CN106251333B - 元件反件检测方法和系统 - Google Patents
元件反件检测方法和系统 Download PDFInfo
- Publication number
- CN106251333B CN106251333B CN201610561857.XA CN201610561857A CN106251333B CN 106251333 B CN106251333 B CN 106251333B CN 201610561857 A CN201610561857 A CN 201610561857A CN 106251333 B CN106251333 B CN 106251333B
- Authority
- CN
- China
- Prior art keywords
- image
- region
- polar
- pixel
- pixel value
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Abstract
本发明涉及一种元件反件检测方法和系统,其中方法包括以下步骤:获取电路板上待测元件的极性区域图像和极性对称区域图像;获取所述极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量,将所述第一数量与预存的极性区域参考图像中像素值处于所述像素值区间内的像素点的第一参考数量进行比较;获取所述极性对称区域图像中像素值处于所述像素值区间内的像素点的第二数量,将所述第二数量与所述极性区域参考图像中像素值处于所述像素值区间内的像素点的第二参考数量进行比较;若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值,且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值,判定所述待测元件反件。
Description
技术领域
本发明涉及自动光学检测技术领域,特别是涉及一种元件反件检测方法和系统。
背景技术
AOI(Automatic Optic Inspection,自动光学检测),是利用光学原理对电路板焊接生产中出现的常见缺陷进行检测的设备。对于插件的电路板来说,常见的缺陷检测包括漏件检测、错件检测、反件检测、多件检测等。其中,反件检测是指对二极管、电容、插座等有极性的元件进行检测,判断其在电路板中是否存在反向的现象。
目前,元件的反件检测主要采用智能方法,即利用深度学习的方法对大量样本进行训练,得到分类模型。深度学习是机器学习研究的一个新领域,其目的是模拟人脑的机制来解释数据、发现数据的分布式特征表示。不同的学习框架下建立的学习模型也是不同的。例如,卷积神经网络(Convolutional neural networks,简称CNNs)就是一种深度机器学习模型。
利用卷积神经网络训练的元件极性检测分类器,虽然在元件的极性检测方面达到了比较理想的效果,但是也有其自身无法解决的缺点。首先,利用卷积神经网络训练模型时,为了提高模型的准确率、增强模型的鲁棒性,需要大量的训练样本。但是在实际过程中需要耗费大量的人力、时间采集样本;当采集较多的训练样本后,也需要耗费大量的人力和时间进行数据标注。即使如此,也很难采集到足够多的负样本。另外,利用卷积神经网络训练的元件极性检测模型,对于已知的元件拥有很高的识别率,能够达到很好的检测效果。但是对于未知的元件,即训练样本中不存在的元件,元件极性检测模型的识别率下降,经常会发生误报和漏报。
综上所述,现有的元件极性检测方式检测效果较差。
发明内容
基于此,有必要针对现有的元件极性检测方式检测效果较差的问题,提供一种元件反件检测方法和系统。
一种元件反件检测方法,包括以下步骤:
获取电路板上待测元件的极性区域图像和极性对称区域图像;其中,极性区域为安装正确时所述待测元件的电极在所述电路板上的区域,极性对称区域为反件时所述电极在电路板上的区域;
获取所述极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量,将所述第一数量与预存的极性区域参考图像中像素值处于所述像素值区间内的像素点的第一参考数量进行比较;
获取所述极性对称区域图像中像素值处于所述像素值区间内的像素点的第二数量,将所述第二数量与所述极性区域参考图像中像素值处于所述像素值区间内的像素点的第二参考数量进行比较;
若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值,且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值,判定所述待测元件反件。
一种元件反件检测系统,包括:
获取模块,用于获取电路板上待测元件的极性区域图像和极性对称区域图像;其中,极性区域为安装正确时所述待测元件的电极在所述电路板上的区域,极性对称区域为反件时所述电极在电路板上的区域;
第一比较模块,用于获取所述极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量,将所述第一数量与预存的极性区域参考图像中像素值处于所述像素值区间内的像素点的第一参考数量进行比较;
第二比较模块,用于获取所述极性对称区域图像中像素值处于所述像素值区间内的像素点的第二数量,将所述第二数量与所述极性区域参考图像中像素值处于所述像素值区间内的像素点的第二参考数量进行比较;
判断模块,用于若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值,且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值,判定所述待测元件反件。
上述元件反件检测方法和系统,通过将待测元件的极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量与极性区域参考图像中像素值处于所述像素值区间内的像素点的第一参考数量进行比较,将待测元件的极性对称区域图像中像素值处于预选的像素值区间内的像素点的第二数量与极性对称区域参考图像中像素值处于所述像素值区间内的像素点的第二参考数量进行比较,若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值,且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值,判定所述待测元件反件,无需大量的训练样本,只需要获取元件的极性区域和极性对称区域,操作简单,识别率高,检测效果较好。
附图说明
图1为一个实施例的元件反件检测方法的流程图;
图2为极性区域与极性对称区域的示意图;
图3为模板匹配方法的示意图;
图4为一个实施例的元件反件检测系统的结构示意图。
具体实施方式
下面结合附图对本发明的元件反件检测方法和系统的实施例进行说明。
图1为一个实施例的元件反件检测方法的流程图。如图1所示,所述元件反件检测方法可包括以下步骤:
S1,获取电路板上待测元件的极性区域图像和极性对称区域图像;其中,极性区域为安装正确时所述待测元件的电极在所述电路板上的区域,极性对称区域为反件时所述电极在电路板上的区域;
本发明所述的极性区域和极性对称区域的示意图如图2所示。
可以先获取所述电路板的图像,再从所述电路板的图像中定位极性区域和极性对称区域,并从所述电路板的图像中分别截取所述极性区域和极性对称区域对应的图像,设为极性区域图像和极性对称区域图像。
在一个实施例中,可以通过模板匹配的方法获取所述极性区域图像。模板匹配方法如图3所示。具体地,可以从所述电路板的图像中选取与所述极性区域参考图像相匹配的第一图像区域;根据所述第一图像区域与所述极性区域参考图像中各个像素点的像素值,计算所述图像区域与所述极性区域参考图像的第一像素相似度;并将第一像素相似度大于或等于预设的第一像素相似度阈值的第一图像区域设为所述极性区域图像。所述极性区域参考图像可以预先存储在系统的存储区域中,并在获取所述极性区域图像时从所述存储区域中调用。
若所述第一像素相似度小于预设的第一像素相似度阈值,可以将所述电路板的图像中与所述第一图像区域相邻的区域设为所述第一图像区域,并重复计算所述第一图像区域与所述极性区域参考图像的第一像素相似度的步骤。其中,与所述第一图像区域相邻的区域是在所述电路板的图像中将所述第一图像区域向x轴和y轴分别移动若干个像素点所得的区域。在上述步骤中,每次移动的像素点可以是一个像素点,也可以是多个像素点,移动的距离可以根据实际需要设定。
类似地,也可以通过模板匹配的方法获取所述极性对称区域图像。具体地,可以从所述电路板的图像中选取与所述极性对称区域参考图像相匹配的第二图像区域;根据所述第二图像区域与所述极性对称区域参考图像中各个像素点的像素值,计算所述图像区域与所述极性对称区域参考图像的第二像素相似度;并将第二像素相似度大于或等于预设的第二像素相似度阈值的第二图像区域设为所述极性对称区域图像。所述极性对称区域参考图像可以预先存储在系统的存储区域中,并在获取所述极性区域图像时从所述存储区域中调用。
若所述第二像素相似度小于预设的第二像素相似度阈值,可以将所述电路板的图像中与所述第二图像区域相邻的区域设为所述第二图像区域,并重复计算所述第二图像区域与所述极性区域参考图像的第二像素相似度的步骤。其中,与所述第二图像区域相邻的区域是在所述电路板的图像中将所述第二图像区域向x轴和y轴分别移动若干个像素点所得的区域。在上述步骤中,每次移动的像素点可以是一个像素点,也可以是多个像素点,移动的距离可以根据实际需要设定。
还可以根据其他方式获取所述极性区域图像与所述极性对称区域图像。
在上述获取所述极性区域图像与所述极性对称区域图像的实施例中,可以根据如下公式计算所述第一像素相似度和第二像素相似度:
