CN106981061A - 一种焊点区域检测方法 - Google Patents

一种焊点区域检测方法 Download PDF

Info

Publication number
CN106981061A
CN106981061A CN201710127877.0A CN201710127877A CN106981061A CN 106981061 A CN106981061 A CN 106981061A CN 201710127877 A CN201710127877 A CN 201710127877A CN 106981061 A CN106981061 A CN 106981061A
Authority
CN
China
Prior art keywords
rectangle
area
thin membrane
preliminary
membrane regions
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.)
Pending
Application number
CN201710127877.0A
Other languages
English (en)
Inventor
李龙强
李明
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.)
Shenzhen Sinomv Technologies Co Ltd
Original Assignee
Shenzhen Sinomv Technologies Co Ltd
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 Shenzhen Sinomv Technologies Co Ltd filed Critical Shenzhen Sinomv Technologies Co Ltd
Priority to CN201710127877.0A priority Critical patent/CN106981061A/zh
Publication of CN106981061A publication Critical patent/CN106981061A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/30152—Solder

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种焊点区域检测方法，其包括如下步骤：一，把产品输送到指定位置，通过彩色相机对薄膜区域进行拍照；二，把得到的彩色图像分成RGB或HSV六个单通道图像，并把六幅图中的灰度差值最大的两幅图进行灰度相减得到图像T；三，对图像T进行阈值分割得到薄膜区域，首先，将图像T中的像素的灰度值分布于密集区域的像素点标定出来，再把标定出来的像素点中像素连续在一起的像素点合并为一个元素，选取面积最大的元素认定为薄膜区域；四，把固定焊点区域与认定的薄膜区域进行比较，若薄膜区域没有完合覆盖焊点区域，则判定焊接不良品，否则判定为焊接良品；五，输出检测结果。本发明能够降低检测的误判率，以提高生产效率。

Description

一种焊点区域检测方法
技术领域
本发明涉及焊接技术领域，特别涉及一种焊点区域检测方法。
背景技术
现工厂生产产品通过机器逐步取代人工去完成一些繁琐、重复或者精度要求较高的工作，通过制造各种设备完成相应工作来避免人因长期工作产生疲劳造成工作失误而影响生产。目前，在锂电池生产过程中，对电极焊接前需要贴上一层薄膜，为使焊接正常，需要薄膜完全覆盖焊点区域。薄膜为绿色薄膜，电极为金色或银色，焊接完成后，需要对焊点区域进行检测，现有检测技术为使用黑白相机对该区域进行拍照，然后对图像焊点区域进行阈值分割，若出现白色区域则认为是裸露的电极焊点区域，否则认为是良品。但是现有技术存在一个很重要的缺陷，由于贴膜为很软很薄的一层，可能出现贴上后存在皱褶，此时相机拍出的图片则存在部分区域反光的问题，若反光区域刚好在焊点区域，则会造成误判，影响生产良率。
发明内容
本发明的目的在于提供一种焊点区域检测方法，从而克服现有的检测技术在薄膜出现反光时会造成误判从而影响生产良率的缺点。
为实现上述目的，本发明提供了一种焊点区域检测方法，其特征在于，包括如下步骤：步骤一，把产品输送到指定位置，通过彩色相机对薄膜区域进行拍照；步骤二，把拍照得到的彩色图像分成RGB或HSV六个单通道图像，从而得到六幅图，再取六幅图中的薄膜区域的灰度差值最大的两幅图进行灰度相减，从而得到图像T；步骤三，对图像T进行阈值分割得到薄膜区域，阈值分割方法为：首先，除去灰度值小于20的像素点后，将图像T中的像素的灰度值分布于其他密集区域的像素点标定出来，再把标定出来的像素点中像素连续在一起的像素点合并为一个元素，此时得到若干个面积不等的元素，选取面积最大的元素认定为薄膜区域；步骤四，把固定焊点区域与认定的薄膜区域进行比较，若薄膜区域没有完合覆盖焊点区域，则判定焊接不良品，若薄膜区域完全覆盖焊点区域，则判定为焊接良品；以及步骤五，根据判定结果来输出检测结果。
优选的是，上述技术方案中，在步骤一中，当判断彩色相机拍得的图像是彩色图像，直接进行步骤二；当判断彩色相机拍得的图像不是彩色图像时，直接进行步骤五，并在步骤五中输出拍摄异常结果。
进一步优选的是，上述技术方案中，在步骤三中，将图像T中的像素的灰度在30-100之间的像素点标定出来。
进一步优选的是，上述技术方案中，在步骤三中，对面积最大的元素通过角度和长宽逼近算法来得到矩形状的薄膜区域，角度和长宽逼近算法为：首先，把一个大于面积最大的元素的矩形的四条边往中心收缩，判断这个矩形的任意一个边碰到面积最大的元素的区域后停止，以得到一个初步矩形；然后，以初步矩形中点为中心逆时针旋转矩形，旋转角度为0.005-0.03度，并判断面积最大的元素的区域是否有超出初步矩形的任意一边的部分，若有，则将初步矩形被超出的边往外扩张至面积最大的元素的边缘，若无，则将初步矩形被超出的边往内收缩至面积最大的元素的边缘，再次得到一个初步矩形，判断前后两个初步矩形的面积，保留最小面积的初步矩形。接着，把保留的初步矩形继续逆时针旋转重复上述过程，直至旋转360度后得到最小面积的初步矩形，把这个最小面积的初步矩形认定为面积最大的元素的最小外接矩形，并把这个最小外接矩形所包围的区域认定为薄膜区域。
进一步优选的是，上述技术方案中，在步骤三中，初步矩形每次旋转的角度为0.01度。
与现有技术相比，本发明具有如下有益效果：本发明通过对彩色相机拍到的彩色图像的灰度差异最大的两个图像进行灰度相减来得到图像T后，由阈值分割来得到薄膜区域，从而通过薄膜区域与焊点区域进行对比来判断结果，其不受反光的影响，从而能够降低检测的误判率，提高生产效率。
附图说明
图1是根据本发明的焊点区域检测方法的流程图。
图2是根据本发明的图像T的示意图。
图3是根据本发明的图像T的灰度直方图。
图4是根据本发明的图像T通过阈值分割后由角度和长宽逼近算法得到的薄膜区域的示意图。
图5是根据本发明的焊点区域位于薄膜区域内的示意图。
具体实施方式
现在参考附图描述本发明的实施例，附图中类似的元件标号代表类似的元件，但应当理解本发明的保护范围并不受其限制。
实施例
如图1和图5所示，根据本发明优选实施方式的一种焊点区域检测方法的结构示意图，其包括如下步骤：
步骤一，在锂电池生产的流水线上设置指定的检测位置，对电极焊接完成后需要对产品进行检测时，把产品输送到指定位置，通过彩色相机对薄膜区域进行拍照，以得到薄膜区域及其周围背景的彩色图像。
步骤二，把步骤一拍照得到的彩色图像分成RGB或HSV六个单通道图像，从而得到六幅图，再取六幅图中的薄膜区域的灰度差值最大的两幅图进行灰度相减，从而得到如图2所示的图像T。
步骤三，对步骤二中得到的图像T进行阈值分割得到薄膜区域，阈值分割方法为：首先，除去灰度值小于20的像素点后，将图像T中的像素的其他灰度值分布于密集区域的像素点标定出来，再把标定出来的像素点中像素连续在一起的像素点合并为一个元素，此时得到若干个面积不等的元素，选取面积最大的元素认定为薄膜区域。如图3所示，图像T灰度直方图的X轴表示灰度范围，Y轴表示像素点数量，根据直方图可以看出大部分像素点灰度在0~10左右和50左右（0为纯黑，255为纯白），通过分析，灰度在0~10左右的像素为背景的黑色，故不应选取像素点低于20的像素点。而在图2中可以看出，薄膜像素稍显白且面积很大，如图3所示，薄膜区域的灰度值一般密集在50左右，所以选取像素灰度为50左右的像素点进行标定，本发明优选地，将图像T中的像素的灰度在30-100之间的像素点标定出来。由于不同薄膜根据颜色不同会有一定差异，颜色薄膜选取灰度在50附近的像素点即可，此数值有稍微差异不影响检测，例如，本实施例选择灰度在38~97之间的像素点进行标定，从而得到如图4所示的各个连续起来后所形成的元素，且图4的中间较大的面积的元素便为薄膜区域。
步骤四，把固定焊点区域与步骤三中认定的薄膜区域进行比较，若薄膜区域没有完合覆盖焊点区域，则判定焊接不良品，若薄膜区域完全覆盖焊点区域，则判定为焊接良品。即如图5所示，小矩形所代表的固定焊点区域完全位于大矩形所代表的薄膜区域内，便可判定为焊接良品。
步骤五，最后，根据步骤四的判定结果来输出检测结果。优选的是，在步骤一中，当判断彩色相机拍得的图像是彩色图像，才能直接进行步骤二；当判断彩色相机拍得的图像不是彩色图像时，直接跳转进行步骤五，并在步骤五中输出拍摄异常结果，从而方便及时发现拍摄异常情况。
进一步优选的是，在上述步骤三中，对面积最大的元素通过角度和长宽逼近算法来得到矩形状的薄膜区域，角度和长宽逼近算法为：首先，如图4所示，把一个大于面积最大的元素的矩形的四条边往中心收缩，判断这个矩形的任意一个边碰到面积最大的元素的区域后停止，以得到一个初步矩形；然后，以初步矩形的中点为中心逆时针旋转矩形，旋转角度为0.005-0.03度，本发明优选的是初步矩形旋转的角度为0.01度。旋转后判断面积最大的元素的区域是否有超出初步矩形的任意一边的部分，若有，则将初步矩形被超出的边往外扩张至面积最大的元素的边缘，若无，则将初步矩形被超出的边往内收缩至面积最大的元素的边缘，以再次得到一个初步矩形，判断前后两个初步矩形的面积，保留最小面积的初步矩形。接着，把保留的初步矩形继续逆时针旋转0.005-0.03度，以重复上述过程，直至旋转360度后得到最小面积的初步矩形，把这个最小面积的初步矩形认定为面积最大的元素的最小外接矩形，如图5所示的较大的那个矩形即为面积最大的元素的最小外接矩形，把这个最小外接矩形所包围的区域认定为薄膜区域，再通过判断如图5所示的代表固定焊接区域的较小的那个矩形是否完全位于薄膜区域内，便可得到焊接是否为良品。对面积最大的元素通过角度和长宽逼近算法来得到矩形状的薄膜区域能够得到较准确的薄膜区域，从而进一步提高检测的准确性。
以上结合最佳实施例对本发明进行了描述，但本发明并不局限于以上揭示的实施例，而应当涵盖各种根据本发明的本质进行的修改、等效组合。

