CN108537772A - 贴片电阻正导体印刷缺陷的视觉检测方法 - Google Patents
贴片电阻正导体印刷缺陷的视觉检测方法 Download PDFInfo
- Publication number
- CN108537772A CN108537772A CN201810128799.0A CN201810128799A CN108537772A CN 108537772 A CN108537772 A CN 108537772A CN 201810128799 A CN201810128799 A CN 201810128799A CN 108537772 A CN108537772 A CN 108537772A
- Authority
- CN
- China
- Prior art keywords
- image
- angle
- positive
- chip
- point
- 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
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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10004—Still image; Photographic 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]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (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 Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种贴片电阻正导体印刷缺陷的视觉检测方法。主要面向贴片电阻制造工艺过程的视觉检测需求,考虑印刷环节对尺寸控制精度要求极高。本发明利用镜面反射原理改变光路,实现单一相机同时采集双面图像,同时考虑机械安装过程不可避免的误差,对基板正反面图像采用畸变校正以减少机械装置调节难度。针对正导体印刷,采用阈值分割、投影统计和形态学等方法,定位印刷浆料的覆盖范围和可能的溢出区域。针对背面剥裂线,采用边缘计算、投影统计、插值拟合等方法,计算其最佳的分割点,然后基于两次检测结果,判断印刷体是否处于剥裂线的合理范围内,并判断是否有浆料溢出等缺陷。
Description
技术领域
本发明属于电子产品视觉检测的技术领域,涉及一种贴片电阻制作工艺过程中的正导体印刷,尤其涉及一种贴片电阻正导体印刷缺陷的视觉检测方法。
背景技术
随着计算机电子制造业技术的不断升级换代,印刷电路板的集成度逐渐提高,贴片类元器件在整个线路板上所占比重越来越大,对贴片元器件的尺寸和性能要求也越来越苛刻,尤其是在低功耗、小电流和低电压的高密度集成电路板上。目前最小贴片电阻尺寸在0.1mm左右,如此小的尺寸,对整个贴片元器件的生产、检测、安装等工艺提出了极高的要求。
贴片电阻是小尺寸、高比阻、高精度电阻器,适合于表面贴装技术(SMT),已经广泛应用在计算机、通讯、军事、航天、数字和消费类电子等领域,能有效减小电子终端产品的体积和重量,并提高产品可靠性,符合未来IT产业的小型化、轻量化、高性能、多功能的发展趋势。
在制造工艺方面,贴片电阻的制造过程较为复杂,包括数十道工序,如原材料准备基片浆料丝网→正背面导体印刷(油墨印刷)→导体烧结烘干→电阻印刷→电阻体烧结→玻璃层印刷→玻璃层烧结→镭射切割→保护层印刷→保护层硬化→字码印刷→分条→端银/溅镀→端头硬化→折粒/电镀→测试→编带包装。加强中间工艺环节的质量检测,及时反馈工艺缺陷,对提高工艺水平和合格率至关重要。在整个生产过程,存在多次材料印刷,都需要严格对齐,否则极易产生偏差,如正反导体印刷和电阻印刷等。
传统的贴片元器件的质量检测主要以人工抽查为主,在各工艺环节抽样,检测工艺是否符合要求。考虑到人眼容易疲劳,经常出现误检、漏检等情况,且部分贴片元件的印刷密度较高,经常出现压线或错印的情况,仅靠肉眼难以观察,一般要在显微镜上放大观察;同时剥裂线在背面,往往导致产品观察不易,降低了抽检效率。
机器视觉技术作为一种有效的检测技术,已经运用在贴片元件相关领域,主要是贴装环节,如各类SMT机,一般采用视觉检测技术实现贴片的缺陷检测、目标定位、自动装配、贴片字码识别等,但对整个制造工艺的自动化、智能化研究甚少,相关文献报道不多。