式中,R(x,y)是所述图像区域与所述极性区域参考图像中坐标为(x,y)的像素点的像素相似度,T(x,y)为所述极性区域参考图像中坐标为(x,y)的像素点的像素值,I(x,y)为所述图像区域中坐标为(x,y)的像素点的像素值。
所述第一像素相似度阈值可以根据实际需要来设定。例如,可以设为0.8,或者设为0.9,或设为其他数值。所述第一像素相似度阈值越大,图像获取的精确度越高。
S2,获取所述极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量,将所述第一数量与预存的极性区域参考图像中像素值处于所述像素值区间内的像素点的第一参考数量进行比较;
所述预选的像素值区间可以根据实际需要自行选定。例如,可以将所述极性区域图像中的各个像素点按照像素值的分布划分为若干个区间,从所述若干个区间中选择像素点最多的区间,并设为所述预选的像素值区间。所述若干个区间可以是2个区间,也可以是2个以上的区间。以两个区间为例,可以计算所述极性区域图像和所述极性对称区域图像像素的平均灰度值;获取所述极性区域图像中像素值大于所述平均灰度值的像素点的第一数量。其中,获取所述第一数量时,还可以对所述极性区域图像进行二值化处理,将像素值大于所述平均灰度值的像素点的像素值设为P1,将像素值小于或等于所述平均灰度值的像素点的像素值设为P2。以黑白二值化为例,可以将像素值大于所述平均灰度值的像素点的像素值设为255,将像素值小于或等于所述平均灰度值的像素点的像素值设为0,即
式中,f(x,y)是坐标为(x,y)的像素点的像素值,f'(x,y)是二值化后的像素值,m是所述平均灰度值。
可根据如下公式计算所述平均灰度值:
m=m1+m2;
其中,
式中,m1和m2分别为所述极性区域图像和所述极性对称区域图像,w1和h1分别为所述极性区域图像的宽和高,w2和h2分别为所述极性对称区域图像的宽和高;f1(x,y)和f2(x,y)分别表示所述极性区域图像和所述极性对称区域图像中坐标为(x,y)的像素点的像素值。
在一个实施例中,所述极性区域图像和所述极性对称区域图像可能是彩色图像,因此,在计算所述平均灰度值之前,还可以将所述极性区域图像和所述极性对称区域图像转换为灰度图像。以述极性区域图像为例,可以根据如下公式将所述极性区域图像转换为灰度图像:
Gray=(R*30+G*59+B*11)/100;
式中,Gray为灰度图像的灰度值,R、G、B为所述极性区域图像在RGB空间的颜色分量。
可根据类似的方式将所述极性对称区域图像转换为灰度图像。也可以根据其他方式将所述极性区域图像和极性对称区域图像转换为灰度图像。
S3,获取所述极性对称区域图像中像素值处于所述像素值区间内的像素点的第二数量,将所述第二数量与所述极性区域参考图像中像素值处于所述像素值区间内的像素点的第二参考数量进行比较;
本步骤可以根据与步骤S2类似的方式执行,此处不再赘述。
S4,若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值,且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值,判定所述待测元件反件。
在本步骤中,若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值,且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值,则表明待测元件的极性区域与参考图像的极性对称区域较为类似,且待测元件的极性对称区域与参考图像的极性区域较为类似,从而可以判定所述待测元件反件。
若所述第一数量与所述第一参考数量的差值小于预设的第一差值阈值,且所述第二数量与所述第二参考数量的差值大于预设的第二差值阈值,则表明待测元件的极性区域与参考图像的极性区域较为类似,且待测元件的极性对称区域与参考图像的极性对称区域较为类似,从而可以判定所述待测元件未反件。
通过上述方式,可以准确地判断出元件是否反件,尤其在极性区域与非极性区域颜色较为相近(例如,极性区域为灰色,而极性对称区域为黑色)的情况下,上述方式可以有效地判断出元件是否反件。
本发明的元件反件检测方法具有以下优点:
(1)无需大量的训练样本,也无需耗费大量的人力和时间进行数据标注,只需要获取元件的极性区域和极性对称区域,简单有效,降低了人力成本,检测效率高;
(2)可以实现元件极性的自动检测,进一步降低了人力成本,提高了检测效率。
(3)通过将待测元件的极性区域图像和极性对称区域与极性区域的参考图像进行比较,同时将待测元件的极性区域图像和极性对称区域与极性对称区域的参考图像进行比较,进一步提高了识别率,降低了误报和漏报的概率。
(4)在极性区域与非极性区域颜色较为相近的情况下判定准确性较高。
与所述元件反件检测方法相对应地,本发明还提供一种元件反件检测系统,如图2所示,所述元件反件检测系统可包括:
获取模块10,用于获取电路板上待测元件的极性区域图像和极性对称区域图像;其中,极性区域为安装正确时所述待测元件的电极在所述电路板上的区域,极性对称区域为反件时所述电极在电路板上的区域;
本发明所述的极性区域和极性对称区域的示意图如图2所示。
可以先获取所述电路板的图像,再从所述电路板的图像中定位极性区域和极性对称区域,并从所述电路板的图像中分别截取所述极性区域和极性对称区域对应的图像,设为极性区域图像和极性对称区域图像。
在一个实施例中,可以通过模板匹配的方法获取所述极性区域图像。模板匹配方法如图3所示。具体地,可以从所述电路板的图像中选取与所述极性区域参考图像相匹配的第一图像区域;根据所述第一图像区域与所述极性区域参考图像中各个像素点的像素值,计算所述图像区域与所述极性区域参考图像的第一像素相似度;并将第一像素相似度大于或等于预设的第一像素相似度阈值的第一图像区域设为所述极性区域图像。所述极性区域参考图像可以预先存储在系统的存储区域中,并在获取所述极性区域图像时从所述存储区域中调用。
若所述第一像素相似度小于预设的第一像素相似度阈值,可以将所述电路板的图像中与所述第一图像区域相邻的区域设为所述第一图像区域,并重复计算所述第一图像区域与所述极性区域参考图像的第一像素相似度的步骤。其中,与所述第一图像区域相邻的区域是在所述电路板的图像中将所述第一图像区域向x轴和y轴分别移动若干个像素点所得的区域。在上述步骤中,每次移动的像素点可以是一个像素点,也可以是多个像素点,移动的距离可以根据实际需要设定。
类似地,也可以通过模板匹配的方法获取所述极性对称区域图像。具体地,可以从所述电路板的图像中选取与所述极性对称区域参考图像相匹配的第二图像区域;根据所述第二图像区域与所述极性对称区域参考图像中各个像素点的像素值,计算所述图像区域与所述极性对称区域参考图像的第二像素相似度;并将第二像素相似度大于或等于预设的第二像素相似度阈值的第二图像区域设为所述极性对称区域图像。所述极性对称区域参考图像可以预先存储在系统的存储区域中,并在获取所述极性区域图像时从所述存储区域中调用。
若所述第二像素相似度小于预设的第二像素相似度阈值,可以将所述电路板的图像中与所述第二图像区域相邻的区域设为所述第二图像区域,并重复计算所述第二图像区域与所述极性区域参考图像的第二像素相似度的步骤。其中,与所述第二图像区域相邻的区域是在所述电路板的图像中将所述第二图像区域向x轴和y轴分别移动若干个像素点所得的区域。在上述步骤中,每次移动的像素点可以是一个像素点,也可以是多个像素点,移动的距离可以根据实际需要设定。
还可以根据其他方式获取所述极性区域图像与所述极性对称区域图像。
在上述获取所述极性区域图像与所述极性对称区域图像的实施例中,可以根据如下公式计算所述第一像素相似度和第二像素相似度:
式中,R(x,y)是所述图像区域与所述极性区域参考图像中坐标为(x,y)的像素点的像素相似度,T(x,y)为所述极性区域参考图像中坐标为(x,y)的像素点的像素值,I(x,y)为所述图像区域中坐标为(x,y)的像素点的像素值。
所述第一像素相似度阈值可以根据实际需要来设定。例如,可以设为0.8,或者设为0.9,或设为其他数值。所述第一像素相似度阈值越大,图像获取的精确度越高。
第一比较模块20,用于获取所述极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量,将所述第一数量与预存的极性区域参考图像中像素值处于所述像素值区间内的像素点的第一参考数量进行比较;
所述预选的像素值区间可以根据实际需要自行选定。例如,可以将所述极性区域图像中的各个像素点按照像素值的分布划分为若干个区间,从所述若干个区间中选择像素点最多的区间,并设为所述预选的像素值区间。所述若干个区间可以是2个区间,也可以是2个以上的区间。以两个区间为例,可以计算所述极性区域图像和所述极性对称区域图像像素的平均灰度值;获取所述极性区域图像中像素值大于所述平均灰度值的像素点的第一数量。其中,获取所述第一数量时,还可以对所述极性区域图像进行二值化处理,将像素值大于所述平均灰度值的像素点的像素值设为P1,将像素值小于或等于所述平均灰度值的像素点的像素值设为P2。以黑白二值化为例,可以将像素值大于所述平均灰度值的像素点的像素值设为255,将像素值小于或等于所述平均灰度值的像素点的像素值设为0,即
式中,f(x,y)是所述极性区域图中坐标为(x,y)的像素点的像素值,f'(x,y)是二值化后的极性区域图中坐标为(x,y)的像素点的像素值,m是所述平均灰度值。
可根据如下公式计算所述平均灰度值:
m=m1+m2;
其中,
式中,m1和m2分别为所述极性区域图像和所述极性对称区域图像,w1和h1分别为所述极性区域图像的宽和高,w2和h2分别为所述极性对称区域图像的宽和高;f1(x,y)和f2(x,y)分别表示所述极性区域图像和所述极性对称区域图像中坐标为(x,y)的像素点的像素值。
