CN106228546A - 一种板卡的检测方法及装置 - Google Patents
一种板卡的检测方法及装置 Download PDFInfo
- Publication number
- CN106228546A CN106228546A CN201610557006.8A CN201610557006A CN106228546A CN 106228546 A CN106228546 A CN 106228546A CN 201610557006 A CN201610557006 A CN 201610557006A CN 106228546 A CN106228546 A CN 106228546A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- board
- testing image
- pixel
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 100
- 238000012360 testing method Methods 0.000 claims abstract description 121
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 5
- 230000013011 mating Effects 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 12
- 229910000679 solder Inorganic materials 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- JOCBASBOOFNAJA-UHFFFAOYSA-N N-tris(hydroxymethyl)methyl-2-aminoethanesulfonic acid Chemical compound OCC(CO)(CO)NCCS(O)(=O)=O JOCBASBOOFNAJA-UHFFFAOYSA-N 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Abstract
本发明公开了一种板卡的检测方法,包括:采集位于传送带上的检测区域的待测图像;将所述待测图像与预置的模板图像进行匹配,获得所述待测图像与所述模板图像的相似度;当所述相似度小于预设的阈值时,对所述待测图像进行二值化,获得所述待测图像的二值图像;提取所述二值图像上的所有轮廓,计算由所述轮廓围起来的连通区域的面积,并获得具有最大面积的连通区域的最小外接矩形的面积;当所述最小外接矩形的面积与所述二值图像的面积的比大于等于所述预定比例值时,确定所述板卡进入检测区域。本发明还提供一种板卡的检测装置,本发明可准确的判断板卡是否进入到检测区域。
Description
技术领域
本发明涉及自动光学检测领域,具体是一种板卡的检测方法及装置。
背景技术
自动光学检测是工业制作过程的必要环节,其原理是通过光学成像方式取得成品的表面状态,以影像处理来检测成品上的异物或表面瑕疵等。其中,确定成品是否进入到检测区域是自动光学检测的关键步骤。
PCB板卡在检测其焊锡面的进入检测中,需要利用不同角度的三色光照明,以凸显焊锡的三维信息;同时,为了避免视差带来的影响,在检测中,通常还会采用远心镜头来拍摄焊锡面的图像。以上两个因素,会限制摄像机拍照的视野大小,目前焊锡面检测的图像采集视野一般为250*320mm~510*460mm,小于板卡本身的面积,也即是说,需要通过局部拍摄板卡的方法进行拍摄。
现有技术中,在对板卡的焊锡面进行进入检测时,主要通过机械结构来提供板卡进入摄像机视野的时间与坐标。但是这种方法,极大的依赖于机械运动结构的精度,而高精度的机械运动结构,往往也意味着高成本和更多的机械维护工作,不利于降低检测成本。
发明内容
针对上述问题,本发明的目的在于提供一种板卡的检测方法及装置,在不需要高精度的结构的前提下,也可以准确的检测到板卡是否进入到检测区域。
本发明提供了一种板卡的检测方法,包括如下步骤:
采集位于传送带上的检测区域的待测图像;
将所述待测图像与预置的模板图像进行匹配,获得所述待测图像与所述模板图像的相似度;其中,所述模板图像为板卡在所述检测区域内的面积与所述检测区域的面积的比为预定比值时的图像;
当所述相似度小于预设的阈值时,对所述待测图像进行二值化,获得所述待测图像的二值图像;
提取所述二值图像上的所有轮廓,计算由所述轮廓围起来的连通区域的面积,并获得具有最大面积的连通区域的最小外接矩形的面积;
当所述最小外接矩形的面积与所述二值图像的面积的比大于等于所述预定比例值时,确定所述板卡进入检测区域。
优选地,在将所述待测图像与预置的模板图像进行匹配,获得所述待测图像与所述模板图像的相似度之前,还包括:
对所述待测图像的边界进行扩展,其中,扩展的部分用灰度值为0的像素点进行填充。
优选地,所述当所述相似度小于预设的阈值时,对所述待测图像进行二值化,获得所述待测图像的二值图像,具体包括:
当所述相似度小于预设的阈值时,根据所述待测图像的每个像素点的RGB值计算获得所述待测图像的每个像素点的HSV值,其中,H为色调,S为饱和度,V为数值;