发明内容
本发明主要面向贴片电阻制造工艺过程的视觉检测需求,考虑印刷环节对尺寸控制精度要求极高,提出一种贴片电阻基板正导体印刷缺陷的视觉检测方法。本发明通过双镜面反射,减少相机的数量,降低了视觉检测系统的空间安装需求和现有流水线改造的难度;同时,通过图像畸变校正,避免了视觉系统的机械调节难度。系统通过准确的剥裂线和电阻印刷浆料的边缘计算,判断当前印刷工序是否合格,极大地减少了人工检测的强度,提高了贴片电阻制造的合格率。
为了解决现有技术存在的技术问题,本发明的技术方案如下:
步骤1.采集一张贴片电阻基片正反面图像G;
步骤2.针对图像G中正反两面子图像,通过角点畸变校正,生成新的图像G1。此时,校正后的基板正反面,分别标记为G11和G12。
步骤3.针对贴片电阻基板反面图像G12,进行图像预处理和边缘计算,生成图像GE。
步骤4.在一定的角度范围内,旋转图像GE,计算边缘点在X轴投影的累积值P(θ)。
步骤5.对所有角度的投影累积值P(θ),依据投影值的分布特性,通过插值拟合方式计算出最佳倾角θ1。
步骤6.对图像G12旋转θ1,统计边缘点在X轴投影的累积值P(θ1),求出剥裂线的最佳分割点。
步骤7.针对基板正面图像G11,旋转θ1,然后进行二值化图像分割,生成新图像G11B。
步骤8.计算G11B在X轴投影,计算其边缘信息。
步骤9.比较基板正反面边缘信息,判断正导体边界是否符合要求。
步骤10.判断正面导体印刷是否存在浆料溢出的缺陷。
步骤1所述的采集一张贴片电阻基片正反面图像,具体是利用镜面成像原理,在正反面侧边各架设一个45°镜面,将正反面图像反射到相机镜头,CCD相机拍摄目标图像并将图像转换成灰度图像G。转换具体如下:
Gray=R×0.3+G×0.59+B×0.11 (1)
所述的对目标图像中的每一个像素点处理,就能将其转换成灰度图像G;其中R、G、B为一个像素点的值的基色分量;
步骤2针对图像G中基板的正反两面图像,进行畸变校正,生成新的图像G1。此时,校正后的正反子图区,分别标记为G11和G12。校正参数一般在系统安装过程中预先计算。具体过程如下:
2.1在待检测位置放置样本卡片(正反图案一致),借助光学反射同时采集正反两面图像;
2.2选取样本卡片中某个图案,计算其在正反两面的边界点,一般可以选择矩形区域;
2.3根据计算的边界点,确定两个正反图像的校正参数,主要包括:坐标偏差、角度偏差和比例。假定上下区域参照图案的的外接区域分别为box1(X,Y,Width,Height,Angle)和box2(X,Y,Width,Height,Angle),则校正参数为:
ΔAngle=box2.Angle-box1.Angle (2)
ΔScale=box2.Width/box1.Width (3)
ΔLoc=(box2.X-box1.X,box2.Y-box1.Y) (4)
其中,参数(X,Y,Width,Height,Angle)分别为外接区域的中心X坐标、Y坐标、宽度、高度和倾角。考虑到整个机架安装的较为平整且镜面安装接近理想角度,正反图案在比例和角度上差异较小,一般以坐标偏差为主。
在实时检测过程中,可依据上述参数校正基板图像,校正后的正反子图分别标记为G11和G12。
步骤3所述的针对贴片电阻基板反面图像G12,进行图像预处理和边缘计算,生成图像GE。图像预处理一般采用中值滤波等方法,去除可能杂质干扰点。而边缘计算,一般采用Canny等算子,提取剥裂线的边缘信息。
步骤4.在一定的角度范围内,旋转图像GE,计算图像边缘点在X轴投影的累积值P(θ)。具体过程如下:
4.1确定基板材料的大致倾角范围和搜索间隔:考虑机械平台和采集图像的环境,基板剥裂线的倾角一般在(-6°,6°)之间,角度间隔可以选在0.5°到1°之间;
4.2在搜索范围内,任选一个角度θ,对GE进行X轴投影,生成一维向量P(θ)。其中,对于GE中任意一点P(i,j)不为0,则其在X轴上第i处投影值增加1,否则,对投影值无影响。采用该方法可以统计边缘点的投影分布情况。
步骤5.对所有角度的投影累积值P(θ),依据投影值的分布特性,通过插值拟合方式计算出最佳倾角θ1。具体过程如下:
5.1针对任意角度θ,计算P(θ)最大值Pmax(θ);
5.2搜索P(θ),寻找所有的局部最大值点,形成点集EP(θ)。该点集中任意点的Pi(θ)应满足:
Pi(θ)>k1×Pmax(θ) (5)
其中,k1比值系数,一般设为0.5既可满足要求;
5.3针对不同的角度θ,计算EP(θ)的平均值,并计算出最大平均值所对应的角度θt;
