集中式数据采集与通讯的无线传感器网络经典.pptVIP

An Automatic Optical Inspection System for the Diagnosis of Printed Circuits Based on Neural Networks 基于神经网络的自动光学检测系统 摘要：本文提出了一种用于PCB板的诊断系统，该系统基于自动光学检测技术，以低成本和广泛的适用性为主要特征。该系统是一个完整的电路贴片缺陷的检测系统。为了很好的实现这种检测功能，首先设计了一个低成本高精确性的图像获取系统。然后，通过小波变换和神经网络对图像进行处理，通过这种处理方式可以降低运算量并且能够保证运算的精确度。小波变换空间可以根据位置信息，实现对有用特征的特征提取。本文通过演示该系统在不同电路中不同缺陷的应用，来分析系统的原理及具体实现过程。 关键词：自动光学检测（Automated Optical Inspection） 小波变换（Wavelets） 神经网络（Neural Network） PCB板（Printed Circuit Bosrds diagnosis）。 简介 PCB板的自动检测技术可以分为两类：电气接触式检测法（electrical/contact methods）和非电气非接触式检测法（non-electrical/non-contact methods）. 电气接触式检测法的特点是：高成本，低速度，并且无法检测出非电气缺陷，如线宽过宽或间距过小等缺陷。与此同时，非接触式方法，在速度和功能方面可以提高诊断能力。自动光学检测（AOI）在PCB板的自动生产过程中起到了非常重要的作用。计算机技术，图像处理，模式识别和人工智能的发展，使得电子产业中视觉检测得到了快速的发展，设备性能提高的同时，成本却下降了，尤其是表面组装技术（Surface Mounting Technology）发展更为迅速。传统的PCB视觉检测是由人工目测完成的。但是人工检测速度慢、漏检率高、成品率低。一些作者提出了AOI方法，采用了用不同的的决策器，如模糊系统（Fuzzy Systems）,神经网络（Neural Networks）或专家系统（Expert System）。这些系统不是耗时就是需要复杂的光源系统，或需要很多的CCD 照像机，这使得图像的获取过程非常复杂。 本文提出的方法特别的简单，并且成本也很低。它只需要一个CCD 照相机，并且不需要将PCB板定位在一个精确的包含X-Y坐标轴的桌面上。可以将PCB放在一个自动的传送线上，不需要中断生产线。该系统的诊断过程是基于元件图像和原件缺陷图像的数据库。处理器通过一个图形处理程序存储图像，然后系统自动训练神经网络来识别相应的图像。训练的输入数据是小波变换的系数（WaVelet Transform (WVT) coefficients.）。小波变换可以有效地将图像分解为不同频率不同幅度的许多部分。因此，感兴趣的目标区域的信息可以很容易的在对应的区域中提取出来 。 二 诊断方法 （THE DIAGNOSIS APPROACH） 诊断过程可以看成是一个模式识别系统，由元件的图像来承当识别的模式。一个典型的模式识别系统由三个模块组成：转换器——用来获取物理设备上的数据；特征提取器——用来减少数据量和计算许多特征或属性；分类器——用来根据设备的状态做出最后的判断。在文正的AOI系统中，物理设备就是PCB板，转换器是CCD照相机，分类器是一个神经网络。该诊断系统的目的就是实现自动的缺陷检测。诊断系统的结构如图1所示。该系统包括两个过程：一个是对诊断的训练过程，另一个是系统对待检测电路的诊断过程 。 A. 训练过程（Training procedure） 通过训练一组神经网络来实现对所有可能出现缺陷的元件的诊断。每一个神经网络采用一组模式。这些模式是与待检测元件的所有缺陷相对应的。 A set of neural networks are trained to diagnose all the possible components. Each neural network is trained using a set of patterns, corresponding to the defects to be diagnosed on the corresponding component. B. 检测过程（Testing procedure） 假如有一块待检测的PCB板，和一个CCD照相机。用照相机取得电路的图像。该图像先经过预处理，来提取重要的特征，然后这些特征被用来作为重要的输入，输入到一组之前已经训练过的神经网络中，由神经网络识别电路的缺陷。神经网络的输出就是该诊断系统的诊断结果。这种产生训练模式的方法可以使我们在进入生产线之前设置一个诊