CN105223208B - 一种电路板检测模板及其制作方法、电路板检测方法 - Google Patents
一种电路板检测模板及其制作方法、电路板检测方法 Download PDFInfo
- Publication number
- CN105223208B CN105223208B CN201510612687.9A CN201510612687A CN105223208B CN 105223208 B CN105223208 B CN 105223208B CN 201510612687 A CN201510612687 A CN 201510612687A CN 105223208 B CN105223208 B CN 105223208B
- Authority
- CN
- China
- Prior art keywords
- circuit
- circuit board
- image
- template
- board detecting
- 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.)
- Active
Links
Landscapes
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种电路板检测模板及其制作方法,该制作方法包括以下步骤:S1:读取电路板描述文件,并根据所述电路板描述文件的描述信息,绘制电路模板图像;待检测电路板依据所述电路板描述文件制成;S2:检测所述电路模板图像的连通域,根据所述连通域划分不同的电路模块;S3:对所述电路模块进行标注。本发明也涉及一种电路板检测方法。本发明提供的电路板检测模板的制作方法,通过对电路模块进行划分,按电路模块检测,解决了电路板检测自动化程度低、可靠性差的问题。
Description
技术领域
本发明涉及缺陷检测技术领域,更具体地说,涉及一种电路板检测模板及其制作方法、电路板检测方法。
背景技术
近年来,随着“工业4.0”概念的提出,工业自动化、信息化等的发展越来越受到人们的重视,在这一大前提下,国内外涌现了大批工业4.0相关的项目。然而由于技术水平的限制和科研跟实际应用的脱节等原因,并没有出现太多革命性的产品。在仅有的些许相关产品中,皆或多或少的有售价高且不稳定的问题。
本专利所介绍的“一种电路板检测模板及其制作方法、电路板检测方法”属于工业4.0相关的项目,与之相类似的技术由于在机器视觉或其它检测手段的处理或是软件设计上的缺陷,并不能良好的完成自动检测的工作。
分别从几个相关专利中的缺点进行分析:
申请号为“CN01803867.0”的专利利用边缘检测技术来分析图像的边缘,进而通过图像的边缘模板来检测电路图。这一实现有三个明显的缺点:1、对于电路板的颜色错误无能为力,这表现在如果电路板的模块印刷材料选错,其在颜色表现上与正确的材料相差甚远,然而轮廓却是一样的,这个时候该实现会认为电路板合格;2、该算法要求作为模板的电路图本身十分精确,而实物电路在要求高精度的情况下经过边缘检测算法的提取必然会带入毛刺,这样便只能在后期投入人力进行修正,并无法做到完全的智能;3、该算法针对于全局进行计算,对于全局光线的控制要求非常高,一旦某个局部的光线出现不均匀等问题,将影响整个计算结果。且受全局算法局限,无法针对某个印刷电路板局部进行定制化处理。
申请号为“CN200610061023.9”的专利跟本专利的实现内容比较相似,然而其同样有三个问题:1、只利用了Gerber文件所提供的电路板轮廓信息,没有解决上一专利的第一个问题;2、由于没有利用到Gerber文件的叠层信息,层与层之间的轮廓将被简单的显示在同一个图像上,而实际电路中有时候下一层电路会直接被上一层挡住,这表现为参考电路存在轮廓而实际电路检测不到这个轮廓。这个问题将给检测结果带来不可挽回的影响。3、由于电路板各模块之间有时候重复交叠在一起,而且两种材质的颜色十分相近,这个时候要区分出这两部分之间的差异而检测出轮廓,需要大大的提高图像边缘检测的灵敏度,这会给后面的图像处理带出非常多不必要的噪点。
