10.16526/j.cnki.11-4762/tp.2020.05.041
基于PCA和粒子群优化算法的焊点缺陷识别
针对生产线上的表面贴装技术(SMT)焊点图像的特点,提出了一种基于PCA和粒子群算法-误差反向传播(PSO-BP)神经网络的焊点缺陷识别方法;首先使用图像处理技术和CCD传感器对PCB焊点图像进行预处理,采用中值滤波、灰度图像增强、全局阈值法等方法,有效抑制噪声干扰并提高了图像对比度,提取出较好的图像特征;然后运用主成分分析法,提取包含焊点86.6%特征信息的5个主成分,并输入到经粒子群算法改进后的BP神经网络;通过具体的实验分析,结果表明改进的BP神经网络具有较好的识别分类效果,能够对正常、多锡、少锡、漏焊四种不同类型的焊点进行识别,准确率达93.22%,算法可靠,在实际生产中能够有效的提高检测效率.
焊点缺陷、主成分分析、粒子群优化算法、BP神经网络
28
TP391.41(计算技术、计算机技术)
2020-06-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
190-194