CN112036489A - 一种基于焊点颜色分布的pcb元件定位方法 - Google Patents
一种基于焊点颜色分布的pcb元件定位方法 Download PDFInfo
- Publication number
- CN112036489A CN112036489A CN202010902685.4A CN202010902685A CN112036489A CN 112036489 A CN112036489 A CN 112036489A CN 202010902685 A CN202010902685 A CN 202010902685A CN 112036489 A CN112036489 A CN 112036489A
- Authority
- CN
- China
- Prior art keywords
- highlight
- color
- cluster
- color distribution
- clusters
- 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.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 79
- 238000003466 welding Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 43
- 229910000679 solder Inorganic materials 0.000 claims abstract description 27
- 239000011253 protective coating Substances 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000013461 design Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 231100000673 dose–response relationship Toxicity 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于焊点颜色分布的PCB元件定位方法,包括如下步骤:S01:获取PCB电路板的图像,提取图像中高光像素,并根据距离对高光像素进行聚类,形成高光聚类;S02:从所述图像中选取标记形成标记聚类模板,分别计算每个高光聚类中高光像素以及标记聚类模板中标记的颜色矩;通过比较该高光聚类中高光像素颜色矩与标记聚类模板中标记像素颜色矩的差异,确定并去除标记聚类;S03:根据高光聚类的颜色分布曲线的拟合结果定位焊点位置;S04:根据焊点位置确定防护涂层位置。本发明可以快速准确地进行PCB元件定位。
Description
技术领域
本发明涉及检测设备技术领域,具体涉及一种基于焊点颜色分布的PCB元件定位方法。
背景技术
现代制造环境的需求,尤其是在电子批量生产制造设备中,要求检测的重要性被放大。PCB检测的挑战之一是在使用表面贴装器件(SMD)放置检测,在开发了许多不同的检测方法中,基于直方图的方法被广泛用于PCB元件定位,该方法通过使用x/y投影和阈值分割焊接区域,它适用于焊点集中的局部区域,仅用直方图的方法不适用于整个复杂PCB。
另一种典型的元件定位技术是基于模板匹配方法,检测用模板匹配的一个主要限制是必须经常使用大量的模板,这使得该过程的计算成本很高。为了减少模板的数量,采用灰色模型拟合方法生成了一组元件的广义模板。因此,一个通用模板可以识别多个相似的目标。在搜索过程中,采用基于加速物种的粒子群算法(ASPSO)和遗传算法(GA)来最小化处理时间,采用离散小波变换来最小化图像大小。整个定位方法繁琐,效率较低。
发明内容
针对现有技术的不足,本发明的目的旨在提供一种基于焊点颜色分布的PCB元件定位方法。
为实现上述目的,本发明采用如下技术方案:一种基于焊点颜色分布的PCB元件定位方法,包括如下步骤:
S01:获取PCB电路板的图像,提取图像中高光像素,并根据距离对高光像素进行聚类,形成高光聚类;
S02:从所述图像中选取标记形成标记聚类模板,分别计算每个高光聚类中高光像素以及标记聚类模板中标记的颜色矩;通过比较该高光聚类中高光像素颜色矩与标记聚类模板中标记像素颜色矩的差异,确定并去除标记聚类;
