CN108311409A - 一种基于人工智能图像识别的印刷电路板检测系统 - Google Patents
一种基于人工智能图像识别的印刷电路板检测系统 Download PDFInfo
- Publication number
- CN108311409A CN108311409A CN201711432251.7A CN201711432251A CN108311409A CN 108311409 A CN108311409 A CN 108311409A CN 201711432251 A CN201711432251 A CN 201711432251A CN 108311409 A CN108311409 A CN 108311409A
- Authority
- CN
- China
- Prior art keywords
- circuit board
- printed circuit
- pcb
- shell
- air pump
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 19
- 230000007547 defect Effects 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 11
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims abstract description 5
- 229910052802 copper Inorganic materials 0.000 claims abstract description 5
- 239000010949 copper Substances 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 239000000428 dust Substances 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000004846 x-ray emission Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000007639 printing Methods 0.000 claims description 2
- 239000004065 semiconductor Substances 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000012360 testing method Methods 0.000 abstract description 3
- 230000007812 deficiency Effects 0.000 abstract description 2
- 238000003709 image segmentation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/3416—Sorting according to other particular properties according to radiation transmissivity, e.g. for light, x-rays, particle radiation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于人工智能图像识别的印刷电路板检测系统，包括外壳、传送带、气泵、电机、伸缩杆、推板、探测器、接收器、传感器、控制器；所述外壳的正面和背面分别设有进料口和出料口，外壳的左端和右端分别设有电机和残次品出口，外壳的顶部固定有气泵，外壳的外表面固定有控制器。对印刷电路板裸板存在的常见缺陷进行快速精确的定位，包括短路、断路、孔洞、余铜、划痕，满足生产过程中的实时检测要求，结构合理，操作方便，自动化程度高。用人工智能方法替代传统算法实现自动检测，非接触，检测精度高、速度快，抗干扰能力强，且方便与ERP质量检测模块通信连接。
Description
技术领域
本发明涉及人工智能、图像识别技术领域，更具体地涉及一种基于人工智能图像识别的印刷电路板检测系统。
背景技术
印刷电路板(printed circuit board，PCB)作为实现电子元件电气连接和固定的载体，在现代化生产制造诸多领域得到了广泛应用。现代电子设备的质量靠的不仅是电子组件的质量和性能，而且很大程度上取决于印刷电路板的质量。
