基于加权双向二维线性判别特征的焊点检测算法.pdfVIP

华南理工大学学报(自然科学版) 第38卷第12期 JournalofSouthChina of V01．38No．12 UniversityTechnology 2010年12月 Science December2010 (NaturalEdition) 基于加权双向二维线性判别特征的焊点检测算法乖 邝泳聪 谢宏威 欧阳高飞 张宪民 (华南理工大学机械与汽车工程学院，广东广州510640) 摘要：为克服现有自动光学检测(AOI)算法的缺晤，针对AOI的特点，对传统的双向二 维线性判别方法进行改进，提出一种基于加权双向二维线性判别方法的焊点检测算法．在 计算协方差矩阵时，对不同的类别以及类内不同的样本进行加权，从而提取更有判别力的 特征．将改进后的算法应用于焊点检测，可实现对不同批次用料的自动分类．文中提出的 算法检测速度可以满足实际需要，且与现有AOI系统中常用的图像对比算法和图像分析 法相比，可以显著降低误报率． 关键词：自动光学检测；双向二维线性判别分析；特征提取；焊点检测 中图分类号：TP391．4 自动光学检测(AOI)系统可对焊点进行快速、否存在缺陷．在实际应用中，这种算法通过在不同区 可靠、标准一致的检查，是表面贴装技术(SMT)工艺域设置特征检测窗来体现图像整体结构．但对于每 质量控制的重要手段【I。J，已经越来越广泛地应用 个区域，不同学习样本之间的像素灰度变化，完全依 于实际生产中．然而，当前的AOI在实际使用时漏 赖编程者的经验来体现，因此，所建立的焊点模型容 报和误报普遍存在，严重降低了产品质量，增加了生 易损失样本变化的信息． 产成本，如何降低漏报和误报是当前AOI亟待解决 以上两种方法各有优劣．如果能够提取既能体 的问题． 现焊点变化、又能保留焊点图像整体结构的特征，将 目前用于AOI系统的检测算法大致分为基于有助于降低误报率．分类问题的关键是提取合适的 像素的图像对比算法和基于特征的图像分析法两 低维特征，利用这些特征将同一类别的样本聚集在 类【3J．图像对比算法通过统计建模技术学习一系列 一起，不同类别的样本尽量分开，以达到分类的目 合格焊点的图像MJ，自动记忆焊点的变化，建立标 的．文中结合AOI检测的特点，对现有线性判别方 准焊点模型；检测时，将待检焊点图像与学习所得的 法进行改进，提出了基于加权的双向二维线性判别 标准图像的像素逐个比对，如果有足够多的像素差 方法，并将其应用于AOI焊点图像特征的提取． 值超过预设值则判为不良品．由于统计学习和检测 1 加权双向二维线性判别特征提取 都是基于相同位置的像素，建立的焊点模型损失了 图像像素点之间的关系，没有体现图像的整体结构； 1．1 二维线性判别方法 在实际应用中，此算法误报率较高．基于特征的图像 线性判别分析(LDA)方法充分考虑类内和类 分析法通常选择一些相对稳定的特征属性来描述合 间信息，选择使样本类间散布和样本类内散布的比 格与缺陷图像的模式”1；检测时，将提取的焊点图 值最大的特征MJ．然而，直接使用LDA方法时需先 像的特征值与预设的标准值进行比较来确定焊点是 将每个样本数据转化为一个向量，对于图像数据来 收稿日期：2010—02—25 突破招标项目(东莞专 作者简介：邝泳聪(1970一)，男，副教授，主要从事机器视觉研究．E—mail：kuangyongeong@21cn．com 万方数据 华南理工大学学报(自然科学版)