在一个实施例中,所述极性区域图像和所述极性对称区域图像可能是彩色图像,因此,在计算所述平均灰度值之前,还可以将所述极性区域图像和所述极性对称区域图像转换为灰度图像。以述极性区域图像为例,可以根据如下公式将所述极性区域图像转换为灰度图像:
Gray=(R*30+G*59+B*11)/100;
式中,Gray为灰度图像的灰度值,R、G、B为所述极性区域图像在RGB空间的颜色分量。
可根据类似的方式将所述极性对称区域图像转换为灰度图像。也可以根据其他方式将所述极性区域图像和极性对称区域图像转换为灰度图像。
第二比较模块30,用于获取所述极性对称区域图像中像素值处于所述像素值区间内的像素点的第二数量,将所述第二数量与所述极性区域参考图像中像素值处于所述像素值区间内的像素点的第二参考数量进行比较;
第二比较模块30可以根据与第一比较模块20类似的方式执行,此处不再赘述。
判断模块40,用于若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值,且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值,判定所述待测元件反件。
若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值,且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值,则表明待测元件的极性区域与参考图像的极性对称区域较为类似,且待测元件的极性对称区域与参考图像的极性区域较为类似,从而可以判定所述待测元件反件。
若所述第一数量与所述第一参考数量的差值小于预设的第一差值阈值,且所述第二数量与所述第二参考数量的差值大于预设的第二差值阈值,则表明待测元件的极性区域与参考图像的极性区域较为类似,且待测元件的极性对称区域与参考图像的极性对称区域较为类似,从而可以判定所述待测元件未反件。
通过上述方式,可以准确地判断出元件是否反件,尤其在极性区域与非极性区域颜色较为相近(例如,极性区域为灰色,而极性对称区域为黑色)的情况下,上述方式可以有效地判断出元件是否反件。
本发明的元件反件检测系统具有以下优点:
(1)无需大量的训练样本,也无需耗费大量的人力和时间进行数据标注,只需要获取元件的极性区域和极性对称区域,简单有效,降低了人力成本,检测效率高;
(2)可以实现元件极性的自动检测,进一步降低了人力成本,提高了检测效率。
(3)通过将待测元件的极性区域图像和极性对称区域与极性区域的参考图像进行比较,同时将待测元件的极性区域图像和极性对称区域与极性对称区域的参考图像进行比较,进一步提高了识别率,降低了误报和漏报的概率。
(4)在极性区域与非极性区域颜色较为相近的情况下判定准确性较高。
本发明的元件反件检测系统与本发明的元件反件检测方法一一对应,在上述元件反件检测方法的实施例阐述的技术特征及其有益效果均适用于元件反件检测系统的实施例中,特此声明。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,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,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,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种元件反件检测方法,其特征在于,包括以下步骤:
获取电路板上待测元件的极性区域图像和极性对称区域图像;其中,极性区域为安装正确时所述待测元件的电极在所述电路板上的区域,极性对称区域为反件时所述电极在电路板上的区域;
获取所述极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量,将所述第一数量与预存的极性区域参考图像中像素值处于所述像素值区间内的像素点的第一参考数量进行比较;
获取所述极性对称区域图像中像素值处于所述像素值区间内的像素点的第二数量,将所述第二数量与所述极性区域参考图像中像素值处于所述像素值区间内的像素点的第二参考数量进行比较;
若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值,且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值,判定所述待测元件反件。
2.根据权利要求1所述的元件反件检测方法,其特征在于,获取元件的极性区域图像的步骤包括:
从所述电路板的图像中选取与所述极性区域参考图像相匹配的图像区域;
根据所述图像区域与所述极性区域参考图像中各个像素点的像素值,计算所述图像区域与所述极性区域参考图像的像素相似度;
将像素相似度大于或等于预设的像素相似度阈值的图像区域设为所述极性区域图像。
3.根据权利要求2所述的元件反件检测方法,其特征在于,还包括以下:
