论文研究-基于神经网络的PCBA焊点缺陷检测新方法 .pdf

所需积分/C币:47 2019-08-15 16:22:29 183KB .PDF
收藏 收藏
举报

基于神经网络的PCBA焊点缺陷检测新方法,杨凌,,本文结合生产实际,提出了一种PCBA缺陷检测的二阶段新方法。该方法在图像特征提取和选择的基础上,通过在第一阶段构建单层感知器��
山国科技论文在线 面积 灰度均值: 标准差 (5) 熵:∑∑ (6) 对比度:∑∑ 其中,f(x,y)表示边界轮廓图像中的像数点。当该像素点为边界点时,f(x,y)=1 否则,f(x,y)=0。M,N分别表小图像的行数和列数。表小第i个灰度级。 表小第i 个灰度级出现的概率。L表示总的灰度级数目。表示图像灰度共生矩阵中的元素。 为了评价各特征量的二分类能力,本文采用ROC曲线的方法进行分析。通过选取200个 样本图像,其中140个良品图像,60个缺陷图像,应用SFSS软件获得各特征量的ROC曲线 下面积如表1所示 表1六和特征量R0C曲线下面积 Table 1. area under roc curves of 6 features 序号 特征量 曲线下面积 熵 对比度 灰度均值 标准差 面积 周长 由上表可知:熵,对比度和灰度均值三个特征量曲线下面积大于,表明它们具 有较强的分类能力,标准差和面积两个特征量曲线下面积在 之间,表明它们 具有一定的分类能力。而周长特征量的曲线下面积小于,表明该特征量分类能力较 差,对于该分类没有太多价值,可以不予米用。六种特征量的曲线如图所小 Scure ofthe curve 一卖度均值 推差 后长 对比度 1 图4六种特征量ROC出线 Fig 4. Roc curves of 6 features 国科技论文在线 阶段检测模型 在实际生产中, 缺陷的发生率般在左右,且漏检将不良品判为良品损失 要比误检将良品判为不良品损失大得多。考虑到实际生产中的先验知识,为了满足缺陷 检测对实时性和准确度的髙要求,本文提岀了一种基于神经网络的_阶段汯检测模型。其基 本框架如图所示: 单·特征输入 感知器网络 良品 多特祉输入 网络 良品 多神缺陷 图阶段法模型框架 该方法的基本思路是:在第阶段首先用种分类能力强的特征量作为输入,建立·个 单输入单输出的单层感知器网络,利用该网络进行良品与缺陷分类,在保证尽可能低的漏 检率下,将检测的样本归为良品类,而将检测的样本归为缺陷类,其中缺陷类中 还包含有因误判而带入的良品。然后,在第二阶段中,采用多特征量作为输入,以待区分的 缺陷类别作为输出,建立多输入和多输出的网络,将所有在第一阶段检测的样本输 入该网络,利用网络较强的学习和分类能力将良品及各和缺陷类别区分出来。 仿真实验与分析 为了验证二阶段法的缺陷检测能力,本文从实际生产中随机选取了个样本构成训练 集,另选取了个样本构成测试集。两个样本集中分别有良品样本个,少件,空焊和 偏位样本寳个。根据二阶段法的框架,利用 工具箱构建神绎网络进行仿真实验。 在第一阶段,依据前述曲线分析可知,熵特征量由线下面积为,表明其有较 强的分类能力。因此,选取熵特征量作为输入量构建单层感知器冈络。利用训练集对网络进 行训练,并对测试集进行检测的结果是所有个缺陷样本被正确检出,漏检率为。另 个良品样木中有个样木被误判为缺陷品,误判率为总的检出率正确率)为 在第二阶段,选取前述熵,对比度,灰度均值,标准差和面积个特征量作为网络 输入。因此,网络输入层节点数设为个。以良品,少件,空焊和偏位个类别作为 网络输出,并规定当输出为(1,0,0,0)时判定为良品,当输出为(0,1,0,0)时判定为缺件, 当输出为(0,0,1,0)时判定为空焊,当输出为(0,0,0,1)时判定为偏位。因此,网络输出 国科技论文在线 层节点数n设为4个。根据公式√(a为1~10之间的常数),通过对比实验后取 a3得BP网络的隐层节点数为6个。各层间的传递函数采用Log- sigmoid函数,由此构建 山个有5个输入,4个输出和6个隐层节点的三层BP网络。其网络结构如图6所示: 图第二阶段网络结构 在网络训练中采用有动量和自适应学习率的梯度下降函数 traingdx网络训练误差曲线 如图7所示 U北∈-U,G0 al i3 L 图网络训练误差曲线 由B网络训练误差由线可知,经过330次循环,网终误差就接近了目标值0。利用训 练好的网络对第一阶段剩下的89个样本(缺陷样本60个,误判样本29个)再次进行检测结 果是29个良品样本被正确检出,3类缺陷样本中各有1个样本误判。因此,通过两个阶段 检测的总的正确率为98.5%,总的漏检率为0,总的误判率为1.5%。 为了评价二阶段法的性能,从总的正确率,总的漏检率,总的误判率及平均检测时闫间方 血比较传统的最小距离法,K近邻法和二阶段法的结果如表2 表2三种检测方法的比较 Table 2. Comparison of 3 methods 评价指标总止确率 总漏检率 总误判率 平均时间(ms) 检测方法 最小距离法 91.56% 0.78% 7.66% 30.85 K近邻法 93.27% 6.73% 36.02 二阶段 98.5% 1.5% 10.15 从表2可以看岀,最小距离法的检测正确率最低,误判率最高,这主要是因为该方法中 的标准向量取的是样本中的均值,而由于检测过程中和待检图像本身存在明显的差异性,因 此样本均值并不能完全代衣模式的标准向量。K近邻法在检测的止确率和误判率上都有所改 国科论义在线 善,但这种改善较多地依赖于所抽取的样本集,而且牺牲了较多的检测时间,因此,其平均 检测时间最长。二阶段法具有最高的检测正确率,最低的误判率和最少的检测时间,而且基 于BP网络的方法还具有较强的适应性和鲁棒性。 结论 本文结合生产实际,在充分考虑 缺陷检测的类不平衡性特点的基础上提出了 种二阶段缺陷检测的新方法ε首先在第一阶段选取一种分类能力强的图像特征输入单层感知 器网终,通过该网终进行良品与不良品的二分类,在保证较低漏检率的基础上筛选出大量的 良品。然后,在第二阶段选取多个特征量输入三层网终对第一阶段剩下的产品进行再分 类,并最终识别出良品与具体的缺陷类型。通过 仿真实验表明,该新方法比传统的 识别方法在检测的准度和检测效率上都有明显的优越性。 参考文献 董长虹神经网络及其应用北京国防工业出版社 雷鸣等神经网络自适应学习研究系统工程与电子技术 周德俭组装质量检测中的技术与系统电子工业专用设备 作者简介:杨凌,男,西安电子科技大学在职电子与通信工程侦士研究生,现就职于富泰华 ⊥业有限公司。

...展开详情
试读 6P 论文研究-基于神经网络的PCBA焊点缺陷检测新方法 .pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    • 至尊王者

      成功上传501个资源即可获取
    关注 私信 TA的资源
    上传资源赚积分,得勋章
    最新推荐
    论文研究-基于神经网络的PCBA焊点缺陷检测新方法 .pdf 47积分/C币 立即下载
    1/6
    论文研究-基于神经网络的PCBA焊点缺陷检测新方法 .pdf第1页
    论文研究-基于神经网络的PCBA焊点缺陷检测新方法 .pdf第2页

    试读已结束,剩余4页未读...

    47积分/C币 立即下载 >