CN111402222A - 一种高频电感焊盘质量检测方法及系统 - Google Patents

一种高频电感焊盘质量检测方法及系统 Download PDF

Info

Publication number
CN111402222A
CN111402222A CN202010167497.1A CN202010167497A CN111402222A CN 111402222 A CN111402222 A CN 111402222A CN 202010167497 A CN202010167497 A CN 202010167497A CN 111402222 A CN111402222 A CN 111402222A
Authority
CN
China
Prior art keywords
region
image
pad
pix
defect
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
Application number
CN202010167497.1A
Other languages
English (en)
Other versions
CN111402222B (zh
Inventor
徐众
张耀营
张省委
周荣欣
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.)
Suzhou Jieruisi Intelligent Technology Co ltd
Original Assignee
Suzhou Jieruisi Intelligent Technology Co ltd
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 Suzhou Jieruisi Intelligent Technology Co ltd filed Critical Suzhou Jieruisi Intelligent Technology Co ltd
Priority to CN202010167497.1A priority Critical patent/CN111402222B/zh
Publication of CN111402222A publication Critical patent/CN111402222A/zh
Application granted granted Critical
Publication of CN111402222B publication Critical patent/CN111402222B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • 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
    • G06T2207/30152—Solder
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种高频电感焊盘质量检测方法及系统，该方法包括：选取产品图像中ROI感兴趣区域，对所述ROI感兴趣区域进行RGB三通道分离；对第二通道的图像进行图像增强处理；通过灰度阈值提取增强处理后的图像中的焊盘区域，并获取焊盘区域的最小外接矩形；获取最小外接矩形的位置和角度，利用仿射变换对增强处理后的图像以及图像中的焊盘区域进行校正；对校正以后的图像进行角点区域灰度值均值化处理，筛选出高亮的焊盘区域R1；提取焊盘区域R1的缺陷区域，并获取内部缺陷特征信息；选取焊盘区域R1的外环区域R2，并提取外环区域R2的缺陷区域，并获取外部缺陷特征信息。本发明可以大幅提高检测速度和检测效率，并大幅提高缺陷检测的精度。

