CN109060832A - 一种电子连接器插针工艺缺陷视觉检测方法 - Google Patents

一种电子连接器插针工艺缺陷视觉检测方法 Download PDF

Info

Publication number
CN109060832A
CN109060832A CN201810729953.XA CN201810729953A CN109060832A CN 109060832 A CN109060832 A CN 109060832A CN 201810729953 A CN201810729953 A CN 201810729953A CN 109060832 A CN109060832 A CN 109060832A
Authority
CN
China
Prior art keywords
electric power
contact pin
power connector
connector contact
angle
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
Application number
CN201810729953.XA
Other languages
English (en)
Other versions
CN109060832B (zh
Inventor
戴琪
季向荣
朱新爱
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.)
Shanghai Laimu Electronic Co Ltd
Original Assignee
Shanghai Laimu Electronic 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 Shanghai Laimu Electronic Co Ltd filed Critical Shanghai Laimu Electronic Co Ltd
Priority to CN201810729953.XA priority Critical patent/CN109060832B/zh
Publication of CN109060832A publication Critical patent/CN109060832A/zh
Application granted granted Critical
Publication of CN109060832B publication Critical patent/CN109060832B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种电子连接器插针工艺缺陷视觉检测方法，包括以下步骤：1)获取电子连接器插针电镀表面影像；2)基于角度张量运算理论从所述电子连接器插针电镀表面影像中提取影像特征；3)基于所述影像特征判断是否存在缺陷。与现有技术相比，本发明具有可以有效处理影像中重要特征，从而提高电子连接器插针缺陷检测的精度等优点。

