CN111462061A - 一种用于电子元器件计数的检测方法 - Google Patents
一种用于电子元器件计数的检测方法 Download PDFInfo
- Publication number
- CN111462061A CN111462061A CN202010212287.XA CN202010212287A CN111462061A CN 111462061 A CN111462061 A CN 111462061A CN 202010212287 A CN202010212287 A CN 202010212287A CN 111462061 A CN111462061 A CN 111462061A
- Authority
- CN
- China
- Prior art keywords
- picture
- template
- electronic components
- sub
- detected
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000004806 packaging method and process Methods 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 6
- 230000010339 dilation Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract 1
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于电子元器件计数的检测方法,通过该检测方法可实现对电子元器件计数检测的自动化。该检测方法首先通过提取X光拍摄的电子元器件封装图像,进行阈值分割后,利用形状面积特征提取出需要处理的图像区域;然后对经过预处理的图像选择合适的区域创建NCC匹配模板;最后对提取出需要处理的图像区域进行NCC模板匹配,统计匹配成功的个数就是电子元器件的数量。本发明提出的检查方法具有检测速度快、准确率高的特点。
Description
技术领域
本发明涉及机器视觉检测技术领域,具体涉及一种用于电子元器件计数的检测方法。
背景技术
在工业生产中,封装的电子元器件数量多体积小,用传统方法检测电子元器件的数量非常耗费人力时间。为了减少人力时间成本,实现工业上的自动化,目前亟待通过机器视觉检测技术,设计一种用于电子元器件计数的检测方法。
发明内容
本发明的目的是为了解决现有技术中的上述缺陷,提供一种用于电子元器件计数的检测方法,该视觉检测方法具有检测速度快、准确率高的特点,满足生产线上的检测要求。
本发明的目的可以通过采取如下技术方案达到:
一种用于电子元器件计数的检测方法,所述的检测方法包括以下步骤:
S1、读取一张X光拍摄的电子元器件封装图片,对此图片进行增强对比度、阈值分割、特征提取操作,提取出待检测区域的图片A;
S2、对步骤S1得到的图片A选择合适区域建立NCC匹配模板B;
S3、将步骤S1得到的图片A与步骤S2得到的模板B进行NCC模板匹配,即利用子图和模板图的灰度,通过归一化的相关性度量公式来计算二者之间的匹配程度,统计匹配成功的个数即为电子元器件的个数。
进一步地,所述的步骤S1过程如下:
S11、读取一张X光拍摄的电子元器件封装图片;
S12、对所述的电子元器件封装图片进行全局阈值分割,提取出所有像素灰度值在0-100的像素点所在区域;
S13、对经步骤S12处理后的区域进行连通域联合,根据形状面积特征提取面积值在90000-999999的区域;
S14、对经步骤S13处理后的图片进行区域填充,并进行形态学膨胀操作;
S15、用原图片减去经步骤S14处理后得到的图片作为经过预处理的图片,即为待检测区域的图片A。
进一步地,所述的步骤S2过程如下:
S21、对经步骤S1得到的待检测区域的图片A进行增强对比度、灰度级开运算,即对图片A进行先腐蚀后膨胀操作;
S22、对经步骤S21得到的图片,考虑到检测对象的特性,任选一个待检测对象的区域创建NCC匹配模板B。
进一步地,所述的步骤S3过程如下:
通过如下归一化相关性度量公式计算模板图和检测图之间的匹配度:
其中S为大小为M*N的待检测图像,g为大小为m*n的模板图,Sx,y为S中以(x,y)为左上角点与g大小相同的子块,为子图的平均灰度值,为模板图的平均灰度值,Sx,y(i,j)为Sx,y子块中位置(i,j)处的灰度值,g(i,j)为模板图中位置(i,j)处的灰度值,p(x,y)为模板图和子块的相关系数,满足|p(x,y)|≤1,相关系数越接近1,两者之间的匹配程度越高,选取相关系数阈值作为判定两者之间匹配程度的依据。
进一步地,所述的关系数阈值的取值区间为【0.75,0.9】。
本发明相对于现有技术具有如下的优点及效果:
与现有技术相比,本发明公开的用于电子元器件计数的检测方法,对比于人工检测,省去了大量的人力物力,避免了检测人的主观因素影响,此方法还可以有效地减少光照对图像比较结果的影响,具有对流水线上封装的电子元器件检测准确率高、速度快的优点。
附图说明
图1是本发明公开的一种用于电子元器件计数的检测方法的流程图;
图2是本发明实施例中X光拍摄的已封装完毕的电子元器件图片。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
实施例
请参考图1至图2,如图1所示公开了一种用于电子元器件计数的检测方法的流程图,具体步骤如下:
S1、读取一张X光拍摄的电子元器件封装图片(如图2所示),对此图片进行增强对比度、阈值分割、特征提取操作,提取出待检测区域的图片A,具体为:
S11、读取一张X光拍摄的电子元器件封装图片;
S12、对所述的电子元器件封装图片进行全局阈值分割,提取出所有像素灰度值在0-100的像素点所在区域;
S13、对经步骤S12处理后的区域进行连通域联合,根据形状面积特征提取面积值在90000-999999的区域;
S14、对经步骤S13处理后的图片进行区域填充,并进行形态学膨胀操作;
S15、用原图片减去经步骤S14处理后得到的图片作为经过预处理的图片,即为待检测区域的图片A。
S2、对步骤S1得到的图片A选择合适区域建立NCC即归一化交叉相关匹配模板B,NCC算法可以有效地减少光照对图像比较结果的影响,而且NCC最终结果在0到1之间,所以特别容易量化比较结果,只要给出一个阈值就可以判断结果的好与坏,具体为:
S21、对经步骤S1最后得到的待检测区域的图片A进行增强对比度、灰度级开运算即对图片进行先腐蚀后膨胀操作;
S22、对经步骤S21得到的图片,考虑到检测对象的特性,任选一个待检测对象的区域创建NCC匹配模板B。
S3、将步骤S1得到的图片A与步骤S2得到的模板B进行NCC模板匹配,即利用子图和模板图的灰度,通过归一化的相关性度量公式来计算二者之间的匹配程度,统计匹配成功的个数即为电子元器件的个数,具体为:
通过如下归一化相关性度量公式计算模板图和检测图之间的匹配度:
其中S为大小为M*N的待检测图像,g为大小为m*n的模板图,Sx,y为S中以(x,y)为左上角点与g大小相同的子块,为子图的平均灰度值,为模板图的平均灰度值,Sx,y(i,j)为Sx,y子块中位置(i,j)处的灰度值,g(i,j)为模板图中位置(i,j)处的灰度值,p(x,y)为模板图和子块的相关系数,满足|p(x,y)|≤1,相关系数越接近1,两者之间的匹配程度越高,选取一定的相关系数阈值作为判定两者之间匹配程度的依据。该关系数阈值的取值区间为【0.75,0.9】本实施例中选取0.8作为阈值,但是该取值只是示例性的,不构成对本发明技术方案的限制。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (5)
1.一种用于电子元器件计数的检测方法,其特征在于,所述的检测方法包括以下步骤:
S1、读取一张X光拍摄的电子元器件封装图片,对此图片进行增强对比度、阈值分割、特征提取操作,提取出待检测区域的图片A;
S2、对步骤S1得到的图片A选择合适区域建立NCC匹配模板B;
S3、将步骤S1得到的图片A与步骤S2得到的模板B进行NCC模板匹配,即利用子图和模板图的灰度,通过归一化的相关性度量公式来计算二者之间的匹配程度,统计匹配成功的个数即为电子元器件的个数。
2.根据权利要求1所述的一种用于电子元器件计数的检测方法,其特征在于,所述的步骤S1过程如下:
S11、读取一张X光拍摄的电子元器件封装图片;
S12、对所述的电子元器件封装图片进行全局阈值分割,提取出所有像素灰度值在0-100的像素点所在区域;
S13、对经步骤S12处理后的区域进行连通域联合,根据形状面积特征提取面积值在90000-999999的区域;
S14、对经步骤S13处理后的图片进行区域填充,并进行形态学膨胀操作;
S15、用原图片减去经步骤S14处理后得到的图片作为经过预处理的图片,即为待检测区域的图片A。
3.根据权利要求1所述的一种用于电子元器件计数的检测方法,其特征在于,所述的步骤S2过程如下:
S21、对经步骤S1得到的待检测区域的图片A进行增强对比度、灰度级开运算,即对图片A进行先腐蚀后膨胀操作;
S22、对经步骤S21得到的图片,考虑到检测对象的特性,任选一个待检测对象的区域创建NCC匹配模板B。
5.根据权利要求4所述的一种用于电子元器件计数的检测方法,其特征在于,所述的关系数阈值的取值区间为【0.75,0.9】。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010212287.XA CN111462061B (zh) | 2020-03-24 | 2020-03-24 | 一种用于电子元器件计数的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010212287.XA CN111462061B (zh) | 2020-03-24 | 2020-03-24 | 一种用于电子元器件计数的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111462061A true CN111462061A (zh) | 2020-07-28 |
CN111462061B CN111462061B (zh) | 2023-03-31 |
Family
ID=71683265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010212287.XA Active CN111462061B (zh) | 2020-03-24 | 2020-03-24 | 一种用于电子元器件计数的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111462061B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112966746A (zh) * | 2020-11-20 | 2021-06-15 | 扬州大学 | 一种稳定的适用于轮胎缺陷检测的可变灰度模板生成方法 |
CN116542968A (zh) * | 2023-06-29 | 2023-08-04 | 中国铁路设计集团有限公司 | 一种基于模板匹配的钢筋智能计数方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555829A (zh) * | 2019-08-12 | 2019-12-10 | 华南理工大学 | 一种用于芯片点胶情况的检测方法 |
