CN112150433B - 电路板晶须物质的检测方法、计算机设备和存储介质 - Google Patents

电路板晶须物质的检测方法、计算机设备和存储介质 Download PDF

Info

Publication number
CN112150433B
CN112150433B CN202011001531.4A CN202011001531A CN112150433B CN 112150433 B CN112150433 B CN 112150433B CN 202011001531 A CN202011001531 A CN 202011001531A CN 112150433 B CN112150433 B CN 112150433B
Authority
CN
China
Prior art keywords
image
circuit board
contour
whisker
detection
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.)
Active
Application number
CN202011001531.4A
Other languages
English (en)
Other versions
CN112150433A (zh
Inventor
吴长雷
李勇
丁俊超
浦黎
纪庆泉
董世儒
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.)
China General Nuclear Power Corp
CGN Power Co Ltd
China Nuclear Power Operation Co Ltd
Original Assignee
China General Nuclear Power Corp
CGN Power Co Ltd
China Nuclear Power Operation 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 China General Nuclear Power Corp, CGN Power Co Ltd, China Nuclear Power Operation Co Ltd filed Critical China General Nuclear Power Corp
Priority to CN202011001531.4A priority Critical patent/CN112150433B/zh
Publication of CN112150433A publication Critical patent/CN112150433A/zh
Application granted granted Critical
Publication of CN112150433B publication Critical patent/CN112150433B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/30141—Printed circuit board [PCB]

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

本申请涉及一种电路板晶须物质的检测方法、计算机设备和存储介质。电路板晶须物质的检测方法包括获取电路板检测图像。对电路板检测图像进行灰度化处理，获得电路板灰度图像。对电路板灰度图像进行中值滤波处理，获得滤波图像。对滤波图像进行二值化处理，获得二值化图像。对二值化图像进行边缘检测，获得边缘图像。对边缘图像进行轮廓检测，获得边缘图像中所有轮廓，并将所有轮廓内部填充为单一颜色，获得轮廓填充图像。对轮廓填充图像进行形态学开运算，获得开运算轮廓。若开运算轮廓为线形轮廓，则为电路板晶须物质的轮廓。通过电路板晶须物质的检测方法，不需要依靠人眼检测即可实现自动检测，具有效率高、准确率高等优势。