申请号为“CN201210121565.6”的专利其实现方法是激光而非机器视觉,这在本质上来说属于两个不同的实现方法,而且由于是采用了激光来对电路板进行扫描,其扫描精度虽然高但扫描速度相比之下却远非同一数量级的,这就会导致检测的速度远远不能和机器视觉实现相比,对于工业化快速大规模生产来说会有非常不利的影响。另外该专利并没有具体描述如何参考PCB电路图,无法知道其对于叠层等情况作何处理。
发明内容
本发明要解决的技术问题在于,提供一种电路板检测模板及其制作方法、电路板检测方法。
本发明解决其技术问题所采用的技术方案是:构造一种电路板检测模板及其制作方法、电路板检测方法。
在本发明所述的电路板检测模板的制作方法中,包括以下步骤:
S1:读取电路板描述文件,并根据所述电路板描述文件的描述信息,绘制电路模板图像;待检测电路板依据所述电路板描述文件制成;
S2:检测所述电路模板图像的连通域,根据所述连通域划分不同的电路模块;
S3:对所述电路模块进行标注。
优选地,所述制作方法还包括步骤S4:判断是否有未处理的所述电路板描述文件,是则重复执行步骤S1-3,否则结束;
所述电路板描述文件包括多个,分别与待检测电路板的每一层电路对应。
优选地,所述制作方法还包括步骤S5:
判断所述电路模板图像是否有电路重叠部分,有重叠部分则将所述重叠部分合处作为一个新的所述电路模块;并对新的所述电路模块重新进行标注。
优选地,所述制作方法还包括步骤S6:
获取实际模板电路的图像,根据所述实际模板电路的图像对所述电路板检测模板进行尺度压缩和颜色匹配;并分析所述实际模板电路的各个实际模块,建立对应的模板文件。
优选地,在所述步骤S3中,对所述电路模块中的每一个点进行颜色标注:对同一所述电路模块中的所有点标注为一种颜色,对不同的所述电路模块标注不同的颜色。
优选地,在所述步骤S3中,还包括将每一所述电路模块的轮廓进行轮廓标注。
在本发明所述的电路板检测模板中,采用以上任一项的制作方法制备而成。
在本发明所述的电路板检测方法中,包括以下步骤:
S1:获取待检测电路板的图像,并根据制备的电路板检测模板进行匹配预处理,得到预处理图像;
S2:以所述电路板检测模板中的电路模块为基准,遍历所述预处理图像中的实际电路模块,判断是否存在电路缺陷。
优选地,所述检测方法还包括步骤S3:获取实际模板电路的图像,与所述电路板检测模板进行匹配处理;并分析所述实际模板电路的各个实际模块,建立对应的模板文件。
优选地,在所述步骤S2中,包括以下步骤:
S2-1:保存所述预处理图像两份,为第一预处理图像和第二预处理图像;
S2-2:以所述电路板检测模板中的电路模块的颜色为基准,遍历所述第一预处理图像中的实际电路模块的颜色信息,判断是否存在颜色错误;
S2-3:以所述电路板检测模板中的电路模块的轮廓为基准,遍历所述第二预处理图像中的实际电路模块的轮廓信息,判断是否存在轮廓错误。
优选地,在所述步骤S2-3中,包括以下步骤:
S2-3-1:对所述第二预处理图像进行图像灰度化,得到灰度化图像;
S2-3-2:根据制备的电路板检测模板的电路模块对所述灰度化图像进行信息分割,得到分割图像块;
S2-3-3:对所述分割图像块进行直方图均衡化,并提取所述分割图像块的轮廓,将所得的轮廓拼接在一起,得到电路轮廓图像;
S2-3-4:遍历所述电路板检测模板的电路模块的位置,查看所述电路轮廓图像中的电路模块位置内是否存在轮廓信息,若有,则标出为错误,得到轮廓错误信息。
实施本发明的电路板检测模板及其制作方法,具有以下有益效果:通过对电路模块进行划分,按电路模块检测,解决了电路板检测自动化程度低、可靠性差的问题。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明电路板检测模板制作方法的流程图;
图2是本发明电路板检测模块的示意图;
图3是本发明电路板检测方法的流程图;
图4是本发明电路板检测方法步骤S2的流程图;
图5是本发明电路板检测方法步骤S2-3的流程图;