电子元器件集成化和微型化的发展趋势使得PCB的生产制造工艺日趋复杂，受设备、环境和人为失误等因素影响，PCB生产中会存在短路、断路、划痕、孔洞等影响产品性能的缺陷。在生产印刷电路板过程中，由于电路板外观不整洁、阻焊膜不均匀等原因，不可避免地存在走线和焊盘的损害，而出现各种质量缺陷。这些分散在敷铜层区域的细小缺陷形态各异，与周围环境差异程度很小，从而使得传统的人工肉眼检测费时费力，且不能满足可靠性的要求。
为确保印刷电路板的质量，在线自动检测是一个必要的环节。采用光学原理，结合图像分析以及计算机和自动化检测技术对PCB生产缺陷进行检测，逐渐成为行业主流，具有效率高和缺陷覆盖率高等优点。但是，由于受采光条件、工业现场环境等因素的影响，工业相机采集到的原始图像不可避免地含有各种噪声干扰，检测精度、检测速度有待进一步提高。
发明内容
1.发明目的。
针对现有技术存在的缺陷，提供一种基于人工智能图像识别的印刷电路板检测系统，一方面用人工智能方法替代传统的算法实现自动检测，检测精度更高，检测速度更快；另一方面，方便与ERP质量检测模块衔接。
2.本发明的技术方案。
一种基于人工智能图像识别的印刷电路板检测系统，包括外壳、传送带、气泵、电机、伸缩杆、推板、探测器、接收器、传感器、控制器；所述外壳的正面和背面分别设有进料口和出料口，外壳的左端和右端分别设有电机和残次品出口，外壳的顶部固定有气泵，外壳的外表面固定有控制器。
更进一步，所述传送带包括X传送带、Y传送带，其传送运动方向垂直，其动力来源为电机；X传送带的起点为进料口，终点为出料口；Y传送带的起点为X传送带，终点为残次品出口；X传送带位于探测器和接收器之间，其表面附着有传感器。
更进一步，所述气泵包括第一气泵、第二气泵；第一气泵的伸缩杆末端固定连接滑轨，滑轨可沿滑柱移动，所述探测器可沿滑轨移动；第二气泵的伸缩杆末端安装有吸尘装置，可绕伸缩杆转动，吸除探测器和传送带表面的灰尘。
更进一步，所述探测器为X射线发射装置或光学摄像头，所述接收器为双能量半导体感应装置；仅当探测器为X射线发射器时，位于相对端的接收器启动工作；所述传感器为压力传感器。
更进一步，所述控制器包括数据处理模块、输入模块、输出模块、通信模块、显示模块和按键模块；数据处理模块采用TMS320L2812；输入模块与探测器、接收器电气连接，输入数字图像信号；输入模块与传感器电气连接，输入压力信号；输出模块与电机、气泵、伸缩杆电气连接，输出控制信号；通信模块与ERP质量检测模块电气连接。
更进一步，所述控制器的图像数据处理步骤如下：
(1)在原始PCB彩色图像中，选择合适的色彩空间对图像进行双边滤波，在保证边缘细节清晰的前提下去除噪声干扰；
(2)通过线性对比度增强扩大各区域之间色彩的差异程度，从而方便敷铜区域的准确分割；
(3)对于所有边缘像素，计算它们的梯度方向信息熵以及邻域内边缘像素的分布密度，二者构成特征向量作为SVM分类器的训练样本；
(4)用得到的SVM分类器对PCB缺陷进行判别和定位。
更进一步，所述控制器的核心算法包括：获得许多可能是印刷电路板的图块，将这些图块进行分类，聚集一定数量后，放入SVM模型中训练，得到SVM的判断模型；在实际运行中，把所有可能是印刷电路板的图块输入SVM判断模型，通过SVM模型自动的选择出印刷电路板的图块。
更进一步，所述控制器的核心算法包括：根据印刷电路板的图片，生成一个字符串，包括字符分割、神经网络训练、字符识别三个过程；图块首先会进行灰度化、二值化，然后使用一系列算法获取到每个字符的分割图块；获得海量的这些字符图块后，进行分类，然后输入神经网络的MLP模型中，进行训练；在实际的识别过程中，将得到7个字符图块放入训练好的神经网络模型，通过模型来预测每个图块所表示的具体字符。
3.本发明的技术效果。
本发明提出的一种基于人工智能图像识别的印刷电路板检测系统，对印刷电路板裸板存在的常见缺陷进行快速精确的定位，包括短路、断路、孔洞、余铜、划痕，满足生产过程中的实时检测要求。压力传感器可以检测是否有电路板在X传送带上经过；当检测到印刷电路板不合格时，控制器发出控制信号，伸缩杆带动推板把印刷电路板推到Y传送带上，从残次品出口传送出。结构合理，操作方便，自动化程度高。用人工智能方法替代传统算法实现自动检测，非接触，检测精度高、速度快，抗干扰能力强，且方便与ERP质量检测模块通信连接。
附图说明
图1为本发明的结构示意图。
图2为本发明的外观示意图。
图3为本发明的算法流程图。
图4为实施例的印刷电路板灰度图像。
图5为实施例的印刷电路板图像分割结果。
具体实施方式
实施例1
如图1所示，一种基于人工智能图像识别的印刷电路板检测系统，包括外壳1、传送带2、9、气泵7、12、电机3、伸缩杆4、推板8、探测器5、接收器6、传感器10、控制器11；外壳的正面和背面分别设有进料口和出料口，外壳的左端和右端分别设有电机和残次品出口，外壳的顶部固定有气泵，外壳的外表面固定有控制器。
如图2所示，传送带包括X传送带2、Y传送带9，其传送运动方向垂直，其动力来源为电机；X传送带的起点为进料口，终点为出料口；Y传送带的起点为X传送带，终点为残次品出口；X传送带位于探测器和接收器之间，其表面附着有传感器。
气泵包括第一气泵7、第二气泵12；第一气泵的伸缩杆末端固定连接滑轨13，滑轨可沿滑柱14移动，探测器可沿滑轨移动；第二气泵的伸缩杆末端安装有吸尘装置15，可绕伸缩杆转动，吸除探测器和传送带表面的灰尘。
探测器为X射线发射装置或光学摄像头，接收器为双能量半导体感应装置；仅当探测器为X射线发射器时，位于相对端的接收器启动工作；传感器为压力传感器。
实施例2
一种基于人工智能图像识别的印刷电路板检测系统，包括外壳1、传送带2、9、气泵7、12、电机3、伸缩杆4、推板8、探测器5、接收器6、传感器10、控制器11；外壳的正面和背面分别设有进料口和出料口，外壳的左端和右端分别设有电机和残次品出口，外壳的顶部固定有气泵，外壳的外表面固定有控制器。
控制器包括数据处理模块、输入模块、输出模块、通信模块、显示模块和按键模块；数据处理模块采用TMS320L2812；输入模块与探测器、接收器电气连接，输入数字图像信号；输入模块与传感器电气连接，输入压力信号；输出模块与电机、气泵、伸缩杆电气连接，输出控制信号；通信模块与ERP质量检测模块电气连接。
如图3所示，控制器的图像数据处理步骤如下：
(1)在原始PCB彩色图像中，选择合适的色彩空间对图像进行双边滤波，在保证边缘细节清晰的前提下去除噪声干扰；
(2)通过线性对比度增强扩大各区域之间色彩的差异程度，从而方便敷铜区域的准确分割；
(3)对于所有边缘像素，计算它们的梯度方向信息熵以及邻域内边缘像素的分布密度，二者构成特征向量作为SVM分类器的训练样本；
(4)用得到的SVM分类器对PCB缺陷进行判别和定位。
实施例3
一种基于人工智能图像识别的印刷电路板检测系统，包括外壳1、传送带2、9、气泵7、12、电机3、伸缩杆4、推板8、探测器5、接收器6、传感器10、控制器11；外壳的正面和背面分别设有进料口和出料口，外壳的左端和右端分别设有电机和残次品出口，外壳的顶部固定有气泵，外壳的外表面固定有控制器。
控制器包括数据处理模块、输入模块、输出模块、通信模块、显示模块和按键模块；数据处理模块采用TMS320L2812；输入模块与探测器、接收器电气连接，输入数字图像信号；输入模块与传感器电气连接，输入压力信号；输出模块与电机、气泵、伸缩杆电气连接，输出控制信号；通信模块与ERP质量检测模块电气连接。
控制器的核心算法：获得许多可能是印刷电路板的图块，将这些图块进行分类，聚集一定数量后，放入SVM模型中训练，得到SVM的判断模型；在实际运行中，把所有可能是印刷电路板的图块输入SVM判断模型，通过SVM模型自动的选择出印刷电路板的图块。
图4为印刷电路板灰度图像，图5为应用本发明的印刷电路板图像分割结果。本发明提出的基于人工智能图像识别的的PCB图像分割，其分割速度快、效果好，能够保证后续质量检测的进行。
控制器的核心算法：根据印刷电路板的图片，生成一个字符串，包括字符分割、神经网络训练、字符识别三个过程；图块首先会进行灰度化、二值化，然后使用一系列算法获取到每个字符的分割图块；获得海量的这些字符图块后，进行分类，然后输入神经网络的MLP模型中，进行训练；在实际的识别过程中，将得到7个字符图块放入训练好的神经网络模型，通过模型来预测每个图块所表示的具体字符。
实际工作时，压力传感器可以检测是否有电路板在X传送带上经过；当检测到印刷电路板不合格时，控制器发出控制信号，伸缩杆带动推板把印刷电路板推到Y传送带上，从残次品出口传送出。
以上描述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种基于人工智能图像识别的印刷电路板检测系统，其特征在于：包括外壳、传送带、气泵、电机、伸缩杆、推板、探测器、接收器、传感器、控制器；所述外壳的正面和背面分别设有进料口和出料口，外壳的左端和右端分别设有电机和残次品出口，外壳的顶部固定有气泵，外壳的外表面固定有控制器；所述控制器获得印刷电路板的图块，将这些图块进行分类，聚集一定数量后，放入SVM模型中训练，得到SVM的判断模型；在实际运行中，把所有印刷电路板的图块输入SVM判断模型，通过SVM模型自动的选择出印刷电路板的图块。
2.根据权利要求1所述的基于人工智能图像识别的印刷电路板检测系统，其特征在于：所述控制器的图像数据处理步骤如下：
(1)在原始PCB彩色图像中，选择合适的色彩空间对图像进行双边滤波，在保证边缘细节清晰的前提下去除噪声干扰；
(2)通过线性对比度增强扩大各区域之间色彩的差异程度，从而方便敷铜区域的准确分割；
(3)对于所有边缘像素，计算它们的梯度方向信息熵以及邻域内边缘像素的分布密度，二者构成特征向量作为SVM分类器的训练样本；