Description

电路板晶须物质的检测方法、计算机设备和存储介质
技术领域
本申请涉及机器视觉技术领域，特别是涉及一种电路板晶须物质的检测方法、计算机设备和存储介质。
背景技术
在电气领域会使用大量的电路板。电路板在长期使用后由于部分器件、材质和工作环境的影响，会使得部分电路板表面会生长晶须。晶须会导致电路板出现短路故障，危及设备安全甚至会影响机组安全。为此我们需要在大批量维修期间对电路板进行检查和处理。
晶须是指从金属表面生长出的细丝状、针状单晶体，它能在固体物质的表面生长出来。晶须容易发生在锡、锌、镉、银等低熔点金属表面。晶须通常发生在0.5微米至50微米、厚度很薄的金属沉积层表面。典型的晶须直径为1微米至10微米，长度为1微米至500微米。晶须在静电或气流作用下可能变形弯曲，在电子设备运动中可能脱落造成短路或损坏。在低气压环境中，晶须与邻近导体之间甚至可能发生电弧放电，造成严重破坏。所以电路板上面存在的晶须物质对电路板的运行增加安全隐患。
然而，传统的晶须物质检测方法，往往是通过人眼观察，从而找到晶须物质。然而人工检测耗时耗力，且难以进行大规模的检测，使得检测效率偏低。
发明内容
基于此，针对上述问题，提供一种电路板晶须物质的检测方法。
本申请提供一种电路板晶须物质的检测方法，包括：
获取电路板检测图像；
对所述电路板检测图像进行灰度化处理，获得电路板灰度图像；
对所述电路板灰度图像进行中值滤波处理，获得滤波图像；
对所述滤波图像进行二值化处理，获得二值化图像；
对所述二值化图像进行边缘检测，获得边缘图像；
对所述边缘图像进行轮廓检测，获得所述边缘图像中所有轮廓，并将所述所有轮廓内部填充为单一颜色，获得轮廓填充图像；
对所述轮廓填充图像进行形态学开运算，获得开运算轮廓；
判断所述开运算轮廓是否为线形轮廓；
若所述开运算轮廓为线形轮廓，则为电路板晶须物质的轮廓。
在一个实施例中，对所述电路板检测图像进行灰度化处理，获得电路板灰度图像的步骤，包括：
根据第一灰度化公式Y＝0.3×R+0.59×G+0.11×B对所述电路板检测图像进行灰度化处理，获得第一灰度图像；
根据第二灰度化公式对所述第一灰度图像进行灰度化处理，获得所述电路板灰度图像；
在一个实施例中，对所述滤波图像进行二值化处理，获得二值化图像的步骤，包括：
预设自适应阈值；
若所述滤波图像中灰度图像像素点的像素值大于所述自适应阈值，则将所述灰度图像像素点的像素值设置为第一像素值；
若所述滤波图像中灰度图像像素点的像素值不大于所述自适应阈值，则将所述灰度图像像素点的像素值设置为第二像素值；
所述第一像素值大于所述第二像素值。
在一个实施例中，所述自适应阈值为130，所述第一像素值为255，所述第二像素值为0。
在一个实施例中，采用canny边缘检测算法对所述二值化图像进行边缘检测。
在一个实施例中，将所述所有轮廓内部填充为白色，获得所述轮廓填充图像。
在一个实施例中，判断所述开运算轮廓是否为线形轮廓的步骤，包括：
对所述开运算轮廓进行求矩，获得所述开运算轮廓的面积S与周长L；
根据判断公式判断所述开运算轮廓是否为所述线形轮廓。
在一个实施例中，所述电路板晶须物质的检测方法还包括：
将所述电路板晶须物质的轮廓进行标记。
在一个实施例中，本申请提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述实施例中任一项所述的方法的步骤。
在一个实施例中，本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例中任一项所述的方法的步骤。
上述电路板晶须物质的检测方法中通过对所述电路板检测图像进行灰度化处理，使得所述电路板检测图像凸显出晶须物质白色部分。通过对所述电路板灰度图像进行中值滤波处理，实现对所述电路板灰度图像中的椒盐噪声(脉冲噪声)去除。从而，通过对所述电路板灰度图像进行中值滤波处理，使得所述电路板灰度图像更为平滑，而晶须物质不会变得模糊。此时，所述滤波图像为平滑图像且晶须物质不会变得模糊。