若所述相似度小于预设的相似度阈值,将所述电路板的图像中与所述图像区域相邻的区域设为所述图像区域;
其中,与所述图像区域相邻的区域是在所述电路板的图像中将所述图像区域向x轴和y轴分别移动若干个像素点所得的区域。
4.根据权利要求3所述的元件反件检测方法,其特征在于,计算所述图像区域与所述极性区域参考图像的像素相似度的步骤包括:
根据如下公式计算所述像素相似度:
式中,R(x,y)是所述图像区域与所述极性区域参考图像中坐标为(x,y)的像素点的像素相似度,T(x,y)为所述极性区域参考图像中坐标为(x,y)的像素点的像素值,I(x,y)为所述图像区域中坐标为(x,y)的像素点的像素值。
5.根据权利要求1所述的元件反件检测方法,其特征在于,获取所述极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量的步骤包括:
计算所述极性区域图像和所述极性对称区域图像像素的平均灰度值;
获取所述极性区域图像中像素值大于所述平均灰度值的像素点的第一数量。
6.根据权利要求5所述的元件反件检测方法,其特征在于,计算所述极性区域图像和所述极性对称区域图像的平均灰度值的步骤包括:
根据如下公式计算所述平均灰度值:
m=m1+m2;
其中,
式中,m1和m2分别为所述极性区域图像和所述极性对称区域图像,w1和h1分别为所述极性区域图像的宽和高,w2和h2分别为所述极性对称区域图像的宽和高;f1(x,y)和f2(x,y)分别表示所述极性区域图像和所述极性对称区域图像中坐标为(x,y)的像素点的像素值。
7.根据权利要求5所述的元件反件检测方法,其特征在于,在计算所述极性区域图像和所述极性对称区域图像的平均灰度值之前,还包括以下步骤:
将所述极性区域图像和所述极性对称区域图像转换为灰度图像。
8.根据权利要求7所述的元件反件检测方法,其特征在于,将所述极性区域图像和所述极性对称区域图像转换为灰度图像的步骤包括:
根据如下公式将所述极性区域图像和所述极性对称区域图像转换为灰度图像:
Gray=(R*30+G*59+B*11)/100;
式中,Gray为灰度图像的灰度值,R、G、B为所述极性区域图像在RGB空间的颜色分量。
9.根据权利要求1所述的元件反件检测方法,其特征在于,还包括以下步骤:
若所述第一数量与所述第一参考数量的差值小于预设的第一差值阈值,且所述第二数量与所述第二参考数量的差值大于预设的第二差值阈值,判断所述待测元件未反件。
10.一种元件反件检测系统,其特征在于,包括:
获取模块,用于获取电路板上待测元件的极性区域图像和极性对称区域图像;其中,极性区域为安装正确时所述待测元件的电极在所述电路板上的区域,极性对称区域为反件时所述电极在电路板上的区域;
第一比较模块,用于获取所述极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量,将所述第一数量与预存的极性区域参考图像中像素值处于所述像素值区间内的像素点的第一参考数量进行比较;
第二比较模块,用于获取所述极性对称区域图像中像素值处于所述像素值区间内的像素点的第二数量,将所述第二数量与所述极性区域参考图像中像素值处于所述像素值区间内的像素点的第二参考数量进行比较;
判断模块,用于若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值,且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值,判定所述待测元件反件。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610561857.XA CN106251333B (zh) | 2016-07-13 | 2016-07-13 | 元件反件检测方法和系统 |
PCT/CN2016/113130 WO2018010387A1 (zh) | 2016-07-13 | 2016-12-29 | 元件反件检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610561857.XA CN106251333B (zh) | 2016-07-13 | 2016-07-13 | 元件反件检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106251333A CN106251333A (zh) | 2016-12-21 |
CN106251333B true CN106251333B (zh) | 2019-02-26 |
Family
ID=57614009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610561857.XA Active CN106251333B (zh) | 2016-07-13 | 2016-07-13 | 元件反件检测方法和系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106251333B (zh) |