图6是本发明电路板检测方法所得的电路轮廓图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和具体实施例,对本发明进行进一步的详细说明。应当理解,此处描述的具体实施例仅用于解释本发明,并不用于限定本发明。
如图1所示,在本发明的电路板检测模板的制作方法的实施例中,包括以下步骤:
S1:读取电路板描述文件,并根据该电路板描述文件的描述信息,绘制电路模板图像;待检测电路板依据电路板描述文件制成;可以理解的,电路板描述文件包括但不限于一切能够描述电路板(包括印刷电路板)、电路原理图、PCB图等等一切文件,如Gerber文件;Gerber格式是线路板行业软件描述线路板(线路层、阻焊层、字符层等)图像及钻、铣数据的文档格式集合。它是线路板行业图像转换的标准格式。
S2:检测电路模板图像的连通域,根据所检测得到的连通域划分不同的电路模块;
S3:对电路模块进行标注,不同的电路模块的标注不相同,从而区分不同的电路模块;具体的,对电路模块的标注方式可以采用各种不同的方法,例如不同的颜色,不同的编码等等,只要能够区分不同的电路模块,以便后续处理。进一步的,在步骤S3中,对电路模块中的每一个点进行颜色标注;对同一电路模块中的所有点标注为一种颜色,对不同的电路模块标注不同的颜色,从而对不同的电路模块进行区分;再进一步的,在步骤S3中,还包括将每一电路模块的轮廓进行轮廓标注;具体的,本实施例中各个电路模块的轮廓采用红色进行标注,区分不同的电路模块;
S4:判断是否有未处理的电路板描述文件,是则重复执行步骤S1-S3,否则结束;电路板描述文件包括多个,分别与待检测电路板的每一层电路对应;本实施例中的步骤S4也可以省略;具体的,如果待检测电路板具有多层结构,就需要读取每一层的电路板描述文件,如Gerber文件,重复执行步骤S1-S3;
S5:判断电路模板图像是否有电路重叠部分,有重叠部分则将重叠部分合处作为一个新的电路模块;并对新的电路模块重新进行标注;本实施例对于重叠部分也采用颜色标注;通过将多层重合处视为一个新的电路模块解决多层堆叠的交界处过渡有时不明显而引起的错误。本实施例中的步骤S5也可以省略。
S6:获取实际模板电路的图像,根据所述实际模板电路的图像对所述电路板检测模板进行尺度压缩和颜色匹配;并分析所述实际模板电路的各个实际模块,建立对应的模板文件。具体的,本实施例先获取一块正确的待检测电路板,采集该待检测电路板的图像,根据所得的图像对该电路板检测模板进行尺度压缩,经过转动拉伸等方式叠合到电路板检测模板上,使得该电路板检测模板和采集的待检测电路板的图像相匹配或者大小一样;同时根据该采集的待检测电路板的图像对该电路板检测模板进行颜色匹配,使得该电路板检测模板的各个模块与待检测电路板对应的模块的颜色一样。在完成贴合之后,电路板检测模板按照不同电路块分析实际模板电路的各个实际模块颜色信息和实际位置大小信息,针对各个实际模块的信息建立对应的模板文件,以供后面的自动检测使用。本实施例的步骤S6也可以省略。
如图2所示,作为本发明实施例的一个电路板检测模板,白色部分21为无电路部分,灰色部分22为不重叠电路部分,黑色部分23为重叠电路部分,轮廓部分24为各个电路模块的轮廓,从而对不同的电路模块进行区分,以便后续的检测。
本发明的电路板检测模板根据上述实施例的制作方法制备而成,通过对电路模块进行划分,按电路模块检测,解决了电路板检测自动化程度低、可靠性差的问题。
如图3所示,在本发明的电路板检测方法的实施例中,包括以下步骤:
S1:获取待检测电路板的图像,并根据电路板检测模板进行匹配预处理,得到预处理图像;具体的,将待检测电路板摆放到指定位置,经过电子显微镜获取该待检测电路板的图像,对图像进行全局处理,滤除电路板的细微细节所引起的噪声,得到预处理图像;可以理解的,获取待检测电路板的图像不局限于使用电子显微镜,包括CCD摄像机等,在图像测试系统中,一般选用CCD传感器阵列摄像头。CCD是电荷耦合器(Charge Coupled Device)的简称,是一种利用光电效应原理来实现图像摄取的专门用途芯片。CCD器件的结构就是将许多基本独立的光电转换单元排列在一个平面上,这些纵横排列的单元集成有几十万、几百万甚至几千万个光电二极管及译码寻址电路。这些基本微小单元称之为像素,像素的数目越多则成像的清晰度越高,成像的质量就越好。同时,使用CCD图像采集卡与CCD摄像机配合。使用图像采集卡进行图像采集是图像处理的基础。图像采集卡接收从CCD摄像头中输入的模拟电信号,由A/D转换为离散的数字信号,将离散的信号存储在图像的一个或者多个存储单元中,当计算机发出传送指令时,经过PCI总线将图像信息传到计算机内存以便于计算机的运算处理,或者直接送到显示卡上进行显示。