S03:根据高光聚类的颜色分布曲线的拟合结果定位焊点位置;
S04:根据焊点位置确定防护涂层位置。
进一步的,所述步骤S01具体包括:
S011:降低图像的亮度和对比度;
S012:将图像的颜色空间从RGB转换为CMYK;
S013:建立图像在CMYK颜色空间中的K通道直方图,采用自动多级阈值法法计算阈值区间,选择最后一个区间内的像素作为高光像素;并将高光像素根据距离进行聚类。
进一步的,所述步骤S02具体包括:
S021:针对每个高光聚类,计算其对应的的颜色矩:
其中,Pij为第j个高光像素处的第i个颜色通道;N表示该高光聚类中高光像素的个数;Ei、σi和Si分别表示高光聚类中颜色矩的均值、标准差和斜度;
S022:在图像中选取X个标记形成标记聚类,计算标记聚类的颜色矩:
其中,P′ij为第j个标记处的第i个颜色通道;X表示该标记聚类中标记的个数;E′i、σ′i和S′i分别表示标记聚类中颜色矩的均值、标准差和斜度;
S023:利用颜色矩比较高光聚类与标记聚类之间的相似度,公式如下:
其中ωi1、ωi2、ωi3是每一个颜色矩的权重,r表示通道的数量,Ei、σi和Si是高光聚类的颜色矩,E′i、σ′i、S′i是标记聚类的颜色矩;当相似度小于相似度阈值时该高光聚类为标记聚类,将其进行移除。
进一步的,所述步骤S02还包括S024:当剩余的高光聚类之间的距离小于距离阈值时,将高光聚类进行合并。
进一步的,所述步骤S03包括:
S031:确定高光聚类的颜色分布轴为水平分布或者垂直分布;
S032:根据所述颜色分布轴确定高光聚类的颜色分布曲线;
S033:根据颜色分布曲线获取水平拟合数据和竖直拟合数据,对水平拟合数据和竖直拟合数据进行拟合,若水平拟合数据或竖直拟合数据能够被拟合,则判定该高光聚类为焊点。
进一步的,所述步骤S031包括如下步骤:
S0311:将高光聚类内的所有高光像素转换为灰度格式,用Sobel掩膜卷积得到水平差分矩阵ΔH和垂直差分矩阵ΔV,使用全局阈值方法将ΔH和ΔV分为两部分,公式如下:
T′=α(MH+MV)/2.0
其中MH和MV分别是ΔH和ΔV的平均值,α是比例因子;
S0312:生成水平差分矩阵ΔH和垂直差分矩阵ΔV的直方图hH和直方图hV;
S0313:计算直方图hH和直方图hV的峰值,并通过比较它们的峰值来确定高光聚类的颜色分布轴:如果直方图hH的峰值数大于直方图hV的峰值数,则高光聚类的颜色分布轴为水平分布;否则,高光聚类的颜色分布轴沿垂直方向分布。
进一步的,所述步骤S0312中采用类高斯权函数减小直方图两端的bin值,增加直方图中间的bin值。
进一步的,所述步骤S04包括:
S041:寻找焊点之间的连接;
S042:去除图像中背景层,移除无效的焊点连接;
S043:根据有效焊点连接确定焊点和防护涂层的位置。
其中,Ja和Jb是两个指定的焊点,并且|JiJj|axis为焊点Ji与Jj沿Jj轴的距离。
进一步的,所述步骤S01中通过三层环形LED照明系统获取PCB电路板图像。
本发明的有益效果在于:本发明可基于PCB图像识别焊点和防护涂层的位置和范围;该方法分析了高光聚类的颜色分布规律,根据高光聚类的颜色分布规律进行焊点定位;此外,本发明还根据焊点的颜色分布方向和一些附加的约束条件对焊点进行了聚类,最终根据焊点的位置来定位元件的防护涂层位置。本发明可以精确确定焊点和防护涂层的位置。
附图说明
附图1为本发明方法的流程图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述:
如附图1所示,本发明提供的一种基于焊点颜色分布的PCB元件定位方法,包括如下步骤:
S01:获取PCB电路板的图像,提取图像中高光像素,并根据距离对高光像素进行聚类,形成高光聚类;其中,本发明中通过三层环形LED照明系统获取PCB电路板图像。具体包括:
S011:降低图像的亮度和对比度;对图像进行预处理通过以下公式降低图像的亮度和对比度:
p′=[(p+(b+100)×1.27)-127]×[(c+100)×0.01]+127 (1)
其中p是原始像素,亮度系数b∈(-100,100),对比度系数c∈(0,100),这种操作有利于减少来自背景的干扰,并使高光区域更加明显。
S012:将图像的颜色空间从RGB转换为CMYK;CMYK产生的颜色细节优先级低于RGB,这有助于减少高光区域的不连续性。