5.4选取角度θt周边若干值,进行二次插值计算,计算出最佳角度θ1。
步骤6.对图像G12旋转θ1,统计边缘点在X轴投影的累积值P(θ1),求出剥裂线的最佳分割点。具体过程如下:
6.1针对图像G12,旋转θ1,并采用Canny等算子提取边缘信息,生成图像生成G′E;
6.2计算G′E边缘点在X轴的投影累积值,生成一维向量P(θ1);
6.3计算P(θ1)的所有局部峰值,并在该峰值周围进行二次插值拟合,计算出最佳峰值对应的坐标,该坐标即为剥裂线的分割点。所有分割点构成分割点集:Xs。
步骤7:针对基板正面图像G11,旋转θ1,然后进行二值化图像分割,生成新图像G11B。
具体过程如下:
7.1针对基板正面图像G11,旋转θ1;
7.2依据灰度阈值进行二值化分割,提取电阻浆料所在区域,生成新图像G11B。图像分割的灰度阈值可由用户指定或系统自动计算,一般阈值合理范围在90到180之间。
步骤8:计算G11B在X轴投影,分析贴片正导体的边界信息。具体过程如下:
8.1针对图像G11B任意点G(i,j),若其灰度为0,即为导体浆料,则在X轴第i处的投影值加1,否则,对投影值无影响。按此方法生成一维投影向量Prj;
8.2计算Prj的局部峰值点,设其中第i个峰值为Prj(xi),其中xi为X轴坐标;
8.3往xi左右两边延伸,计算峰值点附近边界,边界应该满足公式(6)、(7),即:
Prj(Li)>k2×Prj(xi) (6)
Prj(Ri)>k3×Prj(xi) (7)
其中,Li和Ri为第i个峰值区域的左右边界,k2和k3为边界峰值参数,一般可以设置为0.5到0.8之间。
步骤9:比较基板正反面边缘信息,判断正导体边界是否符合要求。
设第i块正导体的边界为(Li,Ri),而对应的剥裂线为Xs(i)其边界条件应该满足:
dL=Xs(i)-Li>Δspace (8)
dR=Ri-Xs(i)>Δspace (9)
abs(dR-dL)<k4×(Ri-Li) (10)
其中,dL和dR为正导体与剥裂线的间距,Δspace为宽度阈值,与生产工艺相关,k4为左右厚度偏差系数,一般在3-5%之间。
步骤10:判断印刷工序是否存在浆料溢出的缺陷。
该步骤主要判断是否存在导体浆料溢出的缺陷,以便印刷工艺及时调整,具体过程如下:
10.1对图像G11B先膨胀,后腐蚀,生成图像G1′1B;
10.2对图像G1′1B和G11B进行差值运算,生成图像ΔG11B;
10.3对差值图像进行区域标记运算,计算连通区域,若存在连通区域,则表明浆料存在溢出,否则无溢出。
本发明技术方案主要采用光路转换、图像校正、边缘计算、投影分析和插值拟合等方法,具有如下有益效果:
1.在图像采集方面,采用双镜面反射采集电阻基板正反面图像,降低了视觉检测系统的空间安装需求和现有流水线改造的难度。
2.通过图像畸变校正,避免了视觉系统的机械调节难度。
3.在剥裂线检测方面,系统通过边缘提取、投影统计,插值拟合等方法,能准确计算剥裂线的倾角和分割位置。
4.系统能准确评估正导体浆料的印刷范围,能直接判断出当前印刷工序是否合格,极大减少了人工检测的强度,提高了贴片电阻制造的合格率。
附图说明
图1为基板正反面图像采集装置示意图;
图2为采集基板的正反面图像;
图3为基板背面的X轴投影示意图;
图4为基板的尺寸约束示意图;
图5为本发明算法流程图;
具体实施方式
下面结合附图对本发明做进一步说明。
在贴片电阻制造工艺过程中,正导体材料作为内电极连接电阻体,属于制造流程的重要环节,其质量直接决定元器件的摈弃或保留。考虑基板材质的不透明特性,本发明利用镜面反射原理改变光路,实现单一相机同时采集双面图像,同时考虑机械安装过程不可避免的误差,对基板正反面图像采用畸变校正以减少机械装置调节难度。针对正导体印刷,采用阈值分割、投影统计和形态学等方法,定位印刷浆料的覆盖范围和可能的溢出区域。针对背面剥裂线,采用边缘计算、投影统计、插值拟合等方法,计算其最佳的分割点,然后基于两次检测结果,判断正导体是否处于剥裂线的合理范围内,并判断是否有浆料溢出等缺陷。
如图1、图2、图3、图4和图5所示,一种贴片电阻正导体印刷缺陷的视觉检测方法,具体包括如下步骤,参看图5:
步骤1所述的采集一张贴片电阻基片正反面图像,具体是利用镜面成像原理,在正反面侧边各架设一个45°镜面,如图1所示,将正反面图像反射到相机镜头,CCD相机拍摄目标图像并将图像转换成灰度图像G。转换具体如下:
Gray=R×0.3+G×0.59+B×0.11 (1)
所述的对目标图像中的每一个像素点处理,就能将其转换成灰度图像G;其中R、G、B为一个像素点的值的基色分量;