可以理解的,滤除图像的噪声包括但不限于移动平均法、中值滤波法。噪声可以理解为妨碍人的视觉器官或系统传感器对所接收图像源信息进行理解或分析的各种因素。数字图像的噪声来源于图像的采集(数字化过程)、传输和处理的整个过程。特别是图像输入、采集的噪声是十分关键的问题。在图像采集过程中图像传感器的工作受各种因素影响,例如:使用CCD摄像头采集图像,光照强度和传感器温度是生成图像中产生大量噪声的主要因素。噪声恶化了图像质量,图像模糊,甚至淹没特征,给分析带来困难。因此,采用适合的滤波方法去除噪声是检测系统不可忽视的重要因素。
S2:以电路板检测模板中的电路模块为基准,遍历预处理图像中的实际电路模块,判断是否存在电路缺陷;
其中,如图4所示,步骤S2中,包括:
S2-1:保存预处理图像两份,为第一预处理图像和第二预处理图像;具体的,第一预处理图像用于颜色检测,第二预处理图像用于缺陷检测;
S2-2:以电路板检测模板中的电路模块的颜色为基准,遍历第一预处理图像中的实际电路模块的颜色信息,判断是否存在颜色错误;具体的,利用电路板检测模板中的电路模块信息检测第一预处理图像中实际电路模块的颜色,比较其与电路板检测模板的差异,对于差异过大则进行标出,完成颜色检测;
S2-3:以电路板检测模板中的电路模块的轮廓为基准,遍历第二预处理图像中的实际电路模块的轮廓信息,判断是否存在轮廓错误;
其中,如图5所示,步骤S2-3中,包括:
S2-3-1:对第二预处理图像进行图像灰度化,得到灰度化图像;
具体的,1931年国际照明技术委员会CIE规定,选择红色,绿色,蓝色三种单色光作为表色系统的三基色。这就是CIE的RGB颜色表色系统。在彩色图像中,图像是由RGB三分量表示的。其中,一个像素需要三个量来表示。如果每个量是8bits,那么表示一个像素的值需要24bits。这样既不利于存储图像,也不利于图像后续处理计算。为此需要对输入图像去掉彩色信息,进行灰度转换。在RGB模型中,当R=G=B时,颜色(R,G,B)表示的不是彩色而是黑白色或称灰度,其中R=G=B的值叫做灰度值。由彩色转化为灰度的过程叫做灰度化处理。由于R,G,B的取值范围是0一255,所以灰度的级别只有256级,即只能表现256种灰度。
灰度化处理的方法主要有三种:
(l)最大值法:使R,G,B的值等于三值中最大的一个,即
R=G=B=max(R,G,B)
最大值法会形成亮度很高的灰度图像。
(2)平均值法:根据R,G,B的值求出平均值,即
R=G=B=(R+G+B)/3
平均值法会形成较柔和的灰度图像。
(3)加权平均值法:根据视觉的生理特性给R,G,B赋予不同的权值,即
gray=xR+yG+zB,x+y+z=1
式中,x、y、z分别为R,G,B的权值;权值的不同,会形成不同的灰度图像。由于人眼对绿色的灵敏度最高,红色次之,蓝色最低,因此使y>x>z将得到较为合理的灰度图像。经过试验表明当x=0.30、y=0.59、z=0.ll时,即gray=0.30R+0.59y+0.11z。此时,能得到最合理的灰度图像。
S2-3-2:根据电路板检测模板的电路模块对灰度化图像进行信息分割,得到分割图像块;
具体的,图像分割是将一幅图像分成互不交叠的区域,通过分割把目标从背景中提取出来。图像分割是由图像处理进到图像分析的关键步骤,也是一种基本的计算机视觉技术。对灰度图像的分割常可以基于像素灰度值的2个性质;不连续性和相识性。区域内部的像素一般具有灰度相似性,而在区域之间的边界上一般具有灰度不连续性。所以分割算法可据此分为利用区域间灰度不连续性的基于边界的算法和利用区域内灰度相似性的基于区域的算法国,也就是边缘检测法和区域阂值法。