WO (1) | WO2018010387A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251333B (zh) * | 2016-07-13 | 2019-02-26 | 广州视源电子科技股份有限公司 | 元件反件检测方法和系统 |
CN109429473A (zh) * | 2017-08-28 | 2019-03-05 | 株洲中车时代电气股份有限公司 | 电路板中带极性电子元器件的自动检查方法及装置 |
CN107610111B (zh) * | 2017-09-12 | 2019-12-10 | 武汉大学 | 一种基于深度学习的焊点图像检测方法 |
CN107886131A (zh) * | 2017-11-24 | 2018-04-06 | 佛山科学技术学院 | 一种基于卷积神经网络检测电路板元器件极性方法和装置 |
WO2022032675A1 (zh) * | 2020-08-14 | 2022-02-17 | 深圳欣锐科技股份有限公司 | 产品测试方法、装置、计算机可读存储介质及电子设备 |
CN112149744B (zh) * | 2020-09-25 | 2022-09-16 | 浙江数秦科技有限公司 | 一种侵权图片快速识别方法 |
TWI757116B (zh) * | 2021-03-17 | 2022-03-01 | 英業達股份有限公司 | 提供電子元件極性檢測系統及其方法 |
CN116309518A (zh) * | 2023-03-31 | 2023-06-23 | 佛山市顺德区浩硕捷电子科技有限公司 | 一种基于计算机视觉的pcb电路板检测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4434221A (en) * | 1981-07-03 | 1984-02-28 | Minolta Camera Kabushiki Kaisha | Toner concentration detection by measuring current created by transfer of carrier component to non-image areas of image support surface |
CN1504742A (zh) * | 2002-11-28 | 2004-06-16 | 威光机械工程股份有限公司 | 印刷电路板上瑕疵组件的自动光学检测系统 |
CN101915769A (zh) * | 2010-06-29 | 2010-12-15 | 华南理工大学 | 一种印刷电路板中带电阻元件的自动光学检测方法 |
CN103675588A (zh) * | 2013-11-20 | 2014-03-26 | 中国矿业大学 | 印刷电路元件极性的机器视觉检测方法及设备 |
CN105139399A (zh) * | 2015-08-25 | 2015-12-09 | 广州视源电子科技股份有限公司 | 一种二极管极性检测方法及装置 |
CN105184778A (zh) * | 2015-08-25 | 2015-12-23 | 广州视源电子科技股份有限公司 | 一种检测方法及装置 |
CN105260740A (zh) * | 2015-09-23 | 2016-01-20 | 广州视源电子科技股份有限公司 | 一种元件识别方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020038510A1 (en) * | 2000-10-04 | 2002-04-04 | Orbotech, Ltd | Method for detecting line width defects in electrical circuit inspection |
CN102479321B (zh) * | 2010-11-26 | 2016-10-26 | 罗普特(厦门)科技集团有限公司 | 差异影像自动识别系统及方法 |
CN102831381B (zh) * | 2011-06-15 | 2016-05-04 | 罗普特(厦门)科技集团有限公司 | 影像差异比较系统及方法 |
CN104459421B (zh) * | 2014-12-30 | 2017-07-11 | 广州视源电子科技股份有限公司 | 一种二极管极性检测方法与系统 |
CN106251333B (zh) * | 2016-07-13 | 2019-02-26 | 广州视源电子科技股份有限公司 | 元件反件检测方法和系统 |
-
2016
- 2016-07-13 CN CN201610561857.XA patent/CN106251333B/zh active Active
- 2016-12-29 WO PCT/CN2016/113130 patent/WO2018010387A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4434221A (en) * | 1981-07-03 | 1984-02-28 | Minolta Camera Kabushiki Kaisha | Toner concentration detection by measuring current created by transfer of carrier component to non-image areas of image support surface |
CN1504742A (zh) * | 2002-11-28 | 2004-06-16 | 威光机械工程股份有限公司 | 印刷电路板上瑕疵组件的自动光学检测系统 |
CN101915769A (zh) * | 2010-06-29 | 2010-12-15 | 华南理工大学 | 一种印刷电路板中带电阻元件的自动光学检测方法 |
CN103675588A (zh) * | 2013-11-20 | 2014-03-26 | 中国矿业大学 | 印刷电路元件极性的机器视觉检测方法及设备 |
CN105139399A (zh) * | 2015-08-25 | 2015-12-09 | 广州视源电子科技股份有限公司 | 一种二极管极性检测方法及装置 |
CN105184778A (zh) * | 2015-08-25 | 2015-12-23 | 广州视源电子科技股份有限公司 | 一种检测方法及装置 |
CN105260740A (zh) * | 2015-09-23 | 2016-01-20 | 广州视源电子科技股份有限公司 | 一种元件识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106251333A (zh) | 2016-12-21 |
WO2018010387A1 (zh) | 2018-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106251333B (zh) | 元件反件检测方法和系统 | |
CN106204602B (zh) | 元件反件检测方法和系统 | |
CN103675588B (zh) | 印刷电路元件极性的机器视觉检测方法及设备 | |
CN101571419B (zh) | 采用图像分割的汽车仪表led指示灯自动检验方法 | |
CN105957059B (zh) | 电子元件漏件检测方法和系统 | |
CN105453153B (zh) | 交通灯检测 | |
CN102982334B (zh) | 基于目标边缘特征与灰度相似性的稀疏视差获取方法 | |
CN103220852B (zh) | Led照度控制系统及方法 | |
CN105938554B (zh) | 基于图像自动判读的尖轨伸缩位移监测方法及系统 | |
CN105303573B (zh) | 金针类元件的引脚检测方法和系统 | |
CN106709952B (zh) | 一种显示屏幕的自动标定方法 | |
CN109752392A (zh) | 一种pcb板缺陷类型检测系统和方法 | |
CN109785294A (zh) | 一种pcb板缺陷位置检测系统和方法 | |
CN105306843A (zh) | 一种图像传感器的坏点处理方法及系统 | |
CN106529369A (zh) | 元件安装状态检测方法和系统 | |
CN103792705A (zh) | 检测基板缺陷的检测方法及检测装置 | |
CN106504231A (zh) | 元件缺陷检测方法和系统 | |
CN105354816B (zh) | 一种电子元件定位方法及装置 | |
CN103903284A (zh) | 一种基于最小二乘法的多圆检测方法 | |
CN104103069A (zh) | 图像处理装置、图像处理方法及程序 | |
CN105404900A (zh) | 一种并排二极管的定位方法及装置 | |
CN110969071A (zh) | 一种基于可行驶区域的障碍物检测方法、装置及系统 | |
CN107231553A (zh) | 角点位置获取方法及装置 | |
CN103870809B (zh) | 车辆的检测方法及装置 | |
CN112037273B (zh) | 深度信息获取方法、装置、可读存储介质及计算机设备 |
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 |