CN112378350A - 一种网络变压器pin脚平整度检测方法 - Google Patents

一种网络变压器pin脚平整度检测方法 Download PDF

Info

Publication number
CN112378350A
CN112378350A CN202011275388.8A CN202011275388A CN112378350A CN 112378350 A CN112378350 A CN 112378350A CN 202011275388 A CN202011275388 A CN 202011275388A CN 112378350 A CN112378350 A CN 112378350A
Authority
CN
China
Prior art keywords
pin
image
network transformer
value
trough
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
CN202011275388.8A
Other languages
English (en)
Other versions
CN112378350B (zh
Inventor
黄化入
黄正源
谢维成
徐光明
蒲东山
宋长泉
谢欢
敬俊敏
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.)
Sichuan Zhuda Technology Co.,Ltd.
Original Assignee
Sichuan Xianshi Electronic 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 Sichuan Xianshi Electronic Technology Co ltd filed Critical Sichuan Xianshi Electronic Technology Co ltd
Priority to CN202011275388.8A priority Critical patent/CN112378350B/zh
Publication of CN112378350A publication Critical patent/CN112378350A/zh
Application granted granted Critical
Publication of CN112378350B publication Critical patent/CN112378350B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种网络变压器PIN脚平整度检测方法，包括：图像预处理，通过空间滤波进行图像去噪以及根据网络变压器图像灰度直方图特点进行阈值分割，得到信息保存完整的二值图像；K值(物理长度与像素长度之比)计算，通过二值图像垂直投影结合传送带速度的计算得到K值；PIN脚间距计算，通过对图像水平校正、垂直(水平)投影以及波谷检测得到间距的像素长度。本发明的优点是：通过设置误差阈值，检测网络变压器PIN脚平整度是否符合要求，PIN脚间距测量结果平均绝对误差为0.09mm，平均相对误差为4.6％，可以快速、准确的对网络变压器PIN脚平整度进行检测，研究结果可为网络变压器自动化检测提供相关理论参考。

