CN106780426B - 一种基于色彩特征模型的集成电路板多形态焊点定位方法 - Google Patents

一种基于色彩特征模型的集成电路板多形态焊点定位方法 Download PDF

Info

Publication number
CN106780426B
CN106780426B CN201610839437.3A CN201610839437A CN106780426B CN 106780426 B CN106780426 B CN 106780426B CN 201610839437 A CN201610839437 A CN 201610839437A CN 106780426 B CN106780426 B CN 106780426B
Authority
CN
China
Prior art keywords
color
integrated circuit
circuit board
color image
component
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
Application number
CN201610839437.3A
Other languages
English (en)
Other versions
CN106780426A (zh
Inventor
谢非
吴茜
杨建飞
杨继全
刘益剑
程继红
李娜
张雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NANJING BAOYAN AUTOMATION CO Ltd
Nanjing Normal University
Original Assignee
NANJING BAOYAN AUTOMATION CO Ltd
Nanjing Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NANJING BAOYAN AUTOMATION CO Ltd, Nanjing Normal University filed Critical NANJING BAOYAN AUTOMATION CO Ltd
Priority to CN201610839437.3A priority Critical patent/CN106780426B/zh
Publication of CN106780426A publication Critical patent/CN106780426A/zh
Application granted granted Critical
Publication of CN106780426B publication Critical patent/CN106780426B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30141—Printed circuit board [PCB]
    • 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
    • G06T2207/30152—Solder
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于色彩特征模型的集成电路板多形态焊点定位方法，该方法实现对集成电路板上的各种形态焊点目标的定位功能，从而为集成电路板喷涂绝缘材料设备提供视觉定位信息。首先，采用工业相机采集集成电路板的彩色图像，图像中焊点部分为银色，其余部分是以绿色的背景为主，包括白色的文字与线条、黑色的镂空，将图像按颜色分为焊点部分、背景部分、白色部分与黑色部分；然后，根据彩色图像的色彩特征建立色彩特征模型，提取色度区间特征与色差特征；最后，采用色彩特征模型实现集成电路板的多形态焊点定位。

