- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE 2018国际网络世界大会（CW）- 新加坡，新加坡（2018.10.3-2018.10.5）] 2018国际网络世界大会（CW）- 面向焊接缺陷的自动光学检测
摘要： 本文提出了一种基于自动光学检测（AOI）的印刷电路板（PCB）焊点缺陷图像自动分类方法?；诨餮暗姆椒ǔＳ糜谕枷窦觳?，但主要挑战在于需要人工创建足够大的标注训练数据库以实现高精度缺陷检测。构建此类大型训练数据库耗时、昂贵且在工业生产环境中往往不可行。为解决该问题，本文提出一种主动学习框架——仅需初始少量标注训练数据子集，随后通过结合K-means聚类与主动用户输入逐步扩充标注数据集，为支持向量机（SVM）分类器训练提供代表性样本。在焊点样本不足和存在偏移的两个数据库上的评估表明：该方法仅需极简用户输入即可实现高精度检测，其性能分别比随机采样和代表性采样高出约3.2%和2.7%，较不确定性采样方法提升约0.5%。
关键词： 焊点缺陷分类、主动学习、自动光学检测（AOI）、支持向量机分类器、K均值算法
更新于2025-09-23 15:23:52
-
基于数字图像相关技术的三维表面轮廓精确测量新型边界边缘检测方法
摘要： 数字图像相关法（DIC）已成为一种流行的全场表面轮廓测量技术，用于分析平面内和平面外的动态结构。然而，基于传统DIC的表面三维轮廓测量往往会在表面边缘产生错误的轮廓线。边界边缘检测仍是DIC中的关键问题之一，因为由于光学衍射和高度模糊性，不连续的表面边缘无法被检测到。为解决光学表面轮廓测量中边缘测量的模糊性问题，本研究开发了一种新颖的边缘检测方法，该方法结合使用边界子集和角点子集的新算法，以实现精确的边缘重建。通过重建预校准的量块和圆形目标来验证所提方法的可行性?；苟跃哂胁煌砻娣瓷涮匦缘墓ひ滴锾褰辛耸笛?。结果表明，所开发的方法在检测精度上实现了15倍的提升，测量误差控制在1%以内。
关键词： 自动光学检测（AOI）、边缘检测、数字图像相关法（DIC）、随机散斑图像、表面轮廓测量
更新于2025-09-04 15:30:14