S2-3-3:对分割图像块进行直方图均衡化,并提取分割图像块的轮廓,将所得的轮廓拼接在一起,得到电路轮廓图像;具体的,先对分割图像块进行直方图均衡化。直方图均衡化的基本思想是对在图像中像素个数多的灰度级进行展宽,而对像索个数少的灰度级进行缩减,通过点运算使输入图像转换为在每一灰度级上都有相同的像素点的数目,即输出图像的直方图是平的,从而达到清晰图像的目的,以便利用整个灰度值的范围,各个灰度等级都能充分地发挥作用,得到比较好的视觉效果。
利用诸如sobel或者canny等轮廓提取算法提取分割图像块的轮廓,之后将各块所得到的轮廓拼接在一起,得到电路轮廓图像,如图6所示。该图像除了电路轮廓信息外,还存在缺陷部分的错误信息,即电路轮廓图像中对应的电路模块内出现的轮廓信息只可能为错误,也就是电路的缺陷。
S2-3-4:遍历电路板检测模板的电路模块的位置,查看电路轮廓图像中的电路模块位置内是否存在轮廓信息,若有,则标出为错误,得到轮廓错误信息。
结合步骤S2-2和步骤S2-3的检测,我们就得到了电路的缺陷位置和电路的颜色错误信息。
从以上可以看出,本实施例中的电路板检测模板及其制作方法、电路板检测方法具有以下技术效果:通过对电路模块进行划分,按电路模块检测,解决了电路板检测自动化程度低、可靠性差的问题。
可以理解的,以上实施例仅表达了本发明的优选实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制;应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,可以对上述技术特点进行自由组合,还可以做出若干变形和改进,这些都属于本发明的保护范围;因此,凡跟本发明权利要求范围所做的等同变换与修饰,均应属于本发明权利要求的涵盖范围。
Claims (8)
1.一种电路板检测模板的制作方法,其特征在于,所述方法包括以下步骤:
步骤S1:读取电路板描述文件,并根据所述电路板描述文件的描述信息,绘制电路模板图像;待检测电路板依据所述电路板描述文件制成;
步骤S2:检测所述电路模板图像的连通域,根据所述连通域划分不同的电路模块;
步骤S3:对所述电路模块进行标注;
步骤S4:判断是否有未处理的所述电路板描述文件,是则重复执行步骤S1-3,否则结束;
所述电路板描述文件包括多个,分别与待检测电路板的每一层电路对应;
步骤S5:判断所述电路模板图像是否有电路重叠部分,有重叠部分则将所述重叠部分合处作为一个新的所述电路模块;并对新的所述电路模块重新进行标注。
2.根据权利要求1所述的制作方法,其特征在于,所述制作方法还包括
步骤S6:获取实际模板电路的图像,根据所述实际模板电路的图像对所述电路板检测模板进行尺度压缩和颜色匹配;并分析所述实际模板电路的各个实际模块,建立对应的模板文件。
3.根据权利要求1-2任一项所述的制作方法,其特征在于,在所述步骤S3中,对所述电路模块中的每一个点进行颜色标注:对同一所述电路模块中的所有点标注为一种颜色,对不同的所述电路模块标注不同的颜色。
4.根据权利要求3所述的制作方法,其特征在于,在所述步骤S3中,还包括将每一所述电路模块的轮廓进行轮廓标注。
5.一种电路板检测模板,其特征在于,根据权利要求1-4任一项的制作方法制备而成。
6.一种电路板检测方法,其特征在于,包括以下步骤:
步骤S1:获取待检测电路板的图像,并根据权利要求5制备的电路板检测模板进行匹配预处理,得到预处理图像;
步骤S2:以所述电路板检测模板中的电路模块为基准,遍历所述预处理图像中的实际电路模块,判断是否存在电路缺陷。
7.根据权利要求6所述的电路板检测方法,其特征在于,在所述步骤S2中,包括以下步骤:
步骤S2-1:保存所述预处理图像两份,为第一预处理图像和第二预处理图像;
步骤S2-2:以所述电路板检测模板中的电路模块的颜色为基准,遍历所述第一预处理图像中的实际电路模块的颜色信息,判断是否存在颜色错误;
步骤S2-3:以所述电路板检测模板中的电路模块的轮廓为基准,遍历所述第二预处理图像中的实际电路模块的轮廓信息,判断是否存在轮廓错误。