Description

一种电子连接器插针工艺缺陷视觉检测方法
技术领域
本发明涉及电子连接器插针缺陷检测技术领域，尤其是涉及一种电子连接器插针工艺缺陷视觉检测方法。
背景技术
连接器工艺流程中电子连接器种类繁多，其中连接器插针冲压完成后即送电镀工段。在此阶段，连接器的电子接触表面将镀上各种金属涂层，该过程中会产生一些问题，如插针的扭曲、碎裂或变形，也同样会在冲压好的插针送入电镀设备的过程中出现细小划痕和针孔。
然而对于多数机器视觉系统供货商而言，电镀过程中所出现的许多质量缺陷还属于检测系统的“禁区”。电子连接器制造商希望检测系统能够检测到连接器插针电镀表面上各种不一致的缺陷如细小划痕和针孔。尽管这些缺陷对于其他产品(如铝制罐头底盖或其他相对平坦的表面)是很容易被识别出来的；但由于大多数电子连接器不规则和含角度的表面设计，视觉检测系统很难得到足以识别出这些细微缺陷所需的图像。
由于某些类型的插针需镀上多层金属，制造商们还希望检测系统能够分辨各种金属涂层以便检验其是否到位和比例正确。这对于使用黑白摄像头的视觉系统来说是非常困难的任务，因为不同金属涂层的图像灰度级实际上相差无几。虽然彩色视觉系统的摄像头能够成功分辨这些不同的金属涂层，但由于涂层表面的不规则角度和反射影响，照明困难的问题依然存在。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种电子连接器插针工艺缺陷视觉检测方法。
本发明的目的可以通过以下技术方案来实现：
一种电子连接器插针工艺缺陷视觉检测方法，包括以下步骤：
1)获取电子连接器插针电镀表面影像；
2)基于角度张量运算理论从所述电子连接器插针电镀表面影像中提取影像特征；
3)基于所述影像特征判断是否存在缺陷。
进一步地，所述步骤2)具体包括如下步骤：
201)从所述电子连接器插针电镀表面影像获取目标影像，并获得与目标影像中一目标点(x,y)相邻的四个像素点的灰阶值；
202)根据所述四个像素点的灰阶值估测目标点(x,y)的灰阶值；
203)根据目标点(x,y)的梯度矢量变化估测目标点(x,y)的方向角度变化；
204)根据步骤203)的结果，获得目标点(x,y)的区域及全域角度变化估测变异量，进而获取影像特征。
进一步地，所述步骤202)中，采用双线性内插法估测目标点(x,y)的灰阶值。
进一步地，所述步骤203)中，以极坐标估测目标点(x,y)梯度矢量的变化，从而估测目标点(x,y)的方向角度变化。
进一步地，所述步骤204)中，利用双倍角方式获得目标点(x,y)的区域角度变化。
进一步地，所述步骤204)中，运用彩色参考坐标角度图作为角度规范的估测标准，获得目标点(x,y)的全域角度变化。
与现有技术相比，本发明具有以下有益效果：
生产车间中容易因为杂质充斥于检测的影像中，若直接以区域性相邻点的灰阶值考虑所预估的像素点，容易因为杂质的随机性存在，使得估测的像素点灰阶值已经有杂质增量因子，造成估测失真。本发明提出一个有效的影像特征运算子(operator)，不仅能够运用影像中所存在的全局性及区域性的结构特征，而且采用双倍角度的方式对影像中像素点信息萃取，避免因为做区域性的平均，使得像素点彼此间所存在的信息，相互抵消，因此以角度运算子估测所得的变异量结合全域性以及区域性所蕴藏的信息，可以有效处理影像中重要特征，从而提高电子连接器插针缺陷检测的精度，将角度张量运算子应用于电子连接器插针电镀表面的处理上，具有对各种不规则、不一致的缺陷的影像特征萃取的有效性及功能性。
附图说明
图1为本发明的流程示意图；
图2为相邻的四个像素点在坐标点(x,y)上的灰阶值示意图；
图3为彩色参考坐标角度图示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本发明提供一种电子连接器插针工艺缺陷视觉检测方法，包括以下步骤：1)获取电子连接器插针电镀表面影像；2)基于角度张量运算理论从电子连接器插针电镀表面影像中提取影像特征；3)基于影像特征判断是否存在缺陷。本发明通过上述方法可以获得各种不规则、不一致的缺陷，如细小划痕和针孔等，在影像中讯号的变化，并且由其影像中讯号变化强度估测影像的特征信息。
如图1所示，基于角度张量运算理论提取影像特征的具体流程包括：首先摄像头对侦查目标影像f(x,y)，侦测坐标点(x,y)相邻的四个像素点，取得灰阶值，经由双线性内插(bilinear interpolation)估测坐标点(x,y)灰阶值，接着以极坐标取得估测坐标点(x,y)梯度矢量的变化而测出估测坐标点(x,y)变化的方向，最后，以区域及全域角度变化估测的变异量，找出影像特征所在。
本发明采用角度张量(Tensor)运算理论，考虑一幅影像f(x,y)中相邻的四个像素点在坐标点(x,y)上的灰阶值分别为a、b、c、d，如图1所示，点(x,y)落在这四个相邻像素点间，即0≤x,y≤1，采用双线性内插可估测点(x,y)在目标影像f(x,y)上的灰阶值，以f(x,y)表示：
以向量Vθ表示灰阶影像f(x,y)在θ方向的变化，则Vθ以极坐标方式可定义为：
其中分别为方向变化在x、y方向的分量，r是目标点(x,y)由邻近点所在的直角坐标系统转换至极坐标系统所展现的强度，θ是目标点(x,y)转换至极坐标系统所展现的角度。
另设g(x,y)为影像f(x,y)的梯度向量(gradient vector)，其定义为：
由于g(x,y)为影像f(x,y)的梯度向量，亦即切平面的垂直方向，所以若能求得θ使得g(x,y)在Vθ的投射值最小时，即可测出灰阶影像f(x,y)变化的方向，亦即使得积分式(式(3))最小值即可求出θ的变化，得出V2θ。
其中V2θ为一個双倍角表示式，使得计算区域方向上的平均量测保持原始的资讯，不会因为求得的方向角度具有正负区分，在做区域性相加造成互相抵消，所以利用双倍角可避免此问题产生，θ即可由下式求得：
进而获得强度(magnitude)r为：
r2＝(b-c)2+(d-a)2 (6)
r即表示影像中灰阶变化性强弱的所在。
经由角度张量估测运算子计算出区域变化量后，运用彩色参考坐标角度图，如图3所示，作为角度规范的估测标准，进而对影像作全局性估测，可由该估测的变异量找出影像特征所在。
最后根据影像特征判断是否存在不规则、不一致的缺陷。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (6)

1.一种电子连接器插针工艺缺陷视觉检测方法，其特征在于，包括以下步骤：
1)获取电子连接器插针电镀表面影像；
2)基于角度张量运算理论从所述电子连接器插针电镀表面影像中提取影像特征；
3)基于所述影像特征判断是否存在缺陷。
2.根据权利要求1所述的电子连接器插针工艺缺陷视觉检测方法，其特征在于，所述步骤2)具体包括如下步骤：
201)从所述电子连接器插针电镀表面影像获取目标影像，并获得与目标影像中一目标点(x,y)相邻的四个像素点的灰阶值；
202)根据所述四个像素点的灰阶值估测目标点(x,y)的灰阶值；
203)根据目标点(x,y)的梯度矢量变化估测目标点(x,y)的方向角度变化；
204)根据步骤203)的结果，获得目标点(x,y)的区域及全域角度变化估测变异量，进而获取影像特征。
3.根据权利要求2所述的电子连接器插针工艺缺陷视觉检测方法，其特征在于，所述步骤202)中，采用双线性内插法估测目标点(x,y)的灰阶值。
4.根据权利要求2所述的电子连接器插针工艺缺陷视觉检测方法，其特征在于，所述步骤203)中，以极坐标估测目标点(x,y)梯度矢量的变化，从而估测目标点(x,y)的方向角度变化。
5.根据权利要求2所述的电子连接器插针工艺缺陷视觉检测方法，其特征在于，所述步骤204)中，利用双倍角方式获得目标点(x,y)的区域角度变化。
6.根据权利要求2所述的电子连接器插针工艺缺陷视觉检测方法，其特征在于，所述步骤204)中，运用彩色参考坐标角度图作为角度规范的估测标准，获得目标点(x,y)的全域角度变化。
CN201810729953.XA 2018-07-05 2018-07-05 一种电子连接器插针工艺缺陷视觉检测方法 Active CN109060832B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810729953.XA CN109060832B (zh) 2018-07-05 2018-07-05 一种电子连接器插针工艺缺陷视觉检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810729953.XA CN109060832B (zh) 2018-07-05 2018-07-05 一种电子连接器插针工艺缺陷视觉检测方法

Publications (2)

Publication Number Publication Date
CN109060832A true CN109060832A (zh) 2018-12-21
CN109060832B CN109060832B (zh) 2021-05-04

Family

ID=64819326

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810729953.XA Active CN109060832B (zh) 2018-07-05 2018-07-05 一种电子连接器插针工艺缺陷视觉检测方法

Country Status (1)

