CN111289538A - 基于机器视觉的pcb板元件检测系统及检测方法 - Google Patents
基于机器视觉的pcb板元件检测系统及检测方法 Download PDFInfo
- Publication number
- CN111289538A CN111289538A CN202010114923.5A CN202010114923A CN111289538A CN 111289538 A CN111289538 A CN 111289538A CN 202010114923 A CN202010114923 A CN 202010114923A CN 111289538 A CN111289538 A CN 111289538A
- Authority
- CN
- China
- Prior art keywords
- detection
- image
- module
- pcb
- color
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
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)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明提出了基于机器视觉的PCB板元件检测系统,包括视觉系统、图像处理及通信系统和PLC控制系统;视觉系统包括工业相机和读码器,读码器读取PCB板面条码信息并发出触发信号,工业相机取像;图像处理及通信系统包括视觉检测模块、逻辑分析模块和工控机,视觉检测模块用来分析图像,将检测结果传至逻辑分析模块,工控机实时监控;PLC控制系统包括PLC和声光报警模块,逻辑分析模块记录后将相应的I/O信号发送给PLC,PLC根据收到的I/O信号执行相应的动作,声光报警模块用来报警。本发明还提出了一种基于上述检测系统的检测方法。本发明采用机器视觉检测代替人眼检测,将生产线上的不良品检测出来,精准、快速识别不良品的同时大大降低了人工投入。
Description
技术领域
本发明涉及机器视觉识别技术领域,特别涉及一种基于机器视觉的PCB板元件检测系统,还涉及一种基于机器视觉的PCB板元件检测方法。
背景技术
在现代化进程中,电子产品起着很重要的作用,与此同时,由于电子产品更新速度快,PCB板生产的速度也在不断提升,相应的产能不断提高、PCB板集成度更加精密、工艺不断改善。PCB板检测的难点在于:一是PCB板面成分复杂,元件较多,元件尺寸较小,插件的位置相对集中,各型号插件均分布于板面,且板面除去插件外还有大量的印刷标识、位置指引等字符,插件高度变化大,PCB板面插件的种类较多,不同的插件外形规格不同,其中除了所占面积不同外,高度变化大;二是进行正负极性检测难度大,PCB板面插件中包含大量的正负极性插件,在检测过程中将要进行大量的参数采集、定位及训练来完成插件正负极的判断;三是板面独立跳线过多,PCB板面除去插件还包括大量的独立线路跳线,长度不同,且与板面贴近,检测时需要更多条件去判断这些跳线。
而目前,现有的PCB板元件检测方法,主要是人工手持PCB板置于光源下,人工目测PCB板是否存在缺陷,孔位是否正确。此种检测方法检测效率不高,检测误差大,且检测人员劳动强度大。因此,基于机器视觉的PCB板元件检测系统是为了解决精度和密度越来越高的PCB电路板给人工检测带来更大的压力,同时针对国内PCB生产制造单位对高效采集、高速处理、高精度自动检测PCB板元件的迫切需求而设计。
发明内容
本发明提出一种基于机器视觉的PCB板元件检测系统及检测方法,解决了现有技术中人工检测效率低、误差大的问题。
本发明的技术方案是这样实现的:
基于机器视觉的PCB板元件检测系统,包括视觉系统、图像处理及通信系统和PLC控制系统;
视觉系统包括工业相机和读码器,读码器读取PCB板面条码信息并发出触发信号,工业相机取像;
图像处理及通信系统包括视觉检测模块、逻辑分析模块和工控机,视觉检测模块分析图像,将检测结果传至逻辑分析模块,工控机实时监控;
PLC控制系统包括PLC和声光报警模块,逻辑分析模块记录数据后将相应的I/O信号发送给PLC,PLC根据收到的I/O信号执行相应的动作,声光报警模块用来报警。