(4)用得到的SVM分类器对PCB缺陷进行判别和定位。
3.根据权利要求1所述的基于人工智能图像识别的印刷电路板检测系统，其特征在于：所述控制器的核心算法包括：根据印刷电路板的图片，生成一个字符串，包括字符分割、神经网络训练、字符识别三个过程；图块首先会进行灰度化、二值化，然后使用一系列算法获取到每个字符的分割图块；获得海量的这些字符图块后，进行分类，然后输入神经网络的MLP模型中，进行训练；在实际的识别过程中，将得到7个字符图块放入训练好的神经网络模型，通过模型来预测每个图块所表示的具体字符。
4.根据权利要求1所述的基于人工智能图像识别的印刷电路板检测系统，其特征在于：所述传送带包括X传送带、Y传送带，其传送运动方向垂直，其动力来源为电机；X传送带的起点为进料口，终点为出料口；Y传送带的起点为X传送带，终点为残次品出口；X传送带位于探测器和接收器之间，其表面附着有传感器。
5.根据权利要求1所述的基于人工智能图像识别的印刷电路板检测系统，其特征在于：所述气泵包括第一气泵、第二气泵；第一气泵的伸缩杆末端固定连接滑轨，滑轨可沿滑柱移动，所述探测器可沿滑轨移动；第二气泵的伸缩杆末端安装有吸尘装置，可绕伸缩杆转动，吸除探测器和传送带表面的灰尘。
6.根据权利要求1所述的基于人工智能图像识别的印刷电路板检测系统，其特征在于：所述探测器为X射线发射装置或光学摄像头，所述接收器为双能量半导体感应装置；仅当探测器为X射线发射器时，位于相对端的接收器启动工作；所述传感器为压力传感器。
7.根据权利要求1所述的基于人工智能图像识别的印刷电路板检测系统，其特征在于：所述控制器包括数据处理模块、输入模块、输出模块、通信模块、显示模块和按键模块；数据处理模块采用TMS320L2812；输入模块与探测器、接收器电气连接，输入数字图像信号；输入模块与传感器电气连接，输入压力信号；输出模块与电机、气泵、伸缩杆电气连接，输出控制信号；通信模块与ERP质量检测模块电气连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711432251.7A CN108311409A (zh) | 2017-12-26 | 2017-12-26 | 一种基于人工智能图像识别的印刷电路板检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711432251.7A CN108311409A (zh) | 2017-12-26 | 2017-12-26 | 一种基于人工智能图像识别的印刷电路板检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108311409A true CN108311409A (zh) | 2018-07-24 |
Family
ID=62893573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711432251.7A Pending CN108311409A (zh) | 2017-12-26 | 2017-12-26 | 一种基于人工智能图像识别的印刷电路板检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108311409A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109001236A (zh) * | 2018-09-03 | 2018-12-14 | 东南大学 | 一种基于纳米ct技术表征水泥浆体中孔隙率分布的方法 |
| CN109304306A (zh) * | 2018-09-19 | 2019-02-05 | 广东省智能制造研究所 | 生产线物体分拣方法、系统和物体分拣系统 |
| CN110369326A (zh) * | 2019-08-16 | 2019-10-25 | 丽水莲都明报自动化科技有限公司 | 一种汽车轮毂合格品筛选装置 |
| CN110992353A (zh) * | 2019-12-13 | 2020-04-10 | 哈尔滨工业大学 | 基于智能感知的芯片涂层薄膜质量检测方法 |
| CN111310402A (zh) * | 2020-01-21 | 2020-06-19 | 西安工程大学 | 一种基于面面平行的印刷电路板裸板缺陷检测方法 |
| CN113050536A (zh) * | 2021-02-26 | 2021-06-29 | 山东大学 | 一种基于plc和ai识别结果的流水线调度系统及调度方法 |
| CN113418561A (zh) * | 2021-06-30 | 2021-09-21 | 南通海舟电子科技有限公司 | 一种双层电路板的智能检测系统及方法 |
