(3.231.166.56) 您好!臺灣時間:2021/03/08 11:16
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:吳柏勳
研究生(外文):Po-Hsun Wu
論文名稱:微小被動電子元件之多面光學檢測
論文名稱(外文):Automated Optical Inspection for Miniature Multi-facet Passive Electronic Components
指導教授:陳傳生
指導教授(外文):Chwan-Hsen Chen
學位類別:碩士
校院名稱:元智大學
系所名稱:機械工程學系
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:2006
畢業學年度:94
語文別:中文
論文頁數:51
中文關鍵詞:被動元件機器視覺影像處理自動光學檢測瑕疵檢測與分類
外文關鍵詞:Passive ComponentMachine VisionImage ProcessingAutomated Optical Inspection(AOI)Surface Defects Inspection and Classification
相關次數:
  • 被引用被引用:0
  • 點閱點閱:850
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本論文係以微小被動電子元件,如電阻、電容,為對象,利用機器視覺(Machine Vision)和影像處理,對其外觀尺寸與表面瑕疵開發一套影像檢測流程,並配合自行設計的旋轉玻璃平台來研究自動光學檢測(Automated Optical Inspection,AOI)系統的實際運作。本論文提出的檢測流程包含了五大部分:動態取像、影像前處理(Image Pre-processing)、Hough Transform、形態學(Morphology),以及區塊分析(Blob Analysis)。
本論文使用漸進式掃瞄(Progressive Scan)攝影機來擷取高速移動的元件,以避免因機台震動或是元件高速移動所造成的模糊影像,確保影像的清晰度與品質。
由於攝影機擷取的是以等速通過鏡頭的元件,元件影像在畫面的位置與方向並非固定,必須加入前處理功能以定出元件位置後,才能進行瑕疵檢測。
在影像前處理的部分,本論文使用對比度擴展(Contrast Stretching)與中值濾波器(Median Filter)增強影像及消除影像中的雜訊;接著對影像做二值化(Binarization)處理,並配合Hough Transform與區塊分析定位出元件的正確位置。利用同樣的方法找出元件電極端與本體的邊界,訂定出三個主要的檢測區域(陶瓷本體一區,兩電極端各一區)。在特定的區域內進行檢測,一方面用以減少檢測時的計算量;另一方面則用以避免因檢測區域過大而造成判斷上的錯誤。
而為了避免光源因素(包含照射角度與強度等)造成元件的電極端產生非瑕疵的陰影,致使程式將其誤判為瑕疵,本論文利用形態學將電極端上的陰影或空洞處填補起來,盡可能使得兩電極端呈現出一個完整的區塊(Blob)。並使用區塊分析計算檢測區域內各個區塊的幾何特徵,如面積(Area)、邊界範圍(Bounding Box)等,來判斷元件是否合乎設定的標準。若其瑕疵在容許範圍內,則為良品;否則即判定為瑕疵品並進行瑕疵分類。
本論文提出的微小被動元件檢測流程在取得元件各檢測項目的資訊時,即同時進行各項瑕疵檢測。若在檢測流程中找到瑕疵時,隨即判斷為不良品並做出分類的動作,有效地縮短每個元件的檢測時間。
This paper develops a procedure to inspect the basic dimensions and surface defects of miniature passive components, such as capacitors and resistors, by using machine vision and image processing. And we construct a system to simulate real-time operation of an automated optical inspection (AOI) system. The inspection procedure proposed here includes five principal parts: dynamic acquisition, image preprocessing, Hough Transform, morphological operation, and blob analysis.
Firstly, we use a progressive scanning CCD camera to capture blur-free images from the rapid moving components under the lens.
Because the orientation of a component and position of the component are not fixed, we have to locate the component image from the captured image before making any inspection by machine vision.
Secondly, we perform image preprocessing to separate the component from background, and use Hough Transform to find angles of top and bottom edges of the component. Then we use the angles to correct the orientation of the component.
Thirdly, we binarize the image to obtain blobs of component and electrodes respectively, which a blob (binary large object) is an area of touching pixels with the same logical state. Then we perform blob analysis to extract geometric characteristics of the blobs to inspect the dimensions of component and electrodes.
In order to inspect the surface defects of body and electrodes, we have to find distinct defects, such as gap and hole, on them. Fourthly, we perform morphological operation on body and electrodes to fill tiny gaps and holes. Then we perform blob analysis to extract geometric characteristics of defect blobs and gauge sizes of those blobs to determine whether the component is good in surface defects inspection.
Finally, we classify surface defects into two categories: electrode defects and body defects. Electrode defects include damaged and contaminants. Body defects include bright defects and dark defects.
The inspection procedure this paper proposed proceeds dimensions and surface defects inspection while acquiring information for inspection. In other words, using this procedure to inspect passive component does reduce the inspection time for every component.
目 錄

摘 要 I
ABSTRACT II
誌 謝 IV
目 錄 V
圖 目 錄 VII
表 目 錄 IX
第1章 緒論 1
1.1 研究動機 1
1.2 研究背景 2
1.2.1 被動元件 2
1.2.2 被動元件檢測項目 3
1.2.3 多面檢測 4
1.2.4 微小被動元件之六面光學檢測機 5
1.3 文獻探討 7
1.4 論文大綱 11
第2章 檢測方法與理論 12
2.1 動態取像 12
2.1.1 擷取影像之觸發機制 13
2.1.2 交錯式掃瞄(Interlaced Scanning) 13
2.1.3 漸進式掃瞄(Progressive Scanning) 14
2.1.4 交錯式掃瞄與漸進式掃瞄之比較 14
2.2 影像前處理 15
2.2.1 影像增強—對比度擴展 15
2.2.2 影像分割—二值化(Binarization) 17
2.2.3 中值濾波器(Median Filter) 20
2.3 Hough Transform 22
2.4 形態學(Morphology) 24
2.4.1 膨脹(Dilation) 24
2.4.2 侵蝕(Erosion) 25
2.4.3 斷開(Opening)與閉合(Closing) 26
2.5 區塊分析(Blob Analysis) 29
第3章 系統架構與檢測流程 31
3.1 系統架構與軟硬體溝通流程 31
3.2 被動元件檢測流程 33
第4章 使用者界面與操作流程 45
4.1 使用者界面之功能 45
4.2 使用者界面之操作流程 48
第5章 結論 49
參考文獻 50


圖 目 錄

圖 1-1 積層陶瓷電容外觀 3
圖 1-2 被動元件陶瓷本體常見之瑕疵 4
圖 1-3 被動元件電極端常見之瑕疵 4
圖 1-4 被動元件六面示意圖 4
圖 1-5 RTS Vision MCIS-1800外觀圖 6
圖 1-6 Du提出的被動元件檢測流程圖 8
圖 2-1 玻璃旋轉平台示意圖 12
圖 2-2 交錯式掃瞄示意圖 14
圖 2-3 交錯式掃瞄與漸進式掃瞄之比較圖 14
圖 2-4 3*3遮罩示意圖 16
圖 2-5 對比度擴展之結果 17
圖 2-6 臨界值法之灰階值方圖 18
圖 2-7 臨界值搜尋法之說明與影像二值化之結果 20
圖 2-8 中值濾波器實例說明 21
圖 2-9 直線Hough Transform示意圖 23
圖 2-10 膨脹運算示意圖 25
圖 2-11 侵蝕運算示意圖 26
圖 2-12 斷開運算示意圖 27
圖 2-13 閉合運算示意圖 27
圖 2-14 斷開運算與閉合運算的圖形說明範例 28
圖 2-15 區塊分析之影像說明 30
圖 3-1 旋轉玻璃平台與實際系統示意圖 32
圖 3-2 硬體架構圖 32
圖 3-3 軟硬體溝通流程圖 33
圖 3-4 檢測流程圖—外觀尺寸 34
圖 3-5 檢測流程圖—表面瑕疵 35
圖 3-6 檢測流程—影像前處理 36
圖 3-7 檢測流程—導正元件方向 37
圖 3-8 檢測流程—定位元件 38
圖 3-9 檢測流程—尋找元件之電極端 39
圖 3-10 檢測流程—尋找元件陶瓷本體與電極端之邊界 40
圖 3-11 檢測流程—電極端溢銀 41
圖 3-12 元件各部分之邊界範圍及檢測區域 41
圖 3-13 檢測流程—左電極端之表面瑕疵檢測 42
圖 3-14 檢測流程—右電極端之表面瑕疵檢測 42
圖 3-15 檢測流程—陶瓷本體之表面瑕疵檢測 44
圖 3-16 表面瑕疵檢測之結果 44
圖 4-1 使用者操作界面—即時影像 46
圖 4-2 使用者操作界面—設定檢測標準 47
圖 4-3 使用者操作界面—檢測統計資訊 48


表 目 錄

表 1-1 常見的微小被動元件之EIA代號及尺寸範圍 3
表 1-2 RTS Vision MCIS-1800規格表 5
[1].Douglas W. Raymond and Dominic F. Haigh, “Why Automate Optical Inspection?” International Test Conference, in Washington, DC, USA, Nov. 1997, pp. 1033
[2].曾俊洲,「被動電子元件製造業基本資料」,台灣經濟研究院產經資料庫,May 2004
[3].Lin Jiaming and Yang Yingqiu, “Progressive scan CCD image system,” Optical Technique, pp. 43-45, 51, Guangxue Jishu, Jun. 1997
[4].泰洛科技(NOWA Co.,Ltd),http://www.nowa.com.tw/newpage/list.cfm?AdminType=Faq&ID=2#210
[5].Rafael C. Gonzalez, Richard E. Woods, 數位影像處理(Digital Image Processing), 繆紹綱編譯, 2nd Edition, 台灣培生教育出版, 普林斯頓國際有限公司發行, 台北, 2003
[6].Otsu N., “Threshold Selection Method from Gray-Level Histograms,” IEEE Transactions on Systems, Man, and Cybernetics, Vol. 9, No. 1, pp. 62-66, Jan. 1979
[7].Jae S. Lim, Two-Dimensional Signal and Image Processing, Englewood Cliffs, NJ, Prentice Hall, 1990
[8].徐偉邦,”運用影像分割技術於精密零件幾何形狀辨識”,元智大學,機械工程研究所,碩士論文,Jan. 2006
[9].Serra J., Image Analysis and Mathematical Morphology, Academic Press, New York, 1982
[10].Serra J. (ed.), Image Analysis and Mathematical Morphology: Theoretical Advances, Vol. 2, Academic Press, New York, 1988
[11].Haralick, Robert M., Sternberg, Stanley R., and Zhuang, Xinhua, “Image Analysis using Mathematical Morphology,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 9, No. 4, pp. 532-550, Jul. 1987
[12].林憲忠,”積層陶瓷電容瑕疵檢測與分類”,中華大學,機械與航太工程研究所,碩士論文,2004
[13].Winncy Y. Du and Stephen L. Dickerson, “Passive Component Inspection Using Machine Vision,” Multichip Modules and High Density Packaging, in Denver, CO, Apr. 1998, pp.74-79
[14].沈大誠,”應用一維小波轉換檢測積層陶瓷電容”,國立台北科技大學,生產系統工程與管理研究所,碩士論文,2003
[15].魏辛燕,”應用機器視覺與共變異數矩陣檢測積層陶瓷電容”,國立台北科技大學,生產系統工程與管理研究所,碩士論文,2003
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