CN103217438B

CN103217438B - 一种基于图像特征的电路板元件精确定位与检测的方法

Info

Publication number: CN103217438B
Application number: CN201310112789.5A
Authority: CN
Inventors: 肖夏; 赵玉茹
Original assignee: Tianjin University
Current assignee: Tianjin University
Priority date: 2013-04-02
Filing date: 2013-04-02
Publication date: 2015-02-18
Anticipated expiration: 2033-04-02
Also published as: CN103217438A

Abstract

本发明属于电路板缺陷检测技术领域，涉及一种基于图像特征的电路板元件精确定位与检测的方法，包括：采集待检测电路板的图片，通过SURF算法得到待检测电路板的采集图和标准的电路板元件模板图片的特征点；设定粗匹配的阈值T，利用最近邻匹配法进行特征点粗匹配，再把特征点对从小到大排列；把每个排列好的特征点对的最近邻与次近邻比值用最小二乘法进行拟合，得到一条拟合曲线；根据拟合曲线和最近邻与次近邻比值差进行精确匹配；实现模板图在采集图上精确的定位；利用模板图和匹配的子图进行电路板的缺陷检测。可以实现元件精确的定位，从而实现电路板元件的检测。

Description

一种基于图像特征的电路板元件精确定位与检测的方法

所属技术领域

本发明属于电路板缺陷检测技术领域，涉及一种电路板元件精确定位与检测的方法。

背景技术

随着现代科技不断进步和发展，电子产品功能日益复杂，性能提高，元件变小，密度增大，电路板生产过程中不免会有元器件缺失、偏移以及错件等缺陷，导致人工视觉检测电路板元件困难，无法满足实际应用的要求。运用图像匹配技术检测对工业自动化，提高产品质量和提高生产率及节约成本意义重大。图像匹配是数字图像处理中一项关键的技术，匹配算法如何达到精度高、匹配正确率高、速度快、鲁棒性和抗干扰性强成为人们追求的目标。但是暂时还没有一种完美的图像匹配算法能够适应所有的匹配情况，解决所有的图像匹配问题。基于特征点的图像匹配算法计算量相对小，对灰度变化，形变及遮挡有较好的适应性，应用前景广阔。常见的特征点匹配方法有欧式距离法，最近邻法等。但是在实际应用中，特征点匹配出现大量的误匹配现象。

发明内容

为克服人工电子元件检测日益困难的问题，本发明提供一种根据图像特征的电路板定位和缺陷检测的方法。本发明的方法可以实现元件精确的定位，从而实现电路板元件的缺陷检测。本发明的技术方案如下：

一种基于图像特征的电路板元件精确定位与检测的方法，包括下列步骤：

1）采集待检测电路板的图片，通过SURF算法得到待检测电路板的采集图和标准的电路板元件模板图片的特征点；

2）设定粗匹配的阈值T，利用最近邻匹配法进行特征点粗匹配，设某个特征点的（最小欧氏距离)/(次小欧氏距离)为其最近邻与次近邻比值，按照最近邻与次近邻比值大小把特征点对从小到大排列T1，T2……Tn，n为通过最近邻匹配法得到的匹配点对个数；

3）把每个排列好的特征点对的最近邻与次近邻比值用最小二乘法进行拟合，得到一条拟合曲线；

4）设定第一个特征点对所对应的拟合曲线的值和其最近邻与次近邻比值差的绝对值为初始的值p1，如果P1大于预设的值C，便认为该第一个特征点对是误匹配；

5）令p_i=|p_i-1-T_i|（1<i<n+1）如果p_i大于C便认为第i个特征点对是误匹配，剔除，否则，便认为第i个特征点对是正确匹配，保留；

6）通过上述方法可以得到采集图和标准的电路板元件模板图片精确地匹配点对，根据采集图和模板图中匹配的特征点对的坐标位置关系，求出两幅图像的变换关系，从而在采集图中找到与模板图匹配的子图，实现模板图在采集图上精确的定位；

7）利用模板图和匹配的子图进行电路板的缺陷检测。

作为优选实施方式，其中C取T/2；第7）步中，利用模板图和匹配的子图的不变矩进行电路板的缺陷检测。

由于SURF算法在实际图像匹配应用中发生较大概率的误匹配，本发明提供的方法对其进行改进，可以剔除图像特征点错误匹配现象，可以实现特征点对稳定的匹配结果，提高特征点匹配的精度。经实验结果对比验证，此方法在原有的特征点匹配上剔除了错误的匹配点对，提高匹配精度，算法可以有效地应用在工业生产中，具有检测质量高，可实现无损检测的优点，能够实现工业生产自动化。

