邓仕超， 张延儒， 高兴宇， 刘 平， 黄海兰， 杨家欣

(桂林电子科技大学广西制造系统与先进制造技术重点实验室，桂林 541004)

微型电机转子是微型电机中旋转的部分，电流通过转子线圈产生交变磁场，将电能转换为机械能，是微型电机的核心零件。转子焊点是连接转子线圈和电极的重要结点，位于电极的尾端，用于连通线圈和电极之间的回路，它的检测质量严重影响着转子的性能。由于焊点非常微小，肉眼无法分辨焊点的优劣。传统的焊点质量检测采取的是光学放大和人眼结合的检测方法，依靠有经验的工人凭借长期积累的经验来判断焊点的好坏。不仅工人的培训需要花费大量的时间和金钱，而且人工检测效率低，存在主观性，对生产效率和产品质量有着严重影响，长时间的工作也会对工作人员的身心健康造成巨大伤害。

随着图像处理技术和机器学习技术的发展，越来越多的研究人员运用相关技术针对焊点检测问题做出了一些研究。比如：刘美菊等[1]提出了改进的K-近邻算法将电路板焊点检测的准确率提高到了96%；吴福培等[2]利用单目视觉三维检测的方法使印制电路板(PCB)焊点的测量精度达到了0.12 mm；谢达奇等[3]针对汽车车身焊点检测提出了MeanShift聚类圆拟合算法，检测精度达到了95%；陈寿宏等[4]为提高PCB板中元器件焊点的缺陷检测正确率，提出了多特征向量的支持向量机的分类方法，准确率达到了98.46%；钱佳等[5]提出了模糊C均值聚类与松弛约束支持向量机联用的识别方法，对人工焊点缺陷识别具有很好的效果。……