Departamento de Computación

La presente tesis tiene como finalidad resolver una parte del problema de verificación de calidad en procesos de ensamblaje de componentes electrónicos sobre tarjetas de montaje de superficie realizados en la industria. Consiste en identificar si un capacitor o resistencia hace falta en determinada región de una tarjeta. Se plantea el uso de una imagen a color de la tarjeta, la cual pasa por un proceso previo, para ser adaptada a las necesidades requeridas por procesos posteriores de análisis. El proceso previo consiste en aplicar técnicas de procesamiento digital como la conversión a tonos de gris, suavizado, binarización, entre otras. Como características para el análisis se ocupan los momentos invariantes, que corresponden a las soldaduras o a los extremos de capacitores y resistencias, además del número de elementos presentes en la imagen binarizada. También se utiliza la intersección de histogramas de brillo y contraste obtenidos de la extracción y análisis de texturas en la imagen a color. Para determinar la existencia de un componente, con base en sus características, se usa el clasificador de distancia mínima. La imagen de la tarjeta de montaje de superficie antes de analizarse debe ser catalogada por el tipo de componente que contienen. Para esta clasificación se ocupa una red neuronal de propagación hacia atrás. Esta red recibe como entrada la suma y diferencia de histogramas obtenidos de la imagen en tonos de gris. La implementación en software esta realizada en lenguaje C sobre GNU/Linux.

Abstract

Currently in the industry, where electronic components assembly is achieve on surface mounted boards, subsist the need to check automatically this process quality. This work intent to solve a little part of this ploblem which consist to identify if a component such as capacitor o resistance is missing in particular sector of the board. This thesis put forward using color image from board and using three features extract methods: inavriant moments, objects count and texture color image analysis; to achieve the identification. A image preprocessing is applied to improve it for analysis process which consist in digital image processing such as grayscale conversion, smoot-hing ltering, binarization among others. Invariant moment corresponding to welding or component extremes on a binarized image are used furthermore the objects number there. Also a brightness and contrast intersection obtained from the color image texture extraction and analysis from the color image. To the clasification basis features the minimun distance classier is used, it help to decide if there is a component or not. Before images being analyzed they have been classied by component type, for this a backpropagation neural network is used. The network input is a histogram's sum and diference obtained form a grayscale image. The software implementation is done in C language on a GNU/Linux.