CN109100370A - 一种基于投影法和连通域分析的pcb板缺陷检测方法 - Google Patents

一种基于投影法和连通域分析的pcb板缺陷检测方法 Download PDF

Info

Publication number
CN109100370A
CN109100370A CN201810667818.7A CN201810667818A CN109100370A CN 109100370 A CN109100370 A CN 109100370A CN 201810667818 A CN201810667818 A CN 201810667818A CN 109100370 A CN109100370 A CN 109100370A
Authority
CN
China
Prior art keywords
connected domain
image
pcb board
area
sciagraphy
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
CN201810667818.7A
Other languages
English (en)
Inventor
伍世虔
陈彬
李鑫
鲁阳
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.)
Wuhan University of Science and Engineering WUSE
Wuhan University of Science and Technology WHUST
Original Assignee
Wuhan University of Science and Engineering WUSE
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 Wuhan University of Science and Engineering WUSE filed Critical Wuhan University of Science and Engineering WUSE
Priority to CN201810667818.7A priority Critical patent/CN109100370A/zh
Publication of CN109100370A publication Critical patent/CN109100370A/zh
Pending legal-status Critical Current

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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • 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
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95638—Inspecting patterns on the surface of objects for PCB's

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)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于投影法和连通域分析的PCB板缺陷检测方法，主要包括以下几个步骤：首先对采集到的PCB板图像进行预处理，实现二值化；然后对板子进行倾斜校正，并利用投影法对其进行单元分割；最后，统计无缺陷模板中单元块的连通域数量Num及面积，并将各连通域面积按由大到小排列，记作Area，将连通域数量Num和面积序列Area作为特征，再统计待检测图像中各个单元块的相应参数，将其逐个与模板的标准参数比对，判断是否有缺陷及缺陷类型。实验表明，该发明对于由多个重复单元组成的PCB裸板上的短路及开路等缺陷具有很好的检测效果，检测精度高、速度快，成本低，具有很好的实际应用价值。

Description

一种基于投影法和连通域分析的PCB板缺陷检测方法
技术领域
本发明涉及PCB板的自动在线缺陷检测，具体涉及一种基于投影法和连通域分析的PCB板缺陷检测方法。
背景技术
印制电路板(Printed Circuit Board，简称PCB),是各种电子元器件的载体，在电子通信等许多领域中都有着广泛的应用，需求量巨大。随着工艺的提高，电子技术的发展，电路板向小元件、高密度、细间距方向发展。由于其结构复杂、生产工序繁多，出现断路、短路、线细等缺陷不可避免。传统的人工目测、电子检测等方法因其检测速度慢，易漏检，且接触法检测易损伤PCB等缺点，已经不能满足生产的需要。自动光学检测技术(AOI)在PCB的缺陷检测上应用越来越多，也出现了很多商用的检测设备。但大都价格昂贵。如何经济有效的实现PCB的自动检测，成为中小企业迫切需要解决的问题。
机器视觉检测算法是自动光学检测的关键技术，国内外学者也提出了不少算法，主要包括三类：参考比较法、设计准则校验法和混合法。
⑴参考比较法是将待检测PCB图像和标准PCB图像逐点进行比较，或者将待检测PCB图像上提取的特征与标准PCB图像所提取的特征进行比较，有差异即认为有缺陷，常见的算法是通过差影、异或运算识别缺陷，通过统计待检测区域的连通域个数及面积识别缺陷等。这种方法速度快，硬件实现容易，但光照和定位的要求比较高，若待检测图像和参考图像没有精确配准，将产生虚假警报。
⑵设计准则校验法是通过检测待检测PCB板子是否满足预先定义的设计准则来判断其是否有缺陷。这种方法的优点是不需要标准PCB图像的信息，可以降低对存储空间的需求，不需要配准就能进行常见缺陷的检测，但是运算复杂，计算量大，还必须根据设计准则设计出相应的图案数据结构，只能检测出不符合设计准则的缺陷。
⑶混合法是将以上两种方法结合起来对PCB进行检测，希望综合两者的优点来实现检测。
发明内容
本发明的目的是对尚未安装电子元器件的具有重复单元的PCB进行缺陷检测。对于大规格的PCB板，为了满足低成本高精度的检测要求，需要多个面阵相机同时进行图像采集。若先完成图像拼接再整板进行缺陷检测，数据量大，运算时间长，无法满足在线检测的要求。因此，考虑将PCB上的重复单元分割出来，逐个进行缺陷检测，以减少图像拼接。由于各单元块的间隙很小，实现单元块的分割是本发明要解决的一个重要问题。完成单元分割后，对单元块进行缺陷检测。PCB板上单元块的电路类型多样，要实现准确快速的在线检测，就要求检测算法准确且稳定可靠，但又不能太过复杂，具有较好的通用性。
本发明对采集到的PCB图像，先进行预处理，再通过投影法实现单元块的分割，最后与标准单元块进行比较，实现缺陷检测，主要检测开路和短路等缺陷。
本发明提供一种基于投影法和连通域分析的PCB板缺陷检测方法，主要包括以下步骤：
步骤1，采集待检测PCB板灰度图像，并对其进行预处理；
步骤2，利用投影法对预处理后的图像进行单元分割，即将PCB板上重复的单元块独立分割开；
步骤3，缺陷检测，统计无缺陷模板中单元块的连通域数量Num及面积，并将各连通域面积按由大到小排列，记作序列Area，将连通域数量Num和面积序列Area作为特征，再统计待检测图像中各个单元块的相应参数，将其逐个与模板的标准参数比对，判断是否有缺陷及缺陷类型。
进一步的，所述步骤3缺陷检测的具体实现方式如下，
步骤3.1，统计无缺陷模板中单元块的连通域数量Num及面积，并将各连通域面积按由大到小排列，记作序列Area；
步骤3.2，统计待检测图像中各个单元块的相应参数NumD和AreaD，将其逐个与模板的标准参数Num和Area比对，判断是否有缺陷及缺陷类型；判断方式如下，
①若待检测单元块的连通域数量大于标准参数，即NumD＞Num，则缺陷为断路；
②若待检测单元块的连通域数量小于标准参数，即NumD＜Num，则缺陷为短路；
③若待检测单元块的连通域数量等于标准参数，即NumD＝Num，继续对比面积，若各连通域面积的相对误差不超过±δ，则判定无缺陷，否则，也标记为有缺陷。
进一步的，所述步骤1中的预处理包括如下子步骤，
步骤1.1，对采集到的灰度图像f进行伽马变换得到fg，
fg(x,y)＝c·f(x,y)γ
其中，x,y表示像素点坐标，c和γ为常数参数；
步骤1.2，对伽马变换后的图像用Otsu的方法计算得到全局阈值Th，得到二值图像fb，
进一步的，所述步骤2中利用投影法对预处理后的图像进行单元分割的具体实现方式如下，
步骤2.1，采用张正友相机标定法对系统进行标定，获得相机的内外参数，利用这些参数对二值化后的图像fb进行畸变校正得到fc；
步骤2.2，对校正后的图像fc减半采样，得到fch，
fch(m,n)＝fc(2m-1,2n-1)
其中，m＝1,2,...,x/2；n＝1,2,...,y/2，x,y表示像素点坐标；
步骤2.3，对图像fch做Radon变换求出待检测PCB板的倾斜角度θ，然后根据倾斜角度θ将二值图像fc旋正，得到fbr；
步骤2.4，对旋正后的二值图像fbr求其行投影V(i)和列投影H(j)；
步骤2.5，设置合适的阈值ThV和ThH，然后通过截底将位于底部较低的投影截去，
步骤2.6，搜索截底后的投影结果VN(i)和HN(j)，找到的波谷位置即为图像fbr中单元块间隙的位置，实现单元块的分割。
进一步的，所述步骤2.3中获得倾斜角度θ的具体实现方式为，在-1°～1°的范围内，每隔0.1°对图像fch进行Radon变换，获得从-1°～1°，每隔0.1°，共21个角度对应的投影图，统计各投影图中像素值为0的点的数量，数量最多的投影图对应的角度即为PCB板的倾斜角度θ。
进一步的，所述的步骤3.2中δ＝0.8％。
进一步的，所述的步骤1.1中的参数c＝1，γ＝0.5。
与现有技术相比，本发明的优点和有益效果如下：
1.在进行缺陷检测之前，先对采集到的图像进行单元分割，解决了大规格PCB板检测时先拼接再进行缺陷检测，数据量大，运算时间长的问题；
2.本发明的单元分割采用投影法，算法简单，速度快，可靠性好；
3.投影之前，先对图像减半采样，再通过Randon变换实现PCB板子的倾斜矫正，提高检测速度；
4.缺陷检测时采用先对比待检测图像分割单元块与无缺陷模板单元块中连通域的数量，再对比连通域的面积序列，检测PCB板上的短路和断路缺陷，速度快，鲁棒性好。
实验表明，该发明对于由多个重复单元组成的PCB裸板上的短路及开路等缺陷具有很好的检测效果，能检测到的最小缺陷为0.15mm，检测速度最快可达10m/min，检测精度高、速度快，成本低，具有很好的实际应用价值。
附图说明
图1为本发明实施例流程图；
图2为本发明实施例中采集到的PCB板图像；
图3为本发明实施例中预处理后图像；
图4为本发明实施例中倾斜校正后图像的行投影和列投影，其中，(a)行投影，(b)列投影；
图5为本发明实施例中截底后的行投影和列投影，其中，(a)行投影，(b)列投影；
图6为本发明实施例中PCB板单元分割结果；
图7为本发明实施例中标准单元块；
图8为本发明实施例中待检测单元块，其中，(a)断路，图中椭圆线框内为缺陷，图下方为缺陷的放大图；(b)短路，图中椭圆线框内为缺陷，图下方为缺陷的放大图；(c)无缺陷，(d)有缺陷，图中椭圆线框内为缺陷，图下方为缺陷的放大图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步说明。
参见图1，本发明所描述的一种基于投影法和连通域分析的PCB板缺陷检测方法，包括以下步骤：
步骤1，采集待检测PCB板灰度图像f，并对其进行预处理。其过程如下：
步骤1.1，首先进行图像采集，所用的是华睿A3A20CG8CMOS面阵相机，该相机分辨率为1200万像素，能够满足检测精度的要求，采集到的原始PCB板图像如图2所示。对采集到的灰度图像f进行伽马变换得到fg：
fg(x,y)＝c·f(x,y)γ
其中，x,y表示像素点坐标，参数c＝1，γ＝0.5。
步骤1.2，对伽马变换后的图像用Otsu的方法计算得到全局阈值Th，得到二值图像fb：
伽马变换矫正了幂律响应现象，增强了图像对比度和细节特征，之后再使用最大类间方差法(Otsu)实现了图像的二值化，将电路从PCB板上分割出来，效果如图3所示。
步骤2，对预处理后的图像fb进行单元分割，即将PCB板上的各个重复单元块独立的分割开，本实施例中采用投影法来实现单元分割。
图像投影是将二值图像在某一方向上做线性积分，对于数字图像即为累加求和。通过水平和垂直方向的投影，可将二维图像的像素分布特征简化为x轴和y轴上的两个一维函数，可以获得图像在这两个方向上的特性。
投影法就是根据这两个一维函数反映的特征来判定图像的切割位置坐标，再用这个坐标来切割原图像，最终实现单元分割的。
本发明中，PCB板上的重复单元呈整齐的行列排列，其二值化后的图像背景为黑色，目标物为白色。若将二值化后的图像旋正，再分别求取行投影和列投影，那么投影的波谷处应恰好为单元块间的间隙位置。
具体实施步骤如下：
步骤2.1，由于采集到的图像有畸变，在分割前先采用张正友相机标定法对系统进行标定，获得相机的内外参数，利用这些参数对二值化后的图像fb进行畸变校正得到fc，这部分为现有技术，本发明不予撰述，具体可参见文献Zhang,Z.(2000)A Flexible NewTechnique for Camera Calibration.IEEE Transactions on PatternAnalysis andMachine Intelligence,22,1330-1334.http://dx.doi.org/10.1109/34.888718；
步骤2.2，为了提高效率，在求板子倾斜角度前先对校正后的图像fc减半采样,得到fch：
fch(m,n)＝fc(2m-1,2n-1)
其中，m＝1,2,...,x/2；n＝1,2,...,y/2。
步骤2.3，倾斜校正。对图像fch做Radon变换求出待检测板子的倾斜角度θ，然后将二值图像fc旋正，得到fbr。
经过机械矫正装置的姿态调整，传送带上的PCB板在到达相机视场下时的倾斜角度在-1°～1°之间，那么在这个范围内，每隔0.1°对图像fch进行Radon变换，即可获得从-1°～1°，每隔0.1°，共21个角度对应的投影图，统计各投影图中像素值为0的点的数量，数量最多的投影图对应的角度即为板子的倾斜角度θ。之后，将图像fc转过-θ得到fbr，板子图像即被旋正。本例中，求出θ＝-1°。
步骤2.4，对旋正后的二值图像fbr求其行投影V(i)和列投影H(j)；
得到的投影图如图4所示，其中(a)为行投影，横坐标为图像的行，纵坐标为图像每行各点的像素值之和；(b)为列投影，横坐标为图像的列，纵坐标为图像每列各点的像素值之和。
步骤2.5，由于单元块的缝隙处可能出现噪声、余铜和标记等，从图4中可以看到缝隙处灰度值为零的点可能不存在或是数量较少，这将给投影法分割带来困难。因此，在分割前还需对投影图进行处理，即设置合适的阈值ThV和ThH(本实施例中ThV和ThH由实验得到的，ThV＝ThH＝100)，然后通过截底将位于底部较低的投影截去：
截底后投影图如图5所示，其中(a)为行投影，横坐标为图像的行，纵坐标为图像每行各点的像素值之和；(b)为列投影，横坐标为图像的列，纵坐标为图像每列各点的像素值之和。截底之后，若某行或某列的像素值之和小于阈值ThV或ThH，即认为该行或该列出现的是噪声、余铜或标记，而不是单元块的内容，将投影值置为零，则消除了这些因素的影响，便于单元块的分割。
步骤2.6，搜索截底后的投影结果VN(i)和HN(j)，找到的波谷位置即为图像fbr中单元块间隙的位置，实现单元块的分割，分割结果如图6所示。
步骤3，缺陷检测。将分割出的单元块与标准单元块进行比较，实现缺陷检测。
步骤3.1，统计无缺陷模板中单元块(如图7)的连通域数量Num和面积，并将各连通域面积按由大到小排列，记作Area。本例中，连通域数量Num＝10，面积序列Area＝[172699,129637，53646，53039，38744，29135，22785，21611，13814，13498]；
步骤3.2，统计待检测图像中各个单元块的相应参数NumD和AreaD，将其逐个与模板的标准参数Num和Area比对，判断是否有缺陷及缺陷类型。
①若待检测单元块的连通域数量大于标准参数(如图8(a)，NumD1＝11)，即NumD1＞Num，则缺陷为断路；
②若待检测单元块的连通域数量小于标准参数(如图8(b)，NumD2＝9)，即NumD2＜Num，则缺陷为短路；
③若待检测单元块的连通域数量等于标准参数(如图8(c)和(d)，Num D3＝Num D4＝10)，即NumD3＝NumD4＝Num，继续对比其面积；若其面积的相对误差不超过±0.8％，则判定无缺陷。否则，也标记为有缺陷。本例图8(c)中Area3＝[171491,129118，53377，52720，38589，29018，22693，21546，13747，13450]，计算得各连通域面积的相对误差δ3max＝0.7，即δ3max＜δ，因此单元块3无缺陷。
图8(d)中，Area4＝[155843,129563，53392，53015，38637，29125，27384，22727，21609，16778]，计算得各连通域面积的相对误差δ4max＞0.8，即δ4max＞δ，因此单元块4有缺陷。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (7)

1.一种基于投影法和连通域分析的PCB板缺陷检测方法，其特征在于，包括如下步骤：
步骤1，采集待检测PCB板灰度图像，并对其进行预处理；
步骤2，利用投影法对预处理后的图像进行单元分割，即将PCB板上重复的单元块独立分割开；
步骤3，缺陷检测，统计无缺陷模板中单元块的连通域数量Num及面积，并将各连通域面积按由大到小排列，记作序列Area，将连通域数量Num和面积序列Area作为特征，再统计待检测图像中各个单元块的相应参数，将其逐个与模板的标准参数比对，判断是否有缺陷及缺陷类型。
2.如权利要求1所述的一种基于投影法和连通域分析的PCB板缺陷检测方法，其特征在于：所述步骤3缺陷检测的具体实现方式如下，
步骤3.1，统计无缺陷模板中单元块的连通域数量Num及面积，并将各连通域面积按由大到小排列，记作序列Area；
步骤3.2，统计待检测图像中各个单元块的相应参数NumD和AreaD，将其逐个与模板的标准参数Num和Area比对，判断是否有缺陷及缺陷类型；判断方式如下，
①若待检测单元块的连通域数量大于标准参数，即NumD＞Num，则缺陷为断路；
②若待检测单元块的连通域数量小于标准参数，即NumD＜Num，则缺陷为短路；
③若待检测单元块的连通域数量等于标准参数，即NumD＝Num，继续对比面积，若各连通域面积的相对误差不超过±δ，则判定无缺陷，否则，也标记为有缺陷。
3.如权利要求1或2所述的一种基于投影法和连通域分析的PCB板缺陷检测方法，其特征在于：所述步骤1中的预处理包括如下子步骤，
步骤1.1，对采集到的灰度图像f进行伽马变换得到fg，
fg(x,y)＝c·f(x,y)γ
其中，x,y表示像素点坐标，c和γ为常数参数；
步骤1.2，对伽马变换后的图像用Otsu的方法计算得到全局阈值Th，得到二值图像fb，
4.如权利要求1或2所述的一种基于投影法和连通域分析的PCB板缺陷检测方法，其特征在于：所述步骤2中利用投影法对预处理后的图像进行单元分割的具体实现方式如下，
步骤2.1，采用张正友相机标定法对系统进行标定，获得相机的内外参数，利用这些参数对二值化后的图像fb进行畸变校正得到fc；
步骤2.2，对校正后的图像fc减半采样，得到fch，
fch(m,n)＝fc(2m-1,2n-1)
其中，m＝1,2,...,x/2；n＝1,2,...,y/2，x,y表示像素点坐标；
步骤2.3，对图像fch做Radon变换求出待检测PCB板的倾斜角度θ，然后根据倾斜角度θ将二值图像fc旋正，得到fbr；
步骤2.4，对旋正后的二值图像fbr求其行投影V(i)和列投影H(j)；
步骤2.5，设置合适的阈值ThV和ThH，然后通过截底将位于底部较低的投影截去，
步骤2.6，搜索截底后的投影结果VN(i)和HN(j)，找到的波谷位置即为图像fbr中单元块间隙的位置，实现单元块的分割。
5.如权利要求4所述的一种基于投影法和连通域分析的PCB板缺陷检测方法，其特征在于：所述步骤2.3中获得倾斜角度θ的具体实现方式为，在-1°～1°的范围内，每隔0.1°对图像fch进行Radon变换，获得从-1°～1°，每隔0.1°，共21个角度对应的投影图，统计各投影图中像素值为0的点的数量，数量最多的投影图对应的角度即为PCB板的倾斜角度θ。
6.如权利要求2所述的一种基于连通域分析的PCB板缺陷检测方法，其特征在于：所述的步骤3.2中δ＝0.8％。
7.如权利要求3所述的一种基于连通域分析的PCB板缺陷检测方法，其特征在于：所述的步骤1.1中的参数c＝1，γ＝0.5。
CN201810667818.7A 2018-06-26 2018-06-26 一种基于投影法和连通域分析的pcb板缺陷检测方法 Pending CN109100370A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810667818.7A CN109100370A (zh) 2018-06-26 2018-06-26 一种基于投影法和连通域分析的pcb板缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810667818.7A CN109100370A (zh) 2018-06-26 2018-06-26 一种基于投影法和连通域分析的pcb板缺陷检测方法

Publications (1)

Publication Number Publication Date
CN109100370A true CN109100370A (zh) 2018-12-28

Family

ID=64845010

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810667818.7A Pending CN109100370A (zh) 2018-06-26 2018-06-26 一种基于投影法和连通域分析的pcb板缺陷检测方法

Country Status (1)

Country Link
CN (1) CN109100370A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109785324A (zh) * 2019-02-01 2019-05-21 佛山市南海区广工大数控装备协同创新研究院 一种大幅面pcb板定位方法
CN109859198A (zh) * 2019-02-01 2019-06-07 佛山市南海区广工大数控装备协同创新研究院 一种大幅面pcb板多区域精准定位方法
CN110335233A (zh) * 2019-04-24 2019-10-15 武汉理工大学 基于图像处理技术的高速公路护栏板缺陷检测系统和方法
CN110853077A (zh) * 2019-10-17 2020-02-28 广西电网有限责任公司电力科学研究院 一种基于形态变化估计的自适应红外动态帧特征提取方法
CN111007086A (zh) * 2019-11-25 2020-04-14 合肥维信诺科技有限公司 缺陷检测方法和装置、存储介质
CN111507060A (zh) * 2020-04-15 2020-08-07 杭州兆图机器人有限公司 一种用于电路板检测的定位点获取方法、定位方法和装置
CN111709937A (zh) * 2020-06-18 2020-09-25 上海网钜信息科技有限公司 一种基于机器视觉的电路板pin针检测的方法
CN111798443A (zh) * 2020-07-16 2020-10-20 佛山市南海区广工大数控装备协同创新研究院 一种利用pcb缺陷检测系统进行缺陷定位和可视化的方法
CN111798449A (zh) * 2020-09-09 2020-10-20 江苏恒力化纤股份有限公司 一种基于图像技术的喷丝板残留杂质检测方法
CN111932515A (zh) * 2020-08-10 2020-11-13 成都数之联科技有限公司 产品残留类缺陷的短路检测方法及系统及缺陷分类系统
CN112581447A (zh) * 2020-12-16 2021-03-30 佛山市南海区广工大数控装备协同创新研究院 一种基于全局缺陷和局部缺陷的fpc软板线路检测方法
CN113298793A (zh) * 2021-06-03 2021-08-24 中国电子科技集团公司第十四研究所 一种基于多视角模板匹配的电路板表面缺陷检测的方法
CN114140391A (zh) * 2021-11-04 2022-03-04 东北大学 基于机器视觉实现板载显示屏模块快速检测的方法
CN114202543A (zh) * 2022-02-18 2022-03-18 成都数之联科技股份有限公司 Pcb板脏污缺陷检测方法、装置、设备及介质
CN114216915A (zh) * 2021-12-15 2022-03-22 江门市浩远科技有限公司 一种基于线路板污渍和缺陷类型类别级别检测分类的方法
CN116818797A (zh) * 2023-05-04 2023-09-29 四川德中智能科技有限公司 基于机器视觉的pcb裸板自动检测方法和系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101393603A (zh) * 2008-10-09 2009-03-25 浙江大学 一种识别和检测隧道火灾火焰的方法
CN102184399A (zh) * 2011-03-31 2011-09-14 上海名图信息技术有限公司 基于水平投影和连通域分析的字符分割方法
CN103116751A (zh) * 2013-01-24 2013-05-22 河海大学 一种车牌字符自动识别方法
CN104050450A (zh) * 2014-06-16 2014-09-17 西安通瑞新材料开发有限公司 一种基于视频的车牌识别方法
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
CN105427287A (zh) * 2015-11-06 2016-03-23 中国电子科技集团公司第二十八研究所 一种基于投影变换的连通域标记方法
CN106557745A (zh) * 2016-11-11 2017-04-05 吴怀宇 基于最大类间方差及伽马变换的人体眼球检测方法及系统
CN107169494A (zh) * 2017-06-01 2017-09-15 中国人民解放军国防科学技术大学 基于手持终端的车牌图像分割校正方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101393603A (zh) * 2008-10-09 2009-03-25 浙江大学 一种识别和检测隧道火灾火焰的方法
CN102184399A (zh) * 2011-03-31 2011-09-14 上海名图信息技术有限公司 基于水平投影和连通域分析的字符分割方法
CN103116751A (zh) * 2013-01-24 2013-05-22 河海大学 一种车牌字符自动识别方法
CN104050450A (zh) * 2014-06-16 2014-09-17 西安通瑞新材料开发有限公司 一种基于视频的车牌识别方法
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
CN105427287A (zh) * 2015-11-06 2016-03-23 中国电子科技集团公司第二十八研究所 一种基于投影变换的连通域标记方法
CN106557745A (zh) * 2016-11-11 2017-04-05 吴怀宇 基于最大类间方差及伽马变换的人体眼球检测方法及系统
CN107169494A (zh) * 2017-06-01 2017-09-15 中国人民解放军国防科学技术大学 基于手持终端的车牌图像分割校正方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
张玙: "PCB缺陷自动检测系统的研究与设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
曾颢: "工业环境下产品二维码的智能检测系统", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
熊邦书等: "线路板缺陷的图像检测方法", 《半导体光电》 *
胡小健等: "利用 Randon 变换进行图像分割与特征提取", 《仲恺农业技术学院学报》 *
都伊林: "《智能安防新发展与应用》", 31 May 2018 *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109785324B (zh) * 2019-02-01 2020-11-27 佛山市南海区广工大数控装备协同创新研究院 一种大幅面pcb板定位方法
CN109859198A (zh) * 2019-02-01 2019-06-07 佛山市南海区广工大数控装备协同创新研究院 一种大幅面pcb板多区域精准定位方法
CN109785324A (zh) * 2019-02-01 2019-05-21 佛山市南海区广工大数控装备协同创新研究院 一种大幅面pcb板定位方法
CN110335233A (zh) * 2019-04-24 2019-10-15 武汉理工大学 基于图像处理技术的高速公路护栏板缺陷检测系统和方法
CN110335233B (zh) * 2019-04-24 2023-06-30 武汉理工大学 基于图像处理技术的高速公路护栏板缺陷检测系统和方法
CN110853077A (zh) * 2019-10-17 2020-02-28 广西电网有限责任公司电力科学研究院 一种基于形态变化估计的自适应红外动态帧特征提取方法
CN111007086A (zh) * 2019-11-25 2020-04-14 合肥维信诺科技有限公司 缺陷检测方法和装置、存储介质
CN111507060A (zh) * 2020-04-15 2020-08-07 杭州兆图机器人有限公司 一种用于电路板检测的定位点获取方法、定位方法和装置
CN111709937A (zh) * 2020-06-18 2020-09-25 上海网钜信息科技有限公司 一种基于机器视觉的电路板pin针检测的方法
CN111798443A (zh) * 2020-07-16 2020-10-20 佛山市南海区广工大数控装备协同创新研究院 一种利用pcb缺陷检测系统进行缺陷定位和可视化的方法
CN111932515A (zh) * 2020-08-10 2020-11-13 成都数之联科技有限公司 产品残留类缺陷的短路检测方法及系统及缺陷分类系统
CN111798449A (zh) * 2020-09-09 2020-10-20 江苏恒力化纤股份有限公司 一种基于图像技术的喷丝板残留杂质检测方法
CN112581447A (zh) * 2020-12-16 2021-03-30 佛山市南海区广工大数控装备协同创新研究院 一种基于全局缺陷和局部缺陷的fpc软板线路检测方法
CN113298793A (zh) * 2021-06-03 2021-08-24 中国电子科技集团公司第十四研究所 一种基于多视角模板匹配的电路板表面缺陷检测的方法
CN113298793B (zh) * 2021-06-03 2023-11-24 中国电子科技集团公司第十四研究所 一种基于多视角模板匹配的电路板表面缺陷检测的方法
CN114140391A (zh) * 2021-11-04 2022-03-04 东北大学 基于机器视觉实现板载显示屏模块快速检测的方法
CN114140391B (zh) * 2021-11-04 2024-05-31 东北大学 基于机器视觉实现板载显示屏模块快速检测的方法
CN114216915B (zh) * 2021-12-15 2024-03-29 江门市浩远科技有限公司 一种基于线路板污渍和缺陷类型类别级别检测分类的方法
CN114216915A (zh) * 2021-12-15 2022-03-22 江门市浩远科技有限公司 一种基于线路板污渍和缺陷类型类别级别检测分类的方法
CN114202543A (zh) * 2022-02-18 2022-03-18 成都数之联科技股份有限公司 Pcb板脏污缺陷检测方法、装置、设备及介质
CN116818797A (zh) * 2023-05-04 2023-09-29 四川德中智能科技有限公司 基于机器视觉的pcb裸板自动检测方法和系统

Similar Documents

Publication Publication Date Title
CN109100370A (zh) 一种基于投影法和连通域分析的pcb板缺陷检测方法
KR100830523B1 (ko) 검사 시스템에 이용하기 위한 이미지 처리 시스템
KR102378186B1 (ko) 와이어링 하네스용 인공지능 외관검사 시스템
CN108982512A (zh) 一种基于机器视觉的电路板检测系统及其方法
CN110119680A (zh) 一种基于图像识别的电气柜接线自动查错系统
CN109550712A (zh) 一种化纤丝尾丝外观缺陷检测系统及方法
CN109429473A (zh) 电路板中带极性电子元器件的自动检查方法及装置
CN105184793A (zh) 一种电能表样品外观及pcb板元件检测方法
CN110517265A (zh) 一种产品表面缺陷的检测方法、装置及存储介质
CN110189375A (zh) 一种基于单目视觉测量的图像目标识别方法
CN110533654A (zh) 零部件的异常检测方法及装置
CN107092905B (zh) 一种电力巡检机器人的待识别仪器定位方法
CN115775246A (zh) 一种pcb元器件缺陷检测的方法
CN111767908B (zh) 字符检测方法、装置、检测设备及存储介质
CN110728269B (zh) 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法
CN114820439A (zh) 基于aoi的pcb裸板缺陷的检测系统及方法
CN115841488A (zh) 一种基于计算机视觉的pcb板的检孔方法
CN115482194A (zh) 一种pcb板的异型元件aoi缺陷检测方法与系统
CN111767826A (zh) 一种定时定点场景异常检测方法
CN114359552A (zh) 一种基于巡检机器人的仪表图像识别方法
CN103913150A (zh) 智能电能表电子元器件一致性检测方法
CN107248151B (zh) 一种基于机器视觉的液晶片智能检测方法及系统
US7702172B2 (en) Particle extraction for automatic flow microscope
CN112950493A (zh) 轨道列车线阵相机图像畸变校正方法及装置
CN116843659A (zh) 一种基于红外图像的电路板故障自动检测方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181228

RJ01 Rejection of invention patent application after publication