Description

一种基于色彩特征模型的集成电路板多形态焊点定位方法
技术领域
本发明属于机器视觉与图像处理的技术领域，尤其涉及一种基于色彩特征模型的集成电路板多形态焊点定位方法。
背景技术
目前，微电子业迅猛发展，愈发趋向于体积小、集成度高的状态。由于集成电路上的电路复杂，电路之间会相互干扰，电路易受到外界电磁环境的干扰，电路也会对外部环境产生影响，因此必须对电子电路进行绝缘封装加工。采取视觉信息及图像处理方法可对集成电路板焊点区域进行分割定位，将定位图像信息传给计算机，通过UV光固化三维打印机在焊点区域位置喷涂树脂绝缘材料并烧结，完成焊点目标的自动绝缘封装，从而可以有效减少人工劳动、提高自动化程度、节约材料损耗、提高喷涂精度、降低成本输出，并且设备要求较低，操作方便易行。
目前针对焊点定位，主要采用的方法有基于直方图的特征分析法、模板匹配法、基于灰度投影图的方法、基于图像质心的算法等。以上方法虽然能实现快速有效的焊点定位，但它们都主要针对焊点区域形态相同的一系列焊点进行定位，且只能完成单个焊点定位，无法满足多形态焊点区域同时定位的需求。结合集成电路板上焊点数量多、单个焊点面积小，焊点位置相对集中以及焊点形态多样等特征，提取各颜色部分的色彩特征，可以实现对大面积彩色图像中多形态焊点目标的同时准确定位。
发明内容
本发明目的在于，针对现有技术的不足，提供了一种基于色彩特征模型的集成电路板多形态焊点定位方法。
本发明为实现上述目的，采用如下技术方案：
本发明提供一种基于色彩特征模型的集成电路板多形态焊点定位方法，包括以下步骤：
步骤1，采用CCD(Charge Coupled Device，电荷耦合元件)工业相机在操作台上获取完整的集成电路板彩色图像；
步骤2，将集成电路板彩色图像根据颜色分为不同的部分；
步骤3，结合集成电路板彩色图像中的目标区域面积小、数量多、形态多样、分布密集等特点，提取集成电路板中各颜色部分的色度区间特征与焊点部分与其他部分的色差特征，提取集成电路板彩色图像不同部分的色彩特征，建立集成电路板的色彩特征模型；
步骤4，根据色彩特征模型对集成电路板进行多形态焊点定位。
本发明步骤2包括：将集成电路板从颜色角度上分为银灰色的焊点部分、绿色背景部分、白色的文字部分和黑色的其他部分。根据集成电路板彩色图像上各个颜色部分的分布位置及大小，在每个颜色部分人工选取一块矩形区域，该矩形区域必须足够大(4×4或以上)并且只含有一种颜色，最后计算图像中各颜色部分所选取区域的图像大小与像素点个数。
本发明步骤3包括如下步骤：
步骤3-1，对集成电路板上各颜色部分所选取的区域进行RGB(即红R、绿G、蓝B三颜色)三分量的像素计算，提取各颜色部分的色度区间特征；
步骤3-2，提取不同颜色部分之间的色差特征e；
步骤3-3，根据色度区间特征与色差特征组成的色彩特征，建立集成电路板的色彩特征模型。
本发明步骤3-1包括如下步骤：
步骤3-1-1，采用如下公式提取基于RGB三分量的各颜色部分的颜色基准值：
Figure BDA0001117793520000021
其中，f为需要实现焊点定位的集成电路板的彩色图像，fR为彩色图像的R分量图，fG为彩色图像的G分量图，fB为彩色图像的B分量图；x和y分别表示彩色图像中所选取的各颜色部分的矩形区域的行与列，R、G、B为彩色图像的三色分量；f(x,y,R)表示彩色图像中所选取的各颜色部分的矩形区域中单位像素点的R分量像素值，f(x,y,G)表示彩色图像中所选取的各颜色部分的矩形区域中单位像素点的G分量像素值，f(x,y,B)表示彩色图像中所选取的各颜色部分的矩形区域中单位像素点的B分量像素值；X和Y分别表示彩色图像中所选取的各颜色部分的矩形区域的起始行与起始列，M和N分别表示彩色图像中所选取的各颜色部分的矩形区域的行数与列数；
步骤3-1-2，集成电路板上相同颜色区域中的各个像素点虽然颜色相同，但是色度存在一定的偏差，在各颜色部分的颜色基准值的基础上提取所选取区域内的颜色偏差值，采用如下公式提取集成电路板上各颜色部分所选取的区域内的颜色偏差值：
Figure BDA0001117793520000031
式中，SR表示所选取各颜色部分的区域内的R分量像素值的标准差，SG表示所选取各颜色部分的区域内的G分量像素值的标准差，SB表示所选取各颜色部分的区域内的B分量像素值的标准差。
步骤3-1-3，通过如下公式得到各颜色部分的颜色特征向量：
Figure BDA0001117793520000032
Figure BDA0001117793520000033
其中，fmin为各颜色部分的最小色度特征向量，fmax为各颜色部分的最大色度特征向量，fRmin与fRmax分别为集成电路板彩色图像中R分量的最小色度特征与最大色度特征，fGmin与fGmax分别为集成电路板彩色图像中G分量的最小色度特征与最大色度特征，fBmin与fBmin分别为集成电路板彩色图像中B分量的最小色度特征与最大色度特征。
