基于機器視覺的焊膏視覺檢測方法(文件)
【正文】 其中 Va代表是焊膏的實際體積。 5 實驗和分析 焊膏和 PCB基板的圖像直方圖如圖 6所示?？梢钥吹?，圖像增強之后焊膏圖像的直方圖直增大了，兩個圖像之間的平均灰度值差是 （ ）到 （ ）。 結(jié)論 本文提出了一種基于機器視覺的焊膏檢測方法。實驗結(jié)果證明了檢測方法的可行性和有效性。提出了基于紋理的算法來擴大焊膏和 PCB基板之間的灰度值差，使得多閾值函數(shù)更加穩(wěn)定和準確。 下圖顯示了來自四種電子元件的焊膏缺陷的假報警率。圖 6（ b）是焊膏圖像增強之前的焊膏圖像直方圖。 缺陷可以根據(jù)體積比設(shè)定閾值來檢測。只有與光線垂直的表面，反射的光線才會進入攝像機，因此圖像是明亮的；否則圖像是暗的，如圖 4（ a）所示。 B. Pesudo3D 檢測 雖然 3D檢測算法可以查找出焊膏體積缺陷，但是，需要用一個激光掃描器而且速度相對較慢。 上面提到的因數(shù)的值通過計算后被輸入到缺陷分析器。 海氏德環(huán)狀因數(shù)：，顆粒的形狀越接近圓形，海氏德環(huán)狀因數(shù)就越接近 1。 A：顆粒的面積。 這個算法可以增加焊膏灰度，從而增強了圖像，焊膏和 PCB基板可以容易的區(qū)分開來。 L是可能的亮度等級數(shù)，而 m是灰度值的平均值。 3 圖像增強 對比焊焊膏和 PCB基板，焊盤的灰度值高出許多，可以很容易的通過使用閾值函數(shù)來區(qū)分。 S是
教學課件相關(guān)推薦
鄂ICP備17016276號-1