通过对所述滤波图像进行二值化处理，设置所述滤波图像的像素点的灰度值，使得所述二值化图像呈现出明显的黑和白的视觉效果，保留了晶须物质以及部分前景。通过对所述二值化图像进行边缘检测，减少部分数据量，以剔除不相关的信息，保留了图像重要的结构属性，形成所述边缘图像。同时，对所述边缘图像进行轮廓检测，获得所述边缘图像中所有轮廓的轮廓信息。并且，用填充方法将检测到的所有轮廓在单一颜色图像上显示出来。
通过对所述轮廓填充图像进行形态学开运算，获得开运算轮廓，筛选出了线形轮廓和点状轮廓。最后，从线形轮廓和点状轮廓中继续进行筛选，判断所述开运算轮廓是否为线形轮廓。当所述开运算轮廓为线形轮廓时，即可确定晶须物质的轮廓。此时，通过所述电路板晶须物质的检测方法可以检测出电路板上的晶须物质。
因此，通过本申请提供的所述电路板晶须物质的检测方法，可以实现电路板上的晶须物质检测，不需要依靠人眼检测即可实现自动检测。从而，所述电路板晶须物质的检测方法具有效率高、准确率高等优势，减少了人为失误导致的错误。进而，通过所述电路板晶须物质的检测方法可以应用于大规模检测，节省了人力，节省了时间，提高了检测效率。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统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申请的一些实施例，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为本申请提供的一个实施例中电路板晶须物质的检测方法的流程示意图。
图2为本申请提供的一个实施例中电路板晶须物质的检测方法的流程示意图。
图3为本申请提供的一个实施例中电路板晶须物质的检测方法的流程示意图。
图4为本申请提供的一个实施例中电路板晶须物质的检测方法的流程示意图。
图5为本申请提供的一个实施例中电路板晶须物质的检测方法的流程示意图。
具体实施方式
为了便于理解本申请，下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使本申请的公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一电阻称为第二电阻，且类似地，可将第二电阻称为第一电阻。第一电阻和第二电阻两者都是电阻，但其不是同一电阻。
在此使用时，单数形式的“一”、“一个”和“所述/该”也可以包括复数形式，除非上下文清楚指出另外的方式。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。同时，在本说明书中使用的术语“和/或”包括相关所列项目的任何及所有组合。
请参阅图1，本申请提供一种电路板晶须物质的检测方法，包括：
获取电路板检测图像；
对所述电路板检测图像进行灰度化处理，获得电路板灰度图像；
对所述电路板灰度图像进行中值滤波处理，获得滤波图像；
对所述滤波图像进行二值化处理，获得二值化图像；
对所述二值化图像进行边缘检测，获得边缘图像；
对所述边缘图像进行轮廓检测，获得所述边缘图像中所有轮廓，并将所述所有轮廓内部填充为单一颜色，获得轮廓填充图像；
对所述轮廓填充图像进行形态学开运算，获得开运算轮廓；
判断所述开运算轮廓是否为线形轮廓；
若所述开运算轮廓为线形轮廓，则为电路板晶须物质的轮廓。
本实施例中，所述电路板检测图像为电路板的图像。通过对所述电路板检测图像进行灰度化处理，使得所述电路板检测图像凸显出晶须物质白色部分。通过对所述电路板灰度图像进行中值滤波处理，实现对所述电路板灰度图像中的椒盐噪声(脉冲噪声)去除。从而，通过对所述电路板灰度图像进行中值滤波处理，使得所述电路板灰度图像更为平滑，而晶须物质不会变得模糊。此时，所述滤波图像为平滑图像且晶须物质不会变得模糊。
通过对所述滤波图像进行二值化处理，设置所述滤波图像的像素点的灰度值，使得所述二值化图像呈现出明显的黑和白的视觉效果，保留了晶须物质以及部分前景。通过对所述二值化图像进行边缘检测，减少部分数据量，以剔除不相关的信息，保留了图像重要的结构属性，形成所述边缘图像。同时，对所述边缘图像进行轮廓检测，获得所述边缘图像中所有轮廓的轮廓信息。并且，用填充方法将检测到的所有轮廓在单一颜色图像上显示出来。
通过对所述轮廓填充图像进行形态学开运算，获得开运算轮廓，筛选出了线形轮廓和点状轮廓。最后，从线形轮廓和点状轮廓中继续进行筛选，判断所述开运算轮廓是否为线形轮廓。当所述开运算轮廓为线形轮廓时，即可确定晶须物质的轮廓。此时，通过所述电路板晶须物质的检测方法可以检测出电路板上的晶须物质。
因此，通过本申请提供的所述电路板晶须物质的检测方法，可以实现电路板上的晶须物质检测，不需要依靠人眼检测即可实现自动检测。从而，所述电路板晶须物质的检测方法具有效率高、准确率高等优势，减少了人为失误导致的错误。进而，通过所述电路板晶须物质的检测方法可以应用于大规模检测，节省了人力，节省了时间，提高了检测效率。
在一个实施例中，获取所述电路板检测图像时，可以通过摄像头采集图像。从而，对所述电路板检测图像进行分析和处理，获取晶须特征数据。此时，通过所述电路板晶须物质的检测方法，可以应用于大规模检测，检测效率高，准确率高，可以长时间工作，能够满足长时间大负荷的电路板检查工作的需求。
请参阅图2，在一个实施例中，对所述电路板检测图像进行灰度化处理，获得电路板灰度图像的步骤，包括：
根据第一灰度化公式Y＝0.3×R+0.59×G+0.11×B对所述电路板检测图像进行灰度化处理，获得第一灰度图像；
根据第二灰度化公式对所述第一灰度图像进行灰度化处理，获得所述电路板灰度图像；
其中，R、G、B分别为红绿蓝三通道像素值。
本实施例中，首先通过所述第一灰度化公式对所述电路板检测图像进行灰度化处理，取三通道固定比例获得灰度图，即所述第一灰度图像。其中，R、G、B分别代表了红绿蓝三通道。鉴于所述电路板晶须物质为白色，非彩色，在所述第一灰度图像的基础上，根据所述第二灰度化公式，将R、G、B三通道皆取1/3比例获得灰度图。此时，通过所述第二灰度化公式使得所述第一灰度图像更加凸显白色部分，进而使得所述电路板晶须物质凸显的更加明显。
因此，在所述第一灰度化公式的基础上，通过所述第二灰度化公式使得比率相等的灰度化参数作为晶须物质检测灰度化方法，执行效率高，且提高了所述电路板晶须物质的检测方法的精确度，避免出现漏检等问题。
在一个实施例中，对所述电路板灰度图像进行中值滤波处理的步骤中，中值滤波采用大小为3的核进行运算，对所述电路板灰度图像中的椒盐噪声去除。同时，通过对所述电路板灰度图像进行中值滤波处理，使得所述电路板灰度图像更为平滑，而晶须不会变得模糊。
在一个实施例中，中值滤波采用大小为5或7的核进行运算，用以改变滤波的强度和效果。
请参阅图3，在一个实施例中，对所述滤波图像进行二值化处理，获得二值化图像的步骤，包括：
预设自适应阈值；
若所述滤波图像中灰度图像像素点的像素值大于所述自适应阈值，则将所述灰度图像像素点的像素值设置为第一像素值；
若所述滤波图像中灰度图像像素点的像素值不大于所述自适应阈值，则将所述灰度图像像素点的像素值设置为第二像素值；
所述第一像素值大于所述第二像素值。
本实施例中，通过所述自适应阈值，将所述滤波图像的数据分成两部分，分别为大于所述自适应阈值的像素群和小于所述自适应阈值的像素群。其中，所述第一像素值大于所述第二像素值，将大于所述自适应阈值的像素群设置为白色，将不大于所述自适应阈值的像素群设置为黑色。此时，将整个所述滤波图像呈现出明显的只有黑和白的视觉效果。
因此，通过设置所述自适应阈值的二值化方法后，晶须物质部分与颜色较亮部分变为所述第一像素值，其余部分变为所述第二像素值。通过对所述滤波图像进行二值化处理，使图像变得简单，而且数据量减小，能凸显出所述晶须物质等亮色部分。从而，经过对所述滤波图像进行二值化处理，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小，有利于使得所述晶须物质从整个图像中凸显出来，筛选掉了图像中无关数据。
在一个实施例中，所述自适应阈值为130，所述第一像素值为255，所述第二像素值为0。
本实施例中，将所述自适应阈值设置为130。此时，像素值大于所述自适应阈值130的像素点设为所述第一像素值255。像素值不大于所述自适应阈值130的像素点设为所述第二像素值0。即，通过判断像素点的像素值大小，大于所述自适应阈值时设为255，小于等于所述自适应阈值时设为0，实现对所述滤波图像进行二值化处理，获得所述二值化图像。
此时，所述二值化图像中所有像素点gray(x,y)的灰度图像像素值value(x,y)为
在一个实施例中，对所述滤波图像进行二值化处理，获得二值化图像的步骤可以采用双峰法、P参数法、迭代法和OTSU法等。
在一个实施例中，采用canny边缘检测算法对所述二值化图像进行边缘检测。
本实施例中，通过采用canny算子获得所述二值化图像中的边缘。具体地，首先获得GX、Gy。此时，两个canny核分别在x，y方向上做卷积处理，即如下公式所示：
将GX、Gy两个值分别为在x，y方向的梯度值，再通过对x，y方向的梯度GX、Gy求平方后开根可得该像素点最终的梯度值G，梯度方向为θ，如下图公式所示：
θ＝atan2(Gx,Gy)
从而，采用canny边缘检测算法对所述二值化图像进行边缘检测，获得所述二值化图像的边缘检测结果图，即所述边缘图像。
在一个实施例中，采用OpenCV自带的findContours函数对canny边缘图像进行轮廓检测，设定参数mode为RETR_LIST：表示提取所有轮廓并将其放入列表。method设为CHAIN_APPROX_NONE：表示将轮廓中的所有点的编码转换成点。
在一个实施例中，将所述所有轮廓内部填充为白色，获得所述轮廓填充图像。
本实施例中，所述边缘图像中每个轮廓内部填充为单一颜色，选择填充为白色。此时，通过将所述所有轮廓内部填充为白色，获得了所述轮廓填充图像。
在一个实施例中，对所述轮廓填充图像进行形态学开运算，获得开运算轮廓。
本实施例中，通过对所述轮廓填充图像进行形态学开运算，用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。对所述轮廓填充图像进行形态学开运算，即先腐蚀后膨胀。开运算选择的核为5。此时，通过开运算消除了所述轮廓填充图像中的线条型轮廓面积的同时又使非线性轮廓面积基本不变。然后，将留下来的具有非线性轮廓的轮廓填充图像中的图形，在所述轮廓填充图像中对应部分轮廓清除。此时，通过判断每个轮廓的中心点是否在图形内部，进行判断。从而，通过对所述轮廓填充图像进行形态学开运算，获得所述开运算轮廓。所述开运算轮廓为开运算消除部分，即留下线形轮廓与点状轮廓。此时，所述开运算轮廓包括有线形轮廓与点状轮廓。
请参阅图4，在一个实施例中，判断所述开运算轮廓是否为线形轮廓的步骤，包括：
对所述开运算轮廓进行求矩，获得所述开运算轮廓的面积S与周长L；
根据判断公式S<(L/4)2/2判断所述开运算轮廓是否为所述线形轮廓。
本实施例中，通过对所述开运算轮廓进行求矩，获得每个轮廓的轮廓内含面积S及轮廓周长L。然后，通过所述判断公式S<(L/4)2/2判断每个轮廓是否为所述线性轮廓。通过在所述开运算轮廓包括有线形轮廓与点状轮廓的基础上，进一步对线形轮廓与点状轮廓进行筛选，筛选出所述线形轮廓。此时，若所述开运算轮廓为线形轮廓，则判断为电路板晶须物质的轮廓。从而，通过所述电路板晶须物质的检测方法完成对电路板上晶须物质的检测。
因此，通过所述判断公式S<(L/4)2/2判断所述开运算轮廓是否为所述线形轮廓，即判断是否为晶须轮廓，提升了晶须物质的识别率。
请参阅图5，在一个实施例中，所述电路板晶须物质的检测方法还包括：
将所述电路板晶须物质的轮廓进行标记。
本实施例中，当通过所述电路板晶须物质的检测方法进行检测时，检测到所述电路板晶须物质时，将所述电路板晶须物质的轮廓进行标记，在原图上用红色画出来。
因此，通过所述电路板晶须物质的检测方法对电路板进行检查和处理，及时发现晶须物质，并对晶须物质进行处理。进而，通过所述电路板晶须物质的检测方法，可以避免晶须物质导致的电路板出现短路故障、危及设备安全以及影响机组安全等问题。从而，通过所述电路板晶须物质的检测方法，可以实现人工检查无法满足的大规模检测需求，能够在大规模维修期间对电路板实施大批量、全方位的检查，节省了人力，提高了检测效率。
在一个实施例中，本申请提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述实施例中任一项所述的方法的步骤。