步骤3-1-4，将各颜色部分的最小色度特征向量与最大色度特征向量组成基于RGB的单色色度区间，构成各颜色部分的色度区间特征。
本发明步骤3-2包括：通过如下公式提取焊点部分的RGB三分量的方差e作为色差特征：
Figure BDA0001117793520000041
Figure BDA0001117793520000042
其中，
Figure BDA0001117793520000043
为彩色图像R、G、B三分量的像素值平均值。
本发明步骤3-3中所述集成电路板的色彩特征模型为：
Figure BDA0001117793520000044
Figure BDA0001117793520000045
Figure BDA0001117793520000046
Figure BDA0001117793520000047
其中，f为需要进行定位处理的集成电路板彩色图像，i、j分别表示集成电路板彩色图像的行与列，f(i,j,R)表示彩色图像中R分量的像素值，f(i,j,G)表示彩色图像中G分量的像素值，f(i,j,B)表示彩色图像中B分量的像素值；a表示满足R分量色度区间特征的像素点，b表示满足G分量色度区间特征的像素点，c表示满足B分量色度区间特征的像素点，d表示满足色差特征的像素点；针对焊点部分与其他部分的色差特征，选取阈值ε为30。
本发明步骤4包括：根据建立的色彩特征模型寻找集成电路板上的焊点，在集成电路板彩色图像中寻找满足焊点定位色彩特征的像素点，即满足如下公式：
Figure BDA0001117793520000048
其中aim为满足焊点定位色彩特征的像素点，则集成电路板彩色图像中的焊点区域为目标点aim的集合，从而实现对多形态焊点的定位。
本发明方法实现对集成电路板上的各种形态焊点目标的定位功能，从而为集成电路板喷涂绝缘材料设备提供视觉定位信息。首先，采用工业相机采集集成电路板的彩色图像，图像中焊点部分为银色，其余部分是以绿色的背景为主，包括白色的文字与线条、黑色的镂空，将图像按颜色分为焊点部分、背景部分、白色部分与黑色部分；然后，根据彩色图像中各颜色部分的色彩特征建立色彩特征模型，提取集成电路板彩色图像中各颜色部分的色度区间特征及焊点部分与其他部分的色差特征；最后，采用色彩特征模型实现集成电路板的多形态焊点定位(可采用UV光固化三维打印机实现集成电路自动绝缘封装)。
有益效果：本发明与现有技术相比克服了现有焊点定位方法需对焊点进行逐个分类定位，操作过于繁琐复杂，且不适用于大范围内对多种形态焊点进行定位的问题，构建了一种基于色彩特征模型的集成电路板多形态焊点定位方法，通过建立色彩特征模型，提取集成电路板的色度区间特征与色差特征，研究了基于色彩特征模型的集成电路板多形态焊点定位方法，完成焊点目标的准确定位。提出的基于色彩特征模型的集成电路板多形态焊点定位方法具有优点：提供了利用各颜色部分的色彩特征对多形态的焊点部分进行准确定位的功能。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述或其他方面的优点将会变得更加清楚。
图1是本发明流程图。
图2a和图2b是本发明对应的基于RGB模型的集成电路板多形态焊点定位方法实验结果图。
具体实施方式
下面结合附图对发明的技术内容进行详细说明：
如图1所示，本发明的原理是：首先，采用工业相机采集集成电路板的彩色图像，将图像按颜色分为焊点部分、背景部分、白色部分与黑色部分；然后，根据彩色图像的色彩特征建立色彩特征模型，提取色度区间特征与色差特征；最后，采用色彩特征模型实现集成电路板的多形态焊点定位。具体实施方法如下：
步骤1，采用CCD(Charge Coupled Device，电荷耦合元件)工业相机在操作台上获取完整的集成电路板彩色图像，
步骤2，将集成电路板彩色图像根据颜色分为不同的部分；
步骤3，结合集成电路板彩色图像中的目标区域面积小、数量多、形态多样、分布密集等特点，提取集成电路板中各颜色部分的色度区间特征与焊点部分与其他部分的色差特征，提取集成电路板彩色图像不同部分的色彩特征，建立集成电路板的色彩特征模型；
步骤4，根据色彩特征模型对集成电路板进行多形态焊点定位。
本发明步骤2包括：将集成电路板从颜色角度上分为银灰色的焊点部分、绿色背景部分、白色的文字部分和黑色的其他部分。根据集成电路板彩色图像上各个颜色部分的分布位置及大小，在每个颜色部分人工选取一块矩形区域，该矩形区域必须足够大(4×4或以上)并且只含有一种颜色，最后计算图像中各颜色部分所选取区域的图像大小与像素点个数。
本发明步骤3包括如下步骤：
步骤3-1，对集成电路板上各颜色部分所选取的区域进行RGB三分量的像素计算，提取各颜色部分的色度区间特征；
步骤3-2，提取不同颜色部分之间的色差特征e；
步骤3-3，根据色度区间特征与色差特征组成的色彩特征，建立集成电路板的色彩特征模型。
本发明步骤3-1包括如下步骤：
步骤3-1-1，采用如下公式提取基于RGB三分量的各颜色部分的颜色基准值：
