PCB 보드의 수백 개의 검사 지점이 용매 페이스트로 코팅되어 있으며, 제품의 품질을 보장하기 위해서는 PCB 보드에 있는 용매 페이스트의 결함을 감지해야 합니다. 즉, 용매 페이스트가 덮인 지역을 감지해야 합니다.
공유1) 프로젝트 배경:
요구사항 설명:
1. 원래, 표면 배열 카메라 + 2 차원 이동 로봇 팔의 방법은 촬영에 사용되었으며, 카메라가 이동하는 동안 구리 판이 정지되었습니다. 시각 검사, 이미지를 저장할 수 없습니다,이 계획은 자동 인식, 데이터 통계 및 저장 이미지 기능을 추가해야합니다.
2. 구리판은 길이 방향으로 간헐적으로 수평 움직임을 주도하는 기계적 구조를 가지고 있습니다. 얼굴 배열 카메라가 완료 된 후 구리판은 다음 역으로 운송됩니다. 따라서 라인 배열 카메라는 촬영하기 위해 두 역 사이에 설치 될 수 있으며 구리판은 아래로 균일한 속도로 통과합니다.
3. 이미지는 2 년 동안 저장되어야하며 압축없이 저장하기 위해 큰 공간 하드 디스크가 필요합니다. 따라서 이미지 압축 기능을 높이고 jpg 형식의 이미지를 출력하고 검색을 용이하게하기 위해 생산 팩 번호에 따라 인덱스를 설정해야합니다.
기술 요구 사항:
1. 구리판 크기는 약 260*80mm이고, 400개 정도의 탐지점이 위에 있으며, 용접 페이스트로 코팅되어 있습니다.
2. 용접 매스 크기는 약 1mm * 1mm입니다.
2) 솔루션 아키텍처:
PCB 결함 제품 탐지 시스템은 선형 배열 카메라, FA 산업 렌즈 및 동축 광원을 사용하여 생산 라인에 설치 된 비전 시스템을 구축합니다. PCB 보드는 아래의 일정한 속도로 이미지 획득을 통과합니다. 획득 된 이미지가 비전 프로세서에 전송 된 후, 비전 시스템 플랫폼의 알고리즘 도구는 각 용접 매개점이 결함이 있는지 및
3) 프로그램 장점:
1. 스키마 알고리즘은 약 200ms를 걸리며 코드 변형, 이미지 모호성, 코드 홀 이미지 접착 및 다른 코드 홀 크기와 같은 복잡한 상황에 적응 할 수 있습니다.
각 기계는 하루에 약 1000개의 보드를 인식할 수 있고 8421개의 코드들의 인식율은 디버깅 후 100%에 달한다.
3. 비용 절감을 위해 딥 러닝 모듈이 사용되지 않습니다.
4. PCB 산업의 더 많은 8421 코드 식별 필요에 재사용 할 수 있습니다.