度差、光照不均、纹理较多等不利因素,在去除焊缝背景情况下,设计了动态划分焊缝区域算法,利用局域阈值法分割提取出对比度不均的缺陷;通过对焊缝缺陷特征分析,选取缺陷识别的特征参数;建立了用于焊缝缺陷识别的模糊神经网络模型。试验结果表明,图像预处理和缺陷提取是成功的,提出的识别算法能够提高介于模糊边界模式分类时的识别率,对焊缝缺陷识别的效果优于分类识别法。     

图像拼接的预处理算法研究

在基于图像的虚拟现实中，为了加快相邻图像的拼接速度，提出了对图像进行灰度化，然后将灰度图投影，进行粗略匹配的预处理算法。实例表明，该算法可以有效地实现图像预定位，缩小图像拼接时的搜索范围，提高拼接速度。     

利用小波变换提高基于KPCA方法的人脸识别性能

基于核主成分分析（KPCA）的人脸识别算法能够提取非线性图像特征，在小样本训练条件下有较好性能. 然而并非所有非线性特征对识别都有利，过多的不相关特征可能会降低识别性能. 针对图像信息冗余的特点，预先对图像进行小波变换，通过消除对识别无关的细节信息，不仅提高了KPCA方法的识别精度，而且降低了该算法对计算机硬件的要求. 同时，为了抑制KPCA对光照等变化的较高敏感性，还提出一种对图像灰度进行衰减的预处理策略. 基于ORL数据库的实验表明，综合上述措施的系统比传统方法具有更快的训练速度和更高的识别精度.     

BGA焊点空洞缺陷的数学形态学分析

BGA焊点焊接过程中容易产生气泡,形成空洞缺陷,检测时如何自动分析一直是个难题。提出使用Otsu算法分割焊球,使用数学形态学中的开闭运算、顶帽变换提取空洞缺陷的技术方案,实现每个焊点空洞缺陷的准确提取和自动分析。实验结果表明,提出的技术方案鲁棒性强,可应用于BGA焊点的空洞缺陷检测。     

Improved Genetic Algorithm Application in Textile Defect Detection

Based on an efficient improved genetic algorithm, a pattern recognition approach is represented for textile defects inspection. An image process is developed to automatically detect the drawbacks on textile caused by three circumstances： break, dual, and jump of yams. By statistic method, some texture feature values of the image with defects points can be achieved. Therefore, the textile defects are classified properly. The advanced process of the defect image is done. Image segmentation is realized by an improved genetic algorithm to detect the defects. This method can be used to automatically classify and detect textile defects. According to different users＇ requirements, different types of textile material can be detected.     

Automatic Image Inspection of Fabric Defects Based on Optimal Gabor Filter

An effective method for automatic image inspection of fabric defects is presented. The proposed method relies on a tuned 2D-Gabor filter and quantum-behaved particle swarm optimization( QPSO) algorithm. The proposed method consists of two main steps:( 1) training and( 2) image inspection. In the image training process,the parameters of the 2D-Gabor filters can be tuned by QPSO algorithm to match with the texture features of a defect-free template. In the inspection process, each sample image under inspection is convoluted with the selected optimized Gabor filter.Then a simple thresholding scheme is applied to generating a binary segmented result. The performance of the proposed scheme is evaluated by using a standard fabric defects database from Cotton Incorporated. Good experimental results demonstrate the efficiency of proposed method. To further evaluate the performance of the proposed method,a real time test is performed based on an on-line defect detection system. The real time test results further demonstrate the effectiveness, stability and robustness of the proposed method,which is suitable for industrial production.