基于BP神经网络的焊点自动光学检测.pdfVIP

光 学 技 术 Vo1．35No．6 第35卷第6期 2009年 11月 0 rICALTECHNIQUE NOV． 2009 文章编号：1002—1582(2009)06—0905—05 基于BP神经网络的焊点自动光学检测 王小彬 -一，顾济华 一，杨勇 ，周皓 一，王永彬。，许亚娟 ， (1．教育部现代光学技术重点实验室，江苏 苏州 215006) (2．苏州大学 物理科学与技术学院，江苏 苏州 215006) (3．恭硕 电子科技(上海)有限公司，上海 201319) 摘 要：提出了一种新的表面组装焊点的自动光学检测分类方法。采用单层环形光源获取焊点图像，并根据归一 化分割曲线方程将焊点图像分成四部分，分别提取其特征。使用BP神经网络将焊点按照锡量多少分成三类：少锡，容许 和多锡。实验结果证明该方法分类正确率达到了99．2％，具有较高的实用价值。 关 键 词：自动光学检测；焊点检查；表面组装技术；BP神经网络；模式识别 中图分类号：TP391 文献标识码：A AutomaticopticalinspectionforsolderjointsbasedonBPneuralnetwork WANG Xiao-bin一，GU Ji—hua 一，YANG Yong：， ZHOUHao，-，WANGYong—bin，XUYa—juan (1．KeyLaboratoryofModem OpticalTechnology，So．chow 215006，China) (2．PhysiesDepartment，SoochowUniversity，Soochow 215006，China) (3．NorthtecAsia(Shanghai)Limited，Shanghai 201319，China) Abstract：A neuralnetworkbasedonautomaticopticalinspectionsystem forthediagnosisofsolderjointsdefectsonprinted circuitslx~dsassemblde insurfacemountingtcehnology(SMT)ispresentde．Thediangosisishandlde aSapatternrecognition problemwithaback—propagation (BP)neuralnetworkapproach．Four featuresareextractde from thesolderjointsimage， whichraeacpturde byusingonlyonelayeroftierde light．ThreetypesofsolderjointshavebeenclassifideaccordingtOthefea— tures：insufficient，acceptableandexcessiveoslders．Theexperimental resultsshow thattheclassifiactioncorrectnessreaches 99．2％ ． Keywords：automaticopticalinspcetion；solderjointsinspection；surfacemountingtcehnology；artificialneuralnmwork； pattern recognition 点形状和焊点表面有很大的不同，即使同属于一类 1 引 言 焊接状况的焊点也会因形状和焊接表面有很大的不 随着电子产品向着微型化的发展，表面组装技 同，这是焊点自动光学检测的一大障碍。除此以外， 术(SMT)中所使用的印