将所述待测图像的每个像素点的HSV值与预设的板卡底板颜色的HSV值进行比对,判断所述像素点是否与所述板卡底板颜色相匹配;若是,则在所述待测图像上将所述像素点的灰度值设置为1,若否,则在所述待测图像上将所述像素点的灰度值设置为0;其中,当所述待测图像的一个像素点的H值与所述板卡底板颜色的H值的差小于预设的误差,所述待测图像的该像素点的S值与所述板卡底板颜色的S值的差小于预设的误差,所述待测图像的该像素点的V值与所述板卡底板颜色的V值的差小于预设的误差三个条件同时成立时,所述待测图像的该像素点与所述板卡底板颜色相匹配;
在完成所述待测图像的所有像素点的HSV值与预设的板卡底板颜色的HSV值的比对后,生成二值图像。
优选地,在提取所述二值图像上的所有轮廓,计算由所述轮廓围起来的连通区域的面积,并获得具有最大面积的连通区域的最小外接矩形的面积之前,还包括:
对所述二值图像进行形态学闭运算,以对所述二值图像进行形态学填充及噪声消除。
优选地,当所述相似度与1的差的绝对值小于预设的允许值时,则确定所述待测图像为所述板卡第一次进入所述检测区域的图像。
优选地,所述预定比值为1/4。
本发明还提供一种板卡的检测装置,包括:
采集单元,用于采集位于传送带上的检测区域的待测图像;
相似度匹配单元,用于将所述待测图像与预置的模板图像进行匹配,获得所述待测图像与所述模板图像的相似度;其中,所述模板图像为板卡在所述检测区域内的面积与所述检测区域的面积的比为预定比值时的图像;
二值化单元,用于当所述相似度小于预设的阈值时,对所述待测图像进行二值化,获得所述待测图像的二值图像;
轮廓提取单元,用于提取所述二值图像上的所有轮廓,计算由所述轮廓围起来的连通区域的面积,并获得具有最大面积的连通区域的最小外接矩形的面积;
比值计算单元,用于当所述最小外接矩形的面积与所述二值图像的面积的比大于等于所述预定比例值时,确定所述板卡进入检测区域。
优选地,还包括:
扩展单元,用于对所述待测图像的边界进行扩展,其中,扩展的部分用灰度值为0的像素点进行填充。
优选地,所述二值化单元具体包括:
HSV值计算模块,用于当所述相似度小于预设的阈值时,根据所述待测图像的每个像素点的RGB值计算获得所述待测图像的每个像素点的HSV值,其中,H为色调,S为饱和度,V为数值;
匹配模块,用于将所述待测图像的每个像素点的HSV值与预设的板卡底板颜色的HSV值进行比对,判断所述像素点是否与所述板卡底板颜色相匹配;若是,则在所述待测图像上将所述像素点的灰度值设置为1,若否,则在所述待测图像上将所述像素点的灰度值设置为0;其中,当所述待测图像的一个像素点的H值与所述板卡底板颜色的H值的差小于预设的误差,所述待测图像的该像素点的S值与所述板卡底板颜色的S值的差小于预设的误差,所述待测图像的该像素点的V值与所述板卡底板颜色的V值的差小于预设的误差三个条件同时成立时,所述待测图像的该像素点与所述板卡底板颜色相匹配;
二值图像生成模块,用于在完成所述待测图像的所有像素点的HSV值与预设的板卡底板颜色的HSV值的比对后,生成二值图像。
优选地,还包括:
形态学闭运算单元,用于对所述二值图像进行形态学闭运算,以对所述二值图像进行形态学填充及噪声消除。
本发明实施例提供的板卡的检测方法及装置,通过将所述待测图像进行二值化后,再根据二值图像上的具有最大面积的连通区域的最小外接矩形的面积与所述二值图像的面积的比来确定所述板卡是否进入到所述检测区域,从而在不需要高精度的机械运动结构的情况下,也能准确的判断所述板卡是否进入到检测区域内。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的板卡的检测方法的流程示意图。
图2是本发明实施例提供的待测图像的示意图。
图3(a)至图3(c)是本发明实施例提供的模板图像的示意图。
图4是本发明实施例提供的二值图像的示意图。
图5是在二值图像上确定出具有最大面积的连通区域的最小外接矩形的示意图。
图6是对图2的待测图像进行扩展的示意图。
图7是对图4的二值图像进行形态学闭运算后的示意图。
图8是本发明实施例提供的板卡的检测装置的结构示意图。
图9是图8的二值化单元的结构示意图。
图10本发明优选实施例提供的板卡的检测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种板卡的检测方法及装置,用于检测板卡(如PCB板卡),特别是板卡的焊锡面是否进入到位于传送带上的检测区域。以下分别进行详细的描述。
请参阅图1,本发明实施例提供一种板卡的检测方法,所述板卡的检测方法可由板卡的检测装置来实施,其至少包括如下步骤:
S101,采集位于传送带上的检测区域的待测图像。
如图2所示,在本发明实施例中,所述传送带可沿一定的传送方向连续不断地输送板卡,所述板卡的检测装置采集输送中的板卡的图像,具体为,所述板卡的检测装置可包括摄像头,所述摄像头架设于传送带上方,并实时采集所述传送带上的检测区域的图像。其中,所述检测区域即为所述摄像头的图像采集视野。