步骤1采集的样图如图2所示,上部分为基板正面,下部分为基板背面。
步骤2针对图像G中基板的正反两面图像,进行畸变校正,生成新的图像G1。此时,校正后的正反子图区,分别标记为G11和G12。校正参数一般在系统安装过程中预先计算。具体过程如下:
2.1在待检测位置放置样本卡片(正反图案一致),借助光学反射同时采集正反两面图像;
2.2选取样本卡片中某个图案,计算其在正反两面的边界点,一般可以选择矩形区域;
2.3根据计算的边界点,确定两个正反图像的校正参数,主要包括:坐标偏差、角度偏差和比例。假定上下区域参照图案的的外接区域分别为box1(X,Y,Width,Height,Angle)和box2(X,Y,Width,Height,Angle),则校正参数为:
ΔAngle=box2.Angle-box1.Angle (2)
ΔScale=box2.Width/box1.Width (3)
ΔLoc=(box2.X-box1.X,box2.Y-box1.Y) (4)
其中,参数(X,Y,Width,Height,Angle)分别为外接区域的中心X坐标、Y坐标、宽度、高度和倾角。考虑到整个机架安装的较为平整且镜面安装接近理想角度,正反图案在比例和角度上差异较小,一般以坐标偏差为主。
在实时检测过程中,可依据上述参数校正基板图像,校正后的正反子图分别标记为G11和G12。
步骤3所述的针对贴片电阻基板反面图像G12,进行图像预处理和边缘计算,生成图像GE。图像预处理一般采用中值滤波等方法,去除可能杂质干扰点。而边缘计算,一般采用Canny等算子,提取剥裂线的边缘信息。
步骤4.在一定的角度范围内,旋转图像GE,计算图像边缘点在X轴投影的累积值P(θ)。具体过程如下:
4.1确定基板材料的大致倾角范围和搜索间隔:考虑机械平台和采集图像的环境,基板剥裂线的倾角一般在(-6°,6°)之间,角度间隔可以选在0.5°-1°之间;
4.2在搜索范围内,任选一个角度θ,对GE进行X轴投影,生成一维向量P(θ)。其中,对于GE中任意一点P(i,j)不为0,则其在X轴上第i处投影值增加1,否则,对投影值无影响。采用该方法可以统计边缘点投影分布情况。图3显示了投影的示意效果,峰值区域对应着剥裂线所在区域。
步骤5.对所有角度的投影累积值P(θ),依据投影值的分布特性,通过插值拟合方式计算出最佳倾角θ1。具体过程如下:
5.1针对任意角度θ,计算P(θ)最大值Pmax(θ);
5.2搜索P(θ),寻找所有的局部最大值点,形成点集EP(θ)。该点集中任意点的Pi(θ)应满足:
Pi(θ)>k1×Pmax(θ) (5)
其中,k1比值系数,一般设为0.5既可满足要求;
5.3针对不同的角度θ,计算EP(θ)的平均值,并计算出最大平均值所对应的角度θt;
5.4选取角度θt周边若干值,进行二次插值计算,计算出最佳角度θ1。
步骤6.对图像G12旋转θ1,统计边缘点在X轴投影的累积值P(θ1),求出剥裂线的最佳分割点。具体过程如下:
6.1针对图像G12,旋转θ1,并采用Canny等算子提取边缘信息,生成图像生成G′E;
6.2计算G′E边缘点在X轴的投影累积值,生成一维向量P(θ1);
6.3计算P(θ1)的所有局部峰值,并在该峰值周围进行二次插值拟合,计算出最佳峰值对应的坐标,该坐标即为剥裂线的分割点。所有分割点构成分割点集:Xs。
步骤7:针对基板正面图像G11,旋转θ1,然后进行二值化图像分割,生成新图像G11B。
具体过程如下:
7.1针对基板正面图像G11,旋转θ1;
7.2依据灰度阈值进行二值化分割,提取电阻浆料所在区域,生成新图像G11B。图像分割的灰度阈值可由用户指定或系统自动计算,一般阈值合理范围在90到180之间。
步骤8:计算G11B在X轴投影,分析贴片正导体的边界信息。具体过程如下:
8.1针对图像G11B任意点G(i,j),若其灰度为0,即为导体浆料,则在X轴第i处的投影值加1,否则,对投影值无影响。按此方法生成一维投影向量Prj;
8.2计算Prj的局部峰值点,设其中第i个峰值为Prj(xi),其中xi为X坐标;
8.3往xi左右两边延伸,计算峰值点附近边界,边界应该满足公式(6)、(7),即:
Prj(Li)>k2×Prj(xi) (6)
Prj(Ri)>k3×Prj(xi) (7)
其中,Li和Ri为第i个峰值区域的左右边界,k2和k3为边界峰值参数,一般可以设置为0.5到0.8之间。
步骤9:比较基板正反面边缘信息,判断正导体边界是否符合要求。
设第i块正导体的边界为(Li,Ri),而对应的剥裂线为Xs(i)其边界条件应该满足:
