ongeveer honderden inspectiepunten op het pcb-bord zijn bekleed met soldeerpasta, om de kwaliteit van het product te waarborgen, is het noodzakelijk om de defecten van soldeerpasta op het pcb-bord te detecteren, dat wil zeggen om het bedekte gebied van soldeerpasta te detecteren.
Deel
1) achtergrond van het project:
Beschrijving van de eisen:
1. oorspronkelijk werd de methode van de oppervlakte array camera + tweedimensionale bewegende robotarm gebruikt voor het fotograferen, en de koperen plaat was stil terwijl de camera in beweging; visuele inspectie, kan het beeld niet opslaan, dit schema moet automatische herkenning, gegevensstatistiek en opslag van beeld functies toe te
2. de koperen plaat heeft een mechanische structuur om intermitterende horizontale beweging in de lengte richting te veroorzaken; nadat de camera met de gezichtsscherm is voltooid, wordt de koperen plaat naar het volgende station vervoerd, zodat de lijnschermcamera tussen de twee stations kan worden gepla
3. de afbeelding moet twee jaar worden opgeslagen en heeft een grote ruimte op de harde schijf nodig om deze zonder compressie op te slaan; daarom is het noodzakelijk de beeldcompressiefunctie te vergroten, afbeeldingen in jpg-formaat te produceren en indexen op te stellen volgens het productielistnummer om het zoeken te ver
technische eisen:
1. de grootte van de koperen plaat is ongeveer 260*80 mm, ongeveer 400 detectiepunten bovenop, zijn bekleed met soldeerpasta;
2. de grootte van de soldeerpasta is ongeveer 1 mm*1 mm.
2) Oplossingsarchitectuur:
het pcb-defecte productdetectiesysteem maakt gebruik van een lineaire arraycamera, fa-industriële lens en coaxiale lichtbron om een visie-systeem te bouwen, dat op de productielijn wordt geïnstalleerd. het pcb-bord passeert de beeldverwerving met een constante snelheid hieronder. Nadat
3) Voordelen van het programma:
1. het schema-algoritme duurt ongeveer 200 ms en kan zich aanpassen aan complexe situaties zoals codevervorming, beeldambiguïteit, codehole-imaging-adhesie en verschillende codehoolgroottes.
2. elke machine kan ongeveer 1000 boards per dag herkennen en de herkenningsgraad van 8421 codes bereikt na het debuggeren 100%.
3. er worden geen deep learning-modules gebruikt om de kosten te verlagen.
4. kan worden hergebruikt voor meer PCB-industrie 8421 code identificatie behoeften.
EN
