Dalam industri elektronik, printed circuit board (PCB) adalah komponen utama dari berbagai produk elektronik. Kualitas penyolderan komponen pada PCB secara langsung mempengaruhi kinerja produk. Oleh karena itu, pemeriksaan kualitas dan pengujian papan PCB adalah kontrol kualitas dari produsen aplikasi PCB. Sebuah link yang sangat diperlukan. Saat ini, sebagian besar pekerjaan pemeriksaan kualitas penyolderan PCB dilakukan melalui inspeksi visual manual. Pengaruh faktor manusia mudah sekali terlewatkan dan salah dideteksi.

Oleh karena itu, industri PCB sangat membutuhkan inspeksi visual otomatis online, dan produk asing terlalu mahal. Berdasarkan situasi ini, negara mulai mengembangkan ini. Sistem Deteksi. Makalah ini terutama mempelajari identifikasi cacat pengelasan papan PCB: identifikasi resistansi cincin warna, identifikasi pengelasan kebocoran komponen dan identifikasi polaritas kapasitor.

Metode pengolahan dalam makalah ini adalah dengan menggabungkan metode perbandingan referensi dan metode perbandingan non-referensi untuk mendapatkan gambar papan PCB dari kamera digital, dan menggunakan metode penentuan posisi gambar, preprocessing gambar dan pengenalan gambar, ekstraksi fitur untuk mewujudkan fungsi deteksi otomatis. Melalui percobaan beberapa gambar PCB, metode pemosisian fitur gambar PCB ditingkatkan untuk mendapatkan pemosisian gambar yang akurat.

Bagian standar dari kerusakan adalah bagian penting. Ini adalah papan sirkuit dan papan standar. Lakukan langkah pertama dari pencocokan tepat. Pada bagian preprocessing citra, metode koreksi geometrik baru digunakan untuk mengoreksi citra untuk mendapatkan citra PCB yang akurat dan koordinat piksel yang presisi dari setiap komponen, dan melakukan binarisasi citra, pemfilteran median, deteksi tepi, dan metode lainnya untuk mendapatkan Rekognisi terbaik. Dalam pengenalan gambar berikutnya dari gambar efek, fitur diekstraksi dari gambar setelah pra-pemrosesan, dan metode pengenalan yang berbeda diadopsi untuk cacat pengelasan yang berbeda.

Menerapkan metode statistik untuk mengekstrak energi warna yang relatif standar untuk secara akurat mengidentifikasi resistansi cincin warna, dan menyelesaikan identifikasi resistansi cincin warna dari segmentasi warna hingga pengisian jenuh. Mengenai karakteristik geometris kapasitor kutub, metode identifikasi geometrik diterapkan pada aplikasi pengelasan kebocoran komponen. Metode pengenalan probabilistik telah mencapai hasil pengenalan yang baik. Oleh karena itu, metode ini memiliki nilai referensi yang baik untuk identifikasi otomatis deteksi cacat PCB di Cina.