dL=Xs(i)-Li>Δspace (8)
dR=Ri-Xs(i)>Δspace (9)
abs(dR-dL)<k4×(Ri-Li) (10)
其中,dL和dR为正导体与剥裂线的间距,Δspace为宽度阈值,与生产工艺相关,k4为左右厚度偏差系数,一般在3-5%之间。图4显示了破裂线与导体的边缘尺寸要求。
步骤10:判断印刷工序是否存在浆料溢出的缺陷。
该步骤主要判断是否存在导体浆料溢出的缺陷,以便印刷工艺及时调整,具体过程如下:
10.1对图像G11B先膨胀,后腐蚀,生成图像G1′1B;
10.2对图像G1′1B和G11B进行差值运算,生成图像ΔG11B;
10.3对差值图像进行区域标记运算,计算连通区域,若存在连通区域,则表明浆料存在溢出,否则无溢出。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案基础之上,本领域技术人员无需付出创造性劳动即可做出各种调整或变换方案仍然在本发明的保护范围以内。
Claims (10)
1.贴片电阻正导体印刷缺陷的视觉检测方法,其特征在于,包括如下步骤:
步骤1:采集一张贴片电阻基片正反面图像G,具体过程如下:在贴片电阻基片正反面侧边各架设一个45°镜面,将正反面图像反射到相机镜头,CCD相机拍摄目标图像,并对目标图像中的每一个像素点处理,将图像转换成灰度图像G,转换具体如下:
Gray=R×0.3+G×0.59+B×0.11 (1)
其中,R、G、B为一个像素点的值的基色分量;
步骤2:针对图像G中正反两面子图像,通过角点畸变校正,生成新的图像G1;校正后的基板正反面,分别标记为G11和G12;
步骤3:针对贴片电阻基板反面图像G12,进行图像预处理和边缘计算,生成图像GE;
步骤4:在一定的角度范围内,旋转图像GE,计算边缘点在X轴投影的累积值P(θ);
步骤5:对所有角度的投影累积值P(θ),依据投影值的分布特性,通过插值拟合方式计算出最佳倾角θ1;
步骤6:对图像G12旋转θ1,统计边缘点在X轴投影的累积值P(θ1),求出剥裂线的最佳分割点;
步骤7:针对基板正面图像G11,旋转θ1,然后进行二值化图像分割,生成新图像G11B;
步骤8:计算G11B在X轴投影,计算其边缘信息;
步骤9:比较基板正反面边缘信息,判断正导体边界是否符合要求;
步骤10:判断正面导体印刷是否存在浆料溢出的缺陷。
2.如权利要求1所述的贴片电阻正导体印刷缺陷的视觉检测方法,其特征在于,在所述步骤2中,校正参数预先确定,具体过程如下:
步骤2.1:在待检测位置放置样本卡片,借助光学反射同时采集正反两面图像;
步骤2.2:选取样本卡片中某个图案,计算其在正反两面的边界点;
步骤2.3:根据计算的边界点,确定两个正反图像的校正参数,包括:坐标偏差、角度偏差和比例;假定上下区域参照图案的的外接区域分别为box1(X,Y,Width,Height,Angle)和box2(X,Y,Width,Height,Angle),则校正参数为:
ΔAngle=box2.Angle-box1.Angle (2)
ΔScale=box2.Width/box1.Width (3)
ΔLoc=(box2.X-box1.X,box2.Y-box1.Y) (4)
其中,参数(X,Y,Width,Height,Angle)分别为外接区域的中心X坐标、Y坐标、宽度、高度和倾角;依据上述参数校正基板图像,校正后的正反子图分别标记为G11和G12。
3.如权利要求1所述的贴片电阻正导体印刷缺陷的视觉检测方法,其特征在于,所述步骤3中,图像预处理采用中值滤波等方法;边缘计算采用Canny算子提取剥裂线的边缘信息。
4.如权利要求1所述的贴片电阻正导体印刷缺陷的视觉检测方法,其特征在于,所述步骤4中,具体过程如下:
步骤4.1:确定基板材料的大致倾角范围和搜索间隔:基板剥裂线的倾角在(-6°,6°)之间,角度间隔选在0.5°到1°之间;
步骤4.2:在搜索范围内,任选一个角度θ,对GE进行X轴投影,生成一维向量P(θ);其中,对于GE中任意一点P(i,j)不为0,则其在X轴上第i处投影值增加1,否则,对投影值无影响。
5.如权利要求1所述的贴片电阻正导体印刷缺陷的视觉检测方法,其特征在于,所述步骤5中,具体过程如下:
步骤5.1:针对任意角度θ,计算P(θ)最大值Pmax(θ);
步骤5.2:搜索P(θ),寻找所有的局部最大值点,形成点集EP(θ),该点集中任意点的Pi(θ)应满足:
Pi(θ)>k1×Pmax(θ) (5)
