DOI：10.3969/j.issn.1672-3872.2026.03.034
作 者：杨 爽（基美电子（苏州）有限公司，江苏 苏州 215200）
摘 要：为解决传统被动元器件检测效率低、精度差、人力成本高的问题，满足电子制造业对元器件高精度、高效率检测的需求，文章采用机器视觉技术，结合深度学习算法与图像处理方法，对被动元器件自动化光学检测技术展开深入研究；通过搭建机器视觉检测系统，构建包含电阻、电容、电感等多种被动元器件缺陷样本的数据集，运用改进的YOLOv5算法与图像增强、分割技术，实现对元器件外观缺陷、尺寸偏差等问题的检测与分析。本研究以某电子制造企业生产的贴片电阻、陶瓷电容等元器件为例，对算法检测精度、系统检测效率进行测试。研究结果表明，改进后的检测算法对被动元器件常见缺陷的检测准确率达到99.2%，单个元器件平均检测时间缩短至0.3 s，生产效率提高40%，同时有效降低误检率与漏检率。分析认为，基于机器视觉的自动化光学检测技术能够显著提升被动元器件检测的准确性与效率，满足现代电子制造业高速发展的需求。研究建议进一步优化算法模型，增强对复杂背景与微小缺陷的检测能力；加强检测系统与生产线的深度融合，实现实时在线检测与质量追溯。
关键词：机器视觉；被动元器件；自动化光学检测；深度学习；图像处理
引文信息：[1]杨爽.基于机器视觉的被动元器件自动化光学检测技术研究[J].南方农机，2026，57(3)：129-132+154.
查看全文请下载PDF文件↓