Figure BDA0001117793520000061
其中，f为需要实现焊点定位的集成电路板的彩色图像，fR为彩色图像的R分量图，fG为彩色图像的G分量图，fB为彩色图像的B分量图；x和y分别表示彩色图像中所选取的各颜色部分的矩形区域的行与列，R、G、B为彩色图像的三色分量；f(x,y,R)表示彩色图像中所选取的各颜色部分的矩形区域中单位像素点的R分量像素值，f(x,y,G)表示彩色图像中所选取的各颜色部分的矩形区域中单位像素点的G分量像素值，f(x,y,B)表示彩色图像中所选取的各颜色部分的矩形区域中单位像素点的B分量像素值；X和Y分别表示彩色图像中所选取的各颜色部分的矩形区域的起始行与起始列，M和N分别表示彩色图像中所选取的各颜色部分的矩形区域的行数与列数；
步骤3-1-2，集成电路板上相同颜色区域中的各个像素点虽然颜色相同，但是色度存在一定的偏差，在各颜色部分的颜色基准值的基础上提取所选取区域内的颜色偏差值，采用如下公式提取集成电路板上各颜色部分所选取的区域内的颜色偏差值：
Figure BDA0001117793520000071
式中，SR表示所选取各颜色部分的区域内的R分量像素值的标准差，SG表示所选取各颜色部分的区域内的G分量像素值的标准差，SB表示所选取各颜色部分的区域内的B分量像素值的标准差。
步骤3-1-3，通过如下公式得到各颜色部分的颜色特征向量：
Figure BDA0001117793520000072
Figure BDA0001117793520000073
其中，fmin为各颜色部分的最小色度特征向量，fmax为各颜色部分的最大色度特征向量，fRmin与fRmax分别为集成电路板彩色图像中R分量的最小色度特征与最大色度特征，fGmin与fGmax分别为集成电路板彩色图像中G分量的最小色度特征与最大色度特征，fBmin与fBmim分别为集成电路板彩色图像中B分量的最小色度特征与最大色度特征。
步骤3-1-4，将各颜色部分的最小色度特征向量与最大色度特征向量组成基于RGB的单色色度区间，构成各颜色部分的色度区间特征。
本发明步骤3-2包括：通过如下公式提取焊点部分的RGB三分量的方差e作为色差特征：
Figure BDA0001117793520000074
Figure BDA0001117793520000075
其中，
Figure BDA0001117793520000081
为彩色图像R、G、B三分量的像素值平均值。
步骤3-3中所述集成电路板的色彩特征模型为：
Figure BDA0001117793520000082
Figure BDA0001117793520000083
Figure BDA0001117793520000084
Figure BDA0001117793520000085
其中，f为需要进行定位处理的集成电路板彩色图像，i、j分别表示集成电路板彩色图像的行与列，f(i,j,R)表示彩色图像中R分量的像素值，f(i,j,G)表示彩色图像中G分量的像素值，f(i,j,B)表示彩色图像中B分量的像素值；a表示满足R分量色度区间特征的像素点，b表示满足G分量色度区间特征的像素点，c表示满足B分量色度区间特征的像素点，d表示满足色差特征的像素点；针对焊点部分与其他部分的色差特征，选取阈值ε为30。
本发明步骤4包括：根据建立的色彩特征模型寻找集成电路板上的焊点，，，，，在集成电路板彩色图像中寻找满足焊点定位色彩特征的像素点，即满足如下公式：
Figure BDA0001117793520000086
其中aim为满足焊点定位色彩特征的像素点，则集成电路板彩色图像中的焊点区域为目标点aim的集合，从而实现对多形态焊点的定位。
实施例1
本实施例利用应用于穿戴式设备的集成电路板的彩色图像进行基于色彩特征与邻域信息的多形态焊点精确定位方法验证，首先，采用CCD工业相机在操作台上获取完整的集成电路板彩色图像，其次根据颜色选取彩色图像中的不同部分，然后，根据图像中各颜色部分的色彩特征，建立色彩模型，提取色度区间特征与色差特征；最后，采用色彩特征模型实现集成电路板的多形态焊点定位。对基于RGB模型的集成电路板多形态焊点定位方法进行实验，得出有益的结论，提供多形态焊点定位方法的相关流程图如图1所示，多形态焊点准确定位的实验结果如图2a和图2b所示。
图1是本发明的基于RGB模型的集成电路板多形态焊点定位方法流程图，包括了建立色彩特征模型、提取色度区间特征与色差特征、多形态焊点定位等处理；
图2a和图2b是本发明对应的基于RGB模型的集成电路板多形态焊点定位方法实验结果图，由图中可以看出，本文提出的基于RGB模型的集成电路板多形态焊点定位方法能实现集成电路板中的全部焊点的准确定位。
本发明提供了一种基于色彩特征模型的集成电路板多形态焊点定位方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (4)