在本发明实施例中,由于是为了检测所述板卡的焊锡面的表面性质,因而为了凸显焊锡面的三维信息,还需要对所述检测区域利用不同角度的三色光照明,此外,为了避免视差带来的影响,在检测中,所述摄像头还采用远心镜头进行拍摄。这两个因素会限制摄像头拍照的视野大小,目前在焊锡面检测的摄像头的图像采集视野一般为250*320mm~510*460mm,其长和/或宽可能会小于所述板卡本身的尺寸,也就是说,往往需要通过局部拍摄板卡的方法进行拍摄及检测。
S102,将所述待测图像与预置的模板图像进行匹配,获得所述待测图像与所述模板图像的相似度;其中,所述模板图像为板卡在所述检测区域内的面积与所述检测区域的面积的比为预定比值时的图像。
在本发明实施例中,所述模板图像为板卡在所述检测区域内的面积与所述检测区域的总面积的比为预定比值时的图像,其中,所述预定比值为预先定义好的确定所述板卡进入到所述检测区域的临界值。例如,当所述板卡的检测装置设定当所述板卡的面积与所述检测区域的面积的比值大于等于四分之一时,所述板卡就进入到所述检测区域,则所述模板图像即为所述板卡的面积与所述检测区域的面积的比值正好为四分之一时采集的图像。
当然,应该理解是在,在本发明实施例中,四分之一仅是一个参考的参数,其还可根据实际需要设置为1/6,1/8,1/2或其他数值,本发明不做具体限定。
此外,如图3(a)至图3(c)所示,还应该理解的是,所述模板图像还与所述板卡在传送带上的运动方向和初始放置位置有关,且所述板卡在所述检测区域内的部分应该是其先进入所述检测区域的部分。
在本发明实施例中,可通过如下方法来获得所述待测图像与所述模板图像的相似度,具体地:
设T(x,y)为模板图像,I(x,y)为待测图像,首先通过下式分别计算所述模板图像与所述待测图像减去其均值的图像:
T′(x′,y′)=T(x′,y′)-1/(w·h)·Σx″,y″T(x″,y″)
I′(x+x′,y+y′)=I(x+x′,y+y′)-1/(w·h)·Σx″,y″I(x+x″,y+y″)。
其中,x和y为在对应图像上的点的坐标,w和h分别为图像的宽度和高度。
然后再通过下式计算相似度:
当然,应该理解的是,还可以通过其他算法来计算获得所述待测图像与所述模板图像的相似度,本发明不做具体限定。
S103,当所述相似度小于预设的阈值时,对所述待测图像进行二值化,获得所述待测图像的二值图像。
在本发明实施例中,若相似度等于1,则说明此时板卡在所述检测区域内的面积与所述检测区域的面积的比值正好为所述预设比值,也就是说相似度为1的时候,即为所述板卡第一次进入所述检测区域的时间点。当然,由于很难保证能够得到相似度为1的情况,从不那么严格的角度出发,所述相似度与1的差的绝对值小于预设的允许值(如0.01)时,都可以认为其是所述板卡第一次进入所述检测区域的时间点。
然而,即使所述相似度小于或等于所述预设的阈值,也不能认为所述板卡还未进入到所述检测区域,例如,光照的细微变化或机械结构的误差都可能影响到相似度的计算结果。因此,当所述相似度小于预设的阈值时,所述板卡的检测装置还要计算所述待测图像的二值图像,以做进一步的判断。
具体地,步骤S103可包括:
S1031,当所述相似度小于预设的阈值时,根据所述待测图像的每个像素点的RGB值计算获得所述待测图像的每个像素点的HSV值,其中,H为色调,S为饱和度,V为数值。
其中,可通过如下方法来计算获得所述待测图像的HSV值:
将所述待测图像上的每个像素点的RGB值转换为HSV值,其转换公式如下式所示:。
V=Cmax
如此,就获得了所述待测图像上的每个像素点的HSV值,其中,H为色调,S为饱和度,V为数值。
S1032,将所述待测图像的每个像素点的HSV值与预设的板卡底板颜色的HSV值进行比对,判断所述像素点是否与所述板卡底板颜色相匹配。
在本发明实施例中,在制作板卡的标准版式的时候,可以得到板卡的焊锡面的底板的颜色,比如对于绿色板卡,底板颜色即为绿色,通过上述的转换公式可获得板卡底板颜色的HSV值,所述板卡的检测装置可存储所述板卡底板颜色的HSV值。然后,所述板卡的检测装置将所述待测图像的每个像素点的HSV值与所述板卡底板颜色的HSV值进行比对,判断所述像素点是否与所述板卡底板颜色相匹配;若是,则在所述待测图像上将所述像素点的灰度值设置为1,若否,则在所述待测图像上将所述像素点的灰度值设置为0。需要说明的是,这里的灰度值为归一化后的灰度值,即灰度值为0代表全黑色,而灰度值为1代表全白色。
其中,匹配的过程为:当所述待测图像的一个像素点的H值与所述板卡底板颜色的H值的差小于预设的误差,所述待测图像的该像素点的S值与所述板卡底板颜色的S值的差小于预设的误差,所述待测图像的该像素点的V值与所述板卡底板颜色的V值的差小于预设的误差三个条件同时成立时,所述待测图像的该像素点与所述板卡底板颜色相匹配,若三个条件有至少一个不成立,则述待测图像的该像素点与所述板卡底板颜色不匹配。具体计算过程如下式所示:
其中Hbackground、Sbackground、Vbackground表示板卡底板颜色的HSV值,Htest(i,j)、Stest(i,j)、Vtest(i,j)为所述待测图像在(i,j)坐标处的HSV值,C为允许的误差。
S1033,在完成所述待测图像的所有像素点的HSV值与预设的板卡底板颜色的HSV值的比对后,生成二值图像。
其中,生成的二值图像可如图4所示。