其中,k1比值系数;
步骤5.3:针对不同的角度θ,计算EP(θ)的平均值,并计算出最大平均值所对应的角度θt;
步骤5.4:选取角度θt周边若干值,进行二次插值计算,计算出最佳角度θ1。
6.如权利要求1所述的贴片电阻正导体印刷缺陷的视觉检测方法,其特征在于,所述步骤6中,具体过程如下:
步骤6.1:针对图像G12,旋转θ1,并采用Canny算子提取边缘信息,生成图像生成G′E;
步骤6.2:计算G′E边缘点在X轴的投影累积值,生成一维向量P(θ1);
步骤6.3:计算P(θ1)的所有局部峰值,并在该峰值周围进行二次插值拟合,计算出最佳峰值对应的坐标,该坐标即为剥裂线的分割点,所有分割点构成分割点集:Xs。
7.如权利要求1所述的贴片电阻正导体印刷缺陷的视觉检测方法,其特征在于,所述步骤7中,具体过程如下:
步骤7.1:针对基板正面图像G11,旋转θ1;
步骤7.2:依据灰度阈值进行二值化分割,提取电阻浆料所在区域,生成新图像G11B,其中,图像分割的灰度阈值由用户指定或系统自动计算。
8.如权利要求1所述的贴片电阻正导体印刷缺陷的视觉检测方法,其特征在于,所述步骤8中,具体过程如下:
步骤8.1:针对图像G11B任意点G(i,j),若其灰度为0,即为导体浆料,则在X轴第i处的投影值加1,否则,对投影值无影响,按此方法生成一维投影向量Prj;
步骤8.2:计算Prj的局部峰值点,设其中第i个峰值为Prj(xi),其中xi为X坐标;
步骤8.3:往xi左右两边延伸,计算峰值点附近边界,边界应该满足公式(6)、(7),即:
Prj(Li)>k2×Prj(xi) (6)
Prj(Ri)>k3×Prj(xi) (7)
其中,Li和Ri为第i个峰值区域的左右边界,k2和k3为边界峰值参数。
9.如权利要求1所述的贴片电阻正导体印刷缺陷的视觉检测方法,其特征在于,所述步骤9中,
设第i块正导体的边界为(Li,Ri),而对应的剥裂线为Xs(i)
其边界条件应该满足:
dL=Xs(i)-Li>Δspace (8)
dR=Ri-Xs(i)>Δspace (9)
abs(dR-dL)<k4×(Ri-Li) (10)
其中,dL和dR为正导体与剥裂线的间距,Δspace为宽度阈值,k4为左右厚度偏差系数。
10.如权利要求1所述的贴片电阻正导体印刷缺陷的视觉检测方法,其特征在于,所述步骤10中,具体过程如下:
步骤10.1:对图像G11B先膨胀,后腐蚀,生成图像G1′1B;
步骤10.2:对图像G1′1B和G11B进行差值运算,生成图像ΔG11B;
步骤10.3:对差值图像进行区域标记运算,计算连通区域,若存在连通区域,则表明浆料存在溢出,否则无溢出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810128799.0A CN108537772B (zh) | 2018-02-08 | 2018-02-08 | 贴片电阻正导体印刷缺陷的视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810128799.0A CN108537772B (zh) | 2018-02-08 | 2018-02-08 | 贴片电阻正导体印刷缺陷的视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108537772A true CN108537772A (zh) | 2018-09-14 |
CN108537772B CN108537772B (zh) | 2020-06-23 |
Family
ID=63485824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810128799.0A Active CN108537772B (zh) | 2018-02-08 | 2018-02-08 | 贴片电阻正导体印刷缺陷的视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108537772B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109856154A (zh) * | 2019-01-14 | 2019-06-07 | 无锡和博永新科技有限公司 | 基于机器视觉的贴片电阻印刷质量在线检测方法和装置 |
CN111986159A (zh) * | 2020-07-24 | 2020-11-24 | 苏州威华智能装备有限公司 | 太阳能电池片的电极缺陷检测方法、设备及存储介质 |