1.一种基于色彩特征模型的集成电路板多形态焊点定位方法，其特征在于，包括如下步骤：
步骤1，采用CCD工业相机获取完整的集成电路板彩色图像；
步骤2，将集成电路板彩色图像根据颜色分为不同的部分；
步骤3，提取集成电路板彩色图像不同部分的色彩特征，建立集成电路板的色彩特征模型；
步骤4，根据色彩特征模型对集成电路板进行多形态焊点定位；
步骤2包括：将集成电路板从颜色角度上分为银灰色的焊点部分、绿色背景部分、白色的文字部分和黑色的其他部分，根据集成电路板彩色图像上各个颜色部分的分布位置及大小，在每个颜色部分选取一块矩形区域，该矩形区域必须足够大并且只含有一种颜色，最后计算图像中各颜色部分所选取区域的图像大小与像素点个数；
步骤3包括如下步骤：
步骤3-1，对集成电路板上各颜色部分所选取的区域进行RGB三分量的像素计算，提取各颜色部分的色度区间特征；
步骤3-2，提取不同颜色部分之间的色差特征e；
步骤3-3，根据色度区间特征与色差特征组成的色彩特征，建立集成电路板的色彩特征模型；
步骤3-1包括如下步骤：
步骤3-1-1，采用如下公式提取基于RGB三分量的各颜色部分的颜色基准值：
Figure FDA0004050975190000011
其中，f为需要实现焊点定位的集成电路板的彩色图像，fR为彩色图像的R分量图，fG为彩色图像的G分量图，fB为彩色图像的B分量图；x和y分别表示彩色图像中所选取的各颜色部分的矩形区域的行与列，R、G、B为彩色图像的三色分量；f(x,y,R)表示彩色图像中所选取的各颜色部分的矩形区域中单位像素点的R分量像素值，f(x,y,G)表示彩色图像中所选取的各颜色部分的矩形区域中单位像素点的G分量像素值，f(x,y,B)表示彩色图像中所选取的各颜色部分的矩形区域中单位像素点的B分量像素值；X和Y分别表示彩色图像中所选取的各颜色部分的矩形区域的起始行与起始列，M和N分别表示彩色图像中所选取的各颜色部分的矩形区域的行数与列数；
步骤3-1-2，采用如下公式提取集成电路板上各颜色部分所选取的区域内的颜色偏差值：
Figure FDA0004050975190000021
式中，SR表示所选取各颜色部分的区域内的R分量像素值的标准差，SG表示所选取各颜色部分的区域内的G分量像素值的标准差，SB表示所选取各颜色部分的区域内的B分量像素值的标准差；
步骤3-1-3，通过如下公式得到各颜色部分的颜色特征向量：
Figure FDA0004050975190000022
Figure FDA0004050975190000023
其中，fmin为各颜色部分的最小色度特征向量，fmax为各颜色部分的最大色度特征向量，fRmin与fRmax分别为集成电路板彩色图像中R分量的最小色度特征与最大色度特征，fGmin与fGmax分别为集成电路板彩色图像中G分量的最小色度特征与最大色度特征，fBmin与fBmin分别为集成电路板彩色图像中B分量的最小色度特征与最大色度特征；
步骤3-1-4，将各颜色部分的最小色度特征向量与最大色度特征向量组成基于RGB的单色色度区间，构成各颜色部分的色度区间特征。
2.根据权利要求1所述的方法，其特征在于，步骤3-2包括：通过如下公式提取焊点部分的RGB三分量的方差e作为色差特征：
Figure FDA0004050975190000031
Figure FDA0004050975190000032
其中，
Figure FDA0004050975190000033
为彩色图像R、G、B三分量的像素值平均值。
3.根据权利要求2所述的方法，其特征在于，步骤3-3中所述集成电路板的色彩特征模型为：
Figure FDA0004050975190000034
Figure FDA0004050975190000035
Figure FDA0004050975190000036
/>
Figure FDA0004050975190000037
其中，f为需要进行定位处理的集成电路板彩色图像，i、j分别表示集成电路板彩色图像的行与列，f(i,j,R)表示彩色图像中R分量的像素值，f(i,j,G)表示彩色图像中G分量的像素值，f(i,j,B)表示彩色图像中B分量的像素值；a表示满足R分量色度区间特征的像素点，b表示满足G分量色度区间特征的像素点，c表示满足B分量色度区间特征的像素点，d表示满足色差特征的像素点；针对焊点部分与其他部分的色差特征，选取阈值ε为30。
4.根据权利要求3所述的方法，其特征在于，步骤4包括：根据建立的色彩特征模型寻找集成电路板上的焊点，在集成电路板彩色图像中寻找满足焊点定位色彩特征的像素点，即满足如下公式：
Figure FDA0004050975190000038
其中aim为满足焊点定位色彩特征的像素点，则集成电路板彩色图像中的焊点区域为目标点aim的集合，从而实现对多形态焊点的定位。
CN201610839437.3A 2016-09-21 2016-09-21 一种基于色彩特征模型的集成电路板多形态焊点定位方法 Active CN106780426B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610839437.3A CN106780426B (zh) 2016-09-21 2016-09-21 一种基于色彩特征模型的集成电路板多形态焊点定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610839437.3A CN106780426B (zh) 2016-09-21 2016-09-21 一种基于色彩特征模型的集成电路板多形态焊点定位方法