Country Link
CN (1) CN109060832B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109967374A (zh) * 2018-12-27 2019-07-05 江苏理工学院 一种基于三维机器视觉的连接器插针尺寸检测系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101287059A (zh) * 2007-09-14 2008-10-15 西北工业大学 一种彩色图像边缘和角点特征检测方法
CN103544473A (zh) * 2013-09-17 2014-01-29 广东工业大学 一种基于机器视觉的电子连接器检测方法
CN105761271A (zh) * 2016-03-16 2016-07-13 武汉大学 核安全壳表面缺陷自动检测方法及系统
WO2016126795A1 (en) * 2015-02-03 2016-08-11 Children's Medical Center Corporation Detecting nerve damage using diffusion tensor imaging
CN107316003A (zh) * 2017-06-06 2017-11-03 银江股份有限公司 一种基于自变量线性回归及结构张量行列式的车标检测方法及系统
CN107392896A (zh) * 2017-07-14 2017-11-24 佛山市南海区广工大数控装备协同创新研究院 一种基于深度学习的木材缺陷检测方法和系统
CN107749054A (zh) * 2017-10-31 2018-03-02 努比亚技术有限公司 一种图像处理方法、装置及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101287059A (zh) * 2007-09-14 2008-10-15 西北工业大学 一种彩色图像边缘和角点特征检测方法
CN103544473A (zh) * 2013-09-17 2014-01-29 广东工业大学 一种基于机器视觉的电子连接器检测方法
CN103544473B (zh) * 2013-09-17 2016-09-07 广东工业大学 一种基于机器视觉的电子连接器检测方法
WO2016126795A1 (en) * 2015-02-03 2016-08-11 Children's Medical Center Corporation Detecting nerve damage using diffusion tensor imaging
CN105761271A (zh) * 2016-03-16 2016-07-13 武汉大学 核安全壳表面缺陷自动检测方法及系统
CN107316003A (zh) * 2017-06-06 2017-11-03 银江股份有限公司 一种基于自变量线性回归及结构张量行列式的车标检测方法及系统
CN107392896A (zh) * 2017-07-14 2017-11-24 佛山市南海区广工大数控装备协同创新研究院 一种基于深度学习的木材缺陷检测方法和系统
CN107749054A (zh) * 2017-10-31 2018-03-02 努比亚技术有限公司 一种图像处理方法、装置及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GUANGSHUAI GAO 等: "Fabric defect detection based on Gabor filter and tensor low-rank recovery", 《2017 4TH IAPR ASIAN CONFERENCE ON PATTERN RECOGNITION》 *
章为川等: "图像的角点检测研究综述", 《电子学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109967374A (zh) * 2018-12-27 2019-07-05 江苏理工学院 一种基于三维机器视觉的连接器插针尺寸检测系统及方法

Also Published As

Publication number Publication date
CN109060832B (zh) 2021-05-04

Similar Documents

Publication Publication Date Title
CN108460757B (zh) 一种手机TFT-LCD屏Mura缺陷在线自动检测方法
CN107678192B (zh) 一种基于机器视觉的Mura缺陷检测方法
CN109146860B (zh) 全自动机械设备安装泄露检测方法及装置
CN110570411A (zh) 一种基于变异系数的Mura检测方法及装置
CN107084666B (zh) 基于机器视觉的刹车片尺寸综合检测方法
CN116977358B (zh) 一种瓦楞纸生产品质视觉辅助检测方法
CN116468726B (zh) 一种在线异物线路检测方法及系统
CN109724776A (zh) 一种烧结机台车的篦条损坏程度的确定方法及装置
CN112561875A (zh) 一种基于人工智能的光伏电池板粗栅检测方法
CN114266764A (zh) 一种印刷标签的字符完整性检测方法及其装置
CN116883412B (zh) 一种石墨烯远红外电热设备故障检测方法
CN116468687A (zh) 划伤缺陷检测方法、装置及存储介质、电子设备
CN116337869A (zh) 一种基于机器视觉的双面线路板生产用检测系统
CN115471465A (zh) 一种基于差影法的tft基板线路缺陷检测方法
CN113705564B (zh) 一种指针式仪表识别读数方法
CN109060832A (zh) 一种电子连接器插针工艺缺陷视觉检测方法
CN116664584B (zh) 一种薄壁类锌合金压铸模具生产智能反馈调节系统
CN107248151B (zh) 一种基于机器视觉的液晶片智能检测方法及系统
KR20060130109A (ko) 기판 검사 장치
CN116843659A (zh) 一种基于红外图像的电路板故障自动检测方法
CN108898584B (zh) 一种基于图像分析的全自动贴面电容装焊极性判别方法
CN114266719B (zh) 一种基于霍夫变换的产品检测方法
CN109191439A (zh) 一种靶材工件表面刀纹缺陷检测方法
CN110689926A (zh) 一种高通量数字pcr图像液滴的准确检测方法
CN112837285B (zh) 一种板面图像的边缘检测方法及装置

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