可选地,所述工业相机采用890万像素彩色相机,其所配工业镜头尺寸为8mm,接口为C型。
可选地,所述视觉检测模块包括:
彩色灰度转换单元,基于亮度基准的灰度转换,将彩色数据转换为灰度信息;
色彩提取单元,提取需要训练的色彩,调整膨胀值和柔和度,并做相减运算,让符合训练色彩的区域突显,其余区域灰度值变为0;
二值化处理单元,将图像中所有的像素灰度由128为分隔值设置为0或255,使图像像素只呈现出纯黑与纯白两种状态;
直方图统计单元,计算像素的最大值、最小值与中值,然后统计不同的值的分散情况或者出现的次数,与灰度值进行组合,以坐标的形式展现出来。
可选地,所述视觉系统还包括光源,所述光源为拱形光源。
可选地,所述逻辑分析模块包括:
图像定位单元,提取工业相机所抓拍的图像作为像源,传递给色彩检测单元与灰度检测单元;
色彩检测单元,针对像源进行基于色彩的检测,判断其有无、位置和数量;
灰度检测单元,针对像源进行基于灰度的检测,包括PCB板面金属元件的有无、位置和数量,并结合直方图分析极性元件是否极反;
数据单元,将所有的检测数据汇总到数据单元中,进行初步的逻辑判断运算,之后将所有数据发送到逻辑分析模块的控制程序中进行二次判断运算,得到逻辑结果。
本发明还提供了一种基于机器视觉的PCB板元件检测方法,基于上述系统进行检测,包括如下步骤:
工业相机对PCB板进行取像,并将图像传输至视觉检测模块;
视觉检测模块对图像中的PCB元件进行识别、检测和判定,将结果参数输出到逻辑分析模块中;
逻辑分析模块根据视觉检测模块反馈的参数进行分析判断,得出相应的判断结果,在显示的同时将处理信号发送至PLC控制系统;
PLC控制系统根据处理信号进行动作。
可选地,工业相机对PCB板进行取像之前,读码器读取PCB板的条码信息。
可选地,PLC控制系统根据处理信号进行动作之后,将PLC控制信号与条码信息在逻辑分析模块进行匹配并保存。
可选地,工业相机对PCB板进行取像的步骤包括:
彩色灰度转换,基于亮度基准的灰度转换,将彩色数据转换为灰度信息,对有无检测采用灰度结合斑点面积进行判断;
色彩提取,提取需要训练的色彩,调整膨胀值和柔和度,并做相减运算,让符合训练色彩的区域突显,其余区域灰度值变为0;
二值化处理,将图像中所有的像素灰度由128为分隔值设置为0或255,使图像像素只呈现出纯黑与纯白两种状态;
直方图统计,计算像素的最大值、最小值与中值,然后统计不同的值的分散情况或者出现的次数,与灰度值进行组合,以坐标的形式展现出来。
可选地,所述视觉检测模块对图像中的PCB元件进行识别、检测、判定,包括如下步骤:
对图像进行畸变校正;
使用斑点检测、色彩匹配、建模,针对检测对象进行模型匹配;
调用数据处理脚本进行举例计算,结合逻辑算法,判断检测对象是否达标。
可选地,所述视觉检测模块的光源选用拱形光源,并且搭配内壁颜色为白色或反光层的检测暗室。
可选地,所述逻辑分析模块根据视觉检测模块反馈的参数进行分析判断,包括如下步骤:
建立和寻找图像定位:提取工业相机所抓拍的图像作为像源,传递给色彩检测单元与灰度检测单元;
突出元件的色彩检测:色彩检测单元针对像源进行基于色彩的检测,判断其有无、位置、数量;
斑点工具的灰度检测:灰度检测单元针对像源进行基于灰度的检测,包括PCB板面金属元件的有无、位置、数量,并结合直方图分析极性元件是否极反;
结果数据的汇总:将所有的检测数据汇总到数据单元中,进行初步的逻辑判断运算,之后将所有数据发送到逻辑分析模块的控制程序中进行二次判断运算,得到逻辑结果。
可选地,所述逻辑结果包括图像定位、错件、极反、漏差、多插、歪斜。
本发明的有益效果是:
1、本发明检测系统的检测周期为727ms,检测范围包含全部检测项目的五项,覆盖率约为95%;检测的外围干扰波动保持在0.5%,检测精度比人工高达550%。
2、在三年周期成本投入方面,该系统的总体投入为人工检测的50%,损耗仅为人工的10%,系统综合效率为人工的800%,以上参数表明本发明的检测系统在保证优秀质检品质的前提下,能够为生产企业节省大量的成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于机器视觉的PCB板元件检测系统的结构示意图;
图2为本发明基于机器视觉的PCB板元件检测系统的结构框图;
