基于圖像的元器件焊接垂直度識別方法與應(yīng)用研究.pdf

1、隨著“工業(yè)4.0”概念的提出，工業(yè)產(chǎn)品質(zhì)量的檢測和保障已經(jīng)進入全面提升的時代，傳統(tǒng)依賴人工運用相關(guān)儀器測量垂直度的方法已經(jīng)不能滿足檢測的要求?；跈C器視覺的工業(yè)測量系統(tǒng)具有非接觸性、自動化程度高、靈活性好、成本低等突出的檢測優(yōu)點，是檢測技術(shù)未來發(fā)展的趨勢之一。
　　目前基于圖像的垂直度檢測大都是以單個物品為對象，逐一檢測。針對元器件密度大的PCB板，傳統(tǒng)依靠圖像檢測垂直度的方法一是采集圖像困難，二是檢測效率低，并且難以滿足精度的要

2、求。本文以PCB板上的元器件為研究對象，分別研究了元器件目標(biāo)圖像的提取，編號及亞像素邊緣定位，最后對元器件的垂直度進行高精度識別檢測，并在DSP+FPGA的圖像處理系統(tǒng)上進行了算法移植。
　　本文主要介紹了圖像檢測系統(tǒng)中的關(guān)鍵技術(shù)，包括元器件目標(biāo)圖像的提取，基于改進Canny-Zernike矩的亞像素邊緣定位，基于形心配準(zhǔn)的垂直度識別算法以及DSP+FPGA架構(gòu)的硬件系統(tǒng)及軟件系統(tǒng)。
　　本文利用Otsu閾值分割來對元器件目

3、標(biāo)圖像進行提取。在比較灰度矩，空間矩及Zernike矩方法后，選用Zernike矩來進行亞像素的邊緣定位。本文采用“先粗后精”的邊緣提取策略，首先利用改進Canny算法提取像素級邊緣，為減小干擾及對元器件統(tǒng)一管理，去除噪點及干擾邊緣后對元器件進行編號。然后在粗提取的像素級邊緣上利用改進的Zernike矩進行邊緣的亞像素定位。對于形心配準(zhǔn)的垂直度識別技術(shù)，本文首先對鏡頭進行畸變校正和攝像機標(biāo)定，來消除畸變帶來的誤差，再利用最小外接矩形來修