S013:建立图像在CMYK颜色空间中的K通道直方图,采用自动多级阈值法法计算阈值区间,选择最后一个区间内的像素作为高光像素;并将高光像素根据距离进行聚类。
S02:从图像中选取标记形成标记聚类模板,分别计算每个高光聚类中高光像素以及标记聚类模板中标记的颜色矩;通过比较该高光聚类中高光像素颜色矩与标记聚类模板中标记像素颜色矩的差异,确定并去除标记聚类。颜色矩是可用于根据图像的色彩特征区分图像的度量,一旦计算,这些度量就可以测量图像之间的颜色相似度,有三个中心矩:平均值、标准差和斜度,在PCB图像中,标记的颜色是扁平的和不变的。因此,上述三个中心矩显著地代表了标记的颜色分布。为了去除标记,首先,我们将增强的PCB图像的颜色空间从RGB转换为LUV。本步骤具体包括:
S021:针对每个高光聚类,计算其对应的的颜色矩:
其中,Pij为第j个高光像素处的第i个颜色通道;N表示该高光聚类中高光像素的个数;Ei、σi和Si分别表示高光聚类中颜色矩的均值、标准差和斜度;
S022:在图像中选取X个标记形成标记聚类,计算标记聚类的颜色矩:
其中,P′ij为第j个标记处的第i个颜色通道;X表示该标记聚类中标记的个数;E′i、σ′i和S′i分别表示标记聚类中颜色矩的均值、标准差和斜度;
S023:利用颜色矩比较高光聚类与标记聚类之间的相似度,公式如下:
其中ωi1、ωi2、ωi3是每一个颜色矩的权重,r表示通道的数量,Ei、σi和Si是高光聚类的颜色矩,E′i、σ′i、S′i是标记聚类的颜色矩;当相似度小于相似度阈值时该高光聚类为标记聚类,将其进行移除。
S024:当剩余的高光聚类之间的距离小于距离阈值时,将高光聚类进行合并。
S03:根据高光聚类的颜色分布曲线的拟合结果定位焊点位置。本步骤中定位基础建立在以下理论基础上:焊点是一种镜面材料,所以焊点上的光会完全反射到相机。也就是说捕获的图像显示了灯的颜色,在表面上的一点上发出的光的颜色是由表面形状和入射角决定的。最高的红色LED灯入射角最小,因此平面上的点反射所有的红色入射光;最低的蓝光入射角最大,所以在大的倾斜面上的点将反射所有的蓝色入射光;类似地,在一个小的倾斜表面上的点将反射所有的绿色入射光。通常,对于标准焊点,其顶侧和焊盘侧会反射红光,它的中上部反射蓝光;其中下部反射绿光。通过这种照明机制,焊点的颜色分布主要受焊接区表面形状的影响。从防护涂层到焊接区域的方向上,所有焊点的颜色分布可以总结为三种模式:模式1:一般的颜色分布为{R、B、G};模式2:如果表面形状很陡,则颜色分布为{R、B……};模式3:如果上侧面积很小,则颜色分布为{B、G……}。这是一个复杂的问题,可能只有部分曲线符合实际焊点的颜色分布模式。只有在从防护涂层到焊接区域沿分布方向取样的情况下,焊点的颜色分布才能与图案匹配。此外,元件的所有焊点始终对称地分布在防护涂层周围。因此,三种模式对应六种特定的颜色分布情况A:{G、B、R…};B:{R、B、G…};C:{B、R、…};D{R、B…};E:{G、B、…}和F:{B、G、…}。需要注意的是,在A和B两种情况下,可能只采样了防护涂层附近的部分数据。方向指示防护涂层的位置,这对于聚集焊点以定位防护涂层非常有用。
元件以垂直或水平方向贴装在PCB电路板上,因此,焊点的颜色分布沿这两种方向有规律地变化,假设每个聚类都是一个w×h矩形,本步骤具体包括:
S031:确定高光聚类的颜色分布轴为水平分布或者垂直分布;具体的包括如下步骤:
S0311:将高光聚类内的所有高光像素转换为灰度格式,用Sobel掩膜卷积得到水平差分矩阵ΔH和垂直差分矩阵ΔV,使用全局阈值方法将ΔH和ΔV分为两部分,公式如下:
T′=α(MH+MV)/2.0
其中MH和MV分别是ΔH和ΔV的平均值,α是比例因子;
S0312:生成水平差分矩阵ΔH和垂直差分矩阵ΔV的直方图hH和直方图hV;ΔH和ΔV的直方图hH,hV分别沿水平方向和垂直方向生成,公式如下:
焊点边缘附近的颜色分布有时不稳定。为了保证hH和hV的精度,采用类高斯权函数减小直方图两端的bin值,增加直方图中间的bin值。因此,hH和hV由以下公式进行调整:
然后,利用全阈值法对h和h进行二分,公式如下:
T′=β(M′H+M′V)/2.0
其中M′H和M′V分别是hH和hV的平均值,β是比例因子。
S0313:计算直方图hH和直方图hV的峰值,并通过比较它们的峰值来确定高光聚类的颜色分布轴,根据定义的模式,当样本数据沿颜色分布轴时,焊点的颜色分布差异最大;因此,如果直方图hH的峰值数大于直方图hV的峰值数,则高光聚类的颜色分布轴为水平分布;否则,高光聚类的颜色分布轴沿垂直方向分布。