图3为本发明基于机器视觉的PCB板元件检测方法的流程图。
附图标记:
1、光源,2、工业相机,3、图像处理及通信系统,4、PLC控制系统。
具体实施方式
以下描述和附图充分地示出本文的具体实施方案,以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。本文中,术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来,而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素,反之亦然。
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、完整地描述,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。基于本发明中的实施例,本领域普通技术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,都属于本发明保护的范围。
如图1至图3所示,本申请公开了一种基于机器视觉的PCB板元件检测系统,包括视觉系统、图像处理及通信系统3和PLC控制系统4;
视觉系统包括工业相机2和读码器,读码器读取PCB板面条码信息并发出触发信号,工业相机2取像;
图像处理及通信系统3包括视觉检测模块、逻辑分析模块和工控机,视觉检测模块分析图像,将检测结果传至逻辑分析模块,工控机实时监控;
PLC控制系统4包括PLC和声光报警模块,逻辑分析模块记录数据后将相应的I/O信号发送给PLC,PLC根据收到的I/O信号执行相应的动作,声光报警模块用来报警。
可选地,所述工业相机2采用890万像素彩色相机,其所配工业镜头尺寸为8mm,接口为C型。考虑到流水线为双板同检线,且流水线与PCB板的位置固定,在满足检测像素后,预留视野不需太大,暂时确定为1.5倍全板面积,在基于标准识别精度上预留2倍,为了增加检测精度,将单条流水线检测分割为两部分,采用两台相机同时分区检测,经过计算选配相机为大于500万的像素级。为满足检测效果,决定采用彩色相机进行检测,适配相机型号为MV-CA089-10GC。
可选地,所述视觉检测模块包括:
彩色灰度转换单元,基于亮度基准的灰度转换,将彩色数据转换为灰度信息;
色彩提取单元,提取需要训练的色彩,调整膨胀值和柔和度,并做相减运算,让符合训练色彩的区域突显,其余区域灰度值变为0;
二值化处理单元,将图像中所有的像素灰度由128为分隔值设置为0或255,使图像像素只呈现出纯黑与纯白两种状态;
直方图统计单元,计算像素的最大值、最小值与中值,然后统计不同的值的分散情况或者出现的次数,与灰度值进行组合,以坐标的形式展现出来。
可选地,所述视觉系统还包括光源1,所述光源1为拱形光源。
可选地,所述逻辑分析模块包括:
图像定位单元,提取工业相机所抓拍的图像作为像源,传递给色彩检测单元与灰度检测单元;
色彩检测单元,针对像源进行基于色彩的检测,判断其有无、位置和数量;
灰度检测单元,针对像源进行基于灰度的检测,包括PCB板面金属元件的有无、位置和数量,并结合直方图分析极性元件是否极反;
数据单元,将所有的检测数据汇总到数据单元中,进行初步的逻辑判断运算,之后将所有数据发送到逻辑分析模块的控制程序中进行二次判断运算,得到逻辑结果。
如图3所示,本发明还提供了一种基于机器视觉的PCB板元件检测方法,基于上述系统进行检测,包括如下步骤:
工业相机对PCB板进行取像,并将图像传输至视觉检测模块;
视觉检测模块对图像中的PCB元件进行识别、检测、判定,将结果参数输出到逻辑分析模块中;
逻辑分析模块根据视觉检测模块反馈的参数进行分析判断,得出相应的判断结果,在显示的同时将处理信号发送至PLC控制系统;
PLC控制系统根据处理信号进行动作。
可选地,工业相机对PCB板进行取像之前,读码器读取PCB板的条码信息。
可选地,PLC控制系统根据处理信号进行动作之后,将PLC控制信号与条码信息在逻辑分析模块进行匹配并保存。
可选地,工业相机对PCB板进行取像的步骤包括:
彩色灰度转换,基于亮度基准的灰度转换,将彩色数据转换为灰度信息,对有无检测采用灰度结合斑点面积进行判断,彩色的显示是由RGB传统三原色组合而成的,本发明处理彩色图像也采用对RGB三原色分别处理的方式来完成调色,将彩色图像转换为灰度图像同样要从三原色数值处理开始,255的值中可以对其进行任意修改,获得一个三次方组合值,数量相当庞大,但将三次方的基本值单一化以后,剩下的值只有255,也就完成了彩色图像到灰度图像的转换,相对应也可以看出,灰度图像的计算量要小于彩色图像;
色彩提取,提取需要训练的色彩,调整膨胀值和柔和度,并做相减运算,让符合训练色彩的区域突显,其余区域灰度值变为0;
二值化处理,将图像中所有的像素灰度由128为分隔值设置为0或255,使图像像素只呈现出纯黑与纯白两种状态;
直方图统计,计算像素的最大值、最小值与中值,然后统计不同的值的分散情况或者出现的次数,与灰度值进行组合,以坐标的形式展现出来,直方图运算定义的结构表示为公式1所示:
结构示意中灰度级的个数用L来标识,每个灰度的像素个数用ni来表示,灰度像素出现概率用pi来表示。
可选地,所述视觉检测模块对图像中的PCB元件进行识别、检测、判定,包括如下步骤:
对图像进行畸变校正;
然后使用斑点检测、色彩匹配、建模,针对检测对象进行模型匹配,可选地,建模采用PatMax算法;
最后调用数据处理脚本进行举例计算,结合逻辑算法,判断检测对象是否达标。
可选地,所述视觉检测模块的光源选用拱形光源,并且搭配内壁颜色为白色或反光层的检测暗室。
可选地,所述逻辑分析模块根据视觉检测模块反馈的参数进行分析判断,包括如下步骤:
建立和寻找图像定位:提取工业相机所抓拍的图像作为像源,传递给色彩检测单元与灰度检测单元;
突出元件的色彩检测:色彩检测单元针对像源进行基于色彩的检测,判断其有无、位置、数量;
斑点工具的灰度检测:灰度检测单元针对像源进行基于灰度的检测,包括PCB板面金属元件的有无、位置、数量,并结合直方图分析极性元件是否极反;
结果数据的汇总:将所有的检测数据汇总到数据单元中,进行初步的逻辑判断运算,之后将所有数据发送到逻辑分析模块的控制程序中进行二次判断运算,得到逻辑结果。
可选地,所述逻辑结果包括图像定位、错件、极反、漏差、多插、歪斜。
图像定位:训练PCB板上的通用标识为模板作为定位标记,当被检测PCB板进入视觉取像范围内时,检测程序将采用PMA模板匹配法寻找定位标识,找到标识后将根据标识的具体姿势参数输出坐标信息发送给Fixtrue,Fixtrue将由收到的坐标信息建立坐标空间。
错件检测:目前针对错件检测采用色彩匹配检测法,即先针对不同的色彩进行提取,建立完整的色彩分布区域,如果为良品则所有色彩分布区域面积满足标准模板,如果出现错件则分布情况发生改变,与模板不符则生成NG数据。
极反检测:首先将图像进行灰度转换,之后在要检测极反的元件极性特征处写入直方图,将极性特征处的直方图数据输出,与正常极性的直方图数据进行比对,一致则为极性正确,如果不符则为极反。
漏插检测:漏插检测有两种方法可以使用,一种为直接训练元件为模板,在规定区域内进行模板匹配寻找元件是否存在,但此方法程序过于复杂,运行时间长;另一种为通过Blob工具根据灰度分布来判断是否满足标准的斑点面积,如果满足则为正常,如缺少则为漏插,同时多插检测原理一致,参数处理为面积分布多余正常值。
歪斜检测:歪斜检测使用Blob斑点计算,先找到要检测的元件,然后通过灰度转换算法处理得到灰度斑点图像,在Fixtrue空间下处理得出元件对应的斑点质心坐标,与标准坐标进行比对,如果偏移较大则为歪斜。
在使用本发明的检测系统之前,需要对其进行测试,包括软件测试和硬件测试,软件测试包括程序的加载、I/O板卡信号的读写以及交互界面的参数显示;硬件测试是指该系统被应用到实际生产线上,工控机主要承载软件运行,通过I/O板卡与PLC保持信号的交互,现场生产人员则通过显示屏与工控机软件程序进行交互,实时监控检测信息,并实时对检测参数进行调整。
本发明在机器视觉的基础上,增加外围软、硬件的开发和支持,设计出该检测系统;采用机器视觉检测代替人眼检测,将生产线上的不良品检测出来,通过合理的逻辑运算对检测数据进行分析、统计,实时将统计数据反馈给操作员和生产监控部门,做到对一线生产状态的良好跟踪;同时工控机将检测数据传输进行处理后发送给PLC,根据检测结果,PLC控制剔除装置剔除不良品,代替人工及时使不良品离线,再进行报警,提醒人工进行后续操作,完整地实现了从检测到分析,再到动作的整套质检机制,精准、快速识别不良品的同时大大降低了人工投入。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于机器视觉的PCB板元件检测系统,其特征在于,包括:
