|本期目录/Table of Contents|

[1]董静毅,吕文涛,包晓敏,等.基于机器视觉的PCB板表面缺陷检测方法研究进展[J].浙江理工大学学报,2021,45-46(自科三):379-389.
　DONG Jingyi,L Wentao,BAO Xiaomin,et al.Research progress of the PCB surface defect detection method based on machine vision[J].Journal of Zhejiang Sci-Tech University,2021,45-46(自科三):379-389.
点击复制

基于机器视觉的PCB板表面缺陷检测方法研究进展()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第45-46卷
期数:
2021年自科第三期
页码:
379-389
栏目:
出版日期:
2021-04-28

文章信息/Info

Title:
Research progress of the PCB surface defect detection method based on machine vision
文章编号:
1673-3851 (2021) 05-0379-11
作者:
董静毅; 吕文涛; 包晓敏; 骆淑云; 王成群; 徐伟强
浙江理工大学信息学院，杭州 310018
Author(s):
DONG Jingyi;  L Wentao;  BAO Xiaomin;  LUO Shuyun;  WANG Chengqun;  XU Weiqiang
School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China
关键词:
机器视觉; PCB板; 缺陷检测; 表面缺陷; 图像预处理; 机器学习
分类号:
TP391-41；TN911-7
文献标志码:
A
摘要:
基于机器视觉的缺陷检测方法可有效提高生产效率和降低质检成本，在现代化工业生产中得到了广泛应用。对基于机器视觉的PCB板表面缺陷检测方法涉及的图像采集系统、图像预处理技术进行综述；对基于图像分割、特征提取、机器学习和混合技术的检测算法进行分析，总结了各种算法的主要思想、适用范围以及局限性；同时对未来的发展方向进行了展望，为该领域的研究人员提供参考。机器视觉作为现代工业生产中一项不可或缺的关键技术，在PCB板缺陷检测领域仍有较大的发展空间，尤其是进一步智能化，仍有待深入研究。

参考文献/References:

［1］ Tian X J, Zhao L, Dong H J. Application of image processing in the detection of printed circuit board［C］// 2014 IEEE Workshop on Electronics, Computer and Applications. Ottawa, ON, Canada: IEEE, 2014: 157-159.
［2］ 姜楠,张亮,熊明月,等.电子封装无铅软钎焊技术研究进展［J］. 材料导报, 2019, 33(23): 3862-3875.
［3］ 汤勃,孔建益,伍世虔.机器视觉表面缺陷检测综述［J］. 中国图象图形学报, 2017, 22(12): 1640-1663.
［4］ 尚会超,杨锐,段梦珍,等.机器视觉照明系统的关键技术分析［J］. 中原工学院学报, 2016, 27(3): 16-21.
［5］ 陈瑞,岑松原,金尚忠.基于同步多曲面法的发光二极管机器视觉照明设计［J］. 光子学报, 2013, 42(8): 956-961.
［6］ Lu Z S, He Q Q, Xiang X G, et al. Defect detection of PCB based on Bayes feature fusion［J］. The Journal of Engineering, 2018(16): 1741-1745.
［7］ Raihan F, Ce W. PCB defect detection using Opencv with image subtraction method［C］// 2017 International Conference on Information Management and Technology (ICIMTech). Yogyakarta, Indonesia: IEEE, 2017: 204-209.
［8］ Huang C Y, Hong J H, Huang E. Developing a machine vision inspection system for electronics failure analysis［J］. IEEE Transactions on Components, Packaging and Manufacturing Technology, 2019,9(9): 1912-1925.
［9］ Chaudhary V, Dave I R, Upla K P. Automatic visual inspection of printed circuit board for defect detection and classification［C］// 2017 International Conference on Wireless Communications, Signal Processing and Networking (WiSPNET). Chennai, India: IEEE, 2017: 732-737.
［10］ Baygin M, Karakose M, Sarimaden A, et al. Machine vision based defect detection approach using image processing［C］// 2017 International Artificial Intelligence and Data Processing Symposium (IDAP). Malatya, Turkey: IEEE, 2017: 1-5.

相似文献/References:

[1]安培源,张华.基于边缘检测和Hough变换的圆定位算法[J].浙江理工大学学报,2018,39-40(自科5):593.
　AN Peiyuan,ZHANG Hua.Algorithm for circle location based on edge detection and Hough transform[J].Journal of Zhejiang Sci-Tech University,2018,39-40(自科三):593.
[2]刘鹏,戴文战.基于机器视觉的化妆品纸质标签缺陷检测方法[J].浙江理工大学学报,2019,41-42(自科二):231.
　LIU Peng,DAI Wenzhan.Method for detecting cosmetic paper label defects based  on machine vision[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科三):231.
[3]金鹏翔,刘宜胜.基于机器视觉的筒子纱线头识别方法[J].浙江理工大学学报,2024,51-52(自科一):112.
　JIN Pengxiang,LIU Yisheng.An identification method of cheese yarn ends based on machine vision[J].Journal of Zhejiang Sci-Tech University,2024,51-52(自科三):112.

备注/Memo

备注/Memo:
收稿日期：2020-11-20
网络出版日期：2021-02-04
基金项目：国家自然科学基金项目(U1709219, 61601410)；浙江省重点研发计划项目(2018C02027, 2018C01093)；浙江理工大学青年创新专项基金项目(2019Q040)
作者简介：董静毅(1996-)，女，河南驻马店人，硕士研究生，主要从事机器学习、图像处理方面的研究
通信作者：吕文涛，E-mail：alvinlwt@zstu.edu.cn
更新日期/Last Update: 2021-06-29