CN110956620A - 一种检测电子元件点胶质量的图像处理算法 - Google Patents
一种检测电子元件点胶质量的图像处理算法 Download PDFInfo
- Publication number
- CN110956620A CN110956620A CN201911177865.4A CN201911177865A CN110956620A CN 110956620 A CN110956620 A CN 110956620A CN 201911177865 A CN201911177865 A CN 201911177865A CN 110956620 A CN110956620 A CN 110956620A
- Authority
- CN
- China
- Prior art keywords
- detecting
- glue
- image processing
- processing algorithm
- component
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属于机器视觉图像处理技术领域,具体涉及一种检测电子元件点胶质量的图像处理算法,包括如下步骤:S1、扫描全局Mark(基准点),获得IC元件的位置;S2、连续拍照取图同时开启计算线程;S3、模板匹配,获得感兴趣的区域;S4、在IC元件周围或IC元件自身计算胶水面积;S5、将步骤S2中取得的一系列图片放到并行线程中进行步骤S3、S4的图像处理,通过面积阈值的设置判断胶水质量。利用坐标转换,图像处理来检测点胶质量,稳定可靠。
Description
技术领域
本发明属于机器视觉图像处理技术领域,具体涉及一种检测电子元件点胶质量的图像处理算法。
背景技术
机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。随着微电子工业的迅猛发展,越来越多的工厂都在进行自动化改造,用机器视觉来检测物料是否达标,效率和准确率都得到极大的提高。
在线路板制作流程中,为了固定IC元件和防止焊点氧化,需要在元件周围和焊点上进行点胶,但是IC元件上不允许有胶,ICT测试点上也不允许有胶,点胶的范围仅限于元件周围1mm左右的范围,少了叫做断胶,多了叫做溢胶、散胶,通常工厂会安排品管人员进行检查,判断是否NG,因为人总是有疏忽或是疲劳的时候,每个人对于质量的管控也不一样,难免导致本来应该NG的产品流到下一个工序,或是本来应该PASS的产品放在了NG的一边。
目前的算法中,针对的感兴趣区域是矩形的,而无法高效的处理圆形、椭圆和不规则等感兴趣区域,而线路板上很多IC元件形状各异,有圆形、半圆甚至其他不规则形状。再加上胶水一般需要涂覆在元件的周围覆盖在焊点上起到固定和防止氧化的作用,所以感兴趣的区域需要做成不规则形状甚至是环状。
有鉴于此,有必要提供一种处理电子线路板上不规则感兴趣区域的图像算法。
发明内容
本发明的目的在于:针对现有技术的不足,而提供一种检测电子元件点胶质量的图像处理算法,利用坐标转换,图像处理来检测点胶质量,稳定可靠。
为实现上述目的,本发明采用如下技术方案:
一种检测电子元件点胶质量的图像处理算法,包括如下步骤:S1、扫描全局Mark(基准点),获得IC元件的位置;
S2、连续拍照取图同时开启计算线程;
S3、模板匹配,获得感兴趣的区域;
S4、在IC元件周围或IC元件自身计算胶水面积;
S5、将步骤S2中取得的一系列图片放到并行线程中进行步骤S3、S4的图像处理,通过面积阈值的设置判断胶水质量。利用坐标转换,图像处理来检测点胶质量,稳定可靠。
作为本发明所述的检测电子元件点胶质量的图像处理算法的一种改进,在所述步骤S1中,根据IC元件相对于Mark点的位置和角度通过极坐标转换计算获得IC元件的位置,包括如下步骤:
L1、首先找到IC元件、Mark1、Mark2的位置,其中IC元件的坐标为(Xi,Yi),Mark1的坐标为(X1,Y1),Mark2的坐标为(X2,Y2);
L4、当下次进板Mark点位置发生偏移时,根据偏移后基准点Mark1'(X1',Y1')和Mark2'(X2',Y2')算出中心点Center'的位置(XC',YC'),其中XC'=(X1'+X2')/2,YC'=(Y1'+Y2')/2,Mark点的角度:
L5、推算新IC元件的角度θ'和位置(Xi',Yi'):新角度θ'=θ+B-A,Xi'=XC'+R*cos(θ'),Yi'=YC'+R*sin(θ')。
作为本发明所述的检测电子元件点胶质量的图像处理算法的一种改进,在所述步骤S2中,在连续拍照取图的同时开启图像处理和计算线程。
作为本发明所述的检测电子元件点胶质量的图像处理算法的一种改进,在所述步骤S3中,模板形状可以通过工具来制作。
作为本发明所述的检测电子元件点胶质量的图像处理算法的一种改进,所述工具为圆和多边形中的至少一种。在实际应用中,优先选用正矩形、角度矩形、画圆或多边形,根据实际情况可以灵活地应用。
作为本发明所述的检测电子元件点胶质量的图像处理算法的一种改进,在所述步骤S4中,在IC元件周围的区域的检测类型包括检测散胶C1、检测漏点胶C3和检测断胶C5。
作为本发明所述的检测电子元件点胶质量的图像处理算法的一种改进,在IC元件自身的区域的检测类型包括检测IC挂胶C2和检测ICT测试点是否有胶C4。
作为本发明所述的检测电子元件点胶质量的图像处理算法的一种改进,通过计算胶水缺失面积的检测类型包括检测漏点胶C3和检测断胶C5。
作为本发明所述的检测电子元件点胶质量的图像处理算法的一种改进,通过计算胶水面积的检测类型包括检测散胶C1、检测IC挂胶C2和检测ICT测试点是否有胶C4。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例中检测电子元件点胶质量的图像处理算法的流程图;
图2为本发明实施例中IC元件相对于Mark点的位置和角度的结构示意图;
图3为本发明实施例中进板Mark点位置发生偏移后IC元件相对于Mark点的位置和角度的结构示意图;
图4为本发明实施例中漏点胶的结构示意图;
图5为本发明实施例中挂胶的结构示意图;
图6为本发明实施例中溢胶的结构示意图。
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解,硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式,而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语,故应解释成“包含但不限定于”。“大致”是指在可接受的误差范围内,本领域技术人员能够在一定误差范围内解决所述技术问题,基本达到所述技术效果。
以下结合附图对本发明作进一步详细说明,但不作为对本发明的限定。
实施例
如图1所示,一种检测电子元件点胶质量的图像处理算法,包括如下步骤:S1、扫描全局Mark(基准点),获得IC元件的位置;
S2、连续拍照取图同时开启计算线程;
S3、模板匹配,获得感兴趣的区域;
S4、在IC元件周围或IC元件自身计算胶水面积;
S5、将步骤S2中取得的一系列图片放到并行线程中进行步骤S3、S4的图像处理,通过面积阈值的设置判断胶水质量。利用坐标转换,图像处理来检测点胶质量,稳定可靠。
优选的,在步骤S1中,根据IC元件相对于Mark点的位置和角度通过极坐标转换计算获得IC元件的位置,包括如下步骤:
L1、首先找到IC元件、Mark1、Mark2的位置(如图2所示),其中IC元件的坐标为(Xi,Yi),Mark1的坐标为(X1,Y1),Mark2的坐标为(X2,Y2);
L4、当下次进板Mark点位置发生偏移时(如图3所示),根据偏移后基准点Mark1'(X1',Y1')和Mark2'(X2',Y2')算出中心点Center'的位置(XC',YC'),其中XC'=(X1'+X2')/2,YC'=(Y1'+Y2')/2,Mark点的角度:
L5、推算新IC元件的角度θ'和位置(Xi',Yi'):新角度θ'=θ+B-A,Xi'=XC'+R*cos(θ'),Yi'=YC'+R*sin(θ')。
优选的,在步骤S2中,在连续拍照取图的同时开启图像处理和计算线程。
优选的,在步骤S3中,模板形状可以通过工具来制作。
优选的,工具为圆和多边形中的至少一种。在实际应用中,优先选用正矩形、角度矩形、画圆或多边形,根据实际情况可以灵活地应用。
优选的,在步骤S4中,在IC元件周围的区域的检测类型包括检测散胶C1(如图6所示)、检测漏点胶C3(如图4所示)和检测断胶C5。
优选的,在IC元件自身的区域的检测类型包括检测IC挂胶C2(如图5所示)和检测ICT测试点是否有胶C4。
优选的,通过计算胶水缺失面积的检测类型包括检测漏点胶C3和检测断胶C5。
优选的,通过计算胶水面积的检测类型包括检测散胶C1、检测IC挂胶C2和检测ICT测试点是否有胶C4。
上述说明示出并描述了本发明的若干优选实施例,但如前所述,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (9)
1.一种检测电子元件点胶质量的图像处理算法,其特征在于,包括如下步骤:
S1、扫描全局Mark(基准点),获得IC元件的位置;
S2、连续拍照取图同时开启计算线程;
S3、模板匹配,获得感兴趣的区域;
S4、在IC元件周围或IC元件自身计算胶水面积;
S5、将步骤S2中取得的一系列图片放到并行线程中进行步骤S3、S4的图像处理,通过面积阈值的设置判断胶水质量。
2.如权利要求1所述的检测电子元件点胶质量的图像处理算法,其特征在于,在所述步骤S1中,根据IC元件相对于Mark点的位置和角度通过极坐标转换计算获得IC元件的位置,包括如下步骤:
L1、首先找到IC元件、Mark1、Mark2的位置,其中IC元件的坐标为(Xi,Yi),Mark1的坐标为(X1,Y1),Mark2的坐标为(X2,Y2);
L4、当下次进板Mark点位置发生偏移时,根据偏移后基准点Mark1'(X1',Y1')和Mark2'(X2',Y2')算出中心点Center'的位置(XC',YC'),其中XC'=(X1'+X2')/2,YC'=(Y1'+Y2')/2,Mark点的角度:
L5、推算新IC元件的角度θ'和位置(Xi',Yi'):新角度θ'=θ+B-A,Xi'=XC'+R*cos(θ'),Yi'=YC'+R*sin(θ')。
3.如权利要求1所述的检测电子元件点胶质量的图像处理算法,其特征在于:在所述步骤S2中,在连续拍照取图的同时开启图像处理和计算线程。
4.如权利要求1所述的检测电子元件点胶质量的图像处理算法,其特征在于:在所述步骤S3中,模板形状可以通过工具来制作。
5.如权利要求4所述的检测电子元件点胶质量的图像处理算法,其特征在于:所述工具为圆和多边形中的至少一种。
6.如权利要求1所述的检测电子元件点胶质量的图像处理算法,其特征在于:在所述步骤S4中,在IC元件周围的区域的检测类型包括检测散胶C1、检测漏点胶C3和检测断胶C5。
7.如权利要求6所述的检测电子元件点胶质量的图像处理算法,其特征在于:在IC元件自身的区域的检测类型包括检测IC挂胶C2和检测ICT测试点是否有胶C4。
8.如权利要求6所述的检测电子元件点胶质量的图像处理算法,其特征在于:通过计算胶水缺失面积的检测类型包括检测漏点胶C3和检测断胶C5。
9.如权利要求6所述的检测电子元件点胶质量的图像处理算法,其特征在于:通过计算胶水面积的检测类型包括检测散胶C1、检测IC挂胶C2和检测ICT测试点是否有胶C4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911177865.4A CN110956620B (zh) | 2019-11-26 | 2019-11-26 | 一种检测电子元件点胶质量的图像处理算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911177865.4A CN110956620B (zh) | 2019-11-26 | 2019-11-26 | 一种检测电子元件点胶质量的图像处理算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110956620A true CN110956620A (zh) | 2020-04-03 |
CN110956620B CN110956620B (zh) | 2023-05-30 |
Family
ID=69978510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911177865.4A Active CN110956620B (zh) | 2019-11-26 | 2019-11-26 | 一种检测电子元件点胶质量的图像处理算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110956620B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112289132A (zh) * | 2020-09-23 | 2021-01-29 | 深圳市轴心自控技术有限公司 | 基于3d模型的轨迹路径示教方法及点胶设备 |
CN112289131A (zh) * | 2020-09-23 | 2021-01-29 | 深圳市轴心自控技术有限公司 | 基于2d图片的轨迹路径示教方法及点胶设备 |
CN112634203A (zh) * | 2020-12-02 | 2021-04-09 | 富泰华精密电子(郑州)有限公司 | 图像检测方法、电子设备及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107883879A (zh) * | 2016-09-29 | 2018-04-06 | 联合汽车电子有限公司 | 涂胶质量3d视觉检测系统及其检测方法 |
CN109029369A (zh) * | 2018-05-30 | 2018-12-18 | 常州铭赛机器人科技股份有限公司 | 飞行拍摄的检测方法 |
CN109461141A (zh) * | 2018-10-10 | 2019-03-12 | 重庆大学 | 一种工件缺胶检测方法 |
CN110111317A (zh) * | 2019-04-29 | 2019-08-09 | 西安交通大学 | 一种基于机器人智能末端的点胶质量视觉检测方法 |
-
2019
- 2019-11-26 CN CN201911177865.4A patent/CN110956620B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107883879A (zh) * | 2016-09-29 | 2018-04-06 | 联合汽车电子有限公司 | 涂胶质量3d视觉检测系统及其检测方法 |
CN109029369A (zh) * | 2018-05-30 | 2018-12-18 | 常州铭赛机器人科技股份有限公司 | 飞行拍摄的检测方法 |
CN109461141A (zh) * | 2018-10-10 | 2019-03-12 | 重庆大学 | 一种工件缺胶检测方法 |
CN110111317A (zh) * | 2019-04-29 | 2019-08-09 | 西安交通大学 | 一种基于机器人智能末端的点胶质量视觉检测方法 |
Non-Patent Citations (1)
Title |
---|
查广丰 等: "基于深度学习的点胶缺陷检测", 《电子技术与软件工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112289132A (zh) * | 2020-09-23 | 2021-01-29 | 深圳市轴心自控技术有限公司 | 基于3d模型的轨迹路径示教方法及点胶设备 |
CN112289131A (zh) * | 2020-09-23 | 2021-01-29 | 深圳市轴心自控技术有限公司 | 基于2d图片的轨迹路径示教方法及点胶设备 |
CN112634203A (zh) * | 2020-12-02 | 2021-04-09 | 富泰华精密电子(郑州)有限公司 | 图像检测方法、电子设备及计算机可读存储介质 |
CN112634203B (zh) * | 2020-12-02 | 2024-05-31 | 富联精密电子(郑州)有限公司 | 图像检测方法、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110956620B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110956620A (zh) | 一种检测电子元件点胶质量的图像处理算法 | |
US20210197389A1 (en) | Computer device and method for controlling robotic arm to grasp and place objects | |
EP2618135B1 (en) | Method for registering inspection standard for soldering inspection and board inspection apparatus thereby | |
CN106651857B (zh) | 一种印刷电路板贴片缺陷检测方法 | |
US7181058B2 (en) | Method and system for inspecting electronic components mounted on printed circuit boards | |
CN103389309A (zh) | 用于检查过孔的方法和设备 | |
KR101682468B1 (ko) | 웨이퍼 정렬방법 및 이를 이용한 정렬장비 | |
Elian et al. | Implementation of computer vision algorithms for position correction of chip-mounter machine | |
CN113888510A (zh) | 检测方法、检测装置、检测设备及计算机可读存储介质 | |
JP2002071313A (ja) | ターゲットマーカとこれを用いた対象物の位置計測方法及びロボットシステム | |
US7224829B2 (en) | Bonding pattern discrimination method, bonding pattern discrimination device and bonding pattern discrimination program | |
CN105136818A (zh) | 印刷基板的影像检测方法 | |
CN113160145A (zh) | 检测方法、检测装置、检测设备及计算机可读存储介质 | |
CN114913119B (zh) | 一种半导体晶圆检测工艺中的自动探针状态识别方法 | |
US20050286754A1 (en) | Electronic component detection system | |
US11357149B2 (en) | Component orientation determination data creation device and component orientation determination data creation method | |
KR19990062392A (ko) | 이동체의 정지위치 오차량 검출장치 | |
CN115908292A (zh) | 焊接工件的缺陷检测方法、装置及存储介质 | |
KR0130950B1 (ko) | 원형구멍의 인식방법 | |
CN208077248U (zh) | 一种Mark点视觉识别系统 | |
JP4566686B2 (ja) | 対象物の形状判別方法及び装置 | |
KR102177329B1 (ko) | 피듀셜 마크 인식 방법 | |
KR100213345B1 (ko) | 조정부품의 조정장치 및 조정홈 검출방법 | |
CN113112467B (zh) | 一种平面图标注系统 | |
CN111442723B (zh) | 手机中板螺母形状与位置一体化检测方法及装置 |
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 |