S104,提取所述二值图像上的所有轮廓,计算由所述轮廓围起来的连通区域的面积,并获得具有最大面积的连通区域的最小外接矩形的面积。
具体的,在生成所述二值图像后,可获取所述二值图像上的轮廓,其中,轮廓的提取可根据现有的算法实现,例如,当判断灰度值为1的像素点的8个相邻像素点的灰度值全部为1,则该点为轮廓的内部点,反之为轮廓点。将所有内部点置为背景点,就完成了轮廓提取。
如图5所示,在提取出轮廓后,所述板卡的检测装置计算由所述轮廓围起来的连通区域的面积,并计算具有最大面积的连通区域的最小外接矩形的面积。
S105,当所述最小外接矩形的面积与所述二值图像的面积的比大于等于所述预定比例值时,确定所述板卡进入检测区域。
在本发明实施例中,在获得所述最小外接矩形的面积后,所述板卡的检测装置判断所述外接矩形的面积与所述二值图像的面积的比是否大于所述预定比例值时,若是,则说明所述板卡已经进入到检测区域里了,否则,则表明所述板卡还未进入到所述检测区域。
综上所述,本发明实施例提供的板卡的检测方法,通过将所述待测图像进行二值化后,再根据二值图像上的具有最大面积的连通区域的最小外接矩形的面积与所述二值图像的面积的比来确定所述板卡是否进入到所述检测区域,从而在不需要高精度的机械运动结构的情况下,也能准确的判断所述板卡是否进入到检测区域内。
为了便于对本发明的理解,下面对本发明的一些优选实施例做更进一步的描述。
第一个优选实施例:
由于机械结构本身具有偏移误差,因而会导致所述板卡在所述传送带上运动的时候,与实际的预想有偏差,从而摄像头拍摄到的检测图像与所述模板图像拍摄得到的板卡位置存在位置偏移。为了消除这种位置偏移带来的误差,本优选实施在步骤S102之前,还包括:
对所述待测图像的边界进行扩展,其中,扩展的部分用灰度值为0的像素点进行填充。
具体地,如图6所示,图6为对图2进行扩展后的结果,通过这种扩展,消除了由于机械结构的位置偏移带来的误差,使得所述相似度的计算结果更准确。
第二个优选实施例:
如图5所示,在进行二值化的时候,会有很多噪声,这些噪声会影响轮廓的提取,因此,在提取轮廓前,需先消除这些噪声。
为此,在本优选实施例中,在步骤S104之前,还包括:
对所述二值图像进行形态学闭运算,以对所述二值图像进行形态学填充及噪声消除。
如图7所示,图7为经过形态学闭运算后的二值图像,可见大部分的噪声均已被消除,从而保证了轮廓的准确提取。
请参阅图8,本发明实施例还提供一种板卡的检测装置100,其包括:
采集单元10,用于采集位于传送带上的检测区域的待测图像。
相似度匹配单元20,用于将所述待测图像与预置的模板图像进行匹配,获得所述待测图像与所述模板图像的相似度;其中,所述模板图像为板卡在所述检测区域内的面积与所述检测区域的面积的比为预定比值时的图像。
二值化单元30,用于当所述相似度小于预设的阈值时,对所述待测图像进行二值化,获得所述待测图像的二值图像。
具体地,请一并参阅图9,所述二值化单元30具体包括HSV值计算模块31、匹配模块32及二值图像生成模块33,其中:
所述HSV值计算模块31,用于当所述相似度小于预设的阈值时,根据所述待测图像的每个像素点的RGB值计算获得所述待测图像的每个像素点的HSV值,其中,H为色调,S为饱和度,V为数值。
所述匹配模块32,用于将所述待测图像的每个像素点的HSV值与预设的板卡底板颜色的HSV值进行比对,判断所述像素点是否与所述板卡底板颜色相匹配;若是,则在所述待测图像上将所述像素点的灰度值设置为1,若否,则在所述待测图像上将所述像素点的灰度值设置为0。
其中,当所述待测图像的一个像素点的H值与所述板卡底板颜色的H值的差小于预设的误差,所述待测图像的该像素点的S值与所述板卡底板颜色的S值的差小于预设的误差,所述待测图像的该像素点的V值与所述板卡底板颜色的V值的差小于预设的误差三个条件同时成立时,所述待测图像的该像素点与所述板卡底板颜色相匹配。
所述二值图像生成模块33,用于在完成所述待测图像的所有像素点的HSV值与预设的板卡底板颜色的HSV值的比对后,生成二值图像。
轮廓提取单元40,用于提取所述二值图像上的所有轮廓,计算由所述轮廓围起来的连通区域的面积,并获得具有最大面积的连通区域的最小外接矩形的面积。
比值计算单元50,用于当所述最小外接矩形的面积与所述二值图像的面积的比大于等于所述预定比例值时,确定所述板卡进入检测区域。
综上所述,本发明实施例提供的板卡的检测装置100,通过二值化单元30将所述待测图像进行二值化后,再根据轮廓提取单元40计算二值图像上的具有最大面积的连通区域的最小外接矩形的面积,由比值计算单元50计算所述最小外接矩形的面积与所述二值图像的面积的比来确定所述板卡是否进入到所述检测区域,从而在不需要高精度的机械运动结构的情况下,也能准确的判断所述板卡是否进入到检测区域内。
请一并参阅图9,优选地,板卡的检测装置100还包括:
扩展单元60,用于对所述待测图像的边界进行扩展,其中,扩展的部分用灰度值为0的像素点进行填充。
具体地,如图6所示,图6为对图2进行扩展后的结果,通过这种扩展,消除了由于机械结构的位置偏移带来的误差,使得所述相似度的计算结果更准确。
优选地,板卡的检测装置100还包括:
形态学闭运算单元70,用于对所述二值图像进行形态学闭运算,以对所述二值图像进行形态学填充及噪声消除。
如图7所示,图7为经过形态学闭运算后的二值图像,可见大部分的噪声均已被消除,从而保证了轮廓的准确提取。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
Claims (10)
1.一种板卡的检测方法,其特征在于,包括如下步骤:
采集位于传送带上的检测区域的待测图像;
将所述待测图像与预置的模板图像进行匹配,获得所述待测图像与所述模板图像的相似度;其中,所述模板图像为板卡在所述检测区域内的面积与所述检测区域的面积的比为预定比值时的图像;
当所述相似度小于预设的阈值时,对所述待测图像进行二值化,获得所述待测图像的二值图像;
提取所述二值图像上的所有轮廓,计算由所述轮廓围起来的连通区域的面积,并获得具有最大面积的连通区域的最小外接矩形的面积;
当所述最小外接矩形的面积与所述二值图像的面积的比大于等于所述预定比例值时,确定所述板卡进入检测区域。
2.根据权利要求1所述的板卡的检测方法,其特征在于,在将所述待测图像与预置的模板图像进行匹配,获得所述待测图像与所述模板图像的相似度之前,还包括:
对所述待测图像的边界进行扩展,其中,扩展的部分用灰度值为0的像素点进行填充。
3.根据权利要求1所述的板卡的检测方法,其特征在于,所述当所述相似度小于预设的阈值时,对所述待测图像进行二值化,获得所述待测图像的二值图像,具体包括:
当所述相似度小于预设的阈值时,根据所述待测图像的每个像素点的RGB值计算获得所述待测图像的每个像素点的HSV值,其中,H为色调,S为饱和度,V为数值;
将所述待测图像的每个像素点的HSV值与预设的板卡底板颜色的HSV值进行比对,判断所述像素点是否与所述板卡底板颜色相匹配;若是,则在所述待测图像上将所述像素点的灰度值设置为1,若否,则在所述待测图像上将所述像素点的灰度值设置为0;其中,当所述待测图像的一个像素点的H值与所述板卡底板颜色的H值的差小于预设的误差,所述待测图像的该像素点的S值与所述板卡底板颜色的S值的差小于预设的误差,所述待测图像的该像素点的V值与所述板卡底板颜色的V值的差小于预设的误差三个条件同时成立时,所述待测图像的该像素点与所述板卡底板颜色相匹配;
在完成所述待测图像的所有像素点的HSV值与预设的板卡底板颜色的HSV值的比对后,生成二值图像。
4.根据权利要求1所述的板卡的检测方法,其特征在于,在提取所述二值图像上的所有轮廓,计算由所述轮廓围起来的连通区域的面积,并获得具有最大面积的连通区域的最小外接矩形的面积之前,还包括:
对所述二值图像进行形态学闭运算,以对所述二值图像进行形态学填充及噪声消除。
5.根据权利要求1所述的板卡的检测方法,其特征在于,当所述相似度与1的差的绝对值小于预设的允许值时,则确定所述待测图像为所述板卡第一次进入所述检测区域的图像。
6.根据权利要求1至5任意一项所述的板卡的检测方法,其特征在于,所述预定比值为1/4。
7.一种板卡的检测装置,其特征在于,包括:
采集单元,用于采集位于传送带上的检测区域的待测图像;
相似度匹配单元,用于将所述待测图像与预置的模板图像进行匹配,获得所述待测图像与所述模板图像的相似度;其中,所述模板图像为板卡在所述检测区域内的面积与所述检测区域的面积的比为预定比值时的图像;
二值化单元,用于当所述相似度小于预设的阈值时,对所述待测图像进行二值化,获得所述待测图像的二值图像;
轮廓提取单元,用于提取所述二值图像上的所有轮廓,计算由所述轮廓围起来的连通区域的面积,并获得具有最大面积的连通区域的最小外接矩形的面积;
比值计算单元,用于当所述最小外接矩形的面积与所述二值图像的面积的比大于等于所述预定比例值时,确定所述板卡进入检测区域。
8.根据权利要求7所述的板卡的检测装置,其特征在于,还包括:
扩展单元,用于对所述待测图像的边界进行扩展,其中,扩展的部分用灰度值为0的像素点进行填充。
9.根据权利要求7所述的板卡的检测装置,其特征在于,所述二值化单元具体包括:
HSV值计算模块,用于当所述相似度小于预设的阈值时,根据所述待测图像的每个像素点的RGB值计算获得所述待测图像的每个像素点的HSV值,其中,H为色调,S为饱和度,V为数值;
匹配模块,用于将所述待测图像的每个像素点的HSV值与预设的板卡底板颜色的HSV值进行比对,判断所述像素点是否与所述板卡底板颜色相匹配;若是,则在所述待测图像上将所述像素点的灰度值设置为1,若否,则在所述待测图像上将所述像素点的灰度值设置为0;其中,当所述待测图像的一个像素点的H值与所述板卡底板颜色的H值的差小于预设的误差,所述待测图像的该像素点的S值与所述板卡底板颜色的S值的差小于预设的误差,所述待测图像的该像素点的V值与所述板卡底板颜色的V值的差小于预设的误差三个条件同时成立时,所述待测图像的该像素点与所述板卡底板颜色相匹配;
二值图像生成模块,用于在完成所述待测图像的所有像素点的HSV值与预设的板卡底板颜色的HSV值的比对后,生成二值图像。
10.根据权利要求7所述的板卡的检测装置,其特征在于,还包括:
形态学闭运算单元,用于对所述二值图像进行形态学闭运算,以对所述二值图像进行形态学填充及噪声消除。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610557006.8A CN106228546B (zh) | 2016-07-13 | 2016-07-13 | 一种板卡的检测方法及装置 |
PCT/CN2016/113235 WO2018010391A1 (zh) | 2016-07-13 | 2016-12-29 | 一种板卡的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610557006.8A CN106228546B (zh) | 2016-07-13 | 2016-07-13 | 一种板卡的检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106228546A true CN106228546A (zh) | 2016-12-14 |
CN106228546B CN106228546B (zh) | 2019-01-29 |
Family
ID=57519807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610557006.8A Active CN106228546B (zh) | 2016-07-13 | 2016-07-13 | 一种板卡的检测方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106228546B (zh) |
WO (1) | WO2018010391A1 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106950487A (zh) * | 2017-03-02 | 2017-07-14 | 广州视源电子科技股份有限公司 | 一种板卡检测方法与装置 |
CN106981061A (zh) * | 2017-03-06 | 2017-07-25 | 深圳市恒茂科技有限公司 | 一种焊点区域检测方法 |
WO2018010391A1 (zh) * | 2016-07-13 | 2018-01-18 | 广州视源电子科技股份有限公司 | 一种板卡的检测方法及装置 |
CN108010026A (zh) * | 2017-12-26 | 2018-05-08 | 深圳供电局有限公司 | 一种保护压板状态识别方法和装置 |
CN108171691A (zh) * | 2017-12-26 | 2018-06-15 | 成都睿视智能设备有限责任公司 | 一种塑料容器的检测方法 |
CN109242874A (zh) * | 2018-09-26 | 2019-01-18 | 广东工业大学 | 一种准编织袋物流包裹快速识别方法及系统 |
CN110220882A (zh) * | 2019-05-30 | 2019-09-10 | 深圳前海达闼云端智能科技有限公司 | 样品检测方法、设备、计算设备及计算机存储介质 |
CN110276742A (zh) * | 2019-05-07 | 2019-09-24 | 平安科技(深圳)有限公司 | 列车尾灯监测方法、装置、终端及存储介质 |
CN112465047A (zh) * | 2020-12-04 | 2021-03-09 | 宁波智能装备研究院有限公司 | 基于先验模型的工业图像视觉识别方法 |
CN113552118A (zh) * | 2021-07-15 | 2021-10-26 | 海口市骨科与糖尿病医院(上海市第六人民医院海口骨科与糖尿病医院) | 一种手术器械包内指示卡的检测方法 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473165A (zh) * | 2019-07-02 | 2019-11-19 | 深圳市格灵人工智能与机器人研究院有限公司 | 一种电路板焊接质量检测方法及装置 |
CN110865911B (zh) * | 2019-10-23 | 2024-03-05 | 广州视源电子科技股份有限公司 | 图像测试方法、装置、存储介质、图像采集卡及上位机 |
CN113822094B (zh) * | 2020-06-02 | 2024-01-16 | 苏州科瓴精密机械科技有限公司 | 基于图像识别工作位置的方法、系统,机器人及存储介质 |
CN111879777A (zh) * | 2020-06-19 | 2020-11-03 | 巨轮(广州)智能装备有限公司 | 软资材贴合瑕疵检测方法、装置、设备以及存储介质 |
CN112634179B (zh) * | 2021-01-14 | 2024-03-15 | 北京四方继保工程技术有限公司 | 一种防摄像头抖动的变电设备图像变化检测方法和系统 |
CN113160074A (zh) * | 2021-03-30 | 2021-07-23 | 广州万孚倍特生物技术有限公司 | 微阵列芯片图像分析方法、装置、计算机设备和存储介质 |
CN113674259B (zh) * | 2021-08-26 | 2024-03-05 | 中冶赛迪信息技术(重庆)有限公司 | 一种皮带机打滑检测方法、系统、电子设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060018534A1 (en) * | 2004-07-26 | 2006-01-26 | Dainippon Screen Mfg. Co., Ltd. | Technique for detecting a defect of an object by area segmentation of a color image of the object |
US20060204074A1 (en) * | 2005-02-21 | 2006-09-14 | Omron Corporation | PC board inspecting method and apparatus and inspection logic setting method and apparatus |
CN102938077A (zh) * | 2012-10-25 | 2013-02-20 | 渭南师范学院 | 基于双阈值二值化的在线式aoi图像检索方法 |
CN105092598A (zh) * | 2015-09-28 | 2015-11-25 | 深圳大学 | 一种基于连通域的大幅面pcb板缺陷快速识别方法及系统 |
CN105352437A (zh) * | 2015-10-21 | 2016-02-24 | 广州视源电子科技股份有限公司 | 板卡位置检测方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150730A (zh) * | 2013-03-07 | 2013-06-12 | 南京航空航天大学 | 一种基于图像的圆形小目标精确检测方法 |
CN105303189B (zh) * | 2014-07-29 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 一种用于检测预定区域中特定标识图像的方法及装置 |
CN105139386B (zh) * | 2015-08-12 | 2017-12-26 | 南京航空航天大学 | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 |
CN106228546B (zh) * | 2016-07-13 | 2019-01-29 | 广州视源电子科技股份有限公司 | 一种板卡的检测方法及装置 |
-
2016
- 2016-07-13 CN CN201610557006.8A patent/CN106228546B/zh active Active
- 2016-12-29 WO PCT/CN2016/113235 patent/WO2018010391A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060018534A1 (en) * | 2004-07-26 | 2006-01-26 | Dainippon Screen Mfg. Co., Ltd. | Technique for detecting a defect of an object by area segmentation of a color image of the object |
US20060204074A1 (en) * | 2005-02-21 | 2006-09-14 | Omron Corporation | PC board inspecting method and apparatus and inspection logic setting method and apparatus |
CN102938077A (zh) * | 2012-10-25 | 2013-02-20 | 渭南师范学院 | 基于双阈值二值化的在线式aoi图像检索方法 |
CN105092598A (zh) * | 2015-09-28 | 2015-11-25 | 深圳大学 | 一种基于连通域的大幅面pcb板缺陷快速识别方法及系统 |
CN105352437A (zh) * | 2015-10-21 | 2016-02-24 | 广州视源电子科技股份有限公司 | 板卡位置检测方法及装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018010391A1 (zh) * | 2016-07-13 | 2018-01-18 | 广州视源电子科技股份有限公司 | 一种板卡的检测方法及装置 |
CN106950487A (zh) * | 2017-03-02 | 2017-07-14 | 广州视源电子科技股份有限公司 | 一种板卡检测方法与装置 |
CN106981061A (zh) * | 2017-03-06 | 2017-07-25 | 深圳市恒茂科技有限公司 | 一种焊点区域检测方法 |
CN108171691B (zh) * | 2017-12-26 | 2021-05-04 | 成都睿视智能设备有限责任公司 | 一种塑料容器的检测方法 |
CN108171691A (zh) * | 2017-12-26 | 2018-06-15 | 成都睿视智能设备有限责任公司 | 一种塑料容器的检测方法 |
CN108010026A (zh) * | 2017-12-26 | 2018-05-08 | 深圳供电局有限公司 | 一种保护压板状态识别方法和装置 |
CN108010026B (zh) * | 2017-12-26 | 2021-10-01 | 深圳供电局有限公司 | 一种保护压板状态识别方法和装置 |
CN109242874A (zh) * | 2018-09-26 | 2019-01-18 | 广东工业大学 | 一种准编织袋物流包裹快速识别方法及系统 |
CN109242874B (zh) * | 2018-09-26 | 2022-02-15 | 广东工业大学 | 一种准编织袋物流包裹快速识别方法及系统 |
CN110276742A (zh) * | 2019-05-07 | 2019-09-24 | 平安科技(深圳)有限公司 | 列车尾灯监测方法、装置、终端及存储介质 |
CN110220882A (zh) * | 2019-05-30 | 2019-09-10 | 深圳前海达闼云端智能科技有限公司 | 样品检测方法、设备、计算设备及计算机存储介质 |
CN110220882B (zh) * | 2019-05-30 | 2022-05-17 | 深圳前海达闼云端智能科技有限公司 | 样品检测方法、设备、计算设备及计算机存储介质 |
CN112465047A (zh) * | 2020-12-04 | 2021-03-09 | 宁波智能装备研究院有限公司 | 基于先验模型的工业图像视觉识别方法 |
CN113552118A (zh) * | 2021-07-15 | 2021-10-26 | 海口市骨科与糖尿病医院(上海市第六人民医院海口骨科与糖尿病医院) | 一种手术器械包内指示卡的检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106228546B (zh) | 2019-01-29 |
WO2018010391A1 (zh) | 2018-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106228546A (zh) | 一种板卡的检测方法及装置 | |
CN106683070B (zh) | 基于深度相机的身高测量方法及装置 | |
CN105608671A (zh) | 一种基于surf算法的图像拼接方法 | |
CN100494886C (zh) | 三维扫描系统中圆形标志点的检测方法 | |
CN102393397B (zh) | 一种磁瓦表面缺陷检测系统及其检测方法 | |
CN103051872B (zh) | 基于图像边缘提取的输送带跑偏检测方法 | |
CN103072718B (zh) | 用于食品包装生产线的机器视觉检测系统及方法 | |
JP2013089252A (ja) | 映像処理方法及び装置 | |
US20140043472A1 (en) | Tire surface shape measuring device and tire surface shape measuring method | |
WO2016112669A1 (zh) | 基于图像处理的字符信息识别方法 | |
CN106936964A (zh) | 一种基于霍夫变换模板匹配的手机屏幕角点检测方法 | |
CA2889886A1 (en) | System and method of adaptive color correction for pill recognition in digital images | |
CN106504231A (zh) | 元件缺陷检测方法和系统 | |
CN107016348A (zh) | 结合深度信息的人脸检测方法、检测装置和电子装置 | |
Yu et al. | A shadow repair approach for kinect depth maps | |
CN106651849A (zh) | 基于面阵相机的pcb裸板缺陷检测方法 | |
TWI765442B (zh) | 瑕疵等級判定的方法及存儲介質 | |
EP2793172B1 (en) | Image processing apparatus, image processing method and program | |
JP5274173B2 (ja) | 車両検査装置 | |
CN112347904B (zh) | 基于双目深度和图片结构的活体检测方法、装置及介质 | |
KR101703715B1 (ko) | 카메라 광중심 측정을 위한 영상 처리 장치 및 그 방법 | |
TWI742391B (zh) | 立體影像表面瑕疵檢測系統 | |
CN117078666B (zh) | 二维和三维结合的缺陷检测方法、装置、介质和设备 | |
TWI741317B (zh) | 行人辨識方法與系統 | |
JP5778685B2 (ja) | ボールグリッドアレイデバイスの位置合わせ及び検査のためのシステム及び方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |