CN109064420B - 一种多层pcb截面图像工艺参数提取方法 - Google Patents
一种多层pcb截面图像工艺参数提取方法 Download PDFInfo
- Publication number
- CN109064420B CN109064420B CN201810766941.4A CN201810766941A CN109064420B CN 109064420 B CN109064420 B CN 109064420B CN 201810766941 A CN201810766941 A CN 201810766941A CN 109064420 B CN109064420 B CN 109064420B
- Authority
- CN
- China
- Prior art keywords
- contour
- image
- extracting
- copper
- straight edge
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000008569 process Effects 0.000 title claims abstract description 23
- 238000000605 extraction Methods 0.000 title claims abstract description 11
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims abstract description 51
- 229910052802 copper Inorganic materials 0.000 claims abstract description 50
- 239000010949 copper Substances 0.000 claims abstract description 50
- 230000009466 transformation Effects 0.000 claims abstract description 13
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 239000010410 layer Substances 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 10
- 238000003908 quality control method Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 150000003071 polychlorinated biphenyls Chemical class 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种多层PCB截面图像工艺参数提取方法，包括：获取PCB截面显微图像，经预处理后，提取铜路轮廓，对铜路轮廓进行角度仿射变换，使图像中铜路轮廓中长条方向旋转至水平位置，然后进行参数提取；参数提取包括步骤：针对某一个轮廓，提取该轮廓所有点的纵坐标,依据纵坐标进行直方图统计，基于直方图寻找当前轮廓上直边以及下直边的初步纵坐标值，然后根据初步纵坐标值邻域信息，利用均值统计的方法得到准确的上直边和下直边纵坐标值，再根据轮廓信息得到各个直边以及角点的坐标，进而可根据需求计算各个工艺参数。本发明可自动实现对显微图像的感兴趣区域分割，并对分割后区域的相关工艺参数进行自动提取，具有效率高、准确性高的优点。
Description
技术领域
本发明涉及图像处理以及PCB参数测定研究领域，特别涉及一种多层PCB(印制电路板)截面图像工艺参数提取方法。
背景技术
随着电子技术的发展，PCB产品也往高精度、高密度、小间距、多层化的方向发展，因此PCB厂商对PCB的品控要求也越来越高，铜路之间的间距、铜路的厚度等等参数都有严格的控制。通常厂商需要对生产出来的PCB产品进行参数测算，如果参数符合标准，则产品为合格产品，如果产品参数不符合标准则产品需要淘汰，同时还需要考虑是否有必要改进PCB生产技术或重新修改PCB板电路设计。然而PCB板材厚度为毫米数量级，内部不同层铜路的品控要求到微米数量级，因此参数测算是复杂而精细的工作。
目前较为普遍的方法是通过显微镜拍摄出PCB的显微图像，将其显示在电脑上，然后人工在电脑屏幕上对图像进行手动测量，依据比例尺信息换算为实际长度，如此测算一张图片费时很久，且工人长时间标注会产生疲劳，常出现测算错误。另外，实际生产线上图片拍摄可能存在一些微小旋转，很难绝对水平，直接影响测算精度，极易导致错误结果，可靠性低。
为此，针对多层PCB截面显微图像，研究一种能够自动测量、且准确率高的工艺参数提取方法具有重要的研究意义和实用价值。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提供一种多层PCB截面图像工艺参数提取方法，该方法可自动实现对显微图像的感兴趣区域分割，并对分割后区域的相关工艺参数进行自动提取，具有效率高、准确性高的优点。
本发明的目的通过以下的技术方案实现：一种多层PCB截面图像工艺参数提取方法，包括以下步骤：
获取PCB截面显微图像，经预处理后，提取铜路轮廓，对铜路轮廓进行角度仿射变换，使图像中铜路轮廓中长条方向旋转至水平位置，记录旋转后各个轮廓的新的点坐标；依据新的铜路轮廓信息进行参数提取，步骤如下：
(1)针对某一个轮廓，提取该轮廓所有点的纵坐标,依据纵坐标进行直方图统计；
(2)从小到大搜索直方图数组，第一个局部最大值标记为当前轮廓上直边的初步纵坐标值y1；从大到小搜索直方图数组，第一个局部最大值标记为当前轮廓下直边的初步纵坐标值y2；
(3)遍历当前轮廓所有点，提取轮廓点中纵坐标分别在y1邻域、y2邻域范围内的点，对应得到数组P1、P2；
(4)分别计算P1与P2中所有点纵坐标平均值，作为当前轮廓上直边和下直边纵坐标值
再根据P1和P2中最左、最右的极点横坐标，得到当前轮廓各个直边以及角点的坐标；
(5)遍历所有轮廓，根据得到的各个轮廓中所有直边以及角点的坐标，计算得到PCB品控所需要的工艺参数。
优选的，步骤(1)中，依据纵坐标进行直方图统计时，设置直方图组距为d，图像尺寸高度为H，则直方图数据共F＝H/d个，将F个数存为一个数组A。设置该组距，可以使后续局部最大值寻找时更准确，避免噪声的影响。
优选的，步骤(5)中，PCB品控所需要的工艺参数包括但不限于：铜路的数量，铜路之间的上下间距、左右间距，铜路的厚度、长度，上下层铜路之间的层间中心偏移。
优选的，所述预处理包括滤波步骤，该滤波步骤采用高斯滤波对图像平滑降噪。
优选的，所述预处理包括二值化步骤，该步骤先将滤波后的图像转化为灰度图，然后采用OTSU算法(大津阈值法或最大类间方差法)进行自适应二值化。利用图像中铜路和灰度背景的差异，初步分割出图像中的铜路区域。
优选的，所述预处理包括形态学滤波步骤，该步骤包括：先闭运算以填补空洞以及连接轮廓可能存在的断裂，后开运算平滑轮廓边界。便于后续更精确的提取铜路轮廓。
优选的，所述预处理后，提取铜路轮廓，包括步骤：
预设轮廓长度阈值N，轮廓面积阈值M；
提取预处理后图像中所有的连续封闭轮廓，计算每个轮廓的长度以及围成的面积，保留同时满足长度大于M以及面积大于N两个条件的轮廓；
剔除与图像边界连接的轮廓，则剩下的轮廓即为提取的铜路轮廓。
优选的，所述对铜路轮廓进行角度仿射变换，使图像中铜路轮廓中长条方向旋转至水平位置，步骤是：获得轮廓最小包围矩形，即包围当前轮廓所有点面积最小的矩形，根据最小包围矩形的位置，确定其长边与水平方向的角度，构造二维线性变换旋转矩阵，对原图像进行仿射变换。
本发明与现有技术相比，具有如下优点和有益效果：
1、本发明实现了PCB显微图像的铜路角点和直边的坐标计算，可以按生产方的品控需求测算出各种需要的参数。
2、由于电路板印刷的腐蚀作用，造成铜路粗糙，直边参差不齐，采用传统的直线拟合、霍夫曼检测等图像处理方法效果不佳，精度不高。本发明设计的基于轮廓纵坐标直方图的双边夹逼和邻域均值统计的再优化过程保证了测量的精度和程序速度，效率很高。
3、本发明可针对流水线上拍摄的显微图像进行全自动化的参数提取，免去了人工费时费力的手动测量，提高了测量精度和速度，还降低了成本。
附图说明
图1(a)为本实施例通过显微镜拍摄出的流水线上PCB带状线图像。
图1(b)为本实施例通过显微镜拍摄出的流水线上PCB层偏图像。
图2为本实施例方法的流程图。
图3为本实施例方法中轮廓筛除的流程图。
图4为本实施例方法中参数提取的流程图。
图5(a)是将提取的参数直接标注在原带状线图像上的效果图。
图5(b)是将提取的参数直接标注在原层偏图像上的效果图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例
多层PCB板根据设计的不同其内部的铜路结构布置以及间距等等均有不同，例如图1(a)、图1(b)所示的两幅图，分别为通过显微镜拍摄出PCB带状线图像和层偏图像。本实施例提出的多层PCB截面图像工艺参数提取方法可针对上述各种类型图像中的参数进行自动提取，下面结合附图进行具体说明。
参见图2，本实施例多层PCB截面图像工艺参数提取方法，包括步骤：
一、滤波。
对图像平滑降噪，滤波采用高斯滤波，本实施例中拍摄的图像尺寸为1600x1200，故高斯核大小可取(9，9)左右，得到滤波后的图像。
二、二值化。
将滤波后的RGB三通道图转为单通道灰度图，然后采用OTSU算法进行自适应二值化，得到黑白两色的二值图。
三、形态学滤波。
针对上述黑白两色的二值图，先闭运算以填补空洞以及连接轮廓可能存在的断裂，后开运算平滑轮廓边界。
四、轮廓提取。
使用OpenCV的findcontours方法提取出所有的连续封闭轮廓，保存所有连续封闭的轮廓点。用多个并列数组分别保存多个轮廓；每个数组是由当前轮廓所有点坐标(x,y)组成的。
五、轮廓筛除。
本实施例中，根据实际图像信息，预设轮廓长度阈值为300，轮廓面积阈值为5000。
参见图3，计算步骤四中提取的每个轮廓的长度以及围成的面积，判断长度是否大于300，同时面积是否大于5000，若同时满足，则保留轮廓，否则认定轮廓为杂质噪点轮廓，剔除该轮廓信息。
如图1(a)所示，图像中还存在不需要测量的铜路材料，因此依据轮廓点位置信息，剔除与图像边界连接的轮廓，则剩下的轮廓即为提取的铜路轮廓。
六、矩形轮廓拟合仿射变换。
所述对铜路轮廓进行角度仿射变换，使图像中铜路轮廓中长条方向旋转至水平位置，调用OpenCV的minAreaRect方法获取轮廓最小包围矩形，该方法是以包围当前轮廓所有点面积最小的矩形为原则，再以拟合矩形的旋转角度，构造二维线性变换旋转矩阵，对原图像进行仿射变换，实现为调用OpenCV的warpAffine方法。
七、轮廓参数提取。
该步骤为本发明的主要创新之处。在上述轮廓完成仿射变换后，铜路轮廓中长条方向基本在水平位置，基于该变换后的图像，进行各个轮廓中直边和角点坐标信息的提取，根据该信息，就可以自动得到各个所需要的参数。参见图4，具体步骤如下：
(7-1)遍历所有轮廓。
(7-2)提取当前轮廓所有轮廓点的纵坐标,并对其值进行直方图统计，设置直方图组距为5，图像尺寸高度为1200，则有240个数据，将240个数据存入数组A。
(7-3)对当前轮廓，从小到大搜索数组A，即顺序遍历找到第一个局部最大值，记录组数为n1，则可确定铜路轮廓上直边水平线大致纵坐标值，y1＝INT[(n1-1)*5+2.5]，INT[.]表示取整。
(7-4)同时对当前轮廓从大到小搜索数组A，即逆序遍历找到第一个局部最大值，记录组数为n2，则可确定铜路轮廓下直边水平线大致纵坐标值，y2＝INT[(n2-1)*5+2.5]。
(7-5)进一步精确提取上下直边的位置，遍历当前轮廓所有点。提取轮廓点中纵坐标在y1邻域范围内的点，即{Point(x,y)；y1-δ≤y≤y1+δ,δ＝10}，保存在数组P1中。
(7-6)同时提取轮廓点中纵坐标在y2邻域范围内的点，即{Point(x,y)；y2-δ≤y≤y2+δ,δ＝10}，保存在数组P2中。
(7-7)分别计算P1与P2中所有点纵坐标平均值，分别作为当前轮廓上直边和下直边纵坐标值
再根据P1和P2中最左、最右的极点横坐标，作为直边端点的横坐标，进而得到各个角点的坐标。
(7-8)遍历结束后根据得到的直边和角点坐标信息，按照比例尺，即可根据需求计算出任意点与点之间、点与线之间的坐标信息。
本实施例中PCB品控所需要的工艺参数包括但不限于：铜路的数量，铜路之间的上下间距、左右间距，铜路的厚度、长度，上下层铜路之间的层间中心偏移等。如图5(a)所示，该图为将提取的参数直接标注在原带状线图像上的效果图，在该图中测算参数有上线宽W1，下线宽W2，线间距S，芯板厚度H，线路铜厚T，参考层铜厚T等。图5(b)为将提取的参数直接标注在原层偏图像上的效果图，在该图中测算参数有每层线宽W_N，还有层间中心偏移O_N等。具体选择测算什么参数，可由操作人员预先设定，适当的进行删减。需要强调的是，由于本方法中自动提取出了各个轮廓中所有直边以及角点的坐标信息，因此其他相应参数在上述信息基础上均可以自动得出，无需人工手动测量。
可通过各种手段实施本发明描述的技术。举例来说，这些技术可实施在硬件、固件、软件或其组合中。对于硬件实施方案，处理模块可实施在一个或一个以上专用集成电路(ASIC)、数字信号处理器(DSP)、可编程逻辑装置(PLD)、现场可编辑逻辑门阵列(FPGA)、处理器、控制器、微控制器、电子装置、其他经设计以执行本发明所描述的功能的电子单元或其组合内。
对于固件和/或软件实施方案，可用执行本文描述的功能的模块(例如，过程、步骤、流程等)来实施所述技术。固件和/或软件代码可存储在存储器中并由处理器执行。存储器可实施在处理器内或处理器外部。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (7)
1.一种多层PCB截面图像工艺参数提取方法，其特征在于，包括以下步骤：
获取PCB截面显微图像，经预处理后，提取铜路轮廓，对铜路轮廓进行角度仿射变换，使图像中铜路轮廓中长条方向旋转至水平位置，记录旋转后各个轮廓的新的点坐标；依据新的铜路轮廓信息进行参数提取，步骤如下：
(1)针对某一个轮廓，提取该轮廓所有点的纵坐标,依据纵坐标进行直方图统计；依据纵坐标进行直方图统计时，设置直方图组距为d，图像尺寸高度为H，则直方图数据共F＝H/d个，将F个数存为一个数组A；
(2)从小到大搜索直方图数组A，第一个局部最大值标记为当前轮廓上直边的初步纵坐标值y1；从大到小搜索直方图数组，第一个局部最大值标记为当前轮廓下直边的初步纵坐标值y2；
(3)遍历当前轮廓所有点，提取轮廓点中纵坐标分别在y1邻域、y2邻域范围内的点，对应得到数组P1、P2；
(4)分别计算P1与P2中所有点纵坐标平均值，作为当前轮廓上直边和下直边纵坐标值
再根据P1和P2中最左、最右的极点横坐标，得到当前轮廓各个直边以及角点的坐标；
(5)遍历所有轮廓，根据得到的各个轮廓中所有直边以及角点的坐标，计算得到PCB品控所需要的工艺参数。
2.根据权利要求1所述的多层PCB截面图像工艺参数提取方法，其特征在于，步骤(5)中，PCB品控所需要的工艺参数包括但不限于：铜路的数量，铜路之间的上下间距、左右间距，铜路的厚度、长度，上下层铜路之间的层间中心偏移。
3.根据权利要求1所述的多层PCB截面图像工艺参数提取方法，其特征在于，所述预处理包括滤波步骤，该滤波步骤采用高斯滤波对图像平滑降噪。
4.根据权利要求3所述的多层PCB截面图像工艺参数提取方法，其特征在于，所述预处理包括二值化步骤，该步骤先将滤波后的图像转化为灰度图，然后采用OTSU算法进行自适应二值化。
5.根据权利要求1所述的多层PCB截面图像工艺参数提取方法，其特征在于，所述预处理包括形态学滤波步骤，该步骤包括：先闭运算以填补空洞以及连接轮廓可能存在的断裂，后开运算平滑轮廓边界。
6.根据权利要求1所述的多层PCB截面图像工艺参数提取方法，其特征在于，所述预处理后，提取铜路轮廓，并对轮廓进行筛除，包括步骤：
预设轮廓长度阈值N，轮廓面积阈值M；
提取预处理后图像中所有的连续封闭轮廓，计算每个轮廓的长度以及围成的面积，保留同时满足长度大于M以及面积大于N两个条件的轮廓；
剔除与图像边界连接的轮廓，则剩下的轮廓即为提取的铜路轮廓。
7.根据权利要求1所述的多层PCB截面图像工艺参数提取方法，其特征在于，所述对铜路轮廓进行角度仿射变换，使图像中铜路轮廓中长条方向旋转至水平位置，步骤是：获得轮廓最小包围矩形，即包围当前轮廓所有点面积最小的矩形，根据最小包围矩形的位置，确定其长边与水平方向的角度，构造二维线性变换旋转矩阵，对原图像进行仿射变换。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810766941.4A CN109064420B (zh) | 2018-07-13 | 2018-07-13 | 一种多层pcb截面图像工艺参数提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810766941.4A CN109064420B (zh) | 2018-07-13 | 2018-07-13 | 一种多层pcb截面图像工艺参数提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109064420A CN109064420A (zh) | 2018-12-21 |
| CN109064420B true CN109064420B (zh) | 2020-07-28 |
Family
ID=64816242
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810766941.4A Active CN109064420B (zh) | 2018-07-13 | 2018-07-13 | 一种多层pcb截面图像工艺参数提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109064420B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113063731B (zh) * | 2021-03-24 | 2023-01-20 | 上海晨兴希姆通电子科技有限公司 | 用于转盘式玻璃盖板丝印的检测系统及其检测方法 |
| CN113687365B (zh) * | 2021-06-30 | 2023-12-22 | 云南昆钢电子信息科技有限公司 | 一种基于类平面多高度层轮廓识别及坐标计算方法及系统 |
-
2018
- 2018-07-13 CN CN201810766941.4A patent/CN109064420B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109064420A (zh) | 2018-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111243032B (zh) | 一种棋盘格角点全自动检测方法 | |
| CN107808378B (zh) | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 | |
| CN109816652B (zh) | 一种基于灰度显著性的复杂铸件缺陷识别方法 | |
| CN111931538B (zh) | 一种Micro QR二维码的定位方法 | |
| CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及系统 | |
| CN102494976B (zh) | 一种超细晶粒钢晶粒的自动测量及其形态分类方法 | |
| CN112651968B (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
| CN115791822A (zh) | 晶圆表面缺陷的视觉检测算法及检测系统 | |
| CN114581742A (zh) | 基于线性度的连通域聚类融合方法、装置、系统及介质 | |
| CN112233116B (zh) | 基于邻域决策与灰度共生矩阵描述的凹凸痕视觉检测方法 | |
| CN109934808B (zh) | 一种基于图像多形状法向梯度差值pcb板缺陷分类方法 | |
| CN115096206B (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
| JP2014228357A (ja) | ひび割れ検出方法 | |
| CN111127498B (zh) | 一种基于边缘自生长的Canny边缘检测方法 | |
| CN109064420B (zh) | 一种多层pcb截面图像工艺参数提取方法 | |
| CN110567965A (zh) | 一种智能手机玻璃盖板边缘视觉缺陷检测方法 | |
| CN108802051B (zh) | 一种柔性ic基板直线线路气泡及折痕缺陷检测系统及方法 | |
| CN113066088A (zh) | 工业检测中的检测方法、检测装置和存储介质 | |
| CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
| CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
| CN116503462A (zh) | 一种圆形斑点圆心快速提取方法及系统 | |
| CN108712831B (zh) | 背钻pcb截面显微图像工艺参数提取方法 | |
| CN113378847B (zh) | 字符分割方法、系统、计算机设备和存储介质 | |
| CN114998437A (zh) | 一种空间目标形心定位方法 | |
| CN113658095A (zh) | 用于手工仪器绘图的工程图样评阅识别处理方法及装置 |
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 |