Description

一种高频电感焊盘质量检测方法及系统
技术领域
本发明涉及缺陷检测技术领域，特别涉及一种高频电感焊盘质量检测方法 及系统。
背景技术
高频电感元器件在电子产品中有着不可或缺的地位，随着应用范围的推广 以及集成电路的高速发展，对生产出来的高频电感的品质要求越来越高。为了 应对这种现象，生产型企业往往需要培养大量的专业质检人员，对成品进行人 工目视检查，人力物力耗费巨大，且人工检测可控性差，长时间工作易产生视 觉疲劳，检测结果没有数据支撑，无法跟踪溯源。
发明内容
针对现有技术的不足，本发明目的之一在于提供一种自动化，检测速度快， 检测效率高的高频电感焊盘质量检测方法。其采用如下技术方案：
一种高频电感焊盘质量检测方法，其包括：
选取产品图像中ROI感兴趣区域，对所述ROI感兴趣区域进行RGB三通道 分离；
对第二通道的图像进行图像增强处理；
通过灰度阈值提取增强处理后的图像中的焊盘区域，并获取焊盘区域的最 小外接矩形；
获取最小外接矩形的位置和角度，利用仿射变换对增强处理后的图像以及 图像中的焊盘区域进行校正；
对校正以后的图像进行角点区域灰度值均值化处理，筛选出高亮的焊盘区 域R1；
提取焊盘区域R1的缺陷区域，并获取内部缺陷特征信息；
选取焊盘区域R1的外环区域R2，并提取外环区域R2的缺陷区域，并获取 外部缺陷特征信息。
作为本发明的进一步改进，所述对第二通道的图像进行图像增强处理，具 体包括：
由公式Pixout(r,c)＝(Pixout(r,c)-Min(Pixin(r,c)))/(Max(Pixin(r,c))-Min(Pixin(r,c))) 求得灰度拉伸之后的图像各像素点灰度值集合Pixout(r,c)；其中(r,c)代表输入像 素点坐标，利用Pixin(r,c)求得该点像素值，利用Min()函数求得输入像素点最小像素值，利用Max()函数求得输入像素点最大像素值；
利用公式Pix'out(r,c)＝Pixout(r,c)*Mult1+Add1将灰度拉伸后的图像与拉伸之前的图像按比例系数相乘增强焊盘区域与背景区域的对比度；其中 -255≤Mult1≤255，-512≤Add1≤512，Pix'out(r,c)为增强后的像素点集，Mult1为比例 系数，Add1为调整修正系数。
作为本发明的进一步改进，所述提取焊盘区域R1的缺陷区域，具体包括：
对焊盘区域R1的灰度值做归一化处理，计算焊盘区域R1的方均差以及平 均灰度值；
以灰度均值为基础，通过动态阈值的方式动态提取出焊盘区域R1的缺陷区 域。
作为本发明的进一步改进，所述提取外环区域R2的缺陷区域，具体包括： 通过灰度二值化，提取超出焊盘区域R1的外环区域R2的焊线部分。
作为本发明的进一步改进，所述内部缺陷特征信息包括：所述最小外接矩 形的长半轴和短半轴值、矩形度值、面积。
作为本发明的进一步改进，所述获取内部缺陷特征信息之后还包括：通过 内部缺陷特征信息对缺陷进行归类，划分不同等级。
本发明目的之二在于提供一种自动化，检测速度快，检测效率高的高频电 感焊盘质量检测系统。其采用如下技术方案：
一种高频电感焊盘质量检测系统，其包括：
第一选取模块，用于选取产品图像中ROI感兴趣区域；
分离模块，用于对所述ROI感兴趣区域进行RGB三通道分离；
图像增强模块，用于对第二通道的图像进行图像增强处理；
第一提取模块，用于通过灰度阈值提取增强处理后的图像中的焊盘区域， 并获取焊盘区域的最小外接矩形；
校正模块，用于获取最小外接矩形的位置和角度，利用仿射变换对增强处 理后的图像以及图像中的焊盘区域进行校正；
第二选取模块，用于对校正以后的图像进行角点区域灰度值均值化处理， 选取高亮的焊盘区域R1；
第二提取模块，用于提取焊盘区域R1的缺陷区域；
第一特征信息获取模块，用于获取内部缺陷特征信息；
第三选取模块，用于选取焊盘区域R1的外环区域R2；
第三提取模块，用于提取外环区域R2的缺陷区域；
第二特征信息获取模块，用于获取外部缺陷特征信息。
作为本发明的进一步改进，所述对第二通道的图像进行图像增强处理，具 体包括：
由公式Pixout(r,c)＝(Pixout(r,c)-Min(Pixin(r,c)))/(Max(Pixin(r,c))-Min(Pixin(r,c))) 求得灰度拉伸之后的图像各像素点灰度值集合Pixout(r,c)；其中(r,c)代表输入像 素点坐标，利用Pixin(r,c)求得该点像素值，利用Min()函数求得输入像素点最小像素值，利用Max()函数求得输入像素点最大像素值；
利用公式Pix'out(r,c)＝Pixout(r,c)*Mult1+Add1将灰度拉伸后的图像与拉伸之前的图像按比例系数相乘增强焊盘区域与背景区域的对比度；其中 -255≤Mult1≤255，-512≤Add1≤512，Pix'out(r,c)为增强后的像素点集，Mult1为比例 系数，Add1为调整修正系数。
作为本发明的进一步改进，所述提取焊盘区域R1的缺陷区域，具体包括：
对焊盘区域R1的灰度值做归一化处理，计算焊盘区域R1的方均差以及平 均灰度值；
以灰度均值为基础，通过动态阈值的方式动态提取出焊盘区域R1的缺陷区 域。
作为本发明的进一步改进，所述提取外环区域R2的缺陷区域，具体包括： 通过灰度二值化，提取超出焊盘区域R1的外环区域R2的焊线部分。
本发明的有益效果：
本发明高频电感焊盘质量检测方法及系统可以完全取代人工操作，自动化 程度高，可以大幅提高检测速度和检测效率，同时可以对焊盘中不同区域以及 不同类型缺陷进行检测，并大幅提高缺陷检测的精度。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术 手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、 特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如 下。
附图说明
图1是本发明中优选实施例中高频电感焊盘质量检测方法的流程图；
图2是本发明中优选实施例中高频电感焊盘质量检测系统的示意图；
图3是本发明优选实施例中高频电感焊盘质量检测系统的硬件连接关系 图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人 员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
实施例一
如图1所示，为本实施例中的高频电感焊盘质量检测方法，其包括以下步 骤：
S10、选取产品图像中ROI感兴趣区域，对所述ROI感兴趣区域进行RGB 三通道分离；
S20、对第二通道的图像进行图像增强处理；具体包括：
由公式Pixout(r,c)＝(Pixout(r,c)-Min(Pixin(r,c)))/(Max(Pixin(r,c))-Min(Pixin(r,c))) 求得灰度拉伸之后的图像各像素点灰度值集合Pixout(r,c)；其中(r,c)代表输入像 素点坐标，利用Pixin(r,c)求得该点像素值，利用Min()函数求得输入像素点最小像素值，利用Max()函数求得输入像素点最大像素值；
利用公式Pix'out(r,c)＝Pixout(r,c)*Mult1+Add1将灰度拉伸后的图像与拉伸之前的图像按比例系数相乘增强焊盘区域与背景区域的对比度；其中 -255≤Mult1≤255，-512≤Add1≤512，Pix'out(r,c)为增强后的像素点集，Mult1为比例 系数，Add1为调整修正系数。
S30、通过灰度阈值提取增强处理后的图像中的焊盘区域，并获取焊盘区域 的最小外接矩形；
S40、获取最小外接矩形的位置和角度，利用仿射变换对增强处理后的图像 以及图像中的焊盘区域进行校正；
S50、对校正以后的图像进行角点区域灰度值均值化处理，筛选出高亮的焊 盘区域R1；
S60、提取焊盘区域R1的缺陷区域，并获取内部缺陷特征信息；
其中，所述提取焊盘区域R1的缺陷区域，具体包括：对焊盘区域R1的灰 度值做归一化处理，计算焊盘区域R1的方均差以及平均灰度值；
以灰度均值为基础，通过动态阈值的方式动态提取出焊盘区域R1的缺陷区 域。
其中，所述内部缺陷特征信息包括：所述最小外接矩形的长半轴和短半轴 值、矩形度值、面积等。
S70、选取焊盘区域R1的外环区域R2，并提取外环区域R2的缺陷区域， 并获取外部缺陷特征信息。
其中，选取焊盘区域R1的外环区域R2，具体包括：将焊盘区域R1区域向 四周扩大，再与焊盘区域R1作差，得到用来搜索焊线超出焊盘缺陷的焊盘外环 区域R2。
