CN109829910B - 一种基于邻域查找的pcb缺陷检测方法 - Google Patents
一种基于邻域查找的pcb缺陷检测方法 Download PDFInfo
- Publication number
- CN109829910B CN109829910B CN201910102834.6A CN201910102834A CN109829910B CN 109829910 B CN109829910 B CN 109829910B CN 201910102834 A CN201910102834 A CN 201910102834A CN 109829910 B CN109829910 B CN 109829910B
- Authority
- CN
- China
- Prior art keywords
- point
- neighborhood
- normal
- points
- contour
- 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
Images
Landscapes
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于邻域查找的PCB缺陷检测方法,通过两次执行缺陷查找算法能够将不同种类、不同情况的缺陷悉数提取出来;通过模板图像和测试图像的轮廓边缘互相在对方的边缘点上进行遍历查找,并同时在边缘点的法向正反方向上进行邻域查找,在邻域范围内,将涵盖的所有像素点进行边界判断,对于超出边界的像素点将其删除,以保证程序的鲁棒性;然后获取邻域内所有白像素点离边缘点的距离,找出最小距离与设定阈值进行比较,若大于即为缺陷点并将其输出;本发明有效地提高了PCB表面质量的检测精度以及效率,实现了印制电路板表面缺陷的自动化检测,节省了人力财力物力,提高了生产自动化程度。
Description
技术领域
本发明涉及检测设备技术领域,具体涉及一种基于邻域查找的PCB缺陷检测方法。
背景技术
在PCB质量检测领域当中,PCB光板线路表面缺陷检测历来是一个技术难点,因为表面缺陷种类繁多、形状各异,市场上的PCB光板检测设备无法囊括全部缺陷种类,大都利用了机器视觉技术以取代人工目检,而市面上大部分PCB检测设备也无法适应各种各样的情况如偏移而导致报假点。传统的PCB缺陷检测方法容易形成漏检,速度慢,因此针对传统的缺陷检测方法和设备需要进行优化和改造。
发明内容
针对现有技术的不足,本发明提供一种基于邻域查找的PCB缺陷检测方法,以解决背景技术中所述的技术问题。
为实现上述目的,本发明采用如下技术方案:
一种基于邻域查找的PCB缺陷检测方法,其特征在于,包括以下具体步骤:
S1,获取PCB的模板图像以及测试图像并进行二值化;
S2,对模板图像和测试图像采用Canny算法进行边缘提取;
S3,遍历模板图像的边缘点并对每个点进行法向计算;
S4,将模板图像边缘点的坐标和法向作为缺陷查找算法的输入变量,根据法向信息在测试图上正反截取一个旋转矩形区域;
S5,以矩形区域为测试图上边缘点邻域,遍历所有边缘点;
S6,对邻域中的所有白色像素点计算其与边缘点的距离,然后找出最小距离;
S7,将最小距离与设定的缺陷阈值进行比较,若大于阈值则输出边缘点的坐标以及该最小距离,否则跳出本次循环,进入下一个边缘点;
S8,将测试图像和模板图像互换,继续执行上述步骤。
进一步的,所述步骤S3中的具体步骤包括:
S301,获取模板轮廓图像的轮廓点集,求出轮廓点长度;
S302,以三个相邻轮廓点为一组,求出左右两个轮廓点的直线斜率,即可得该直线的法线斜率,两者关系k1k2=-1,k1和k2表示两直线斜率,将该法线斜率作为中间轮廓点的法向;
S303,重复上述步骤求得每一个轮廓点的法向。
进一步的,所述步骤S4中的具体步骤包括:根据算法的法向输入变量和轮廓点坐标,在每一个点的坐标下,沿着该点的法线法向,根据输入的邻域高度值计算离该点最远的点坐标值,公式如:离该点最近的点坐标值为:然后求出这两点的中间点,以该中间点为中心,以邻域变量的宽和高为矩形的宽和长,以该点的法向为矩形的旋转角度,画一个旋转矩形。
进一步的,所述步骤S6中的具体步骤包括:遍历过程中获取每一个点的邻域灰度值,计算邻域中每一个像素灰度值为255离该点的距离,找出这些距离的最小值,若最小值大于算法设定的最大缺陷距离阈值,则输出该点的坐标以及最小距离;若邻域内没有一个像素灰度值为255,即全黑时,则立即输出此点的坐标,输出距离为负数,即该缺陷视为短路。
进一步的,所述步骤S7中的具体步骤包括:在遍历轮廓点过程中,邻域在测试图像中游走时,容易发生越界现象即超出边界值而导致程序崩溃;因此在获取邻域的时候,需要对邻域中的每个像素坐标进行判断,无论是像素点的行坐标还是列坐标,只要发生越界现象,立刻删除此点,如此可保证程序的正常执行。
本发明提供的一种基于邻域查找的PCB缺陷检测方法的有益效果在于:通过模板图像去查找测试图像,能够将短路、铜渣、沙孔、污点等一些缺陷查找出来,而对线路的开路缺陷却无法很好的查找出来,原因在于模板轮廓图像中没有对应的开路缺陷轮廓边缘,会导致部分开路缺陷无法查找显示,因此为增强算法的鲁棒性,需要互换模板图像和测试图像,所以步骤S3中需要对测试图像的轮廓求法向,步骤S4中缺陷查找算法的输入图像变量应该为模板图像,其余步骤保持不变。如此,对于PCB中的全部缺陷可以通过此算法的两次执行来完成查找任务,算法的两次独立执行可以并行以提高程序速度。有效地提高了PCB表面质量的检测精度以及效率,实现了印制电路板表面缺陷的自动化检测,节省了人力财力物力,提高了生产自动化程度。
附图说明
图1为本发明流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,均属于本发明的保护范围。
实施例:一种基于邻域查找的PCB缺陷检测方法。
一种基于邻域查找的PCB缺陷检测方法,其特征在于,包括以下具体步骤:
S1,输入一张模板图像和一张相同的测试图像,对两幅图像二值化并进行相同的边缘轮廓提取得两幅轮廓图像;
S2,对模板图像和测试图像采用Canny算法进行边缘提取;
S3,遍历模板图像的边缘点并对每个点进行法向计算,法向计算包括以下步骤:
S301获取模板轮廓图像的轮廓点集,求出轮廓点长度;
S302,以三个相邻轮廓点为一组,求出左右两个轮廓点的直线斜率,即可得该直线的法线斜率,两者关系k1k2=-1,k1和k2表示两直线斜率,将该法线斜率作为中间轮廓点的法向;
S303,重复上述步骤求得每一个轮廓点的法向,首点和尾点的法向可与其后一点、前一点的法向相同;
S4,将模板图像轮廓点的坐标和法向作为邻域查找缺陷算法的输入变量,并将测试图像作为算法的输入图像,算法的输出为缺陷点的坐标和距离;算法的输入变量还有需要设定的最大缺陷距离阈值、邻域的宽和高度,跨点遍历的步长值;根据法向信息在测试图上正反截取一个旋转矩形区域,矩形区域通过以下方法截取:根据算法的法向输入变量和轮廓点坐标,在每一个点的坐标下,沿着该点的法线法向,根据输入的邻域高度值计算离该点最远的点坐标值,公式如:离该点最近的点坐标值为:然后求出这两点的中间点,以该中间点为中心,以邻域变量的宽和高为矩形的宽和长,以该点的法向为矩形的旋转角度,画一个旋转矩形;该点的法向反方向上,以同样的原理画同样大小的矩形,将这两个矩形作为寻找缺陷的邻域;
S5,以矩形区域为测试图上边缘点邻域,遍历所有边缘点;
S6,对邻域中的所有白色像素点计算其与边缘点的距离,然后找出最小距离;遍历过程中获取每一个点的邻域灰度值,计算邻域中每一个像素灰度值为255离该点的距离,找出这些距离的最小值,若最小值大于算法设定的最大缺陷距离阈值,则输出该点的坐标以及最小距离
S7,将最小距离与设定的缺陷阈值进行比较,若大于阈值则输出边缘点的坐标以及该最小距离,否则跳出本次循环,进入下一个边缘点;在遍历轮廓点过程中,邻域在测试图像中游走时,容易发生越界现象即超出边界值而导致程序崩溃;因此在获取邻域的时候,需要对邻域中的每个像素坐标进行判断,无论是像素点的行坐标还是列坐标,只要发生越界现象,立刻删除此点,如此可保证程序的正常执行
S8,将测试图像和模板图像互换,继续执行上述步骤。
以上所述为本发明的较佳实施例而已,但本发明不应局限于该实施例和附图所公开的内容,所以凡是不脱离本发明所公开的精神下完成的等效或修改,都落入本发明保护的范围。
Claims (4)
1.一种基于邻域查找的PCB缺陷检测方法,其特征在于,包括以下具体步骤:
S1,获取PCB的模板图像以及测试图像并进行二值化;
S2,对模板图像和测试图像采用Canny算法进行边缘提取;
S3,遍历模板图像的边缘点并对每个点进行法向计算;
所述步骤S3中的具体步骤包括:
S301,获取模板轮廓图像的轮廓点集;
S302,以三个相邻轮廓点为一组,求出左右两个轮廓点的直线斜率,即可得该直线的法线斜率,两者关系k1k2=-1,k1和k2表示两直线斜率,将该法线斜率作为中间轮廓点的法向;
S303,重复上述步骤求得每一个轮廓点的法向;
S4,将模板图像边缘点的坐标和法向作为缺陷查找算法的输入变量,根据法向信息在测试图上正反截取一个旋转矩形区域;
所述步骤S4中的具体步骤包括:根据算法的法向输入变量和轮廓点坐标,在每一个点的坐标下,沿着该点的法线法向,根据输入的邻域高度值计算离该点最远的点和离该点最近的点的坐标值,然后求出这两点的中间点,以该中间点为中心,以邻域变量的宽和高为矩形的宽和长,以该点的法向为矩形的旋转角度,画一个旋转矩形;
S5,以矩形区域为测试图上边缘点邻域,遍历所有边缘点;
S6,对邻域中的所有白色像素点计算其与边缘点的距离,然后找出最小距离;
S7,将最小距离与设定的缺陷阈值进行比较,若大于阈值则输出边缘点的坐标以及该最小距离,否则跳出本次循环,进入下一个边缘点;
S8,将测试图像和模板图像互换,继续执行上述步骤。
3.如权利要求2所述的基于邻域查找的PCB缺陷检测方法,其特征在于,所述步骤S6中的具体步骤包括:遍历过程中获取每一个点的邻域灰度值,计算邻域中每一个像素灰度值为255的点离该点的距离,找出这些距离的最小值,若最小值大于算法设定的最大缺陷距离阈值,则输出该点的坐标以及最小距离。
4.如权利要求3所述的基于邻域查找的PCB缺陷检测方法,其特征在于,所述步骤S7中的具体步骤包括:在遍历轮廓点过程中,邻域在测试图像中游走时,容易发生越界现象即超出边界值而导致程序崩溃;因此在获取邻域的时候,需要对邻域中的每个像素坐标进行判断,无论是像素点的行坐标还是列坐标,只要发生越界现象,立刻删除此点,如此可保证程序的正常执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910102834.6A CN109829910B (zh) | 2019-02-01 | 2019-02-01 | 一种基于邻域查找的pcb缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910102834.6A CN109829910B (zh) | 2019-02-01 | 2019-02-01 | 一种基于邻域查找的pcb缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109829910A CN109829910A (zh) | 2019-05-31 |
CN109829910B true CN109829910B (zh) | 2020-10-30 |
Family
ID=66863248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910102834.6A Active CN109829910B (zh) | 2019-02-01 | 2019-02-01 | 一种基于邻域查找的pcb缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109829910B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110838111A (zh) * | 2019-11-08 | 2020-02-25 | 深圳市深视创新科技有限公司 | 柔性电路板的自适应缺陷检测方法 |
CN113008895B (zh) * | 2021-01-29 | 2023-01-17 | 广州信邦智能装备股份有限公司 | 一种基于三维数据的分块拟合缺陷检测方法 |
CN113838045B (zh) * | 2021-09-30 | 2024-02-02 | 佛山市南海区广工大数控装备协同创新研究院 | 一种改进骨刺去除算法的pcb覆铜线路骨架轮廓提取方法 |
CN114565612B (zh) * | 2022-04-29 | 2022-07-05 | 惠州威尔高电子有限公司 | 一种基于图像对比的pcb板u型槽加工异常检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496161A (zh) * | 2011-12-13 | 2012-06-13 | 浙江欧威科技有限公司 | 一种印刷电路板图像的轮廓提取方法 |
CN106650697A (zh) * | 2016-12-30 | 2017-05-10 | 亿嘉和科技股份有限公司 | 一种仪表刻度识别方法 |
CN108492306A (zh) * | 2018-03-07 | 2018-09-04 | 鞍钢集团矿业有限公司 | 一种基于图像轮廓的x型角点提取方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7149340B2 (en) * | 2002-09-20 | 2006-12-12 | Lsi Logic Corporation | Mask defect analysis for both horizontal and vertical processing effects |
JP4229767B2 (ja) * | 2003-06-30 | 2009-02-25 | 株式会社東京精密 | 画像欠陥検査方法、画像欠陥検査装置及び外観検査装置 |
-
2019
- 2019-02-01 CN CN201910102834.6A patent/CN109829910B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496161A (zh) * | 2011-12-13 | 2012-06-13 | 浙江欧威科技有限公司 | 一种印刷电路板图像的轮廓提取方法 |
CN106650697A (zh) * | 2016-12-30 | 2017-05-10 | 亿嘉和科技股份有限公司 | 一种仪表刻度识别方法 |
CN108492306A (zh) * | 2018-03-07 | 2018-09-04 | 鞍钢集团矿业有限公司 | 一种基于图像轮廓的x型角点提取方法 |
Non-Patent Citations (2)
Title |
---|
Local neighborhood analysis for fabric defect detection;Namita Kure等;《2017 International Conference on Information, Communication, Instrumentation and Control》;20180205;第1-5页 * |
基于图像分析的PCB缺陷检测算法研究;孔岩;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120715(第7期);第1-60页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109829910A (zh) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109829910B (zh) | 一种基于邻域查找的pcb缺陷检测方法 | |
CN109767445B (zh) | 一种高精度的pcb缺陷智能检测方法 | |
TWI557650B (zh) | 用於識別材料中之缺陷之系統及方法 | |
CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及系统 | |
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN109472271B (zh) | 印刷电路板图像轮廓提取方法及装置 | |
CN108510476B (zh) | 一种基于机器视觉的手机屏线路检测方法 | |
CN113646801B (zh) | 缺陷图像的缺陷检测方法、装置及计算机可读存储介质 | |
CN107239742B (zh) | 一种仪表指针刻度值计算方法 | |
CN104933387A (zh) | 一种基于二维码解码的快速定位识别的方法 | |
CN114047123B (zh) | 一种用于集成板生产缺陷检测方法及检测系统 | |
CN107610085A (zh) | 一种基于计算机视觉的焊点缺陷检测系统 | |
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 | |
CN110473184A (zh) | 一种pcb板缺陷检测方法 | |
CN104331695A (zh) | 一种鲁棒的圆形标志符形状质量检测方法 | |
WO2017071406A1 (zh) | 金针类元件的引脚检测方法和系统 | |
CN105447489A (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN106501272A (zh) | 机器视觉焊锡定位检测系统 | |
CN107480678A (zh) | 一种棋盘识别方法和识别系统 | |
CN103345743A (zh) | 一种用于电池尾端智能探伤的图像分割算法 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
Sa et al. | Improved Otsu segmentation based on sobel operator | |
CN112419225B (zh) | 一种基于引脚分割的sop型芯片检测方法及系统 | |
CN108416790A (zh) | 一种用于工件破损率的检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |