1、電子產(chǎn)品微型化的發(fā)展趨勢(shì)使得印刷電路板（Printed Circuit Board，PCB）的生產(chǎn)制造工藝日趨復(fù)雜，進(jìn)而對(duì)產(chǎn)品的質(zhì)量檢測(cè)也提出更高要求。機(jī)器視覺(jué)檢測(cè)技術(shù)以其速度快和非接觸等優(yōu)點(diǎn)給PCB批量化生產(chǎn)中的高效檢測(cè)提供了可能。但現(xiàn)有與之相關(guān)的圖像處理算法還很不完善，在具體應(yīng)用中仍存在可靠性差、易受環(huán)境干擾、檢測(cè)正確率不高等問(wèn)題。同時(shí)，多數(shù)算法只能處理灰度圖像，限制了PCB視覺(jué)檢測(cè)技術(shù)優(yōu)勢(shì)的發(fā)揮。對(duì)此，本文從提高檢測(cè)準(zhǔn)確率及算法通

2、用性和穩(wěn)定性角度考慮，提出了專門(mén)針對(duì)PCB彩色圖像的缺陷檢測(cè)算法，從而實(shí)現(xiàn)對(duì)PCB生產(chǎn)缺陷的高效檢測(cè)。
　　在圖像預(yù)處理方面，本文結(jié)合PCB彩色圖像的自身特點(diǎn)，分析了RGB色彩模型對(duì)圖像處理的局限性，選擇在CIE L*a*b*色彩空間中對(duì)圖像進(jìn)行預(yù)處理；采用雙邊濾波算法對(duì)圖像進(jìn)行降噪，有效保護(hù)了圖像邊緣細(xì)節(jié)信息；通過(guò)對(duì)比三種方法的分割效果，選擇使用K-均值聚類法對(duì)圖像中的布線層和焊盤(pán)區(qū)域進(jìn)行精確分割，以減少后續(xù)計(jì)算量。在缺陷特征提

3、取方面，著重分析圖像中邊緣像素的梯度方向分布和局部二值模式（Local Binary Pattern，LBP）信息，從中發(fā)現(xiàn)了缺陷位置的典型圖像特征，即在一定鄰域范圍內(nèi)，邊緣像素的梯度方向分布比較混亂，對(duì)應(yīng)的LBP特征多為非等價(jià)模式。本文由此提出鄰域梯度方向信息熵的概念和改進(jìn)的局部二值模式算法，用于量化描述缺陷信息，兩者共同構(gòu)成感興趣區(qū)域像素的特征向量。在缺陷識(shí)別方面，算法采用支持向量機(jī)（Support Vector Machine，S

4、VM）分類器對(duì)特征模式進(jìn)行二分類，使用訓(xùn)練后獲得的分類器從目標(biāo)區(qū)域中提取缺陷位置像素點(diǎn)作為檢測(cè)結(jié)果，為直觀顯示缺陷信息，又對(duì)缺陷區(qū)域進(jìn)行了定位。
　　通過(guò)編程對(duì)算法進(jìn)行軟件實(shí)現(xiàn)，驗(yàn)證了兩個(gè)特征提取算子的實(shí)際性能。對(duì)PCB圖像的實(shí)驗(yàn)結(jié)果表明:本文提出的視覺(jué)檢測(cè)算法對(duì)短路、斷路、劃痕、孔洞、余銅、毛刺、缺口等多種PCB缺陷的綜合檢測(cè)正確率達(dá)到98％以上。算法對(duì)環(huán)境光照和檢測(cè)對(duì)象擺放角度的變化不敏感，魯棒性較強(qiáng)，能夠滿足PCB缺陷的檢測(cè)