Escolar Documentos
Profissional Documentos
Cultura Documentos
Microcomponentes
Felipe Gomes de Oliveira e Jos Luiz de Souza Pio.
Departamento de Cincia da Computao/ICE Universidade Federal do Amazonas
fgo@dcc.ufam.edu.br josepio@dcc.ufam.edu.br
Abstract
This work presents a visual inspection approach to
detect absence/presence of surface mount components
(SMC) on printed circuit boards (PCB). We propose a
methodology based on Bayesian Statistics to detect
component absence, with more quality and precision,
using noised digital images acquired directly from
PCB industrial production line. The applicability of
method was tested for automatic visual inspection in
motherboards, where the demand of these components
is high. The results obtained demonstrates the
robustness of our methodology in images with high
levels of gaussian and salt and pepper noise, where all
tested cases of component absence are detected.
Key-words: Industrial Inspection, Computer Vision,
Bayesian Statistics.
1. Introduo
Na economia atual as indstrias visam
competitividade. Mas para alcanar tal competitividade
de grande importncia que as indstrias possam
assegurar o aumento da produtividade com a garantia
de qualidade de seus produtos [3].
A principal maneira de se garantir competitividade com
qualidade dispor de um processo de inspeo que
garanta um controle de qualidade rigoroso,
apresentando um mnimo de erros sobre um mximo de
produo. A automatizao do sistema de inspeo
elevaria os nveis de qualidade da indstria de modo
impossvel de se conseguir sem a automatizao. Sendo
os seus resultados almejados por qualquer empresa que
busque competitividade, tais como:
Reduo de desperdcios;
Aumento da lucratividade;
Melhoria da qualidade dos produtos finais.
A inspeo visual convencional, feita por um operador
humano treinado, efetiva para 80% a 90% dos casos
inspecionados e aps meia hora de trabalho apresentam
3. Trabalhos Relacionados
4. Metodologia
A Metodologia utilizada neste trabalho decomposta
em trs etapas principais, que podem ser observadas
Figura 2. As etapas so:
1. Aquisio das Imagens.
2. Pr-Processamento das Imagens.
3. Classificao Probabilstica da presena/ausncia de
componentes.
(1)
(2)
(3)
5. Resultados Experimentais
Os experimentos realizados visaram mostrar a
aplicabilidade da abordagem para a deteco da
ausncia de componentes em placas me de
computadores pessoais. Para isso foram testadas 25
placas com 300 componentes cada, com componentes
ausentes em diversas posies da placa. Com o ajuste
dos parmetros de probabilidade, foi possvel detectar
6. Concluses
Agradecimentos
Os autores agradecem ao CNPq pelo apoio e
incentivo dado ao projeto de pesquisa o qual este
trabalho vinculado.
Referncias
[1] ACCIANI, Giuseppe; Brunetti, Gioacchino e
Fornarelli, Girolamo. Application of Neural Networks
Optical Inspection and Classification of Solder Joints
in surface Mount Technology, 2006.
[2] BORBA, J.F. e Facon, J. A PRINTED CIRCUIT
BOARD AUTOMATED INSPECTION SYSTEM,
Anais do IEEE Midwest Symposium on Circuits and
Systems, Rio de Janeiro, Brazil, pp. 69-72, Aug. 1996.