CN110807354A (zh) * | 2019-09-09 | 2020-02-18 | 杭州朗阳科技有限公司 | 一种工业流水线产品计数方法 |
-
2020
- 2020-03-24 CN CN202010212287.XA patent/CN111462061B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555829A (zh) * | 2019-08-12 | 2019-12-10 | 华南理工大学 | 一种用于芯片点胶情况的检测方法 |
CN110807354A (zh) * | 2019-09-09 | 2020-02-18 | 杭州朗阳科技有限公司 | 一种工业流水线产品计数方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112966746A (zh) * | 2020-11-20 | 2021-06-15 | 扬州大学 | 一种稳定的适用于轮胎缺陷检测的可变灰度模板生成方法 |
CN116542968A (zh) * | 2023-06-29 | 2023-08-04 | 中国铁路设计集团有限公司 | 一种基于模板匹配的钢筋智能计数方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111462061B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555829B (zh) | 一种用于芯片点胶情况的检测方法 | |
CN111179243A (zh) | 一种基于计算机视觉的小尺寸芯片裂纹检测方法及系统 | |
CN108827969B (zh) | 金属零件表面缺陷检测与识别方法及装置 | |
CN113763355A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN113570605B (zh) | 一种基于液晶显示面板的缺陷检测方法和系统 | |
CN110163219B (zh) | 基于图像边缘识别的目标检测方法 | |
CN107490582B (zh) | 一种流水线工件检测系统 | |
JP2001133418A (ja) | 形状特徴に基づく欠陥検出の方法及び装置 | |
CN113920096B (zh) | 一种集成电路金属封装缺陷检测方法 | |
CN111462061B (zh) | 一种用于电子元器件计数的检测方法 | |
CN116433666B (zh) | 板卡线路缺陷在线识别方法、系统、电子设备及存储介质 | |
CN110070523B (zh) | 一种用于瓶底的异物检测方法 | |
CN112581434A (zh) | 一种用于产品缺陷检测的图像识别方法 | |
CN110688871A (zh) | 一种基于条码识别的边缘检测方法 | |
CN113077437B (zh) | 工件质量检测方法及其系统 | |
CN115908415B (zh) | 基于边缘的缺陷检测方法、装置、设备及存储介质 | |
CN111814673A (zh) | 一种修正文本检测边界框的方法、装置、设备及存储介质 | |
CN112164050A (zh) | 用于流水线上产品表面缺陷的检测方法、设备及存储介质 | |
CN114897881B (zh) | 一种基于边缘特征的晶粒缺陷检测方法 | |
CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
CN107132232A (zh) | 一种高铁接触网承力索支撑底座的裂纹检测方法 | |
CN106770333B (zh) | 一种bga缺陷自动检测方法 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN108898584B (zh) | 一种基于图像分析的全自动贴面电容装焊极性判别方法 | |
CN116433978A (zh) | 一种高质量瑕疵图像自动生成与自动标注方法及装置 |
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 | ||
CB02 | Change of applicant information |
Address after: Nansha District Avenue South Ring of 511458 cities in Guangdong province Guangzhou City, No. 25 Hua Da Guangzhou production and Research Institute Applicant after: SOUTH CHINA University OF TECHNOLOGY Applicant after: GUANGZHOU INSTITUTE OF MODERN INDUSTRIAL TECHNOLOGY Address before: 510640 Tianhe District, Guangdong, No. five road, No. 381, Applicant before: SOUTH CHINA University OF TECHNOLOGY Applicant before: GUANGZHOU INSTITUTE OF MODERN INDUSTRIAL TECHNOLOGY |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |