CN103076342A - 一种基于LabVIEW的PCB板插件在线检测系统及其检测方法 - Google Patents
一种基于LabVIEW的PCB板插件在线检测系统及其检测方法 Download PDFInfo
- Publication number
- CN103076342A CN103076342A CN2013100172997A CN201310017299A CN103076342A CN 103076342 A CN103076342 A CN 103076342A CN 2013100172997 A CN2013100172997 A CN 2013100172997A CN 201310017299 A CN201310017299 A CN 201310017299A CN 103076342 A CN103076342 A CN 103076342A
- Authority
- CN
- China
- Prior art keywords
- image
- pcb board
- labview
- edge
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
一种基于LabVIEW的PCB板插件在线检测系统,PC机与执行装置相连,执行装置设在生产线上,生产线上设有红外检测器,红外检测器红外射线方向设有背景板,红外检测器下方设有光源,光源的附近设有图像采集器,红外检测器通过图像采集器与PC机相连,检测步骤:1)打开图像采集器采集的图像;2)在VisionAssistant中完成图像预处理的步骤设置;3)提取图像的上边和左边缘,设置上边和左边缘检测区域;4)提取图像的上边和左边的特征边缘后,建立直角坐标系;5)在建立的坐标系中设置矩形待检测区域;6)将采集的图像与未插件的图像比较,识别是否有漏插;7)将模板匹配的结果保存;8)执行装置根据结果阻止不合格的PCB板进入下道工序。本发明具有检测快速、准确率高和成本低的特点。
Description
技术领域
本发明涉及PCB板检测技术领域,具体涉及一种基于LabVIEW的PCB板插件在线检测系统及其检测方法。
背景技术
实际生产中,PCB板插件在线检测具有大批量、连续性、重复性等特点,目前,很多工厂主要靠人工检测,这种方式在给工厂增加巨大的人工成本和管理成本的同时,仍然不能保证100%的检验合格率。特别是对于PCB板尺寸较小、精确性要求较高的快速检测,人眼根本无法连续稳定地进行。此外,人工检测无法快速的存储检测信息,也不便于自动处理。
发明内容
为了克服上述现有技术的不足,本发明的目的是提供一种基于LabVIEW的PCB板插件在线检测系统及其检测方法,具有检测快速、准确率高和成本低的特点。
为了实现上述目的,本发明采用的技术方案是:一种基于LabVIEW的PCB板插件在线检测系统,包括有PC机,PC机与执行装置相连,执行装置设在生产线上,生产线上还设有红外检测器和背景板,红外检测器上方设有光源,光源的附近设有图像采集器,红外检测器与图像采集器相连,图像采集器与PC机相连。
所述的PC机内装载LabVIEW模块,LabVIEW模块基于NI Vision Builder检测软件,其安装在PC机中。
所述的光源采用LED光源。照射角度固定,具体设置需根据实际情况而定,光源用于确保采集的图像明亮程度和清晰度一致。
所述的图像采集器包括有CCD摄像头和图像采集卡。
所述的背景板上放置待测的PCB板。
所述的执行装置通过串口与PC机连接。当检测的PCB板出现元器件“漏插”时,执行装置将该PCB板推入不合格产品通道,能有效阻止不合格的PCB板进入下一道工序。
红外检测器安装在生产线上,背景板挡住红外射线,产生红外信号,并将该信号传输给图像采集模块的图像采集卡。光源采用LED光源,其照射方式为前向照明,照射角度固定,具体设置需根据实际情况而定,LED光源用于确保采集的图像明亮程度和清晰度一致。图像采集器进一步包括CCD摄像头和图像采集卡,CCD摄像头获取实时视频后,经过视频接口送到图像采集卡上,视频信号首先进过模数转换,然后送到数字解码器解码。红外检测器产生红外信号,将该信号传输给图像采集器,数字解码器解码产生N个周期的脉冲,在该脉冲的作用下数字化的视频信息被分割成n*m像素的数字图像,并保存在PC机的硬盘中。LabVIEW模块安装在PC机中,进一步包括图像采集、图像预处理、建立坐标系、设置待检测区域、模板匹配、结果存储和串口输出部分,这些部分都是在NI Vision Builder平台上开发设置的,LabVIEW模块对该图像进行模板匹配,即将采集的图像与事先采集的未插件的图像比较,判断PCB板上是否出现元器件“漏插”。在背景板上放置待测的PCB板,背景板应选择与PCB板颜色的灰度值相差较大的颜色,使背景板与PCB板连接处灰度值的可以有明显的突变,一般采用白色的背景板,此外,背景板的高度需要确保能遮挡住红外检测器的红外射线。
LabVIEW模块进一步包括图像采集模块、图像预处理模块、建立坐标系模块、设置待检测区域模块、模板匹配模块、结果存储模块和串口输出模块,这些部分都是在NI Vision Builder平台上开发设置的。
图像采集模块将图像采集器采集的图像提取到LabVIEW平台上。
图像预处理部分包括灰度变换、滤波。
建立坐标系的方法是首先寻找采集图像中PCB板的上边缘和左边缘,在PCB板上边缘和左边缘与背景板连接的地方,其灰度值会有明显的突变。寻找上边缘时,在设置的寻找范围内,从上至下寻找灰度值由小突变到大的边界,该边界即为PCB板的上边缘。按同样的方法,找到左边缘。以两边缘延长线的交点为原点、两边缘为轴线就可以建立直角坐标系。
模板匹配部分就是将采集的图像与事先采集的未插件的图像比较,识别PCB板是否有“漏插”现象。实现方法是:在建立的坐标系中设置待检测区域,比较该区域的图像与事先采集的未插件的图像。
结果存储模块将模板匹配的结果以Excel的形式保存起来。
串口输出模块将模板匹配的结果以串口的形式传输给执行装置。
一种基于LabVIEW的PCB板插件在线检测方法,包括有以下步骤:
步骤1:使用NI Vision Builder中的Simulate Acquisition模块打开图像采集器(3)采集的图像;
步骤2:在Vision Assistant中完成图像预处理的步骤设置,包括灰度变换、滤波;
步骤3:使用Find Straight Edge提取采集图像中PCB板的上边和左边边缘,分别设置好上边和左边的边缘检测区域和边缘极性;
步骤4:提取图像的上边和左边的特征边缘后,在两边缘上各形成两个端点,使用几何分析模块,根据四个点计算出两条特征边缘的交点,以该交点为原点,使用Set Coordinate System建立直角坐标系坐标系,以这种方式建立的坐标系会随着采集的图像PCB板的位置及偏移角度发生变化;
步骤5:在建立的坐标系中使用Create Region of interest设置待检测区域,设置的待检测区域为矩形,在建立的坐标系中的相对位置保持不变,这样使得待检测区域不会随着采集的图像角度发生变化;
步骤6:使用Match Pattern将采集的图像与事先采集的未插件的图像比较,识别PCB板是否有“漏插”现象。
步骤7:结果存储模块使用Data Logging将模板匹配的结果以Excel的形式保存起来,存储的内容可以包括时间、编号、检测结果;
步骤8:串口输出模块使用Serial I/O将模板匹配的结果以串口的形式传输给执行装置,执行装置将阻止不合格的PCB板进入下一道工序。
本发明的优点是:
本发明使得PCB板插件检测更加快速,完全可以替代人眼检测,同时在线检测变得更加自动化,可以智能地检测和控制。本发明的实现主要基于LabVIEW平台中的NI Vision Builder,具有快速开发的特点,程序开发周期短。
附图说明
图1为本发明的整体示意图。
图2为本发明的LabVIEW模块工作流程图。
图3为本发明待检测的PCB板结构示意图。
图4为本发明未插件的PCB板结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
参见图1,一种基于LabVIEW的PCB板插件在线检测系统,包括有PC机4,PC机4与执行装置5相连,执行装置5设在生产线上,生产线上还设有红外检测器1和背景板6,背景板挡住红外射线,产生红外信号。红外检测器1上方设有光源2,光源2的附近设有图像采集器3,红外检测器1与图像采集器3相连,图像采集器3与PC机4相连。
所述的PC机4内装载LabVIEW模块,LabVIEW模块基于NI Vision Builder检测软件,其安装在PC机中。
所述的光源2采用LED光源。照射角度固定,具体设置需根据实际情况而定,光源用于确保采集的图像明亮程度和清晰度一致。
所述的图像采集器3包括有CCD摄像头和图像采集卡。
所述的背景板6上放置待测的PCB板7。
所述的执行装置5通过串口与PC机连接。当检测的PCB板出现元器件“漏插”时,执行装置将该PCB板推入不合格产品通道,能有效阻止不合格的PCB板进入下一道工序。
红外模块1安装在生产线上,背景板挡住红外射线,产生红外信号,并将该信号传输给图像采集器3的图像采集卡。光源2采用LED光源,其照射方式为前向照明,照射角度固定,具体设置需根据实际情况而定,LED光源用于确保采集的图像明亮程度和清晰度一致。图像采集器3进一步包括CCD摄像头和图像采集卡,CCD摄像头获取实时视频后,经过视频接口送到图像采集卡上,视频信号首先进过模数转换,然后送到数字解码器解码。红外模块1产生红外信号,将该信号传输给图像采集器3,数字解码器解码产生N个周期的脉冲,在该脉冲的作用下数字化的视频信息被分割成n*m像素的数字图像,并保存在PC机的硬盘中。LabVIEW模块4安装在PC机中,LabVIEW模块4对该图像进行模板匹配,即将采集的图像与事先采集的未插件的图像比较,判断PCB板上是否出现元器件“漏插”。在背景板6上放置待测的PCB板7,背景板6应选择与PCB板颜色的灰度值相差较大的颜色,使背景板与PCB板连接处灰度值的可以有明显的突变,一般采用白色的背景板,此外,背景板6的高度需要确保能遮挡住红外传感器的射线。执行装置通过串口与PC机连接,阻止不合格的PCB板进入下一道工序。
参见图2,LabVIEW模块进一步包括图像采集模块、图像预处理模块、建立坐标系模块、设置待检测区域模块、模板匹配模块、结果存储模块和串口输出模块,这些部分都是在NI Vision Builder平台上开发设置的。
图像采集模块将图像采集器3采集的图像提取到LabVIEW平台上。
图像预处理部分包括灰度变换、滤波。
建立坐标系的方法是首先寻找采集图像中PCB板的上边缘和左边缘,在PCB板上边缘和左边缘与背景板连接的地方,其灰度值会有明显的突变。寻找上边缘时,在设置的寻找范围内,从上至下寻找灰度值由小突变到大的边界,该边界即为PCB板的上边缘。按同样的方法,找到左边缘。以两边缘延长线的交点为原点、两边缘为轴线就可以建立直角坐标系。
参见图3、4,模板匹配部分就是将采集的图像与事先采集的未插件的图像比较,识别PCB板是否有“漏插”现象。实现方法是:在建立的坐标系中设置待检测区域,比较该区域的图像与事先采集的未插件的图像。
结果存储模块将模板匹配的结果以Excel的形式保存起来。
串口输出模块将模板匹配的结果以串口的形式传输给执行装置。
下面以检测一组PCB板上的电阻是否“漏插”为实施例作进一步说明。
由于一组待检测的PCB板放置在背景板上,放置的角度和位置不同,PCB板在采集的图像中位置和角度也不同,需要建立可以随PCB的位置而变化的坐标系,使得待检测的电阻区域在建立的坐标系中的位置相对不变。
具体包括以下步骤:
步骤1:使用NI Vision Builder中的Simulate Acquisition模块打开图像采集器3采集的图像;
步骤2:采集的图像为彩色图像,需在Vision Assistant中完成图像预处理的步骤设置,包括灰度变换、滤波,处理后的图像效果为灰色图像,参见图3;
步骤3:使用Find Straight Edge提取采集图像中PCB板上边边缘S和左边边缘L,分别设置好上边和左边的边缘检测区域,参见图3,提取上边边缘时,设置检测方向从上到下,边缘极性设置为仅从白到黑,提取左边边缘时,设置检测方向从左到右,边缘极性设置为仅从白到黑;
步骤4:提取图像的上边和左边的特征边缘后,在上边边缘S上形成两个端点S0、S1,在左边边缘L上形成两个端点L0、L1,使用几何分析模块,根据四个点计算出两条特征边缘的交点,以该交点为原点,使用Set Coordinate System建立直角坐标系坐标系,以这种方式建立的坐标系会随着采集的图像PCB板的位置及偏移角度发生变化;
步骤5:在建立的坐标系中使用Create Region of interest设置待检测的电阻区域,设置的待检测区域为矩形,在建立的坐标系中的相对位置保持不变,这样使得待检测区域不会随着采集的图像角度发生变化;
步骤6:参见图3和图4,在建立的坐标系中设置了检测电阻的区域,Match Pattern将该区域内的图像截取出来,同时与图4中事先设置的未插件模板进行模板匹配,若匹配不成功,则表明该区域电阻没有“漏插”,反之,匹配成功则表明该区域电阻“漏插”;
步骤7:结果存储模块使用Data Logging将模板匹配的结果以Excel的形式保存起来,存储的内容可以包括时间、编号、检测结果;
步骤8:串口输出模块使用Serial I/O将模板匹配的结果以串口的形式传输给执行模块,若模板匹配的结果为电阻“漏插”,执行装置将该不合格的PCB板推入不合格产品通道,阻止其进入下一道工序。
Claims (6)
1.一种基于LabVIEW的PCB板插件在线检测系统,包括有PC机(4),PC机(4)与执行装置(5)相连,执行装置(5)设在生产线上,生产线上还设有红外检测器(1)和背景板(6),红外检测器(1)上方设有光源(2),光源(2)的附近设有图像采集器(3),红外检测器(1)与图像采集器(3)相连,图像采集器(3)与PC机(4)相连。
2.根据权利要求1所述的一种基于LabVIEW的PCB板插件在线检测系统,其特征在于,所述的光源(2)采用LED光源。
3. 根据权利要求1所述的一种基于LabVIEW的PCB板插件在线检测系统,其特征在于,所述的图像采集器(3)包括有CCD摄像头和图像采集卡。
4.根据权利要求1所述的一种基于LabVIEW的PCB板插件在线检测系统,其特征在于,所述的背景板(6)上放置待测的PCB板(7)。
5.根据权利要求1所述的一种基于LabVIEW的PCB板插件在线检测系统,其特征在于,所述的执行装置(5)通过串口与PC机连接,当检测的PCB板出现元器件“漏插”时,执行装置(5)将该PCB板推入不合格产品通道。
6. 一种基于LabVIEW的PCB板插件在线检测方法,其特征在于,包括以下步骤:
步骤1:使用NI Vision Builder中的Simulate Acquisition模块打开图像采集器采集的图像;
步骤2:在Vision Assistant中完成图像预处理的步骤设置,包括灰度变换、滤波;
步骤3:使用Find Straight Edge提取寻找采集图像中PCB板的上边和左边边缘,分别设置好上边和左边的边缘检测区域,提取上边边缘时,设置检测方向从上到下,边缘极性设置为仅从白到黑,提取左边边缘时,设置检测方向从左到右,边缘极性设置为仅从白到黑;
步骤4:提取图像的上边和左边的特征边缘后,在两边缘上各形成两个端点,使用几何分析模块,根据四个点计算出两条特征边缘的交点,以该交点为原点,使用Set Coordinate System建立直角坐标系,以这种方式建立的坐标系会随着采集的图像PCB板的位置及偏移角度发生变化;
步骤5:在建立的坐标系中使用Create Region of interest设置待检测区域,设置的待检测区域为矩形,在建立的坐标系中的相对位置保持不变,这样使得待检测区域不会随着采集的图像角度发生变化;
步骤6:使用Match Pattern将采集的图像与事先采集的未插件的图像比较,识别PCB板是否有“漏插”现象,在建立的坐标系中设置了检测电阻的区域,Match Pattern将该区域内的图像截取出来,同时与事先设置的未插件模板进行模板匹配,若匹配不成功,则表明该区域元器件没有“漏插”;
步骤7:结果存储模块使用Data Logging将模板匹配的结果以Excel的形式保存起来,存储的内容包括时间、编号、检测结果;
步骤8:串口输出模块使用Serial I/O将模板匹配的结果以串口的形式传输给执行装置,执行模装置将阻止不合格的PCB板进入下一道工序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100172997A CN103076342A (zh) | 2013-01-17 | 2013-01-17 | 一种基于LabVIEW的PCB板插件在线检测系统及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100172997A CN103076342A (zh) | 2013-01-17 | 2013-01-17 | 一种基于LabVIEW的PCB板插件在线检测系统及其检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103076342A true CN103076342A (zh) | 2013-05-01 |
Family
ID=48152944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100172997A Pending CN103076342A (zh) | 2013-01-17 | 2013-01-17 | 一种基于LabVIEW的PCB板插件在线检测系统及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103076342A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103411975A (zh) * | 2013-07-11 | 2013-11-27 | 东莞市三瑞自动化科技有限公司 | 基于机器视觉的导火索火药密度无损检测方法及其系统 |
CN103728305A (zh) * | 2014-01-13 | 2014-04-16 | 深圳市永光神目科技有限公司 | Pcba板用的检测方法 |
CN104209272A (zh) * | 2014-08-28 | 2014-12-17 | 深圳市天麟精密模具有限公司 | 一种根据图像信息进行产品分拣的方法和设备 |
CN105817430A (zh) * | 2016-03-29 | 2016-08-03 | 常熟理工学院 | 基于机器视觉的产品检测方法 |
CN106501708A (zh) * | 2016-12-24 | 2017-03-15 | 大连日佳电子有限公司 | 在线检测电路板上器件漏插、插偏的方法 |
CN109348644A (zh) * | 2018-08-31 | 2019-02-15 | 惠州市德赛西威汽车电子股份有限公司 | 一种工装系统及其防漏防错检测方法 |
CN109693140A (zh) * | 2018-12-31 | 2019-04-30 | 常州轻工职业技术学院 | 一种智能化柔性生产线及其工作方法 |
CN113347872A (zh) * | 2021-06-02 | 2021-09-03 | 深圳市小铭工业互联网有限公司 | 一种pcb插件光学指导方法及指导系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040004482A1 (en) * | 2002-04-18 | 2004-01-08 | Photon Dynamics, Inc. | Industrial inspection using combination of functional testing and structural inspection |
CN102735690A (zh) * | 2012-06-26 | 2012-10-17 | 东莞市三瑞自动化科技有限公司 | 基于机器视觉的智能型高速在线自动化检测方法及系统 |
-
2013
- 2013-01-17 CN CN2013100172997A patent/CN103076342A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040004482A1 (en) * | 2002-04-18 | 2004-01-08 | Photon Dynamics, Inc. | Industrial inspection using combination of functional testing and structural inspection |
CN102735690A (zh) * | 2012-06-26 | 2012-10-17 | 东莞市三瑞自动化科技有限公司 | 基于机器视觉的智能型高速在线自动化检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
崔怀峰等: "基于虚拟仪器的PCB缺陷检测系统的开发", 《信息系统工程》, no. 5, 31 May 2010 (2010-05-31), pages 20 - 21 * |
李恩全: "基于LabVIEW的PCB视觉检测系统的研究与实现", 《湖北工业大学 硕士学位论文》, 1 September 2008 (2008-09-01) * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103411975A (zh) * | 2013-07-11 | 2013-11-27 | 东莞市三瑞自动化科技有限公司 | 基于机器视觉的导火索火药密度无损检测方法及其系统 |
CN103728305A (zh) * | 2014-01-13 | 2014-04-16 | 深圳市永光神目科技有限公司 | Pcba板用的检测方法 |
CN104209272A (zh) * | 2014-08-28 | 2014-12-17 | 深圳市天麟精密模具有限公司 | 一种根据图像信息进行产品分拣的方法和设备 |
CN104209272B (zh) * | 2014-08-28 | 2016-10-19 | 深圳市天麟精密模具有限公司 | 一种根据图像信息进行产品分拣的设备 |
CN105817430A (zh) * | 2016-03-29 | 2016-08-03 | 常熟理工学院 | 基于机器视觉的产品检测方法 |
CN106501708A (zh) * | 2016-12-24 | 2017-03-15 | 大连日佳电子有限公司 | 在线检测电路板上器件漏插、插偏的方法 |
CN109348644A (zh) * | 2018-08-31 | 2019-02-15 | 惠州市德赛西威汽车电子股份有限公司 | 一种工装系统及其防漏防错检测方法 |
CN109693140A (zh) * | 2018-12-31 | 2019-04-30 | 常州轻工职业技术学院 | 一种智能化柔性生产线及其工作方法 |
CN113347872A (zh) * | 2021-06-02 | 2021-09-03 | 深圳市小铭工业互联网有限公司 | 一种pcb插件光学指导方法及指导系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103076342A (zh) | 一种基于LabVIEW的PCB板插件在线检测系统及其检测方法 | |
CN106228546B (zh) | 一种板卡的检测方法及装置 | |
CN107389701A (zh) | 一种基于图像的pcb表观缺陷自动检测系统及方法 | |
CN105184793A (zh) | 一种电能表样品外观及pcb板元件检测方法 | |
CN105403147B (zh) | 一种基于嵌入式的瓶胚检测系统和检测方法 | |
CN108982512A (zh) | 一种基于机器视觉的电路板检测系统及其方法 | |
CN104361314A (zh) | 基于红外与可见光图像融合的变电设备定位方法及装置 | |
CN109003271A (zh) | 一种基于深度学习yolo算法的线束连接器排线质量检测方法 | |
CN104777176A (zh) | 一种pcb板检测方法及装置 | |
CN109166111B (zh) | 一种电子墨水屏缺陷检测方法及系统 | |
CN106501272A (zh) | 机器视觉焊锡定位检测系统 | |
CN105023018A (zh) | 一种喷码检测方法及系统 | |
CN104197850A (zh) | 一种基于机器视觉的元件管脚检测方法及其装置 | |
Ren et al. | Circuit board defect detection based on image processing | |
CN113533372B (zh) | 一种纸张缺陷检测方法、系统、装置及计算机存储介质 | |
CN103674835A (zh) | 富营养化水体中氮磷物质含量现场快速检测方法及装置 | |
Anitha et al. | SMT component inspection in PCBA’s using image processing techniques | |
CN202948128U (zh) | 具有型式检测功能的智能电能表自动化检测系统 | |
Caliskan et al. | Design and realization of an automatic optical inspection system for PCB solder joints | |
CN105548210A (zh) | 基于机器视觉的美标电源延长线的检测方法 | |
CN116129348A (zh) | 异物检测方法、装置、电子设备及计算机可读存储介质 | |
CN109345519A (zh) | 基于深度学习yolo算法的线束连接器加工型号检测方法 | |
CN104915682A (zh) | 一种豆科种子识别系统及方法 | |
CN204630546U (zh) | 一种风电设备紧固件的在线自学习视觉化检测系统 | |
CN106596590A (zh) | 托盘ic检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130501 |