Claims (5)

1.一种焊点区域检测方法，其特征在于，包括如下步骤：
步骤一，把产品输送到指定位置，通过彩色相机对薄膜区域进行拍照；
步骤二，把拍照得到的彩色图像分成RGB或HSV六个单通道图像，从而得到六幅图，再取六幅图中的薄膜区域的灰度差值最大的两幅图进行灰度相减，从而得到图像T；
步骤三，对图像T进行阈值分割得到薄膜区域，阈值分割方法为：首先，除去灰度值小于20的像素点后，将图像T中的像素的灰度值分布于其他密集区域的像素点标定出来，再把标定出来的像素点中像素连续在一起的像素点合并为一个元素，此时得到若干个面积不等的元素，选取面积最大的元素认定为薄膜区域；
步骤四，把固定焊点区域与认定的薄膜区域进行比较，若薄膜区域没有完合覆盖焊点区域，则判定焊接不良品，若薄膜区域完全覆盖焊点区域，则判定为焊接良品；以及
步骤五，根据判定结果来输出检测结果。
2.根据权利要求1所述的焊点区域检测方法，其特征在于，在步骤一中，当判断彩色相机拍得的图像是彩色图像，直接进行步骤二；当判断彩色相机拍得的图像不是彩色图像时，直接进行步骤五，并在步骤五中输出拍摄异常结果。
3.根据权利要求1所述的焊点区域检测方法，其特征在于，在步骤三中，将图像T中的像素的灰度在30-100之间的像素点标定出来。
4.根据权利要求1所述的焊点区域检测方法，其特征在于，在步骤三中，对面积最大的元素通过角度和长宽逼近算法来得到矩形状的薄膜区域，角度和长宽逼近算法为：首先，把一个大于面积最大的元素的矩形的四条边往中心收缩，判断这个矩形的任意一个边碰到面积最大的元素的区域后停止，以得到一个初步矩形；然后，以初步矩形中点为中心逆时针旋转矩形，旋转角度为0.005-0.03度，并判断面积最大的元素的区域是否有超出初步矩形的任意一边的部分，若有，则将初步矩形被超出的边往外扩张至面积最大的元素的边缘，若无，则将初步矩形被超出的边往内收缩至面积最大的元素的边缘，再次得到一个初步矩形，判断前后两个初步矩形的面积，保留最小面积的初步矩形,接着，把保留的初步矩形继续逆时针旋转重复上述过程，直至旋转360度后得到最小面积的初步矩形，把这个最小面积的初步矩形认定为面积最大的元素的最小外接矩形，并把这个最小外接矩形所包围的区域认定为薄膜区域。
5.根据权利要求4所述的焊点区域检测方法，其特征在于，在步骤三中，初步矩形每次旋转的角度为0.01度。
CN201710127877.0A 2017-03-06 2017-03-06 一种焊点区域检测方法 Pending CN106981061A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710127877.0A CN106981061A (zh) 2017-03-06 2017-03-06 一种焊点区域检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710127877.0A CN106981061A (zh) 2017-03-06 2017-03-06 一种焊点区域检测方法