S032:根据所述颜色分布轴确定高光聚类的颜色分布曲线;具体可以采用如下方法:
首先建立一条颜色分布曲线,捕获的PCB图像由RGB通道表示。通过使用RGB三色照明系统,每个通道对应一个LED光源。因此,颜色分布曲线代表了三个光源的颜色变化。假设一个聚类是一个宽w高h的矩形,为进一步说明,定义了以下符号和数据结构:
信道的定义,定义了符号序列{cr,cg,cb}来表示RGB通道,一个整数序列{vr,vg,vb}编码RGB通道。这样,通道就可以用于数值操作,综上所述,通道由符号和相应的整数值表示。
Mp是一个h×w×3的矩阵,Mp(i,j,c)代表了通道c中的位置(i,j)处的像素值,其中c∈{cr,cg,cb}。
Mcmax和Mw是两个h×w的矩阵,其中Mcmax(i,j)∈{vr,vg,vb},对于每个像素Mp(i,j),首先找到其RGB通道中像素值最大的通道Cmax,将Cmax的整数编码存储到Mcmax(i,j)中,然后求Cmax的权值,将其存储到Mw(i,j)通过以下公式:
Mω(i,j)=Mp(i,j,Mcmax(i,j))/∑cMp(i,j,c);
如果颜色沿横轴分布,我们对M的每一列数据进行采样,寻找主要影响列数据的通道,并评估其权重,颜色分布曲线的建立公式如下所示:
其中Vcurve是一个ω大小的向量,表示颜色分布曲线;cmax(k)和分别表示第k列数据的主通道及其平均权值;用min{vr,vg,vb}对曲线进行归一化,使其值从零开始,对于Mcmax的第k列数据,对信道的整数编码进行计数,选择最多的一个在cmax(k)中进行记录。然后对Mω的第k个列数据进行抽样,对通道cmax(k)的平均权值求值,记录到中,如果颜色沿垂直轴分布,我们只需要转置Mcmax和Mw,在计算cmax、和Vcurve之前,将Vcurve的大小重置为h。根据前面定义的颜色分布模式,如果将三个通道的整数编码设为vr>vb>vg,则Vcurve的整体或部分应该是一条递增或递减的曲线。这样,Vcurve可以用增长函数来模拟,如“剂量-响应”函数。在我们的实验中,我们设置{vr,vg,vb}={1,2,3}。那么cg,cb,cr通道的数据在(0,1]、(1,2]、(2,3]区间内分别为主要数据。
评估曲线的质量并调整曲线,实际的颜色分布非常复杂,因为焊点的表面不够光滑。杂乱的色彩影响着色彩分布曲线的准确性。为了解决这一问题,首先利用RGB信道的权值曲线来评价Vcurve曲线的质量。然后,通过评价权值曲线的合理交点来调整Vcurve曲线。如果颜色分布轴沿水平方向,建立RGB通道的权值曲线,抽取Mcmax的各列数据,通过建立权重曲线,公式如下:
式中,Qc为RGB通道的权值曲线,Qc(i)为第i列数据的通道c的权值。nc(i)为第i列数据通道c的整数编码量。
评价V曲线杂乱色彩的质量主要发生在C、D、E和F的情况下。在这种情况下,只有两条通道的权值曲线是有效的。tinter定义为两条权值曲线的相交点。无效的颜色分布曲线有三种,tinter太靠近左边了、tinter太靠近右边了、两条权值曲线没有相交点。确定合理的交点Ts公式如下所示:
式中,tmax和tmin分别表示两条曲线的最大值和最小值。
将无效的颜色分配曲线重新基于Ts生成的公式如下所示:
式中,当i≤Ts时,CL和为第k列数据的主通道及其平均权值,当i>Ts时,CR和分别为第k列数据的主通道及其平均权值,假设有两条权重曲线Qc1和Qc2。Qc1有tmin并且Qc2有tmax,v1和v2分别是Qc1和Qc2的整数编码,则根据以下规则确定CL和CR:
case1:CL=v1,CR=v2
case2:CL=v2,CR=v1;
式中,L为沿水平方向采样的样本长度,L=w,否则L=h。
S033:根据颜色分布曲线获取水平拟合数据和竖直拟合数据,对水平拟合数据和竖直拟合数据进行拟合,若水平拟合数据或竖直拟合数据能够被拟合,则判定该高光聚类为焊点。
拟合颜色分布曲线,拟合步骤包括:平滑曲线,生成拟合数据,确定增长模型类型,拟合数据。如果焊点的表面不够光滑,则实际的颜色分布曲线将比理想的粗糙。它们可能会导致拟合失败。因此,必须在平滑曲线之前通过检查和消除这些干扰。产生拟合数据是复杂的,因为可能只有曲线的一部分符合颜色分布模式,需要采样两组拟合数据。从Vcurve的最左侧开始并沿其正方向采样,另一个是从Vcurve的最右端开始并沿其后方向采样的,同时,设{vr,vb,vg}={3,2,1}时,拟合数据应沿采样方向从防护涂层到焊接区减小。否则,它是无效的。需要强调的是,拟合数据只需大致满足递减约束即可。也就是说,拟合数据只需沿区间序列(2,3]、(1,2]和(0,1)递减即可。为了确定模型的类型,为拟合数据建立了样条曲线,并获得了其一阶导数。然后用最大值对一阶导数进行归一化,用全局阈值计算一阶导数的峰值。当峰值数大于1时,拟合数据采用双峰增长模型拟合;否则,应该用单峰增长模型来拟合。定义C′L和C′R分别为拟合数据FL和FR的标准化一阶导数。基于剂量-反应模型或双剂量-反应模型拟合数据,标准剂量-响应曲线由四个参数定义,公式如下:
y=A1+(A2-A1)/(1+10(LOGx0-x)/h);
式中,A1是基线响应(底部);A2为最大响应(上);h是斜率,a是在基线和最大值之间引起反应的药物浓度。双剂量响应曲线定义为:
式中h1和h2是两个斜率,p是比例,然后,用A1、A2、LOGx0、LOGx1、LOGx2和一些约束条件来计算颜色序列的类型。
根据适合的参数定位焊点,拟合结果有四种:1.只有水平拟合数据FL能够被拟合。2.只有竖直拟合数据FR能够被拟合。3.都能被成功拟合。4.两个都拟合失败。情况(1和2)需要确定它们是否满足颜色分布模式。情况(3)需要比较两个拟合结果的颜色分布。情况(4)表示该组件不是焊点,需要移除。优先级用于表示每种颜色分布模式的重要性。符号和分别表示FL和FR的优先级。有四种优先级,优先级越高,颜色分布越重要。颜色分布{R,G}是另一种情况。由于这种情况很少发生,所以没有把它归入六种理想情况,但它比其他无效情况更重要。如果FR或FL是有效的,或两者都是有效的,那么聚类是一个焊点。否则,该焊点是另一个高亮部分,将该焊点从聚类集合中移除。这样,所有的焊点都被定位。根据和确定颜色分布方向,评价颜色分布方向的目的是指出防护涂层的位置。这对于聚集一个元件的所有焊点是非常有用的。
S04:根据焊点位置确定防护涂层位置。从图像结构的角度看,电子元件由防护涂层和连接到防护涂层的焊点组成。因此,防护涂层的位置可以通过其周围焊点的位置来评估。关键的问题是焊点的聚类。为了解决这一问题,根据各焊点的颜色分布方向找到了焊点之间的所有连接。然后,根据分割出的灰度PCB图像去除部分无效连接。最后,基于连接对焊点进行聚类,并根据聚类焊点的位置对防护涂层的位置进行评估。具体包括:
S041:寻找焊点之间的连接;假设Ja和Jb是两个指定的焊点,并且|JiJj|axis定义为焊点Ji与Jj沿Jj轴的距离,它们之间的连接是根据以下约束条件来确定的:1.Ja的颜色分布方向与Jb相反;2.向量和Ja的夹角小于45度;3.|JaJb|axis大于阈值Tdist。Tdist根据两种情况进行评估:一是焊点Jc存在,而Ja和Jc之间没有其他焊点。Ja与Jc相似,则Tdist=|JaJc|axis;另一种是如果像Jc这样的焊点不存在,Tdist=min(|JaJj|axis)。
于连接的复杂性,即使一个连接能够满足所有的约束,它仍然可能出错。为了确保连接的有效性,只有当Ja和Jb有一个近似轴时,连接才有效。但是,满足所有约束条件的其他连接仍然需要进一步评估。
S042:去除图像中背景层,移除无效的焊点连接;观察连接时,发现所有有效连接都在元件区域内,而所有无效连接都在背景区域内。为了评估背景阈值,将原始PCB图像转换为灰度格式并计算其直方图。之后,通过自动多级阈值方法将直方图分割为多个阈值间隔,最后,选择具有最大bin值的阈值间隔作为背景阈值,因为背景区域中的像素多于电子元件区域中的像素。通过自动多级阈值处理方法评估的所有阈值均标记为垂直线,[T1,T2]表示背景区域的阈值间隔。根据间隔[T1,T2],进一步验证连接。设(ua,va)和(ub,vb)分别为两个指定焊点Ja和Jb的中心位置。估计区域|ua-ub|×|va-vb|中像素的比例在[T1,T2]内取值。如果该比例大于较小阈值,则认为该连接无效,应将其删除。
S043:根据有效焊点连接确定焊点和防护涂层的位置。根据有效连接确定防护涂层和聚类焊点的位置。每个聚类包含一个元件的所有焊点。因此,根据聚类内所有焊点的位置来评估防护涂层的大致位置。
对本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及形变,而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (10)
1.一种基于焊点颜色分布的PCB元件定位方法,其特征在于,包括如下步骤:
S01:获取PCB电路板的图像,提取图像中高光像素,并根据距离对高光像素进行聚类,形成高光聚类;
S02:从所述图像中选取标记形成标记聚类模板,分别计算每个高光聚类中高光像素以及标记聚类模板中标记的颜色矩;通过比较该高光聚类中高光像素颜色矩与标记聚类模板中标记像素颜色矩的差异,确定并去除标记聚类;
S03:根据高光聚类的颜色分布曲线的拟合结果定位焊点位置;
S04:根据焊点位置确定防护涂层位置。
2.根据权利要求1所述的一种基于焊点颜色分布的PCB元件定位方法,其特征在于,所述步骤S01具体包括:
S011:降低图像的亮度和对比度;
S012:将图像的颜色空间从RGB转换为CMYK;
S013:建立图像在CMYK颜色空间中的K通道直方图,采用自动多级阈值法法计算阈值区间,选择最后一个区间内的像素作为高光像素;并将高光像素根据距离进行聚类。
3.根据权利要求1所述的一种基于焊点颜色分布的PCB元件定位方法,其特征在于,所述步骤S02具体包括:
S021:针对每个高光聚类,计算其对应的的颜色矩:
其中,Pij为第j个高光像素处的第i个颜色通道;N表示该高光聚类中高光像素的个数;Ei、σi和Si分别表示高光聚类中颜色矩的均值、标准差和斜度;
S022:在图像中选取X个标记形成标记聚类,计算标记聚类的颜色矩:
其中,P′ij为第j个标记处的第i个颜色通道;X表示该标记聚类中标记的个数;E′i、σ′i和S′i分别表示标记聚类中颜色矩的均值、标准差和斜度;
S023:利用颜色矩比较高光聚类与标记聚类之间的相似度,公式如下:
其中ωi1、ωi2、ωi3是每一个颜色矩的权重,r表示通道的数量,Ei、σi和Si是高光聚类的颜色矩,E′i、σ′i、S′i是标记聚类的颜色矩;当相似度小于相似度阈值时该高光聚类为标记聚类,将其进行移除。
4.根据权利要求3所述的一种基于焊点颜色分布的PCB元件定位方法,其特征在于,所述步骤S02还包括S024:当剩余的高光聚类之间的距离小于距离阈值时,将高光聚类进行合并。
5.根据权利要求1所述的一种基于焊点颜色分布的PCB元件定位方法,其特征在于,所述步骤S03包括:
S031:确定高光聚类的颜色分布轴为水平分布或者垂直分布;
S032:根据所述颜色分布轴确定高光聚类的颜色分布曲线;
S033:根据颜色分布曲线获取水平拟合数据和竖直拟合数据,对水平拟合数据和竖直拟合数据进行拟合,若水平拟合数据或竖直拟合数据能够被拟合,则判定该高光聚类为焊点。
6.根据权利要求5所述的一种基于焊点颜色分布的PCB元件定位方法,其特征在于,所述步骤S031包括如下步骤:
S0311:将高光聚类内的所有高光像素转换为灰度格式,用Sobel掩膜卷积得到水平差分矩阵ΔH和垂直差分矩阵ΔV,使用全局阈值方法将ΔH和ΔV分为两部分,公式如下:
T′=α(MH+MV)/2.0
其中MH和MV分别是ΔH和ΔV的平均值,α是比例因子;
S0312:生成水平差分矩阵ΔH和垂直差分矩阵ΔV的直方图hH和直方图hV;
S0313:计算直方图hH和直方图hV的峰值,并通过比较它们的峰值来确定高光聚类的颜色分布轴:如果直方图hH的峰值数大于直方图hV的峰值数,则高光聚类的颜色分布轴为水平分布;否则,高光聚类的颜色分布轴沿垂直方向分布。
7.根据权利要求6所述的一种基于焊点颜色分布的PCB元件定位方法,其特征在于,所述步骤S0312中采用类高斯权函数减小直方图两端的bin值,增加直方图中间的bin值。
8.根据权利要求1所述的一种基于焊点颜色分布的PCB元件定位方法,其特征在于,所述步骤S04包括:
S041:寻找焊点之间的连接;
S042:去除图像中背景层,移除无效的焊点连接;
S043:根据有效焊点连接确定焊点和防护涂层的位置。