本实施例中，计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。计算机设备的处理器用于提供计算和控制能力。计算机设备的存储器包括非易失性存储介质、内存储器。非易失性存储介质存储有操作系统和计算机程序。内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
在一个实施例中，本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述实施例中任一项所述的方法的步骤。
本实施例中，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
在本说明书的描述中，参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性描述不一定指的是相同的实施例或示例。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种电路板晶须物质的检测方法，其特征在于，包括：
获取电路板检测图像；
对所述电路板检测图像进行灰度化处理，获得电路板灰度图像；
对所述电路板灰度图像进行中值滤波处理，获得滤波图像；
对所述滤波图像进行二值化处理，获得二值化图像；
对所述二值化图像进行边缘检测，获得边缘图像；
对所述边缘图像进行轮廓检测，获得所述边缘图像中所有轮廓，并将所述所有轮廓内部填充为单一颜色，获得轮廓填充图像；
对所述轮廓填充图像进行形态学开运算，获得开运算轮廓；
判断所述开运算轮廓是否为线形轮廓；
若所述开运算轮廓为线形轮廓，则为电路板晶须物质的轮廓；
对所述电路板检测图像进行灰度化处理，获得电路板灰度图像的步骤，包括：
根据第一灰度化公式对所述电路板检测图像进行灰度化处理，获得第一灰度图像；
根据第二灰度化公式对所述第一灰度图像进行灰度化处理，获得所述电路板灰度图像；
判断所述开运算轮廓是否为线形轮廓的步骤，包括：
对所述开运算轮廓进行求矩，获得所述开运算轮廓的面积S与周长L；
根据判断公式判断所述开运算轮廓是否为所述线形轮廓。
2.根据权利要求1所述的电路板晶须物质的检测方法，其特征在于，对所述滤波图像进行二值化处理，获得二值化图像的步骤，包括：
预设自适应阈值；
若所述滤波图像中灰度图像像素点的像素值大于所述自适应阈值，则将所述灰度图像像素点的像素值设置为第一像素值；
若所述滤波图像中灰度图像像素点的像素值不大于所述自适应阈值，则将所述灰度图像像素点的像素值设置为第二像素值；
所述第一像素值大于所述第二像素值。
3.根据权利要求2所述的电路板晶须物质的检测方法，其特征在于，所述自适应阈值为130，所述第一像素值为255，所述第二像素值为0。
4.根据权利要求1所述的电路板晶须物质的检测方法，其特征在于，采用canny边缘检测算法对所述二值化图像进行边缘检测。
5.根据权利要求1所述的电路板晶须物质的检测方法，其特征在于，将所述所有轮廓内部填充为白色，获得所述轮廓填充图像。
6.根据权利要求1所述的电路板晶须物质的检测方法，其特征在于，所述电路板晶须物质的检测方法还包括：
将所述电路板晶须物质的轮廓进行标记。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202011001531.4A 2020-09-22 2020-09-22 电路板晶须物质的检测方法、计算机设备和存储介质 Active CN112150433B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011001531.4A CN112150433B (zh) 2020-09-22 2020-09-22 电路板晶须物质的检测方法、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011001531.4A CN112150433B (zh) 2020-09-22 2020-09-22 电路板晶须物质的检测方法、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN112150433A CN112150433A (zh) 2020-12-29
CN112150433B true CN112150433B (zh) 2024-05-28

Family

ID=73892577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011001531.4A Active CN112150433B (zh) 2020-09-22 2020-09-22 电路板晶须物质的检测方法、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN112150433B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115049621A (zh) * 2022-06-17 2022-09-13 清华大学 微管缺陷检测方法、装置、设备、存储介质和程序产品

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303579A (zh) * 2015-11-11 2016-02-03 广州视源电子科技股份有限公司 一种电路板的检测方法及装置
CN108732170A (zh) * 2017-11-20 2018-11-02 江苏核电有限公司 一种用于仪控机柜的晶须检测装置
CN109472271A (zh) * 2018-11-01 2019-03-15 凌云光技术集团有限责任公司 印刷电路板图像轮廓提取方法及装置
CN109509166A (zh) * 2017-09-15 2019-03-22 凌云光技术集团有限责任公司 印刷电路板图像检测方法和装置
CN110009607A (zh) * 2019-03-25 2019-07-12 深圳市洲明科技股份有限公司 显示屏坏点检测方法、装置、计算机设备和存储介质
CN110175992A (zh) * 2019-05-27 2019-08-27 武汉中导光电设备有限公司 大尺寸液晶面板上宏观mura缺陷的检测方法和系统
CN111583216A (zh) * 2020-04-30 2020-08-25 深圳比特微电子科技有限公司 Pcba电路板的缺陷检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8055594B2 (en) * 2007-11-13 2011-11-08 Oracle America, Inc. Proactive detection of metal whiskers in computer systems
WO2020108287A1 (zh) * 2018-11-26 2020-06-04 隆基绿能科技股份有限公司 一种硅棒的晶线生长状态检测方法、装置及设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105303579A (zh) * 2015-11-11 2016-02-03 广州视源电子科技股份有限公司 一种电路板的检测方法及装置
CN109509166A (zh) * 2017-09-15 2019-03-22 凌云光技术集团有限责任公司 印刷电路板图像检测方法和装置
CN108732170A (zh) * 2017-11-20 2018-11-02 江苏核电有限公司 一种用于仪控机柜的晶须检测装置
CN109472271A (zh) * 2018-11-01 2019-03-15 凌云光技术集团有限责任公司 印刷电路板图像轮廓提取方法及装置
CN110009607A (zh) * 2019-03-25 2019-07-12 深圳市洲明科技股份有限公司 显示屏坏点检测方法、装置、计算机设备和存储介质
CN110175992A (zh) * 2019-05-27 2019-08-27 武汉中导光电设备有限公司 大尺寸液晶面板上宏观mura缺陷的检测方法和系统
CN111583216A (zh) * 2020-04-30 2020-08-25 深圳比特微电子科技有限公司 Pcba电路板的缺陷检测方法

Also Published As

Publication number Publication date
CN112150433A (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
CN109509200B (zh) 基于轮廓提取的棋盘格角点检测方法以及计算机可读存储介质
CN115908269B (zh) 视觉缺陷检测方法、装置、存储介质和计算机设备
CN109584240B (zh) 滑坡后缘裂缝位移图像识别方法
CN109472788B (zh) 一种飞机铆钉表面的伤痕检测方法
CN113781406B (zh) 电子元器件的划痕检测方法、装置及计算机设备
CN111539238B (zh) 二维码图像修复方法、装置、计算机设备和存储介质
CN108764328A (zh) 太赫兹图像危险品识别方法、装置、设备及可读存储介质
CN116152261B (zh) 一种印刷制品质量的视觉检测系统
CN114022503A (zh) 检测方法及检测系统、设备和存储介质
CN102005051A (zh) 一种边缘检测方法以及相关装置
CN114549441A (zh) 基于图像处理的吸管缺陷检测方法
CN112150433B (zh) 电路板晶须物质的检测方法、计算机设备和存储介质
CN110351549B (zh) 屏幕显示状态检测方法、装置、终端设备及可读存储介质
CN117094975A (zh) 钢铁表面缺陷检测方法、装置及电子设备
CN114419533A (zh) 深水网衣破损识别方法、装置、设备及存储介质
CN117351011B (zh) 屏幕缺陷检测方法、设备和可读存储介质
CN109117843B (zh) 字符遮挡检测方法及装置
CN110766614B (zh) 一种无线扫描笔的图像预处理方法和系统
CN109584224B (zh) 一种用于对铸件的x射线图像进行分析和显示的方法
CN114723728A (zh) 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及系统
CN113362288B (zh) 一种金手指划伤检测方法、装置以及电子设备
CN112581472B (zh) 一种面向人机交互的目标表面缺陷检测方法
CN117197129B (zh) 黑化程度检测方法、装置和计算机设备
CN117115172B (zh) 一种基于机器视觉的阿胶品质检测方法及系统
CN116542967B (zh) 一种锂电池极柱缺陷的检测方法、装置以及设备

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