PCB 보드에 수백 개의 검사 지점에 납땜 페이스트가 도포되며, 제품 품질을 보장하기 위해 PCB 보드의 납땜 페이스트 결함을 감지해야 하며, 즉 납땜 페이스트의 커버리지를 감지해야 합니다.
공유1). 프로젝트 배경:
요구 사항 설명:
1. 원래는 표면 배열 카메라 + 2차원 이동 로봇 암을 사용하여 촬영하였으며, 구리 판은 고정되어 있고 카메라만 이동했다; 시각 검사 시 사진을 저장할 수 없었으므로, 이 방안에는 자동 인식, 데이터 통계 및 사진 저장 기능이 추가되어야 한다;
2. 구리 판은 길이 방향으로 간헐적으로 수평 이동하는 메카니컬 구조를 가지고 있다; 면 배열 카메라 촬영이 완료되면 구리 판은 다음 스테이션으로 운반되며, 두 스테이션 사이에 선 배열 카메라를 설치하여 촬영할 수 있으며, 구리 판은 일정한 속도로 아래를 지나간다;
3. 사진은 2년 동안 저장되어야 하며, 압축되지 않은 상태로 저장하기 위해 큰 용량의 하드디스크가 필요하다; 따라서 이미지 압축 기능을 추가하고 JPG 형식의 사진을 출력하며, 생산 배치 번호에 따라 색인을 작성하여 검색을 용이하게 해야 한다.
기술 요구사항:
1. 구리 판의 크기는 약 260*80mm이며, 약 400개 이상의 검출 지점에 솔더 페이스트가 도포되어 있습니다;
2. 솔더 페이스트의 크기는 약 1mm*1mm입니다.
2). 솔루션 아키텍처:
PCB 불량 제품 검출 시스템은 선형 배열 카메라, FA 산업용 렌즈 및 동축 광원을 사용하여 비전 시스템을 구성하며, 이는 생산 라인에 설치됩니다. PCB 보드는 일정한 속도로 아래를 지나가며 이미지가 수집됩니다. 수집된 이미지는 비전 처리기로 전송된 후, 비전 시스템 플랫폼의 알고리즘 도구를 통해 각 솔더 페이스트 점에 결함이 있는지 여부와 모든 솔더 페이스트 점의 결함 수를 검출할 수 있습니다.
3). 프로그램 장점:
1. 방안의 알고리즘은 약 200ms가 소요되며, 코드 변형, 영상 모호성, 코드 홀 영상 접착, 다양한 코드 홀 크기 등 복잡한 상황에 적응할 수 있습니다.
2. 각 기계는 하루에 약 1000개의 보드를 식별할 수 있으며, 8421 코드의 인식률은 디버깅 후 100%에 도달합니다.
3. 비용을 절감하기 위해 딥 러닝 모듈이 사용되지 않습니다.
4. 더 많은 PCB 산업의 8421 코드 식별 요구 사항에 재사용할 수 있습니다.