10.根据权利要求1所述的一种基于焊点颜色分布的PCB元件定位方法,其特征在于,所述步骤S01中通过三层环形LED照明系统获取PCB电路板图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010902685.4A CN112036489A (zh) | 2020-08-31 | 2020-08-31 | 一种基于焊点颜色分布的pcb元件定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010902685.4A CN112036489A (zh) | 2020-08-31 | 2020-08-31 | 一种基于焊点颜色分布的pcb元件定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112036489A true CN112036489A (zh) | 2020-12-04 |
Family
ID=73586948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010902685.4A Pending CN112036489A (zh) | 2020-08-31 | 2020-08-31 | 一种基于焊点颜色分布的pcb元件定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112036489A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742835A (zh) * | 2022-06-13 | 2022-07-12 | 新乡职业技术学院 | 一种液晶弹性体材料阵列性能的测试设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102732109A (zh) * | 2012-07-09 | 2012-10-17 | 赵铁军 | 一种消除电器使用时产生的电磁辐射的涂料及方法 |
CN103568612A (zh) * | 2013-11-06 | 2014-02-12 | 复旦大学 | 一种基于压电式家用喷墨打印技术制备印制电子阻焊材料的方法 |
CN106052924A (zh) * | 2016-06-02 | 2016-10-26 | 长沙理工大学 | 大型超高车辆撞击桥梁上部结构的撞击力计算方法及装置 |
CN106780426A (zh) * | 2016-09-21 | 2017-05-31 | 南京师范大学 | 一种基于色彩特征模型的集成电路板多形态焊点定位方法 |
CN107610111A (zh) * | 2017-09-12 | 2018-01-19 | 武汉大学 | 一种基于深度学习的焊点图像检测方法 |
CN109037113A (zh) * | 2018-08-17 | 2018-12-18 | 桂林电子科技大学 | 一种实现倒装焊芯片焊点灌封及打磨的装夹装置 |
CN111316934A (zh) * | 2018-12-17 | 2020-06-23 | 许金山 | 一种蜜蜂产育力分析仪及方法 |
CN111556646A (zh) * | 2020-04-30 | 2020-08-18 | 益阳维胜科技有限公司 | 一种柔性印刷电路板 |
-
2020
- 2020-08-31 CN CN202010902685.4A patent/CN112036489A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102732109A (zh) * | 2012-07-09 | 2012-10-17 | 赵铁军 | 一种消除电器使用时产生的电磁辐射的涂料及方法 |
CN103568612A (zh) * | 2013-11-06 | 2014-02-12 | 复旦大学 | 一种基于压电式家用喷墨打印技术制备印制电子阻焊材料的方法 |
CN106052924A (zh) * | 2016-06-02 | 2016-10-26 | 长沙理工大学 | 大型超高车辆撞击桥梁上部结构的撞击力计算方法及装置 |
CN106780426A (zh) * | 2016-09-21 | 2017-05-31 | 南京师范大学 | 一种基于色彩特征模型的集成电路板多形态焊点定位方法 |
CN107610111A (zh) * | 2017-09-12 | 2018-01-19 | 武汉大学 | 一种基于深度学习的焊点图像检测方法 |
CN109037113A (zh) * | 2018-08-17 | 2018-12-18 | 桂林电子科技大学 | 一种实现倒装焊芯片焊点灌封及打磨的装夹装置 |
CN111316934A (zh) * | 2018-12-17 | 2020-06-23 | 许金山 | 一种蜜蜂产育力分析仪及方法 |
