Diseño de un algoritmo de corrección automática de posición para el proceso de perforado PCB, empleando técnicas de visión artificial
Artículo barra lateral
PDF
FLIP
Contenido principal del artículo
Autores
Jeison A. CárdenasFlavio Augusto Prieto-Ortiz
Resumen
Se presenta un algoritmo para el control de posición en el proceso de perforado “Through-Hole” en la manufactura de placas de circuitos impresos. Este algoritmo es capaz de proporcionar un mecanismo de realimentación visual a una máquina de control numérico computarizado, de modo tal que se pueda compensar, detectar y corregir posibles errores en la posición de la herramienta de perforación de manera automática, antes y durante la realización del proceso de perforación mencionado. La evaluación experimental del algoritmo desarrollado sobre una máquina de control numérico computarizado modificada de bajo costo y de propósito general, incluyó 105 muestras elegidas al azar, la detección en posición arrojó una exactitud de 0.4853±0.202 mm. Los resultados muestran que el error medido es adecuado para la aplicación y para las necesidades de la industria de fabricación de placas de circuitos impresos en circuitos con elementos “through-hole”.
Palabras clave:
Detalles del artículo
Referencias
Bayram, M., Duman, E., & Duman, D. (2007). Allocation of Component Types to Machines in the Automated Assembly of Printed Circuit Boards. Journal of Computers, 2(7), 11-19.
Cruz, F. (2004). Control numérico y programación: Sistemas de fabricación de máquinas automatizadas. Marcombo.
De luca Penaccia, A., & De la Fraga, L. G. (2009). A tool for errors detection in printed circuit boards production. Journal of Applied Research and Technology, 7(1), 41-50.
Heikkila, J. (1997). A four-step camera calibration procedure with implicit image correction. Computer vision and patter recognition 1997 proceedings.
Hopkinson, J., & Lekka, C. (2013). Identifying the human factors associated with the defeating of interlocks on Computer Numerical Control (CNC) machines. Recuperado el 15 de agosto de 2014, de http://www.hse.gov.uk/: http://goo.gl/lr7vNA
Jaganathan, L. (2005). Perspective Correction Methods for Camera Based Document Analysis. First International Workshop on Camera-Based Document Analysis and Recognition. Seoul, Korea. Intelligent media Processing laboratory.
Kaushik, S., & Ashraf, J. (2012). Automatic PCB defect detection using image subtration method. International Journal of Computer Science and Network.
Leonard, M. (2014). http://www.michaelhleonard.com/. Recuperado el 15 de octubre de 2014, de http://goo.gl/4JW1bO
Ma, F., Cai, C., & Cai, L. (2013). Design and Analysis for the Y-axis Linking Part of PCB Drilling Machine. Telkomnika, Indonesian journal of electrical engineering, 11(4): 1916-1923.
Opencv.org. (2014). opencv.org. Recuperado el 12 de noviembre de 2014, de http://docs.opencv.org/doc/tutorials/imgproc/imgtrans/canny_detector/canny_detector.html
Opencv.org. (2014). opencv.org. Recuperado el 07 de noviembre de 2014, de http://docs.opencv.org/
Robertson, C. T. (2003). Printed Circuit Board, Designer's reference: basics. Prentice hall.
TeohOng, A., Bin Ibrahim, Z. & Ramli, Z. (2013). Computer machine vision inspection on printed circuit boards flux defects. American Journal of Engineering and Applied Sciences, 6(3), 263-273.
Zuwairie, I., Abrahim, I., & Kalil, K. (2013). Noise Elimination for Image Subtraction in Printed Circuit Board Defect Detection Algorithm. International Journal of Computers & Technology, 10(2), 1317-1328.
