基于机器视觉的焊点质量检测方法研究

摘要

针对L公司楼宇机组控制面板制作过程中，各种元器件PCB板在焊接时人工对焊点质量进行缺陷检测的效率低、误差大等问题，采用机器视觉方法实现快速识别。首先，对采集到的图像数据进行预处理，提出改进的小波阈值去噪方法和改进NGO(Northern Goshawk Optimization)优化的OTSU多阈值分割方法；其次，分别采用HOG、LBP、GLCM 3种特征和SVM、KNN、Tree 3种模型共12种分类情况对焊点图像进行描述，用于更好地将焊点图像的信息体现出来；最后，将CNN＿SVM与传统的CNN及SVM模型进行对比，CNN＿SVM对焊点图像分类的准确率为98.3%,与CNN及SVM对比分别提高了2.5%和4.6%。同时构建了L公司焊点数据集，试验结果证明，同人工对比，单个焊点检测时间约减少了0.9 s。

关键词

机器视觉 / 焊点质量 / 分类识别 / 卷积神经网络