Details

Объектом исследования является процесс автоматизированного контроля качества продукции на конвейерной линии. Предметом исследования является система машинного зрения для контроля размещения радиоэлектронных компонентов на печатных платах. Целью выпускной квалификационной работы является снижение трудоёмкости и повышение качества контроля размещения радиоэлектронных компонентов на печатных платах на основе разработки автоматизированной системы контроля с применением средств машинного зрения и её интеграция в систему управления конвейерной линии. В ходе работы использованы: цифровая обработка изображений (OpenCV), пространственное выравнивание по особым точкам (SIFT), локализация объектов свёрточной нейронной сетью YOLOv8n, а также библиотека pymodbus для обмена данными между системой и промышленным контроллером по протоколу Modbus TCP. Разработана система машинного зрения, включающая выравнивание кадра, обнаружение пяти классов компонентов и сравнение с эталонной картой. Обученная модель достигла mAP50 = 0,992, полноты 0,995 и точности 0,994. Экспериментально подтверждена устойчивость системы к равномерному размытию и изменению яркости; допустимый уровень аддитивного гауссовского шума – sigma ≤ 40. Установлено, что совместное влияние факторов снижает точность локализации, но система сохраняет работоспособность при своевременном обслуживании оборудования. Областью применения является автоматический оптический контроль печатных плат. Система адаптируема для других типов продукции.

The object of study is the process of automated quality control of products on a conveyor line. The subject of study is a machine vision system for inspecting the placement of electronic components on printed circuit boards. The purpose of the final qualifying work is to reduce labor intensity and improve the quality of inspection of electronic component placement on printed circuit boards by developing an automated control system using machine vision tools and integrating it into the conveyor line control system. During the work, the following methods were used: digital image processing (OpenCV), spatial alignment using keypoint matching (SIFT), object localization with a YOLOv8n convolutional neural network, as well as the pymodbus library for data exchange between the system and the industrial controller via the Modbus TCP protocol. A machine vision system has been developed, including frame alignment, detection of five component classes, and comparison with a reference map. The trained model achieved mAP50 = 0.992, recall of 0.995, and precision of 0.994. Experimental results confirmed the systems robustness to uniform blur and brightness variations; the acceptable level of additive Gaussian noise is sigma ≤ 40. It was found that the combined effect of these factors reduces localization accuracy, but the system remains operational with timely equipment maintenance. The application area is automated optical inspection of printed circuit boards. The system is adaptable to other types of products.