Publications (2)

Publication Number Publication Date
CN106780426A CN106780426A (zh) 2017-05-31
CN106780426B true CN106780426B (zh) 2023-05-23

Family

ID=58972284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610839437.3A Active CN106780426B (zh) 2016-09-21 2016-09-21 一种基于色彩特征模型的集成电路板多形态焊点定位方法

Country Status (1)

Country Link
CN (1) CN106780426B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110675380A (zh) * 2019-09-23 2020-01-10 珠海格力电器股份有限公司 电路板上金属接插柱的位置标定方法及存储介质
CN112036489A (zh) * 2020-08-31 2020-12-04 佛山市南海区广工大数控装备协同创新研究院 一种基于焊点颜色分布的pcb元件定位方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100200215B1 (ko) * 1996-04-08 1999-06-15 윤종용 상관 신경 회로망을 이용한 납땜 검사 장치 및방법
CN101358836B (zh) * 2008-09-28 2010-09-29 西安理工大学 基于计算机视觉识别焊点中心位置的方法
CN102172806B (zh) * 2010-12-01 2013-07-31 李光 基于图像识别技术的全自动焊接系统及其运行方法
CN105279757B (zh) * 2015-10-19 2018-10-16 广州视源电子科技股份有限公司 一种焊点定位方法及装置

Also Published As

Publication number Publication date
CN106780426A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
CN111275759B (zh) 基于无人机双光影像融合的变电站刀闸温度检测方法
US9661187B1 (en) Color gamut mapping method based on color gamut of source image
CN106503719A (zh) 一种物体颜色提取与检测方法及装置
WO2001047285A1 (en) Method and apparatus for calibrating projector-camera system
CN106780426B (zh) 一种基于色彩特征模型的集成电路板多形态焊点定位方法
CN107253190A (zh) 一种高精度机器人手眼相机自动标定的装置及其使用方法
CN110068321B (zh) 定点降落标志的uav相对位姿估计方法
CN105096348B (zh) 检测图像中的色彩板的装置和方法
KR20190051463A (ko) 카메라 캘리브레이션을 위한 체커보드 코너점 추출 장치 및 방법
JP2009122842A (ja) 設定パラメータ最適化装置およびそのプログラム
EP1783685A3 (en) Image processing for point extraction
CN104504722A (zh) 一种利用灰色点校正图像颜色的方法
Elian et al. Implementation of computer vision algorithms for position correction of chip-mounter machine
CN111932571A (zh) 图像的边界识别方法、装置以及计算机可读存储介质
CN101561316B (zh) 一种基于感兴趣区域(roi)的在线检测视觉数据处理系统
JP2016178157A (ja) 識別装置、識別方法およびトレーサビリティシステム
KR101909391B1 (ko) 서라운드 뷰 모니터링 시스템
CN114240859B (zh) 一种基于图像处理的模具研合率检测方法
CN109003268B (zh) 一种超薄柔性ic基板外观颜色检测方法
Yoshinari et al. Color image enhancement in HSI color space without gamut problem
CN106504200B (zh) 基于色调偏移估计及逐点色调映射的图像光照补偿方法和系统
JP2013084031A (ja) マーカー、二次元コード、およびマーカーの認識方法、二次元コードの認識方法
CN104505053A (zh) 显示信号转换方法和装置
CN110969675B (zh) 一种模拟相机不同形状光圈虚化的方法
JP2019095345A (ja) 物体識別システム

Legal Events

Date Code Title Description
PB01 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