CN112489002A (zh) * | 2020-11-24 | 2021-03-12 | 广东省电子技术研究所 | 一种缺陷检测方法、装置、设备及存储介质 |
CN112579540A (zh) * | 2020-11-03 | 2021-03-30 | 珠海越亚半导体股份有限公司 | 元器件贴装位置标识方法、贴装控制方法、设备和介质 |
CN113706525A (zh) * | 2021-10-20 | 2021-11-26 | 武汉飞恩微电子有限公司 | 一种基于图像处理的印刷电路板贴片缺陷智能识别方法 |
CN113933315A (zh) * | 2021-10-13 | 2022-01-14 | 深圳市中纬智能有限公司 | 贴片电路板共线性检测方法与系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150269723A1 (en) * | 2014-03-18 | 2015-09-24 | Arizona Board Of Regents On Behalf Of Arizona State University | Stereo vision measurement system and method |
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 |
CN105181706A (zh) * | 2015-09-23 | 2015-12-23 | 电子科技大学 | 一种基板上的贴片电阻不良缺陷检测方法 |
US20170193649A1 (en) * | 2015-08-05 | 2017-07-06 | Harbin Institute Of Technology | Multi-type BGA Chip Visual Recognition Method Using Line Based Clustering |
-
2018
- 2018-02-08 CN CN201810128799.0A patent/CN108537772B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150269723A1 (en) * | 2014-03-18 | 2015-09-24 | Arizona Board Of Regents On Behalf Of Arizona State University | Stereo vision measurement system and method |
US20170193649A1 (en) * | 2015-08-05 | 2017-07-06 | Harbin Institute Of Technology | Multi-type BGA Chip Visual Recognition Method Using Line Based Clustering |
CN105181706A (zh) * | 2015-09-23 | 2015-12-23 | 电子科技大学 | 一种基板上的贴片电阻不良缺陷检测方法 |
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 |
Non-Patent Citations (2)
Title |
---|
何萍等: "贴片电阻表面缺陷自动识别方法", 《光子学报》 * |
程良伦等: "基于二值投影的PCB元件安装缺陷检测算法研究", 《计算机工程与设计》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109856154A (zh) * | 2019-01-14 | 2019-06-07 | 无锡和博永新科技有限公司 | 基于机器视觉的贴片电阻印刷质量在线检测方法和装置 |
CN109856154B (zh) * | 2019-01-14 | 2022-03-29 | 无锡和博永新科技有限公司 | 基于机器视觉的贴片电阻印刷质量在线检测方法和装置 |
CN111986159A (zh) * | 2020-07-24 | 2020-11-24 | 苏州威华智能装备有限公司 | 太阳能电池片的电极缺陷检测方法、设备及存储介质 |
CN111986159B (zh) * | 2020-07-24 | 2024-02-27 | 苏州威华智能装备有限公司 | 太阳能电池片的电极缺陷检测方法、设备及存储介质 |