CN111556646A (zh) * | 2020-04-30 | 2020-08-18 | 益阳维胜科技有限公司 | 一种柔性印刷电路板 |
Non-Patent Citations (1)
Title |
---|
ZHOU ZENG等: ""Algorithm of locating PCB components based on colour distribution of solder joints"", 《THE INTERNATIONAL JOURNAL OF ADVANCED MANUFACTURING TECHNOLOGY》, vol. 53, no. 5 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742835A (zh) * | 2022-06-13 | 2022-07-12 | 新乡职业技术学院 | 一种液晶弹性体材料阵列性能的测试设备 |
CN114742835B (zh) * | 2022-06-13 | 2022-09-02 | 新乡职业技术学院 | 一种液晶弹性体材料阵列性能的测试设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7333653B2 (en) | Detecting and correcting redeye in an image | |
US6925206B2 (en) | White line detection apparatus and white line detection method | |
CN107767379B (zh) | Pcb板标注印刷质量检测方法 | |
EP1300804A2 (en) | Face detecting method by skin color recognition | |
CN108985305B (zh) | 一种激光蚀刻工业雷管编码图像定位及校正方法 | |
CN109993154B (zh) | 变电站单指针式六氟化硫型仪表智能识别方法 | |
CN112991193B (zh) | 深度图像修复方法、设备及计算机可读存储介质 | |
CN110427979B (zh) | 基于K-Means聚类算法的道路水坑识别方法 | |
CN110210316B (zh) | 基于灰度图像的交通信号灯数字识别方法 | |
CN108022232A (zh) | 一种飞行器表面铆钉检测方法 | |
CN114241438B (zh) | 一种基于先验信息的交通信号灯快速精确的识别方法 | |
CN112036489A (zh) | 一种基于焊点颜色分布的pcb元件定位方法 | |
CN117611578B (zh) | 一种图像处理方法及图像处理系统 | |
CN114720473A (zh) | 基于机器视觉的车载屏幕背板的缺陷检测方法 | |
CN117274405B (zh) | 基于机器视觉的led灯工作颜色检测方法 | |
Zeng et al. | Algorithm of locating PCB components based on colour distribution of solder joints | |
CN111815725B (zh) | 一种qr码区域定位方法 | |
CN112396582A (zh) | 一种基于Mask RCNN的均压环歪斜检测方法 | |
CN111126371B (zh) | 一种基于图像处理的粗指针表盘示数读取方法 | |
CN115388785A (zh) | 一种基于视觉的柔性线束的测量方法及系统 | |
CN114419042B (zh) | 基于激光投影辅助线的板材轮廓视觉提取方法、系统和可读存储介质 | |
CN113840135B (zh) | 色偏检测方法、装置、设备及存储介质 | |
CN113537154B (zh) | 无人机建筑航拍图神经网络自动校色方法 | |
CN115376131A (zh) | 一种点状编码标志的设计与识别方法 | |
CN112036484A (zh) | 一种基于高光原理进行pcb元件提取的方法 |
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 |