视觉系统、图像处理及通信系统和PLC控制系统;
视觉系统包括工业相机和读码器,读码器读取PCB板面条码信息并发出触发信号,工业相机取像;
图像处理及通信系统包括视觉检测模块、逻辑分析模块和工控机,视觉检测模块分析图像,将检测结果传至逻辑分析模块进行分析,工控机实时监控;
PLC控制系统包括PLC和声光报警模块,逻辑分析模块记录后将相应的I/O信号发送给PLC,PLC根据收到的I/O信号执行相应的动作,声光报警模块用来报警。
2.如权利要求1所述的基于机器视觉的PCB板元件检测系统,其特征在于,所述视觉检测模块包括:
彩色灰度转换单元,基于亮度基准的灰度转换,将彩色数据转换为灰度信息;
色彩提取单元,提取需要训练的色彩,调整膨胀值和柔和度,并做相减运算,让符合训练色彩的区域突显,其余区域灰度值变为0;
二值化处理单元,将图像中所有的像素灰度由128为分隔值设置为0或255,使图像像素只呈现出纯黑与纯白两种状态;
直方图统计单元,计算像素的最大值、最小值与中值,然后统计不同的值的分散情况或者出现的次数,与灰度值进行组合,以坐标的形式展现出来。
3.如权利要求1所述的基于机器视觉的PCB板元件检测系统,其特征在于,所述逻辑分析模块包括:
图像定位单元,提取工业相机所抓拍的图像作为像源,传递给色彩检测单元与灰度检测单元;
色彩检测单元,针对像源进行基于色彩的检测,判断其有无、位置和数量;
灰度检测单元,针对像源进行基于灰度的检测,包括PCB板面金属元件的有无、位置和数量,并结合直方图分析极性元件是否极反;
数据单元,将所有的检测数据汇总到数据单元中,进行初步的逻辑判断运算,之后将所有数据发送到逻辑分析模块的控制程序中进行二次判断运算,得到逻辑结果。
4.一种基于机器视觉的PCB板元件检测方法,基于权利要求1-3任一项所述的系统进行检测,包括如下步骤:
工业相机对PCB板进行取像,并将图像传输至视觉检测模块;
视觉检测模块对图像中的PCB元件进行识别、检测和判定,将结果参数输出到逻辑分析模块中;
逻辑分析模块根据视觉检测模块反馈的参数进行分析判断,得出相应的判断结果,在显示的同时将处理信号发送至PLC控制系统;
PLC控制系统根据处理信号进行动作。
5.如权利要求4所述的检测方法,其特征在于,所述工业相机对PCB板进行取像之前,读码器读取PCB板的条码信息。
6.如权利要求4所述的检测方法,其特征在于,所述PLC控制系统根据处理信号进行动作之后,将PLC控制信号与条码信息在逻辑分析模块进行匹配并保存。
7.如权利要求4所述的检测方法,其特征在于,所述工业相机对PCB板进行取像的步骤包括:
彩色灰度转换,基于亮度基准的灰度转换,将彩色数据转换为灰度信息;
色彩提取,提取需要训练的色彩,调整膨胀值和柔和度,并做相减运算,让符合训练色彩的区域突显,其余区域灰度值变为0;
二值化处理,将图像中所有的像素灰度由128为分隔值设置为0或255,使图像像素只呈现出纯黑与纯白两种状态;
直方图统计,计算像素的最大值、最小值与中值,然后统计不同的值的分散情况或者出现的次数,与灰度值进行组合,以坐标的形式展现出来。
8.如权利要求4所述的检测方法,其特征在于,所述视觉检测模块对图像中的PCB元件进行识别、检测、判定的步骤,包括如下步骤:
对图像进行畸变校正;
使用斑点检测、色彩匹配、建模,针对检测对象进行模型匹配;
调用数据处理脚本进行计算,结合逻辑算法,判断检测对象是否达标。
9.如权利要求8所述的检测方法,其特征在于,所述视觉检测模块对图像中的PCB元件进行识别、检测、判定的步骤,还包括光源选配,视觉检测模块的光源选用拱形光源,并且搭配内壁颜色为白色或反光层的检测暗室。
10.如权利要求4所述的检测方法,其特征在于,所述逻辑分析模块根据视觉检测模块反馈的参数进行分析判断,包括如下步骤:
建立和寻找图像定位:提取工业相机所抓拍的图像作为像源,传递给色彩检测单元与灰度检测单元;
突出元件的色彩检测:色彩检测单元针对像源进行基于色彩的检测,判断其有无、位置和数量;
灰度检测:灰度检测单元针对像源进行基于灰度的检测,包括PCB板面金属元件的有无、位置和数量,并结合直方图分析极性元件是否极反;
结果数据的汇总:将所有的检测数据汇总到数据单元中,进行初步的逻辑判断运算,之后将所有数据发送到逻辑分析模块的控制程序中进行二次判断运算,得到逻辑结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010114923.5A CN111289538B (zh) | 2020-02-25 | 2020-02-25 | 基于机器视觉的pcb板元件检测系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010114923.5A CN111289538B (zh) | 2020-02-25 | 2020-02-25 | 基于机器视觉的pcb板元件检测系统及检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111289538A true CN111289538A (zh) | 2020-06-16 |
CN111289538B CN111289538B (zh) | 2023-08-29 |
Family
ID=71027872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010114923.5A Active CN111289538B (zh) | 2020-02-25 | 2020-02-25 | 基于机器视觉的pcb板元件检测系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111289538B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112275665A (zh) * | 2020-10-20 | 2021-01-29 | 广东喜珍电路科技有限公司 | 一种应用于pcb电测的防混板方法 |
CN113411979A (zh) * | 2021-07-12 | 2021-09-17 | 深圳正实智能装备有限公司 | 一种基于视觉标定的pcb板加工纠偏方法及系统 |
CN113466261A (zh) * | 2021-07-26 | 2021-10-01 | 鸿安(福建)机械有限公司 | 一种pcb板自动检测装置 |
CN113962231A (zh) * | 2021-10-13 | 2022-01-21 | 杭州胜铭纸业有限公司 | 包装箱信息码光学识别比对方法及系统 |
CN114160445A (zh) * | 2021-10-27 | 2022-03-11 | 杭州晶飞科技有限公司 | 一种pcb墨色分选机 |
CN114279319A (zh) * | 2020-09-28 | 2022-04-05 | 深圳富桂精密工业有限公司 | 检测元件安装缺陷的设备及其方法 |
CN114419350A (zh) * | 2022-01-26 | 2022-04-29 | 科为升视觉技术(苏州)有限公司 | 手机Face ID模组外观视觉检测系统 |
CN114417903A (zh) * | 2022-01-11 | 2022-04-29 | 江苏新安电器股份有限公司 | 一种产线pcba料号快速识别系统 |
CN115479891A (zh) * | 2022-08-12 | 2022-12-16 | 深圳市共进电子股份有限公司 | 基于图像识别的电路板载元器件自动检测系统和方法 |
CN116027171A (zh) * | 2022-12-23 | 2023-04-28 | 广东祺力电子有限公司 | 一种用于实现pcba板测试的智能系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006098093A (ja) * | 2004-09-28 | 2006-04-13 | Omron Corp | 基板検査装置および基板検査方法並びに基板検査装置の検査ロジック生成装置および検査ロジック生成方法 |
CN103072718A (zh) * | 2012-12-27 | 2013-05-01 | 天津普达软件技术有限公司 | 用于食品包装生产线的机器视觉检测系统及方法 |
EP2801816A2 (de) * | 2013-05-07 | 2014-11-12 | WiTrins s.r.o. | Verfahren und Vorrichtung zur optischen Analyse eines PCBs |
CN106409711A (zh) * | 2016-09-12 | 2017-02-15 | 佛山市南海区广工大数控装备协同创新研究院 | 一种太阳能硅晶片缺陷检测系统及方法 |
CN106770332A (zh) * | 2017-02-14 | 2017-05-31 | 杭州字节信息技术有限公司 | 一种基于机器视觉的电子模切料缺陷检测实现方法 |
CN109429473A (zh) * | 2017-08-28 | 2019-03-05 | 株洲中车时代电气股份有限公司 | 电路板中带极性电子元器件的自动检查方法及装置 |
-
2020
- 2020-02-25 CN CN202010114923.5A patent/CN111289538B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006098093A (ja) * | 2004-09-28 | 2006-04-13 | Omron Corp | 基板検査装置および基板検査方法並びに基板検査装置の検査ロジック生成装置および検査ロジック生成方法 |
CN103072718A (zh) * | 2012-12-27 | 2013-05-01 | 天津普达软件技术有限公司 | 用于食品包装生产线的机器视觉检测系统及方法 |
EP2801816A2 (de) * | 2013-05-07 | 2014-11-12 | WiTrins s.r.o. | Verfahren und Vorrichtung zur optischen Analyse eines PCBs |
CN106409711A (zh) * | 2016-09-12 | 2017-02-15 | 佛山市南海区广工大数控装备协同创新研究院 | 一种太阳能硅晶片缺陷检测系统及方法 |
CN106770332A (zh) * | 2017-02-14 | 2017-05-31 | 杭州字节信息技术有限公司 | 一种基于机器视觉的电子模切料缺陷检测实现方法 |
CN109429473A (zh) * | 2017-08-28 | 2019-03-05 | 株洲中车时代电气股份有限公司 | 电路板中带极性电子元器件的自动检查方法及装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114279319A (zh) * | 2020-09-28 | 2022-04-05 | 深圳富桂精密工业有限公司 | 检测元件安装缺陷的设备及其方法 |
CN114279319B (zh) * | 2020-09-28 | 2024-04-12 | 深圳富联富桂精密工业有限公司 | 检测元件安装缺陷的设备及其方法 |
CN112275665A (zh) * | 2020-10-20 | 2021-01-29 | 广东喜珍电路科技有限公司 | 一种应用于pcb电测的防混板方法 |
CN113411979A (zh) * | 2021-07-12 | 2021-09-17 | 深圳正实智能装备有限公司 | 一种基于视觉标定的pcb板加工纠偏方法及系统 |
CN113466261A (zh) * | 2021-07-26 | 2021-10-01 | 鸿安(福建)机械有限公司 | 一种pcb板自动检测装置 |
CN113962231B (zh) * | 2021-10-13 | 2024-03-26 | 杭州胜铭纸业有限公司 | 包装箱信息码光学识别比对方法及系统 |
CN113962231A (zh) * | 2021-10-13 | 2022-01-21 | 杭州胜铭纸业有限公司 | 包装箱信息码光学识别比对方法及系统 |