其中，所述提取外环区域R2的缺陷区域，具体包括：通过灰度二值化，提 取超出焊盘区域R1的外环区域R2的焊线部分。
其中，所述外部缺陷特征信息包括：外环区域R2的焊线部分的焊线长度。
在本实施例中，步骤S60之后还包括以下步骤：通过内部缺陷特征信息对 缺陷进行归类，划分不同等级，并将缺陷信息存储，方便溯源以及改善工艺。
实施例二
如图2所示，为本实施例中高频电感焊盘质量检测系统，其包括：
第一选取模块，用于选取产品图像中ROI感兴趣区域；
分离模块，用于对所述ROI感兴趣区域进行RGB三通道分离；
图像增强模块，用于对第二通道的图像进行图像增强处理；具体包括：
由公式Pixout(r,c)＝(Pixout(r,c)-Min(Pixin(r,c)))/(Max(Pixin(r,c))-Min(Pixin(r,c))) 求得灰度拉伸之后的图像各像素点灰度值集合Pixout(r,c)；其中(r,c)代表输入像 素点坐标，利用Pixin(r,c)求得该点像素值，利用Min()函数求得输入像素点最小像素值，利用Max()函数求得输入像素点最大像素值；
利用公式Pix'out(r,c)＝Pixout(r,c)*Mult1+Add1将灰度拉伸后的图像与拉伸之前的图像按比例系数相乘增强焊盘区域与背景区域的对比度；其中 -255≤Mult1≤255，-512≤Add1≤512，Pix'out(r,c)为增强后的像素点集，Mult1为比例 系数，Add1为调整修正系数。
第一提取模块，用于通过灰度阈值提取增强处理后的图像中的焊盘区域， 并获取焊盘区域的最小外接矩形；
校正模块，用于获取最小外接矩形的位置和角度，利用仿射变换对增强处 理后的图像以及图像中的焊盘区域进行校正；
第二选取模块，用于对校正以后的图像进行角点区域灰度值均值化处理， 选取高亮的焊盘区域R1；
第二提取模块，用于提取焊盘区域R1的缺陷区域；具体包括：
对焊盘区域R1的灰度值做归一化处理，计算焊盘区域R1的方均差以及平 均灰度值；
以灰度均值为基础，通过动态阈值的方式动态提取出焊盘区域R1的缺陷区 域。
第一特征信息获取模块，用于获取内部缺陷特征信息；其中，所述内部缺 陷特征信息包括：所述最小外接矩形的长半轴和短半轴值、矩形度值、面积等。
第三选取模块，用于选取焊盘区域R1的外环区域R2；具体包括：将焊盘 区域R1区域向四周扩大，再与焊盘区域R1作差，得到用来搜索焊线超出焊盘 缺陷的焊盘外环区域R2。
第三提取模块，用于提取外环区域R2的缺陷区域；具体包括：通过灰度二 值化，提取超出焊盘区域R1的外环区域R2的焊线部分。
第二特征信息获取模块，用于获取外部缺陷特征信息。
其中，所述外部缺陷特征信息包括：外环区域R2的焊线部分的焊线长度。
在本实施例中，还包括归类存储模块：用于通过内部缺陷特征信息对缺陷 进行归类，划分不同等级，并将缺陷信息存储。方便溯源以及改善工艺。
本实施例中高频电感焊盘质量检测系统涉及到的硬件连接关系如图3所 示，其配置步骤如下：
S1：配置上下正负150mm快速调节，正负10mm微调的相机支架，用于固定 采集图片的相机，相机与水平面夹角90度，相机从正上方采集图片。
S2：配置可上下调节的环形支架，可调控正负15mm以内，用于固定球积分 光源，球积分光源的直径大小为35mm～75mm，球积分光源颜色为正白色，色温 在3500～4500开尔文温度，简称3500K～4500K。
S3：配置CPU 4代I5或以上处理器的工业电脑。
S4：配置220V输入，4口12V数字可控输出电压的光源控制器。
S5：配置500W或500W以上彩色工业相机，0.5～3倍率的远心镜头，镜头 下端距离产品表面50mm～150mm。
本发明高频电感焊盘质量检测方法及系统可以完全取代人工操作，自动化 程度高，可以大幅提高检测速度和检测效率，同时可以对焊盘中不同区域以及 不同类型缺陷进行检测，并大幅提高缺陷检测的精度。
以上实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护 范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换， 均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (10)

1.一种高频电感焊盘质量检测方法，其特征在于，包括：
选取产品图像中ROI感兴趣区域，对所述ROI感兴趣区域进行RGB三通道分离；
对第二通道的图像进行图像增强处理；
通过灰度阈值提取增强处理后的图像中的焊盘区域，并获取焊盘区域的最小外接矩形；
获取最小外接矩形的位置和角度，利用仿射变换对增强处理后的图像以及图像中的焊盘区域进行校正；
对校正以后的图像进行角点区域灰度值均值化处理，筛选出高亮的焊盘区域R1；
提取焊盘区域R1的缺陷区域，并获取内部缺陷特征信息；
选取焊盘区域R1的外环区域R2，并提取外环区域R2的缺陷区域，并获取外部缺陷特征信息。
2.如权利要求1所述的高频电感焊盘质量检测方法，其特征在于，所述对第二通道的图像进行图像增强处理，具体包括：
由公式Pixout(r,c)＝(Pixout(r,c)-Min(Pixin(r,c)))/(Max(Pixin(r,c))-Min(Pixin(r,c)))求得灰度拉伸之后的图像各像素点灰度值集合Pixout(r,c)；其中(r,c)代表输入像素点坐标，利用Pixin(r,c)求得该点像素值，利用Min()函数求得输入像素点最小像素值，利用Max()函数求得输入像素点最大像素值；
利用公式Pix'out(r,c)＝Pixout(r,c)*Mult1+Add1将灰度拉伸后的图像与拉伸之前的图像按比例系数相乘增强焊盘区域与背景区域的对比度；其中-255≤Mult1≤255，-512≤Add1≤512，Pix'out(r,c)为增强后的像素点集，Mult1为比例系数，Add1为调整修正系数。
3.如权利要求1所述的高频电感焊盘质量检测方法，其特征在于，所述提取焊盘区域R1的缺陷区域，具体包括：
对焊盘区域R1的灰度值做归一化处理，计算焊盘区域R1的方均差以及平均灰度值；
以灰度均值为基础，通过动态阈值的方式动态提取出焊盘区域R1的缺陷区域。
4.如权利要求1所述的高频电感焊盘质量检测方法，其特征在于，所述提取外环区域R2的缺陷区域，具体包括：通过灰度二值化，提取超出焊盘区域R1的外环区域R2的焊线部分。
5.如权利要求1所述的高频电感焊盘质量检测方法，其特征在于，所述内部缺陷特征信息包括：所述最小外接矩形的长半轴和短半轴值、矩形度值、面积。
6.如权利要求5所述的高频电感焊盘质量检测方法，其特征在于，所述获取内部缺陷特征信息之后还包括：通过内部缺陷特征信息对缺陷进行归类，划分不同等级。
7.一种高频电感焊盘质量检测系统，其特征在于，包括：
第一选取模块，用于选取产品图像中ROI感兴趣区域；
分离模块，用于对所述ROI感兴趣区域进行RGB三通道分离；
图像增强模块，用于对第二通道的图像进行图像增强处理；
第一提取模块，用于通过灰度阈值提取增强处理后的图像中的焊盘区域，并获取焊盘区域的最小外接矩形；
校正模块，用于获取最小外接矩形的位置和角度，利用仿射变换对增强处理后的图像以及图像中的焊盘区域进行校正；
第二选取模块，用于对校正以后的图像进行角点区域灰度值均值化处理，选取高亮的焊盘区域R1；
第二提取模块，用于提取焊盘区域R1的缺陷区域；
第一特征信息获取模块，用于获取内部缺陷特征信息；
第三选取模块，用于选取焊盘区域R1的外环区域R2；
第三提取模块，用于提取外环区域R2的缺陷区域；
第二特征信息获取模块，用于获取外部缺陷特征信息。
8.如权利要求7所述的高频电感焊盘质量检测系统，其特征在于，所述对第二通道的图像进行图像增强处理，具体包括：
由公式Pixout(r,c)＝(Pixout(r,c)-Min(Pixin(r,c)))/(Max(Pixin(r,c))-Min(Pixin(r,c)))求得灰度拉伸之后的图像各像素点灰度值集合Pixout(r,c)；其中(r,c)代表输入像素点坐标，利用Pixin(r,c)求得该点像素值，利用Min()函数求得输入像素点最小像素值，利用Max()函数求得输入像素点最大像素值；
利用公式Pix'out(r,c)＝Pixout(r,c)*Mult1+Add1将灰度拉伸后的图像与拉伸之前的图像按比例系数相乘增强焊盘区域与背景区域的对比度；其中-255≤Mult1≤255，-512≤Add1≤512，Pix'out(r,c)为增强后的像素点集，Mult1为比例系数，Add1为调整修正系数。
9.如权利要求7所述的高频电感焊盘质量检测系统，其特征在于，所述提取焊盘区域R1的缺陷区域，具体包括：
对焊盘区域R1的灰度值做归一化处理，计算焊盘区域R1的方均差以及平均灰度值；
以灰度均值为基础，通过动态阈值的方式动态提取出焊盘区域R1的缺陷区域。
10.如权利要求7所述的高频电感焊盘质量检测系统，其特征在于，所述提取外环区域R2的缺陷区域，具体包括：通过灰度二值化，提取超出焊盘区域R1的外环区域R2的焊线部分。
CN202010167497.1A 2020-03-11 2020-03-11 一种高频电感焊盘质量检测方法及系统 Active CN111402222B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010167497.1A CN111402222B (zh) 2020-03-11 2020-03-11 一种高频电感焊盘质量检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010167497.1A CN111402222B (zh) 2020-03-11 2020-03-11 一种高频电感焊盘质量检测方法及系统

Publications (2)

Publication Number Publication Date
CN111402222A true CN111402222A (zh) 2020-07-10
CN111402222B CN111402222B (zh) 2023-07-25

Family

ID=71413300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010167497.1A Active CN111402222B (zh) 2020-03-11 2020-03-11 一种高频电感焊盘质量检测方法及系统

Country Status (1)

Country Link
CN (1) CN111402222B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010197176A (ja) * 2009-02-24 2010-09-09 Panasonic Electric Works Co Ltd 欠陥検査方法および欠陥検査装置
CN103745475A (zh) * 2014-01-22 2014-04-23 哈尔滨工业大学 一种用于球形引脚元件的检测与定位方法
CN108596880A (zh) * 2018-04-08 2018-09-28 东南大学 基于图像处理的焊接缺陷特征提取与焊接质量分析方法
KR20180115645A (ko) * 2017-04-13 2018-10-23 재단법인 경북아이티융합 산업기술원 2d 영상 기반의 용접 비드 인식 장치 및 그것을 이용한 그을음 제거 방법
CN109727229A (zh) * 2018-11-28 2019-05-07 歌尔股份有限公司 虚焊检测方法及装置
CN110582159A (zh) * 2019-08-30 2019-12-17 武汉科技大学 一种fpc焊盘表面缺陷处理系统和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010197176A (ja) * 2009-02-24 2010-09-09 Panasonic Electric Works Co Ltd 欠陥検査方法および欠陥検査装置
CN103745475A (zh) * 2014-01-22 2014-04-23 哈尔滨工业大学 一种用于球形引脚元件的检测与定位方法
KR20180115645A (ko) * 2017-04-13 2018-10-23 재단법인 경북아이티융합 산업기술원 2d 영상 기반의 용접 비드 인식 장치 및 그것을 이용한 그을음 제거 방법
CN108596880A (zh) * 2018-04-08 2018-09-28 东南大学 基于图像处理的焊接缺陷特征提取与焊接质量分析方法
CN109727229A (zh) * 2018-11-28 2019-05-07 歌尔股份有限公司 虚焊检测方法及装置
CN110582159A (zh) * 2019-08-30 2019-12-17 武汉科技大学 一种fpc焊盘表面缺陷处理系统和方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
李飞;冯开勇;苑玮琦;: "柔性印刷线路板LED缺陷检测方法的研究" *
李飞;冯开勇;苑玮琦;: "柔性印刷线路板LED缺陷检测方法的研究", 计算机工程与应用, vol. 56, no. 05, pages 227 - 233 *
袁豪磊;王耀明;张功镀;: "一种芯片焊盘自动识别方法及其应用" *
袁豪磊;王耀明;张功镀;: "一种芯片焊盘自动识别方法及其应用", 上海电机学院学报, vol. 10, no. 01, pages 84 - 88 *

Also Published As

Publication number Publication date
CN111402222B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN113724216B (zh) 一种波峰焊点缺陷检测方法及系统
CN107228860B (zh) 一种基于图像旋转周期特性的齿轮缺陷检测方法
CN108596880A (zh) 基于图像处理的焊接缺陷特征提取与焊接质量分析方法
CN109767445B (zh) 一种高精度的pcb缺陷智能检测方法
CN102974551A (zh) 一种基于机器视觉的多晶硅太阳能检测分选的方法
CN111833303A (zh) 产品的检测方法、装置、电子设备及存储介质
CN109472271B (zh) 印刷电路板图像轮廓提取方法及装置
CN110443791B (zh) 一种基于深度学习网络的工件检测方法及其检测装置
CN109166111B (zh) 一种电子墨水屏缺陷检测方法及系统
JP3741672B2 (ja) 画像特徴学習型欠陥検出方法、欠陥検出装置及び欠陥検出プログラム
CN110717909A (zh) 一种金属表面划痕检测方法与装置
CN109584259B (zh) 一种石英坩埚气泡分层计数装置及方法
CN111724354B (zh) 一种基于图像处理的多株小麦穗长与小穗数的测量方法
CN114581445B (zh) 点胶产品分段检测方法、系统、设备及存储介质
CN107248151B (zh) 一种基于机器视觉的液晶片智能检测方法及系统
CN111402222B (zh) 一种高频电感焊盘质量检测方法及系统
CN116721039B (zh) 一种应用于自动化光学缺陷检测中的图像预处理方法
CN113971681A (zh) 一种复杂环境下带式输送机边缘检测方法
JP2015004641A (ja) ウエハ外観検査装置
CN117589770A (zh) Pcb贴片板检测方法、装置、设备及介质
CN109003268B (zh) 一种超薄柔性ic基板外观颜色检测方法
Zhao et al. Research on statistical detection method of micro bubbles in transparent layer of quartz crucible based on image processing
CN116503324A (zh) 一种基于机器视觉的黑胶模组外观检测方法及系统
CN115753791A (zh) 基于机器视觉的缺陷检测方法、装置以及系统
CN115482207A (zh) 一种螺栓松动检测方法及系统

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