论文部分内容阅读
为提高PCB的测量精度及缺陷识别率,针对不同类型的边缘,设计了亚像素边缘定位拟合模型,实现了PCB光板上导线及焊盘的亚像素级边缘检测。在此基础上,设计了神经网络分类器,提取PCB光板上导线及焊盘的特征作为输入,通过网络训练,构建了用于缺陷检测的MLP神经网络模型。测试实验表明,亚像素边缘检测方法可使PCB光板图像的测量精度进一步提高;神经网络分类器可有效识别和分类PCB光板表面常见的缺陷。