摘要
基于云平台的BGA焊点缺陷自动识别方法、设备及存储介质,包括S1、获取焊点图像;S2、将获取的焊点图像上传至云平台,在云平台上对焊点图像进行预处理;S3、对预处理后的焊点图像进行焊点边缘特征、纹理特征和形状特征提取;S4、在云平台上设计并训练卷积神经网络模型,识别焊点的空洞、裂纹和短路缺陷;S5、将预处理后的焊点图像输入卷积神经网络模型,在云平台上进行缺陷识别,自动检测出焊点中的缺陷;S6、根据缺陷识别结果,对焊点进行分类,判断当前批次BGA产品是否合格;S7、将检测结果实时反馈到生产管理系统,帮助生产人员迅速识别和修正问题,提高产品质量和生产合格率。本发明解决了传统机器视觉算法识别能力有限的问题。
技术关键词
卷积神经网络模型
自动识别方法
焊点缺陷
BGA产品
云平台
图像灰度值
短路缺陷
形状特征提取
纹理特征
形态学结构
消除误匹配点
关键特征点
RANSAC算法
图像拼接算法
BGA焊点
系统为您推荐了相关专利信息
建议生成方法
特征提取网络
卷积神经网络模型
语句
索引
对抗网络模型
图像
人体特征
特征提取算法
直方图均衡化
数据存储方法
滑动窗口
LZ77算法
云平台
数据压缩技术
二值化图像
感兴趣区域图像
胶条
卷积神经网络模型
涂胶
高标准农田
高杆作物
图像信息同步
深度图像信息
旋翼