CN112579540A (zh) * | 2020-11-03 | 2021-03-30 | 珠海越亚半导体股份有限公司 | 元器件贴装位置标识方法、贴装控制方法、设备和介质 |
CN112489002A (zh) * | 2020-11-24 | 2021-03-12 | 广东省电子技术研究所 | 一种缺陷检测方法、装置、设备及存储介质 |
CN113933315A (zh) * | 2021-10-13 | 2022-01-14 | 深圳市中纬智能有限公司 | 贴片电路板共线性检测方法与系统 |
CN113933315B (zh) * | 2021-10-13 | 2024-04-05 | 深圳市中纬智能有限公司 | 贴片电路板共线性检测方法与系统 |
CN113706525A (zh) * | 2021-10-20 | 2021-11-26 | 武汉飞恩微电子有限公司 | 一种基于图像处理的印刷电路板贴片缺陷智能识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108537772B (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537772A (zh) | 贴片电阻正导体印刷缺陷的视觉检测方法 | |
CN109785316B (zh) | 一种芯片表观缺陷检测方法 | |
US5912984A (en) | Method and apparatus for in-line solder paste inspection | |
US5982927A (en) | Methods and apparatuses for in-line solder paste inspection | |
CN107945184B (zh) | 一种基于彩色图像分割和梯度投影定位的贴装元件检测方法 | |
CN108776140A (zh) | 一种基于机器视觉的印刷品瑕疵检测方法及系统 | |
CN111899241B (zh) | 一种定量化的炉前pcb贴片缺陷在线检测方法及系统 | |
US20060271226A1 (en) | Inspection standard setting device, inspection standard setting method and process inspection device | |
CN113706525B (zh) | 一种基于图像处理的印刷电路板贴片缺陷智能识别方法 | |
CN110678003B (zh) | Pcb阻焊检测修补一体机及工艺方法 | |
CN107369176B (zh) | 一种柔性ic基板氧化面积检测系统及方法 | |
CN110930368B (zh) | 一种薄板搭接焊缝实时焊接图像特征提取方法 | |
CN108311409A (zh) | 一种基于人工智能图像识别的印刷电路板检测系统 | |
CN111260788A (zh) | 一种基于双目视觉的配电柜开关状态识别方法 | |
CN110490826B (zh) | 一种照相机中雾滴样本图像处理方法 | |
CN111879777A (zh) | 软资材贴合瑕疵检测方法、装置、设备以及存储介质 | |
CN106017328B (zh) | 一种多类型线宽测量方法及装置 | |
CN115239626A (zh) | 缺陷检测方法、光学检测设备、电子设备以及存储介质 | |
Elian et al. | Implementation of computer vision algorithms for position correction of chip-mounter machine | |
CN111310402B (zh) | 一种基于面面平行的印刷电路板裸板缺陷检测方法 | |
CN113674260A (zh) | 一种smt焊点缺陷检测方法 | |
CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
CN116245793A (zh) | 基于视觉的色环电阻阻值检测方法 | |
CN114720473A (zh) | 基于机器视觉的车载屏幕背板的缺陷检测方法 | |
JP2001024321A (ja) | 検査データ作成方法 |
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 |