- 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。基于机器学习的方法常用于图像检测，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
-
一种用于激光焊接自动光学检测的高性能深度学习算法
摘要： 由于电动汽车和储能应用需求强劲，电池行业增长迅猛。激光焊接是电池制造的关键工艺。为把控生产质量，业界对自动化激光焊接缺陷检测有着迫切需求。近年来，卷积神经网络（CNN）在检测、识别和分类领域应用成效显著。本文运用迁移学习理论和视觉几何组（VGG）模型的预训练方法，提出优化后的VGG模型以提高缺陷分类效率。该模型在工业计算机上运行，采用产线采集的电池图像进行测试，准确率达99.87%。本研究主要贡献如下：（1）证实基于大型图像数据库训练的优化VGG模型可用于激光焊接缺陷分类；（2）证明预训练VGG模型具有体积小、误检率低、训练与预测时间短的特点，更适用于工业环境质检。此外，我们通过可视化卷积层和最大池化层，便于模型观测与优化。
关键词： 缺陷分类、优化VGG模型、激光焊接、卷积神经网络（CNN）、自动光学检测
更新于2025-09-23 15:19:57
-
[IEEE 2019年第十届信息技术、电子与移动通信年会(IEMCON) - 加拿大不列颠哥伦比亚省温哥华市 (2019.10.17-2019.10.19)] 2019 IEEE第十届信息技术、电子与移动通信年会(IEMCON) - 基于定向LED灯的三维形状重建
摘要： 本文提出了一种用于焊膏检测的新算法。该方法基于特别设计的定向LED照明来突出焊膏块的几何特征，随后基于这些被突出的形状特征进行焊膏检测与形状重建。研究开发了焊膏三维重建算法，该过程通过计算焊膏块的一组表面高度来实现，所估算的焊膏块形状由这组计算得出的表面高度表示。为提高估算精度，通过采用实际焊膏形状进行了参数优化，以寻找最优算法参数组合。
关键词： LED、自动化、自动光学检测、缺陷检测、形状重建、焊膏检测
更新于2025-09-16 10:30:52
-
基于无深度图像的视觉伺服及加速度指令的远程射频单元质量检测
摘要： 远程射频单元（RRU）的质量检测问题采用了基于图像的视觉伺服（IBVS）控制方法进行研究。设计了一种新型计算机视觉流程，能够识别RRU电源端口并从图像流中对其进行跟踪。在控制部分，设计了一种新的深度无关交互矩阵，将深度信息与电源端口周围感兴趣区域（ROI）的面积相关联?；诖松杉铀俣戎噶钜郧魅斯旒?。此外，基于变结构控制中滑移面的思想设计了PD型控制器，将设计参数精简为单一参数。通过李雅普诺夫稳定性分析验证了所设计控制器的稳定性。研究提供了仿真结果和实验验证以支持论点。
关键词： 工业操控、物体识别、自动光学检测、视觉伺服、多视角物体跟踪
更新于2025-09-09 09:28:46
-
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