8.根据权利要求7所述的电路板检测方法,其特征在于,在所述步骤S2-3中,包括以下步骤:
步骤S2-3-1:对所述第二预处理图像进行图像灰度化,得到灰度化图像;
步骤S2-3-2:根据权利要求5制备的电路板检测模板的电路模块对所述灰度化图像进行信息分割,得到分割图像块;
步骤S2-3-3:对所述分割图像块进行直方图均衡化,并提取所述分割图像块的轮廓,将所得的轮廓拼接在一起,得到电路轮廓图像;
步骤S2-3-4:遍历所述电路板检测模板的电路模块的位置,查看所述电路轮廓图像中的电路模块位置内是否存在轮廓信息,若有,则标出为错误,得到轮廓错误信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510612687.9A CN105223208B (zh) | 2015-09-23 | 2015-09-23 | 一种电路板检测模板及其制作方法、电路板检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510612687.9A CN105223208B (zh) | 2015-09-23 | 2015-09-23 | 一种电路板检测模板及其制作方法、电路板检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105223208A CN105223208A (zh) | 2016-01-06 |
CN105223208B true CN105223208B (zh) | 2018-04-06 |
Family
ID=54992282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510612687.9A Active CN105223208B (zh) | 2015-09-23 | 2015-09-23 | 一种电路板检测模板及其制作方法、电路板检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105223208B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106404782B (zh) * | 2016-09-06 | 2019-02-22 | 凌云光技术集团有限责任公司 | 一种pcb在线检测方法 |
CN108982539B (zh) * | 2018-07-13 | 2020-01-10 | 浙江大学 | 一种pcb双面三防漆涂覆质量检测系统及方法 |
CN110443777B (zh) * | 2018-10-09 | 2023-03-10 | 广东仙童智能机器人科技有限公司 | 一种pcb图像对位方法、装置和计算机存储介质 |
CN113808067B (zh) * | 2020-06-11 | 2024-07-05 | 广东美的白色家电技术创新中心有限公司 | 电路板检测方法、视觉检测设备及具有存储功能的装置 |
CN113554626A (zh) * | 2021-07-26 | 2021-10-26 | 朗华全能自控设备(上海)股份有限公司 | 一种软性电路板瑕疵检测方法及装置 |
CN116630325B (zh) * | 2023-07-25 | 2023-10-13 | 苏州赫芯科技有限公司 | 基于电路板的uv胶检测方法、设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018261A (zh) * | 2012-11-29 | 2013-04-03 | 华中科技大学 | 一种rfid天线的外观缺陷检测系统及其方法 |
CN103500459A (zh) * | 2013-09-24 | 2014-01-08 | 华南理工大学 | 一种基于规则化参数的印刷电路板缺陷检测方法 |
-
2015
