Page 137 - 现代电子技术及应用研究

第四章 印刷电路板技术

时，会将多层决策树分类法以及神经网络分类方法应用于其中。
多层决策树分类法采用多层结构的决策树进行分类，相较于单分类器来说，
这种分类能够加快处理速度并且提高分类结果的精度，同时还可以根据相关的特
征将各层的分类器进行简化设计。在进行路段印制电路板的调整时，无需对算法

进行更新，就能保障印制电路板的识别精度。而神经网络算法是一种非线性的映
射，在模式识别方法，神经网络算法相较于传统来说，具有更高的容错性，能够
识别变形等问题，神经网络法具有很强的自适应学习能力，能够将信息进行分布
式的预存储，具有较高的识别速度，在进行设备和系统的更新后，印制电路板的

处理不需要进行算法的更新。
通过图像对比和剪影运算能够帮助系统判断印刷电路板中是否存在缺陷，但
并不能够识别印刷电路板出现的缺陷类型。在相关调查与研究中所选择的印刷电
路板缺陷类型以短路和断路为主，因此在进行处理时，可以通过对二值化后的印

刷电路板对象进行研究来判断，确定图像缺陷类型的识别方式，进而保障在进行
识别时能够了解印刷电路板的具体缺陷类型。

二、印刷电路板缺陷检测的实际应用

（一）AOI 系统特性

1. 图像信息数据的高效提取
AOI 系统在新时代背景之下可以非常有效地满足当下各种 PCB 板的故障检
测，非常重要的一个原因就是系统可以非常高效地提取电路板上的图像信息，但

是在提取信息的时候，图像会出现噪点，类似于在拍摄相片的时候，由于相机内
部电路以及环境噪音或是感光元件本身不稳定等因素，在照片的颜色比较深的地
方，我们可以看到一些闪亮的小白点，而这会比较影响一些具有高精度识别要求
的图像，这就要求系统在进行识别的时候需要尽量减少图像噪点，这些要求可以
通过系统算法来实现。但是值得注意的是，单单进行算法的改造是不行的，因为

通过实验发现，增强了系统算法的同时，并不能很好地控制噪点，其依旧会比较
明显地存在，但这个时候如果再进行控制，图像就会出现失真，也就是图像本身
会出现问题。例如，有的图像的色彩会很不均匀，并且在一些位置出现类似马赛

克一样的模糊现象，这会非常影响后面的故障检测过程。并且也会给工程人员造
成误导，延误检测过程。

123