点云从入门到精通技术详解100篇-基于深度学习的3D点云焊点缺陷检测

目录

前言

国内外研究现状

基于图像的焊点缺陷检测研究现

基于点云的深度学习方法

相关理论和方法

2.1 引言

2.2 深度学习网络

2.2.1 神经元

2.2.2 多层感知机

2.2.3 卷积神经网络

2.4 点云  

2.4.1 点云的概念

3D点云焊点缺陷检测平台构建及数据处理

3.1 引言

---

本文篇幅较长，分为上下两篇，下篇详见基于深度学习的3D点云焊点缺陷检测(续)

 

前言

随着科技时代的到来，电子产品需求的激增带动芯片制造业的蓬勃发展，人 们对芯片的质量和工艺随之提出更高的要求。芯片通常经过回流焊机等器械焊接 在印刷电路板（PCB）表面，焊接的质量取决于机械的工艺而且难以保证。印刷 电路板作为电子产品的核心组成部分直接关系成品质量，检验其焊点焊接质量是 出厂的必要环节。
传统方法通过操作人员进行主观判断焊点是否存在焊接缺陷，然而人工检测 的低效率和高成本的因素限制了芯片制造的产量[ 1]。自动光学检测（AOI）技术 在这种背景下应运而生，AOI通过光学技术采集焊点图像，并通过提取图像中的 信息检验焊点的质量。McIntosh[ 2]首先提出使用多色光采集焊点信息，并用图像 处理的方法提取焊点图像的特征并分类焊点。AOI技术在工厂生产工艺较为落后 的情况下，有效缓解了人工检测效率低的问题。然而随着社会进入现代化，人们 对芯片的性能提出了更高的要求，工厂的设计制造工艺也随之变得更为复杂，传 统的AOI技术已经不能满足现代工艺的要求。随着机器学习的兴起，研究人员[