- 2015-09-23 CN CN201510612687.9A patent/CN105223208B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018261A (zh) * | 2012-11-29 | 2013-04-03 | 华中科技大学 | 一种rfid天线的外观缺陷检测系统及其方法 |
CN103500459A (zh) * | 2013-09-24 | 2014-01-08 | 华南理工大学 | 一种基于规则化参数的印刷电路板缺陷检测方法 |
Non-Patent Citations (3)
Title |
---|
《中国优秀硕士学位论文全文数据库》;姚文伟;《中国优秀硕士学位论文全文数据库》;20121215(第12期);第36页第1段-第53页第1段 * |
基于区域填充算法的 PCB 网络提取;宋斌等;《计算机工程与设计》;20060228;第27卷(第4期);全文 * |
线路板缺陷的图像检测方法;熊邦书等;《半导体光电》;20120430;第33卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105223208A (zh) | 2016-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105223208B (zh) | 一种电路板检测模板及其制作方法、电路板检测方法 | |
CN111612763B (zh) | 手机屏幕缺陷检测方法、装置及系统、计算机设备及介质 | |
CN111047655B (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
CN107014819A (zh) | 一种太阳能电池板表面缺陷检测系统和方法 | |
CN103927741B (zh) | 增强目标特征的sar图像合成方法 | |
CN104749184B (zh) | 自动光学检测方法和系统 | |
CN111257341B (zh) | 基于多尺度特征与堆叠式全卷积网络的水下建筑物裂缝检测方法 | |
CN106770362A (zh) | 基于aoi的宏观缺陷检测装置及方法 | |
CN106355579A (zh) | 烟条表面褶皱的缺陷检测方法 | |
CN105574161B (zh) | 一种商标图形要素识别方法、装置和系统 | |
CN108764134A (zh) | 一种适用于巡检机器人的多类型仪表自动定位与识别方法 | |
CN112964724B (zh) | 一种多目标多区域视觉检测方法及检测系统 | |
CN109307675A (zh) | 一种产品外观检测方法和系统 | |
CN106096603A (zh) | 一种融合多特征的动态火焰检测方法及装置 | |
CN112233067A (zh) | 一种热轧钢卷端面质量检测方法及系统 | |
CN104700424B (zh) | 医用彩色电子内窥镜图像坏点检测装置 | |
CN104537651A (zh) | 一种路面图像中裂缝比例检测算法及系统 | |
CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
CN108564631A (zh) | 车灯光导色差检测方法、装置及计算机可读存储介质 | |
CN104200215A (zh) | 一种大口径光学元件表面灰尘与麻点识别方法 | |
CN111199194A (zh) | 基于机器视觉和深度学习的汽车智能座舱仪表测试方法 | |
CN109472790A (zh) | 一种机械零件缺陷检测方法及系统 | |
CN114820439A (zh) | 基于aoi的pcb裸板缺陷的检测系统及方法 | |
CN114441452B (zh) | 一种光纤尾纤检测方法 | |
Caliskan et al. | Design and realization of an automatic optical inspection system for PCB solder joints |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |