CN110887846A - 一种焊点质量检测方法 - Google Patents
一种焊点质量检测方法 Download PDFInfo
- Publication number
- CN110887846A CN110887846A CN201911081412.1A CN201911081412A CN110887846A CN 110887846 A CN110887846 A CN 110887846A CN 201911081412 A CN201911081412 A CN 201911081412A CN 110887846 A CN110887846 A CN 110887846A
- Authority
- CN
- China
- Prior art keywords
- welding spot
- rgb
- independent component
- effective
- time
- 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
Images
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
- G01N2021/95646—Soldering
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)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种焊点质量检测方法,该方法包括:持续以指定频率在PCB板指定区域注入震动;单位时间内以固定时间间隔连续获取三原色光RGB照射下的电路板图像;对电路板图像中的焊点部分划分有效子区域;对有效子区域图像按照时间重组为RGB三路时间序列信号;采用独立分量分析算法,获取相关性最小的三路独立分量;进行FFT变换,选出与有效子区域图像相关性最大的一路独立分量;根据独立分量与典型值拟合程度,判断焊点质量。本发明通过持续以指定频率注入震动,将有效子区域图像重构为时间序列信号,利用独立分量分析算法和FFT变换获取焊点震动频谱特性,与典型值拟合,判断焊点质量,提高了焊点检测的准确率和速度。
Description
技术领域
本发明涉及自动光学检测技术领域,尤其涉及一种焊点质量检测方法。
背景技术
当前,印制电路板(Printed Circuit Board,PCB)缺陷检测通常采用自动光学检测(Automatic Optical Inspection,AOI)的方法进行,主要思路是通过CCD获取PCB成品的表面状态,其后采用数字图像处理和分类器的方式进行缺陷检测。
比较成熟的检测元器件焊点缺陷的方法大多是基于静态的方法,通过CCD获取PCB成品的表面状态的单张图像,自动提取每个焊点的局部图像,并通过图像处理技术进行特征提取,如颜色梯度,区域面积,周长,水力半径等等典型特征,再使用分类器对提取特征进行分类来获取焊点是否存在缺陷,将疑似缺陷的焊点显示或标记出来,方便查看与检修。
在实际应用中,由于PCB上元器件尺寸越来越小,元器件密度越来越大,焊点样本难以收集,分类器计算量大,准确率不高等问题,使得目前的检测方法难以有效、准确、快速地检测出元器件的焊点缺陷。
可见,现有技术中焊点质量检测方法存在难以有效、准确、快速地检测出元器件的焊点缺陷的问题。
上述缺陷是本领域技术人员期望克服的。
发明内容
(一)要解决的技术问题
为了解决现有技术的上述问题,本发明提出了一种焊点质量检测方法,解决现有技术中的难以有效、准确、快速地检测出元器件的焊点缺陷的问题。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
本发明一实施例提供一种焊点质量检测方法,包括以下步骤:
步骤1,持续以指定频率在PCB板指定区域注入震动;
步骤2,单位时间内以固定时间间隔连续获取三原色光RGB照射下的电路板图像;
步骤3,对电路板图像中的焊点部分划分有效子区域;
步骤4,对有效子区域图像按照时间重组为RGB三路时间序列信号;
步骤5,采用独立分量分析算法,获取相关性最小的三路独立分量;
步骤6,进行FFT变换,选出与有效子区域图像相关性最大的一路独立分量;
步骤7,根据相关性最大的独立分量与典型值拟合程度,判断焊点质量。
本发明的一个实施例中,所述步骤1中的指定区域,为PCB布板时设定的震动频率注入点,便于PCB板生产后的测试。
本发明的一个实施例中,所述步骤3中对电路板图像中的焊点部分划分有效子区域,还包括:
结合PCB软件生成的焊点图,通过图像的局部均值、标准差对局部区域做粗检测;
根据所述粗检测的结果,通过梯度寻找边缘,确定焊点有效子区域。
本发明的一个实施例中,所述步骤4中对有效子区域图像按照时间重组为RGB三路时间序列信号,还包括:
有效子区域中的像素点按照RGB进行划分,可表示成为(R,G,B)三维矩阵,对有效子区域内的三个通道的像素取均值,转化为三元向量将单位时间内以固定时间间隔连续获取的图像,按照时间重组为RGB三路时间序列信号的计算过程如下:
其中,X、Y为有效子区域的长和宽,Vij(R,G,B)为点(i,j)的RGB三个通道的像素值,其中t是连续获取的图像的获取时间序列。
本发明的一个实施例中,所述步骤5中独立分量分析算法,还包括:
步骤5.1,对Vt进行归一化处理,生成零均值单位方差序列St;
步骤5.2,对St进行白化处理,转换为正交矩阵Zt;
步骤5.3,计算负熵的大小,并迭代进行正交逼近;
步骤5.4,获取相关性最小的三路独立分量。
本发明的一个实施例中,所述步骤5.3中迭代进行正交逼近,还包括:
迭代前需要设置迭代次数i,以避免因收敛门限过大造成死循环;
迭代中权向量Ui的迭代公式如下,
其中g()为累积分布函数,g’()为概率分布函数;
迭代中计算出的新的权向量Ui需要再次正交化,并判断是否收敛,若收敛,转到步骤5.4,若不收敛,则迭代执行步骤5.3。
本发明的一个实施例中,所述步骤7中独立分量与典型值拟合程度的判断方法包括:
当独立分量和典型值的频谱分布曲线基本相同,无相位差,判定该有效子区域对应焊点为正常;
当独立分量和典型值的频谱分布曲线基本相同,存在相位差,判定该有效子区域对应焊点为部分虚焊;
当独立分量和典型值的频谱分布曲线不同,判定该有效子区域对应焊点为完全虚焊开路。
(三)有益效果
本发明的有益效果是:本发明实施例提供的焊点质量检测方法,持续以指定频率注入震动,按照时间重构为RGB三路时间序列信号,利用独立分量分析算法和FFT变换获取焊点震动频谱特性,与典型值拟合,判断焊点质量,提高了焊点检测的准确率和速度。
附图说明
图1为本发明一实施例提供的一种焊点质量检测方法的流程图;
图2为本发明一实施例中独立分量分析算法的流程图;
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1为本发明一实施例提供的一种焊点质量检测方法的流程图,如图1所示,该方法包括以下步骤:
如图1所示,在步骤S110中,持续以指定频率在PCB板指定区域注入震动;
如图1所示,在步骤S120中,单位时间内以固定时间间隔连续获取三原色光RGB照射下的电路板图像;
如图1所示,在步骤S130中,对电路板图像中的焊点部分划分有效子区域;
如图1所示,在步骤S140中,对有效子区域图像按照时间重组为RGB三路时间序列信号;
如图1所示,在步骤S150中,采用独立分量分析算法,获取相关性最小的三路独立分量;
如图1所示,在步骤S160中,进行FFT变换,选出与有效子区域图像相关性最大的一路独立分量;
如图1所示,在步骤S170中,根据相关性最大的独立分量与典型值拟合程度,判断焊点质量。
如图1所示,本发明实施例所提供的技术方案中,通过持续以指定频率注入震动,按照时间重构为RGB三路时间序列信号,利用独立分量分析算法和FFT变换获取焊点震动频谱特性,与典型值拟合,判断焊点质量,提高了焊点检测的准确率和速度。
以下对图1所示实施例的各个步骤的具体实现进行详细阐述:
在步骤S110中,持续以指定频率在PCB板指定区域注入震动。
本发明的一个实施例中,需要在指定区域注入指定频率的震动,该指定区域为PCB布板时设定的震动频率注入点,目的是方便PCB板生产后的测试,指定频率的震动采用接触式方法注入,注入的震动频率为0-3000HZ,既可以是单个频率,也可以是多个频率的震动。
在步骤S120中,单位时间内以固定时间间隔连续获取三原色光RGB照射下的电路板图像。
本发明的一个实施例中,在获取三原色光RGB照射下的电路板图像时,需要在频率注入期间,连续以固定时间间隔获取图像,通常采用以固定帧率进行视频拍摄,其帧率至少为60帧/秒,为提高焊点检测的整体速度,可对该步骤后的其它步骤,采用并行处理的方式进行。
在步骤S130中,对电路板图像中的焊点部分划分有效子区域。
本发明的一个实施例中,该步骤中划分有效子区域,还包括:
有效子区域的划分结合PCB软件生成的焊点图,通过图像的局部均值、标准差对局部区域做粗检测;
根据所述粗检测的结果,通过梯度寻找边缘,确定焊点有效子区域;
为提高处理速度,有效子区域的划分可并行进行。
在步骤S140中,对有效子区域图像按照时间重组为RGB三路时间序列信号。
本发明的一个实施例中,有效子区域中的像素点按照RGB进行划分,可表示成为(R,G,B)三维矩阵,对有效子区域内的三个通道的像素取均值,转化为三元向量将单位时间内以固定时间间隔连续获取的图像,按照时间重组为RGB三路时间序列信号 的计算过程如下:
其中,X、Y为有效子区域的长和宽,Vij(R,G,B)为点(i,j)的RGB三个通道的像素值,其中t是连续获取的图像的获取时间序列。
在步骤S150中,采用独立分量分析算法,获取相关性最小的三路独立分量。
本发明的一个实施例中,该步骤中独立分量分析算法有多种选择,本实施例以常见的一种独立分量分析算法为例,图2为本发明一实施例中独立分量分析算法的流程图,包括以下步骤:
如图2所示,在步骤S151中,对Vt进行归一化处理,生成零均值单位方差序列St;
如图2所示,在步骤S152中,对St进行白化处理,转换为正交矩阵Zt;
如图2所示,在步骤S153中,计算负熵的大小,并迭代进行正交逼近;
如图2所示,在步骤S154中,获取相关性最小的三路独立分量。
本发明的一个实施例中,步骤S153中迭代进行正交逼近,还包括:
需要在迭代前设置迭代次数i,以避免因收敛门限过大造成死循环;
迭代中权向量Ui的迭代公式如下,其中g()为累积分布函数,g’()为概率分布函数;
迭代中计算出的新的权向量Ui需要再次正交化,并判断是否收敛,若收敛,转到步骤S154,若不收敛,则迭代执行步骤153。
如图1所示,在步骤S160中,进行FFT变换,选出与有效子区域图像相关性最大的一路独立分量。
本发明的一个实施例中,该步骤中FFT变换是指离散傅里叶变换的快速算法,采用此变换的目的是解决独立分量分析算法得出的时域波形信号特征不明显的问题,通过频谱分析,选出波峰最大的一路独立分量。
如图1所示,在步骤S170中,根据相关性最大的独立分量与典型值拟合程度,判断焊点质量。
本发明的一个实施例中,该步骤中拟合程度的判断方法分为基于特征的分类器和机器学习的方法,本实施例以最简单的分类器判定焊点虚焊为例,基于特征的分类器判定焊点虚焊的方法如下:
当独立分量和典型值的频谱分布曲线基本相同,无相位差,判定该有效子区域对应焊点为正常;
当独立分量和典型值的频谱分布曲线基本相同,存在相位差,判定该有效子区域对应焊点为部分虚焊;
当独立分量和典型值的频谱分布曲线不同,判定该有效子区域对应焊点为完全虚焊开路。
综上所述,本发明提出了一种焊点质量检测方法,解决现有技术中的难以有效、准确、快速地检测出元器件的焊点缺陷的问题。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (4)
1.一种焊点质量检测方法,其特征在于,包括如下步骤:
步骤1,持续以指定频率在PCB板指定区域注入震动;
步骤2,单位时间内以固定时间间隔连续获取三原色光RGB照射下的电路板图像;
步骤3,对电路板图像中的焊点部分划分有效子区域;
步骤4,对有效子区域图像按照时间重组为RGB三路时间序列信号;
步骤5,采用独立分量分析算法,获取相关性最小的三路独立分量;
步骤6,进行FFT变换,选出与有效子区域图像相关性最大的一路独立分量;
步骤7,根据相关性最大的独立分量与典型值拟合程度,判断焊点质量。
2.如权利要求1所述的焊点质量检测方法,其特征在于,所述步骤3中对电路板图像中的焊点部分划分有效子区域,还包括:
结合PCB软件生成的焊点图,通过图像的局部均值、标准差对局部区域做粗检测;
根据所述粗检测的结果,通过梯度寻找边缘,确定焊点有效子区域。
4.如权利要求1所述的焊点质量检测方法,其特征在于,所述步骤5中独立分量分析算法,包括:
步骤5.1,对Vt进行归一化处理,生成零均值单位方差序列St;
步骤5.2,对St进行白化处理,转换为正交矩阵Zt;
步骤5.3,计算负熵H(x)的大小,并迭代进行正交逼近;
步骤5.4,获取相关性最小的三路独立分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911081412.1A CN110887846B (zh) | 2019-11-07 | 2019-11-07 | 一种焊点质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911081412.1A CN110887846B (zh) | 2019-11-07 | 2019-11-07 | 一种焊点质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110887846A true CN110887846A (zh) | 2020-03-17 |
CN110887846B CN110887846B (zh) | 2022-07-08 |
Family
ID=69747058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911081412.1A Active CN110887846B (zh) | 2019-11-07 | 2019-11-07 | 一种焊点质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110887846B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112595732A (zh) * | 2020-12-09 | 2021-04-02 | 西安邮电大学 | 一种基于超宽带微波的焊点质量检测方法 |
CN114878603A (zh) * | 2021-12-23 | 2022-08-09 | 浙江威固信息技术有限责任公司 | 一种bga芯片虚焊检测方法及检测系统 |
CN117825036A (zh) * | 2024-03-06 | 2024-04-05 | 梁山通亚重工机械有限公司 | 一种挂车生产线用自动化质检系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0372812A2 (en) * | 1988-12-02 | 1990-06-13 | Hewlett-Packard Company | Method and apparatus for inspecting solder joints |
CN109001230A (zh) * | 2018-05-28 | 2018-12-14 | 中兵国铁(广东)科技有限公司 | 基于机器视觉的焊点缺陷检测方法 |
CN109044322A (zh) * | 2018-08-29 | 2018-12-21 | 北京航空航天大学 | 一种非接触式心率变异性测量方法 |
-
2019
- 2019-11-07 CN CN201911081412.1A patent/CN110887846B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0372812A2 (en) * | 1988-12-02 | 1990-06-13 | Hewlett-Packard Company | Method and apparatus for inspecting solder joints |
CN109001230A (zh) * | 2018-05-28 | 2018-12-14 | 中兵国铁(广东)科技有限公司 | 基于机器视觉的焊点缺陷检测方法 |
CN109044322A (zh) * | 2018-08-29 | 2018-12-21 | 北京航空航天大学 | 一种非接触式心率变异性测量方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112595732A (zh) * | 2020-12-09 | 2021-04-02 | 西安邮电大学 | 一种基于超宽带微波的焊点质量检测方法 |
CN112595732B (zh) * | 2020-12-09 | 2023-03-10 | 西安邮电大学 | 一种基于超宽带微波的焊点质量检测方法 |
CN114878603A (zh) * | 2021-12-23 | 2022-08-09 | 浙江威固信息技术有限责任公司 | 一种bga芯片虚焊检测方法及检测系统 |
CN114878603B (zh) * | 2021-12-23 | 2023-03-14 | 浙江威固信息技术有限责任公司 | 一种bga芯片虚焊检测方法及检测系统 |
CN117825036A (zh) * | 2024-03-06 | 2024-04-05 | 梁山通亚重工机械有限公司 | 一种挂车生产线用自动化质检系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110887846B (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110887846B (zh) | 一种焊点质量检测方法 | |
CN105092598B (zh) | 一种基于连通域的大幅面pcb板缺陷快速识别方法及系统 | |
US11314979B2 (en) | Method and apparatus for evaluating image acquisition accuracy, electronic device and storage medium | |
Amer et al. | Reliable and fast structure-oriented video noise estimation | |
Spataru et al. | Automatic detection and evaluation of solar cell micro-cracks in electroluminescence images using matched filters | |
KR920019182A (ko) | 디스플레이스크린의 결함검출방법 및 장치 | |
Liu et al. | A perceptually relevant approach to ringing region detection | |
JP3870023B2 (ja) | ビデオ信号内のガウス雑音検出方法 | |
JPH09265537A (ja) | 画像処理方法 | |
CN114155197A (zh) | 一种元器件缺陷检测的方法及装置 | |
KR100754969B1 (ko) | 화상 검사 장치, 화상 검사 방법 및 컴퓨터 판독가능한 기억 매체 | |
WO2018094823A1 (zh) | 显示屏均匀性测试方法及系统 | |
Russo et al. | A vector approach to quality assessment of color images | |
US7672518B2 (en) | Use of frequency transform in the analysis of image sensors | |
JPH08145907A (ja) | 欠陥検査装置 | |
Huo et al. | An Image Region-Based Image Stitching Algorithm of Smartphones | |
KR101899070B1 (ko) | 랜덤신호에 대한 강건성 정량화를 통한 단독 영상 품질 평가 방법 및 장치 | |
US7672519B2 (en) | Use of frequency transforms in the analysis of image sensors | |
JP2010206244A (ja) | 画像劣化評価システム、画像劣化評価方法、画像劣化評価プログラム | |
US4912328A (en) | Apparatus for improving the signal-to-noise ratio of image signals in a scan-type imaging system | |
Corchs et al. | Image quality: a tool for no-reference assessment methods | |
JPH0766443B2 (ja) | 画質検査方法 | |
CN109785383B (zh) | TVlines图像中定位识别测试线的方法、装置及可读存储介质 | |
Baroncini et al. | Diagnostic quality monitoring of video sequences based on multiple structural analysis | |
CN110991259B (zh) | 一种红外图像目标检测方法及系统 |
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 |