尚恒 李娜

【关键词】电子元器件;检测;误差分析

一、引言

军用电子元器件作为电子装备的基础组成单元，内部组成复杂，精密度高，在电子装备的功能实现、性能指标提升、装备可靠性等方面扮演着不可或缺的角色。如此微小的体积，内部却包含着复杂的P-N节和连接线，稍有不慎就会造成元器件故障，进而影响装备的可靠性，甚至会引发备战、作战事故，不可轻视。本文提出新的电子元器件的检测研究，为进一步提高电子元器件检测精度，采用误差分析的方式，分析电子元器件检测误差，致力于将电子元器件检测误差降至更低水平。

二、电子元器件的检测方法研究

（一）电子元器件检测图像预处理

在检测电子元器件时，需要执行电子元器件检测图像预处理，本文采用可见光相机方式采集电子元器件表面图像。针对图像中突变的灰度值采用波峰表示，设电子元器件检测图像中像素的灰度值矩阵为P，基于小波变换正弦交换P，得出正弦交换后的像素的灰度值矩阵C，正弦交换过程，通过方程式表示，如公式（1）所示。

式（1）中，Q为原始电子元器件检测图像。通过公式（1）正弦交换得到电子元器件检测图像像素的灰度值矩阵，将得到的像素灰度值看作为待编码数据。设读取字符流中下一个字符为w，更新后缀为S，则电子元器件检测图像预处理的具体流程，如图1所示。

电子元器件检测图像预处理编码总是向着增大的方向进行，注意电子元器件检测图像标准取值范围，剔除超出或低于范围内的无效数据。

（二）电子元器件检测图像平滑去噪、增强

电子元器件检测图像预处理后，需要对电子元器件检测图像进行平滑去噪，进而去除图像中噪声与背景的干扰，保证电子元器件检测图像精度。设去除图像中噪声与背景的表达式为c，则其公式如下公式（2）所示。

在电子元器件检测图像平滑去噪的基础上，本文采用图像增强的方式，提高电子元器件检测视觉效果。设g（x，y）为经过二值化处理后的输出图像，f（x，y）为采集到的原始图像，T为灰度值（取值范围0-255）。二值化处理的箅法设定为：

如式（3）所示，考虑到光照不均的情况，本文采用自适应阀值的算法增强电子元器件检测图像，进而满足电子元器件检测对于图像清晰度的要求。

（三）實现电子元器件的检测

电子元器件检测图像平滑去噪、增强后，通过分析图像形态学，实现电子元器件检测。用深度学习分类器判断电子元器件损伤目标的属性，通过深度学习的学习能力及表达能力，在众多检测数据中有效提取出损伤目标的特征，以此达到电子元器件检测的目的。

三、电子元器件的检测误差分析

（一）确定电子元器件检测误差边缘像素点

在电子元器件的检测误差分析过程中，必须预先确定误差边缘像素点，展开误差分析。基于边缘像素点的离散性特点，相关系数阈值法是一种切实可行的处理算法。首先，提取边缘像素点，其次拟合边缘像素点，连接成线，通过拟合误差边缘像素点在直线中的位置，考虑到误差边缘像素点并不是统一在一条直线中，因此，采用最小二乘法，将偏离点拟合到直线附近。

（二）提取离散型电子元器件检测误差信号

确定误差边缘像素点的基础上，基于模糊神经网络离散化表达误差分析信号，为提取离散型误差分析信号奠定基础。可利用模糊神经网络技术单独选用中间层的传递函数和模糊神经元数目作为模糊神经元的控制核心，进而提取离散型误差信号。通过模糊神经网络中的传递函数训练采集到的误差信息，提取离散型误差诊断信号的有效值，进而获得其映射关系。设运用传递函数提取离散型误差信号的表达式为k，则有公式（4）。

式（4）中，x为当前取值范围下误差信号线路的流经状态;N为电子元器件检测最大允许误差。利用上式，获得其映射关系，从而提取离散型误差信号。

（三）分析电子元器件的检测误差

针对上述提取的离散型误差信号，分析处理误差信息。通过C语言编码中的deviceld指令减少误差分析中的冗余值，传输实时动态误差数据。利用NB-IOT技术将误差分析功能连接后台，显示误差信息。通过计算每个数据的映射值，以此获得误差分析结果。设误差分析结果的表达式为Q，则有公式（5）。

式（5）中：E为误差分析时线路的电流极值;为误差分析影响因素个数;K为离散型误差信号的有效值;B为误差分析时电流的流经强度。计算得出的映射值作为误差分析的关键依据，结合误差分析数据的实时传递情况，传输终端数据，并显示数据信息，完成电子元器件的检测误差分析。

四、结束语

电子元器件检测具有一定的难度，利用检测方式尽管能够提高检测精度，但仍在会存在检测误差。在分析检测误差过程中，明确电子元器件检测误差产生的相关影响因素。但本文研究仍在存在不足之处，主要表现为对电子元器件检测误差分析方式较为单一，未在其中引入平均误差，并且未充分考虑到电子元器件生产系统的误差因素，上述内容在未来针对此方面的研究中可以作为补充内容加以说明。