CN114160445A (zh) * | 2021-10-27 | 2022-03-11 | 杭州晶飞科技有限公司 | 一种pcb墨色分选机 |
CN114160445B (zh) * | 2021-10-27 | 2024-05-03 | 杭州晶飞科技有限公司 | 一种pcb墨色分选机 |
CN114417903A (zh) * | 2022-01-11 | 2022-04-29 | 江苏新安电器股份有限公司 | 一种产线pcba料号快速识别系统 |
CN114419350A (zh) * | 2022-01-26 | 2022-04-29 | 科为升视觉技术(苏州)有限公司 | 手机Face ID模组外观视觉检测系统 |
CN115479891A (zh) * | 2022-08-12 | 2022-12-16 | 深圳市共进电子股份有限公司 | 基于图像识别的电路板载元器件自动检测系统和方法 |
CN116027171B (zh) * | 2022-12-23 | 2023-11-14 | 广东祺力电子有限公司 | 一种用于实现pcba板测试的智能系统及方法 |
CN116027171A (zh) * | 2022-12-23 | 2023-04-28 | 广东祺力电子有限公司 | 一种用于实现pcba板测试的智能系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111289538B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111289538B (zh) | 基于机器视觉的pcb板元件检测系统及检测方法 | |
CN114240939B (zh) | 一种主板元器件外观缺陷检测方法、系统、设备及介质 | |
CN205538710U (zh) | 一种基于机器视觉的电感质量自动检测系统 | |
CN108802052A (zh) | 一种关于拉链缺陷的检测系统及其检测方法 | |
CN102901735B (zh) | 利用计算机对工件缺损、裂变、变形进行自动检测的系统 | |
CN113111903A (zh) | 智能产线监测系统及监测方法 | |
CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
CN104867145A (zh) | 基于vibe模型的ic元件焊点缺陷检测方法 | |
CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
CN113034488A (zh) | 一种喷墨印刷品的视觉检测方法 | |
CN112819844A (zh) | 一种图像边缘检测方法及装置 | |
CN114627089A (zh) | 缺陷识别方法、装置、计算机设备及计算机可读存储介质 | |
CN114494103A (zh) | 缺陷检测方法及检测装置 | |
CN111563869B (zh) | 用于摄像模组质检的污点测试方法 | |
CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN103605973A (zh) | 一种图像字符检测鉴别方法 | |
CN116778837A (zh) | 一种多功能显示器故障检测平台 | |
CN115479891A (zh) | 基于图像识别的电路板载元器件自动检测系统和方法 | |
CN110987926A (zh) | 一种基于机器视觉的显示屏缺陷自动检测方法 | |
CN115546140A (zh) | 一种显示面板检测方法、系统及电子装置 | |
CN111935480B (zh) | 一种用于图像获取装置的检测方法及相关装置 | |
CN115379197A (zh) | 用于在生产线上检测摄像头产品的镜头表面的方法和装置 | |
CN109060831B (zh) | 一种基于底板拟合的自动脏污检测方法 | |
CN111539933B (zh) | 一种直插元件检测方法及系统 | |
CN111474181A (zh) | 一种成盒制程阶段的面板缺陷检测及分类系统 |
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 |