附图说明

图1电路板元件定位及检测流程图。

图2特征点匹配。

图3电路板元件定位。

具体实施方式

在电路板元件定位与检测应用中，首先采集待检测电路板的图片，通过SURF算法得到采集图和标准的电路板元件模板图片的特征点对。在一般情况下，基于SURF的图像匹配不需要进行图像进行预处理，在特殊情况下，受外界环境干扰大（如在水下），需要进行对图像进行一些预处理（图像增强，滤波，平滑等）.加速鲁棒特性（SURF）算法是由Bay等人于2006年提出，是一种具有对图像视角、尺度、旋转和光照变化的不变性的算法，它是针对Lowe等人提出的SIFT算法的改进。基于SURF算法的图像匹配主要分为三个步骤：特征点提取，特征点描述和特征点匹配。Bay等人提出用方框滤波近似代替二阶高斯滤波和用积分图像来加速卷积进行特征点检测，对于每个检测出来的特征点，计算哈尔小波变换来确定其主方向，产生64维特征向量作为特征点的描述子。特征点匹配是将提取的特征点的描述向量进行相应的运算，最常用的方法是最近邻匹配法，但是在实际应用中，最近邻方法出现大量的误匹配现象。提出的算法是在最近邻特征点匹配方法的基础上进行改进，具体步骤如下：

1）如果一个特征点的特征向量满足（最小欧氏距离)/(次小欧氏距离)<阈值T（这个阈值通常取0.6-0.8），就把它们当作一对匹配点.即利用最近邻方法进行特征点粗匹配。这里设某个特征点的特征向量的（最小欧氏距离)/(次小欧氏距离)为其最近邻与次近邻比值，按照(最小欧氏距离)/(次小欧氏距离)比值大小把特征点对从小到大排列T₁，T₂……T_n，n为通过最近邻匹配法得到的匹配点对个数。

2）把每个排列好的特征点对根据最近邻与次近邻比值的大小用最小二乘法进行拟合，得到一条拟合曲线。

3）设定第一个特征点对应的拟合曲线的值和最近邻与次近邻比值差的绝对值为初始的值p1，如果大于某一值C便认为这个点是误匹配。

4）令p_i=|p_i-1-T_i|（1<i<n+1）如果p_i大于C便认为这个匹配点对是误匹配，剔除。如果pi小于C便认为这个匹配点对是正确匹配，保留。其中C一般取T/2。

通过上述方法可以得到采集图和标准的电路板元件模板图片精确地匹配点对，根据采集图和模板图中匹配的特征点对的坐标位置关系，可以求出两幅图像的变换关系（旋转角度和缩放倍数），从而在采集图中找到与模版图匹配的子图，实现模板图在采集图上精确的定位。

因为Hu利用二阶和三阶中心距提出的图像的七个不变距具有对于平移，旋转和缩放的不变性。所以利用模板图和匹配的子图的不变矩进行图像检测具有实时性和可靠性。分别计算模板图和待检测图中匹配的子图的七个不变矩，对两幅图的不变矩进行归一化，通过归一化的不变矩进行对比检测。

电路板元件定位及检测方法的具体流程图见图1。

图2是实际拍摄图片通过曲线拟合方法，对错误的特征点匹配对进行剔除的结果，提高了特征点的匹配精度，而且提出的基于图像特征的匹配方法对图像旋转，放大，拍摄角度，噪声和其他因素的影响有较好的稳定性，从而实现电路板元件精确地定位，图3是元件定位的结果。最后，运用不变矩方法进行产品检测，实验证明该方法具有有效性和可行性。

Claims

1.一种基于图像特征的电路板元件精确定位与检测的方法，包括下列步骤：

1)采集待检测电路板的图片，通过SURF算法得到待检测电路板的采集图和标准的电路板元件模板图片的特征点；

2)设定粗匹配的阈值T，利用最近邻匹配法进行特征点粗匹配，设某个特征点的(最小欧氏距离)/(次小欧氏距离)为其最近邻与次近邻比值，按照最近邻与次近邻比值大小把特征点对从小到大排列T₁，T₂……T_n，n为通过最近邻匹配法得到的匹配点对个数；

3)把每个排列好的特征点对的最近邻与次近邻比值用最小二乘法进行拟合，得到一条拟合曲线；

4)设定第一个特征点对所对应的拟合曲线的值和其最近邻与次近邻比值差的绝对值为初始的值p₁，如果p₁大于预设的值C，便认为该第一个特征点对是误匹配；

5)令p_i＝|p_i-1-T_i|(1<i<n+1)如果p_i大于C便认为第i个特征点对是误匹配，剔除，否则，便认为第i个特征点对是正确匹配，保留；

6)通过上述方法可以得到采集图和标准的电路板元件模板图片精确地匹配点对，根据采集图和模板图中匹配的特征点对的坐标位置关系，求出两幅图像的变换关系，从而在采集图中找到与模板图匹配的子图，实现模板图在采集图上精确的定位；

7)利用模板图和匹配的子图进行电路板的缺陷检测。

2.根据权利要求1所述的电路板元件精确定位与检测的方法，其特征在于，其中C取T/2。

3.根据权利要求1所述的电路板元件精确定位与检测的方法，其特征在于，第7)步中，利用模板图和匹配的子图的不变矩进行电路板的缺陷检测。