| CN113916131A (zh) * | 2021-12-15 | 2022-01-11 | 深圳市浩创盛科技有限公司 | 一种基于图案的pcb板孔位智能检测系统及方法 |
| CN114441554A (zh) * | 2020-11-06 | 2022-05-06 | 李明苍 | 检测方法 |
| CN118011190A (zh) * | 2024-04-09 | 2024-05-10 | 江苏华芯智造半导体有限公司 | 一种印刷电路板可靠性分析方法、系统及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101915769A (zh) * | 2010-06-29 | 2010-12-15 | 华南理工大学 | 一种印刷电路板中带电阻元件的自动光学检测方法 |
| CN102221549A (zh) * | 2011-03-06 | 2011-10-19 | 丘荣意 | 一种pcb电路板全自动进板光学图像检测装置 |
| CN106404796A (zh) * | 2015-08-03 | 2017-02-15 | 奥蒂玛光学科技（深圳）有限公司 | 电路板在线检测修复设备和电路板在线检测修复方法 |
| CN206400120U (zh) * | 2017-01-20 | 2017-08-11 | 重庆工业职业技术学院 | 一种智能快递包裹安检扫描装置 |
| CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测系统及方法 |
| CN206710327U (zh) * | 2017-04-30 | 2017-12-05 | 东莞职业技术学院 | 一种印刷线路板钻孔检测设备 |
| CN107471814A (zh) * | 2017-09-18 | 2017-12-15 | 肇庆市格朗自动化科技有限公司 | 丝网印刷机及丝网印刷系统 |
-
2017
- 2017-12-26 CN CN201711432251.7A patent/CN108311409A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101915769A (zh) * | 2010-06-29 | 2010-12-15 | 华南理工大学 | 一种印刷电路板中带电阻元件的自动光学检测方法 |
| CN102221549A (zh) * | 2011-03-06 | 2011-10-19 | 丘荣意 | 一种pcb电路板全自动进板光学图像检测装置 |
| CN106404796A (zh) * | 2015-08-03 | 2017-02-15 | 奥蒂玛光学科技（深圳）有限公司 | 电路板在线检测修复设备和电路板在线检测修复方法 |
| CN206400120U (zh) * | 2017-01-20 | 2017-08-11 | 重庆工业职业技术学院 | 一种智能快递包裹安检扫描装置 |
| CN206710327U (zh) * | 2017-04-30 | 2017-12-05 | 东莞职业技术学院 | 一种印刷线路板钻孔检测设备 |
| CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测系统及方法 |
| CN107471814A (zh) * | 2017-09-18 | 2017-12-15 | 肇庆市格朗自动化科技有限公司 | 丝网印刷机及丝网印刷系统 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109001236A (zh) * | 2018-09-03 | 2018-12-14 | 东南大学 | 一种基于纳米ct技术表征水泥浆体中孔隙率分布的方法 |
| CN109304306B (zh) * | 2018-09-19 | 2020-08-11 | 广东省智能制造研究所 | 生产线物体分拣方法、系统和物体分拣系统 |
| CN109304306A (zh) * | 2018-09-19 | 2019-02-05 | 广东省智能制造研究所 | 生产线物体分拣方法、系统和物体分拣系统 |
| CN110369326A (zh) * | 2019-08-16 | 2019-10-25 | 丽水莲都明报自动化科技有限公司 | 一种汽车轮毂合格品筛选装置 |
| CN110992353B (zh) * | 2019-12-13 | 2021-04-06 | 哈尔滨工业大学 | 基于智能感知的芯片涂层薄膜质量检测方法 |
| CN110992353A (zh) * | 2019-12-13 | 2020-04-10 | 哈尔滨工业大学 | 基于智能感知的芯片涂层薄膜质量检测方法 |
| CN111310402A (zh) * | 2020-01-21 | 2020-06-19 | 西安工程大学 | 一种基于面面平行的印刷电路板裸板缺陷检测方法 |
| CN111310402B (zh) * | 2020-01-21 | 2023-04-14 | 西安工程大学 | 一种基于面面平行的印刷电路板裸板缺陷检测方法 |
| CN114441554A (zh) * | 2020-11-06 | 2022-05-06 | 李明苍 | 检测方法 |
| CN114441554B (zh) * | 2020-11-06 | 2023-09-29 | 李明苍 | 检测方法 |
| CN113050536A (zh) * | 2021-02-26 | 2021-06-29 | 山东大学 | 一种基于plc和ai识别结果的流水线调度系统及调度方法 |
| CN113418561A (zh) * | 2021-06-30 | 2021-09-21 | 南通海舟电子科技有限公司 | 一种双层电路板的智能检测系统及方法 |
| CN113916131A (zh) * | 2021-12-15 | 2022-01-11 | 深圳市浩创盛科技有限公司 | 一种基于图案的pcb板孔位智能检测系统及方法 |
| CN118011190A (zh) * | 2024-04-09 | 2024-05-10 | 江苏华芯智造半导体有限公司 | 一种印刷电路板可靠性分析方法、系统及存储介质 |
| CN118011190B (zh) * | 2024-04-09 | 2024-06-25 | 江苏华芯智造半导体有限公司 | 一种印刷电路板可靠性分析方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108311409A (zh) | 一种基于人工智能图像识别的印刷电路板检测系统 | |
| CN110216080A (zh) | 一种基于图像对比的pcb加工产线的质量监控系统 | |
| CN100506401C (zh) | 基于机器视觉的珍珠实时检测和分级系统 | |
| CN110567976B (zh) | 基于机器视觉的手机盖板丝印缺陷检测装置及检测方法 | |
| CN107123114A (zh) | 一种基于机器学习的布匹缺陷检测方法及装置 | |
| CN201041551Y (zh) | 一种基于机器视觉的珍珠实时检测和分级系统 | |
| CN108107054A (zh) | 一种在线烟支缺陷视觉检测系统及方法 | |
| CN106501272B (zh) | 机器视觉焊锡定位检测系统 | |
| CN109307675A (zh) | 一种产品外观检测方法和系统 | |
| CN107944504A (zh) | 木板识别及木板识别的机器学习方法、装置及电子设备 | |
| CN207366698U (zh) | 一种电路板检测系统 | |
| CN110865077B (zh) | 用于rfid天线生产的外观缺陷视觉检测系统 | |
| CN117974629B (zh) | 一种覆铜板产线在线缺陷检测方法、装置、存储介质及产品 | |
| CN102353349A (zh) | 基于机器视觉的微型音膜同心度在线检测系统及检测方法 | |
| CN113418561A (zh) | 一种双层电路板的智能检测系统及方法 | |
| CN111307817B (zh) | 一种智能产线pcb生产过程的在线检测方法及系统 | |
| CN108537772A (zh) | 贴片电阻正导体印刷缺陷的视觉检测方法 | |
| CN110909735A (zh) | 基于卷积神经网络的智能电能表芯片视觉识别比对系统及方法 | |
| CN111766255A (zh) | 一种柔性电路板瑕疵检测方法及装置 | |
| CN115311250A (zh) | 基于深度学习和时空特征融合的烟支外观检测方法 | |
| TWI749714B (zh) | 瑕疵檢測方法、瑕疵分類方法及其系統 | |
| CN113298793B (zh) | 一种基于多视角模板匹配的电路板表面缺陷检测的方法 | |
| CN109632815A (zh) | 表面缺陷在线检测系统及方法 | |
| Boukouvalas et al. | An integrated system for quality inspection of tiles | |
| CN116482104B (zh) | 热转印胶片检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180724 |