Publications (1)

Publication Number Publication Date
CN106981061A true CN106981061A (zh) 2017-07-25

Family

ID=59338628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710127877.0A Pending CN106981061A (zh) 2017-03-06 2017-03-06 一种焊点区域检测方法

Country Status (1)

Country Link
CN (1) CN106981061A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113724216A (zh) * 2021-08-24 2021-11-30 广东工业大学 一种波峰焊点缺陷检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103514585A (zh) * 2013-09-12 2014-01-15 深圳市华星光电技术有限公司 一种图像处理方法
CN104990926A (zh) * 2015-06-25 2015-10-21 哈尔滨工业大学 一种基于视觉的tr元件定位和缺陷检测方法
CN105678806A (zh) * 2016-01-07 2016-06-15 中国农业大学 一种基于Fisher判别的生猪行为轨迹自动跟踪方法
CN106228546A (zh) * 2016-07-13 2016-12-14 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
WO2017014518A1 (ko) * 2015-07-17 2017-01-26 주식회사 고영테크놀러지 검사 시스템 및 검사 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103514585A (zh) * 2013-09-12 2014-01-15 深圳市华星光电技术有限公司 一种图像处理方法
CN104990926A (zh) * 2015-06-25 2015-10-21 哈尔滨工业大学 一种基于视觉的tr元件定位和缺陷检测方法
WO2017014518A1 (ko) * 2015-07-17 2017-01-26 주식회사 고영테크놀러지 검사 시스템 및 검사 방법
CN105678806A (zh) * 2016-01-07 2016-06-15 中国农业大学 一种基于Fisher判别的生猪行为轨迹自动跟踪方法
CN106228546A (zh) * 2016-07-13 2016-12-14 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
崔淑娟: "《自然场景下成熟苹果目标的识别及其定位技术研究》", 《陕西科技大学》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113724216A (zh) * 2021-08-24 2021-11-30 广东工业大学 一种波峰焊点缺陷检测方法及系统
CN113724216B (zh) * 2021-08-24 2023-03-21 广东工业大学 一种波峰焊点缺陷检测方法及系统

Similar Documents

Publication Publication Date Title
US8823830B2 (en) Method and apparatus of correcting hybrid flash artifacts in digital images
CN109598721A (zh) 电池极片的缺陷检测方法、装置、检测设备和存储介质
CN111579083B (zh) 基于红外图像人脸检测的体温测量的方法和装置
CN107833255A (zh) 一种鱼眼镜头的快速标定方法
CN107018323A (zh) 控制方法、控制装置和电子装置
CN108732507A (zh) 一种基于电池温度场以及可见光图像的锂电池缺陷检测装置
KR20130093501A (ko) 광학 검사 파라미터를 설정하는 장치 및 방법
CN113077416A (zh) 一种基于图像处理的焊点焊接缺陷检测方法与系统
CN112967221A (zh) 一种盾构管片生产与拼装信息管理系统
CN110412257B (zh) 一种结合人工标定与星射线算法的试纸块定位方法
CN106981061A (zh) 一种焊点区域检测方法
CN115564723A (zh) 一种晶圆缺陷检测方法及应用
JP6402036B2 (ja) 当たり面積率の測定方法
CN108511356A (zh) 一种电池串焊机定位与电池外观检测方法
JP5893593B2 (ja) 外装材の色数値検査方法
CN103226689B (zh) 检测红眼的方法及装置、去除红眼的方法及装置
JP2007208050A (ja) 外観検査方法
JP2001242095A (ja) 曲面を有する部材の腐食検出判定方法
JP3667886B2 (ja) 視覚センサを用いた塗布状態検出装置
KR20230036299A (ko) 드론 촬영을 통한 건축물 외부의 하자 발견 및 레이져를 이용한 크기 측정방법 및 장치
JP7058398B2 (ja) 検出方法及び表層品質評価システム
JPH06163642A (ja) 導電膜の貼着状態の良否判定方法
JP2021514474A (ja) コンタクト・レンズの光学的特性を測定するための方法及びシステム
TWI592544B (zh) 標線劣化判斷方法
KR20200094552A (ko) 웨이퍼 검사 장치 및 방법

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170725