Description

一种网络变压器PIN脚平整度检测方法
技术领域
本发明涉及芯片制造技术领域，特别涉及一种基于机器视觉的网络变压器PIN脚平整度检测方法。
背景技术
网络通讯技术的不断进步，网络变压器得到了越来越广泛的应用。尤其近年来5G网络的高速发展，网络传输速度越来越快，通讯设备也越来越小型化、集成化，且随着5G应用场景大幅增加，客户产品更趋个性化，网络变压器作为通讯设备的关键组件，其在形态、样式等方面都将发生很大的改变，例如：网端设备的安装组件更小、更薄，笔记本电脑、游戏机等产品都进一步小型化、低背化。这些变化趋势要求网络变压器也需要进一步的小型化超薄化，恰恰这样的改变给目前生产过程对网络变压器的一些视觉检测提出了更高的要求。目前对网络变压器进行视检时依赖人工检测，这样的检测方法效率低下，人工成本高且容易生产低劣产品。因此在网络高速发展以及工业自动化过程中，逐步实现机器视觉对网络变压器进行视检将是一种趋势，是网络变压器保持高生产量的同时保证品质的关键所在。
在网络变压器趋于小型化的过程中，人工对PIN脚平整度的检测难度越来越大，并且易出现主观性错检。目前机器视觉领域中，深度学习虽然发展迅速,同时有许多学习能力强大的CNN网络模型被提出用于检测物品缺陷，但是神经网络可解释性低，其模型结构复杂、参数居多、算法透明性低导致系统与人的协同工作效果大打折扣,尽管目前许多研究人员提出了许多方法使得网络模型可以具有一定的解释性却依旧是当下的难点，实际应用中神经网络的部署对硬件的要求也相对较高。因此本发明针对网络变压器PIN脚平整度的视检，研究一套图像处理的方法，通过机器视觉实现对其高效、自动以及低成本的检测。
现有技术中，申请号为“201921230917.5”，名称为“一种PIN脚平整度和间距的检测机”的中国实用新型专利提供了一种PIN脚平整度和间距的检测机，该检测机包括机体，夹具和检测机构总成，机体设于工作平台；夹具包括两个相互平行的PIN脚检测面，PIN脚检测面平行于芯片的PIN脚端面，夹具可绕自身中心轴转动的安装于机体以使PIN脚检测面交替进行检测；检测机构总成安装于夹具一侧的机体用以在夹具转动时对芯片两侧的PIN脚的平整度和间距进行检测，采用一组检测机构总成，利用夹具的旋转，来完成对芯片两排PIN脚的平整度和间距进行检测。该检测机采用物理方法进行检测，操作繁琐，需要依靠夹具及电机旋转来完成，效率低下。
发明内容
本发明针对现有技术直插式网络变压器PIN脚人工视检存在误差大、效率低和人工成本高等问题，提供了一种网络变压器PIN脚平整度检测方法，解决了现有技术中存在的缺陷。
为了实现以上发明目的，本发明采取的技术方案如下：
一种网络变压器PIN脚平整度检测方法，包括以下步骤：
首先进行网络变压器彩色图像的预处理，对获取的网络图像进行空间滤波，过滤CMOS相机拍摄过程中的部分噪声以及保存图像的边缘特征，并且通过阈值分割快速得到信息保存较好的二值图像；
然后通过传送带速度、红外发生器记录的时间差计算K值(像素长度与物理长度的比值)；
最后PIN脚间距计算，进行垂直/水平投影并分析其统计结果得到PIN脚行或列间距，通过设置阈值、对比图纸中PIN脚间距得到平整度得检测结果。
进一步地，对网络变压器彩色图像的预处理包括以下步骤：
1.灰度化：在对网络变压器PIN脚行或列间距的计算中，对彩色图像进行灰度化，减少图像信息得计算量方便后续的图像处理。
2.图像去噪：首先通过中值滤波滤除领域内灰度值突变的噪声点。在中值滤波后，使用双边滤波，突出边缘特征的同时可以很好的抑制上述噪声小区域带来的影响。
3.阈值分割：根据灰度直方图的统计结果进行阈值分割。首先为保证后续寻找良好的阈值区段不被噪音影响，对灰度统计结果进行滑动均值滤波；然后根据外壳灰度值集中于低灰度值且背景、PIN脚与外壳的灰度值差较大则中间灰度值统计的像素个数趋近于0的特点，设定像素阈值θ并在0～100灰度区域段寻找像素个数低于θ的阈值区域段；最后以最宽的阈值区域段的灰度中值β作为分割阈值。
进一步地，K值计算通过获取网络变压器前后端通过红外发生器时间的时间差以及传送带速度，计算得到网络变压器沿传送方向的物理长度。再通过图像预处理之后的网络变压器图像垂直投影，可获得网络变压器沿传送方向的像素长度。
计算如式(1)：
Figure BDA0002778868230000031
其中t1为前端过红外发生器时间，t2为后端过红外发生器时间，v为传送带速度，Lr为物理长度，Lp为像素长度,K为像素长度与物理长度的比值。
进一步地，PIN脚间距计算步骤如下：
1.图像水平校正：使用Hough变换检测网络变压器的最长边，然后得到最长边与水平线的夹角并进行图像旋转。
2.垂直/水平投影：对校正后的图像进行垂直/水平投影，垂直投影统计结果中波谷位置可以反映PIN脚在水平方向的间距，水平投影统计结果中波谷位置可以反映PIN脚在垂直方向的间距。
3.波谷检测
为了得到PIN脚的间距长度，需要检测垂直/水平投影波形图的波谷位置。
首先进行使用滑动平均滤波对波形进行一定的平滑然后进行传统的波谷检测，计算如下式(2)：
Figure BDA0002778868230000041
L为图像像素长度，y(k)为水平方向上k列上统计的像素个数。当满足式(2),k、y(k)即为波谷位置坐标。得到所有的波谷后进行第一轮的伪波谷筛除，以PIN脚半径d作为领域半径，计算如式(3)所示：
Figure BDA0002778868230000042
k1为筛选出来的波谷横坐标，df为PIN脚像素半径长度，d为PIN脚半径，z为横坐标。满足式(3)的波谷为待定波谷，否则判定为伪波谷筛除。第一轮伪波筛出后，进行第二轮伪波筛出，计算每个待定波谷y(k)与最大值M的绝对值，所有求得得绝对值求平均得到平均值T，若待定波谷与最大值得绝对值小于f*T则判定为伪波进行排除，这里f为经验值，文章选用f＝0.3，具体计算如式(4)所示:
Figure BDA0002778868230000051
k2为第一轮筛选后待定波谷的横坐标，e(x)为y(x)与最大值的差值，E为差值均值，当满足式(4)则为最后的真波谷，否则判定为伪波谷筛除。由上所述得到真波谷的各个横坐标，用于计算PIN脚的间距计算。
4.PIN脚平整度检测：检测到真波谷的位置坐标后，则相邻波谷横坐标的差值即为检测的PIN脚中心间的像素间距。计算波谷数量与PIN脚纵数是否相等，然后通过计算得到的间距与图纸要求的PIN脚间距进行比较，最后得出对PIN脚平整度的检测结果。
与现有技术相比，本发明的优点在于：
通过设置误差阈值，检测网络变压器PIN脚平整度是否符合要求，PIN脚间距测量结果平均绝对误差为0.09mm，平均相对误差为4.6％，可以快速、准确的对网络变压器PIN脚平整度进行检测，研究结果可为网络变压器自动化检测提供相关理论参考。
附图说明
图1是本发明实施例网络变压器PIN脚平整度检测方法技术路线图；
图2是本发明实施例网络变压器阈值分割效果图；
图3是本发明实施例长边检测结果图；
图4是本发明实施例伪波谷筛除检测图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。
如图1所示，首先进行图像预处理，对获取的网络图像进行空间滤波，过滤CMOS相机拍摄过程中的部分噪声以及保存图像的边缘特征，并且通过阈值分割快速得到信息保存较好的二值图像；然后通过传送带速度、红外发生器记录的时间差计算K值(像素长度与物理长度的比值)；最后进行垂直/水平投影并分析其统计结果得到PIN脚行(列)间距，通过设置阈值、对比图纸中PIN脚间距得到平整度得检测结果。
对网络变压器彩色图像的预处理包括以下步骤：
(1)灰度化：在对网络变压器PIN脚行或列间距的计算中，主要对边缘信息进行处理，不需要对图像得色彩信息进行处理。因此对彩色图像进行灰度化，减少图像信息得计算量方便后续的图像处理。
(2)图像去噪：由于CMOS(CCD)相机在接收信号和输出过程中会产生一些不该出现的外来像素即噪声，而网络变压器图像在大部分像素区的灰度值变化平缓，因此首先通过中值滤波滤除领域内灰度值突变的噪声点。但由于一些不可知的因素仍然使得网络变压器图像中PIN脚和外壳这些原本灰度值变化极小的区域出现一些多个噪声像素相连的噪声小区域，且无法通过中值滤波滤除。所以在中值滤波后，使用双边滤波，突出边缘特征的同时可以很好的抑制上述噪声小区域带来的影响。
(3)阈值分割：根据灰度直方图的统计结果进行阈值分割。首先为保证后续寻找良好的阈值区段不被噪音影响，对灰度统计结果进行滑动均值滤波；然后根据外壳灰度值集中于低灰度值且背景、PIN脚与外壳的灰度值差较大则中间灰度值统计的像素个数趋近于0的特点，设定像素阈值θ并在0～100灰度区域段寻找像素个数低于θ的阈值区域段；最后以最宽的阈值区域段的灰度中值β作为分割阈值。
K值计算通过获取网络变压器前后端通过红外发生器时间的时间差以及传送带速度，计算得到网络变压器沿传送方向的物理长度。再通过图像预处理之后的网络变压器图像垂直投影，可获得网络变压器沿传送方向的像素长度。
PIN脚间距计算步骤如下：
(1)图像水平校正：为了使得网络变压器图像的垂直/水平投影结果能够反映PIN脚的平整度与计算间距，需要将图像中网络变压器部分呈水平放置。因此首先使用Hough变换检测网络变压器的最长边，然后得到最长边与水平线的夹角并进行图像旋转。
(2)垂直/水平投影：对校正后的图像进行垂直/水平投影，垂直投影统计结果中波谷位置可以反映PIN脚在水平方向的间距，水平投影统计结果中波谷位置可以反映PIN脚在垂直方向的间距。
(3)波谷检测
为了得到PIN脚的间距长度，需要检测垂直/水平投影波形图的波谷位置。但由于PIN脚出现偏斜或光照不均匀等情况，使得出现影响波谷检测的伪谷出现，因此通过一种伪波谷排除检测方法有效的对波谷位置进行检测。首先使用滑动平均滤波对波形进行一定的平滑，因为在PIN脚处整体的波谷明显所以受到的影响很小，而对于其他部分具有很好的平滑作用，但窗口大小不宜选择过大，以免造成PIN脚处波谷的明显偏移。
(4)PIN脚平整度检测：检测到真波谷的位置坐标后，则相邻波谷横坐标的差值即为检测的PIN脚中心间的像素间距。因此首先计算波谷数量与PIN脚纵(列)数是否相等，然后通过计算得到的间距与图纸要求的PIN脚间距进行比较，最后得出对PIN脚平整度的检测结果。
如图2所示，为了得到分割网络变压器外壳与背景、PIN脚的二值图，需要将去噪后的图像进行图像分割。常用的图像分割有Otsu阈值分割、聚类分割等方法。但实际的使用过程中发现，图像中的阴影会导致Otsu阈值分割效果很差，而聚类分割的效果较好，但其计算量相对阈值分割较大，用于灰度值差距明显的图像分割性价比较低。所以考虑到实际情况，并未使用常用的几种图像分割方法，而根据灰度直方图的统计结果进行阈值分割。首先为保证后续寻找良好的阈值区段不被噪音影响，对灰度统计结果进行滑动均值滤波；然后根据外壳灰度值集中于低灰度值且背景、PIN脚与外壳的灰度值差较大则中间灰度值统计的像素个数趋近于0的特点，设定像素阈值θ并在0～100灰度区域段寻找像素个数低于θ的阈值区域段；最后以最宽的阈值区域段的灰度中值β作为分割阈值。
如图3所示，通过长边检测之后对采集图像进行水平校正。
如图4所示，传统的波谷检测，计算如式(1)所示：
Figure BDA0002778868230000081
L为图像像素长度，y(k)为水平方向上k列上统计的像素个数。当满足式(1),k、y(k)即为波谷位置坐标。得到所有的波谷后进行第一轮的伪波谷筛除，以PIN脚半径d作为领域半径，计算如式(2)所示：
Figure BDA0002778868230000082
k1为筛选出来的波谷横坐标，df为PIN脚像素半径长度，d为PIN脚半径，z为横坐标。满足式(2)的波谷为待定波谷，否则判定为伪波谷筛除。第一轮伪波筛出后，进行第二轮伪波筛出，计算每个待定波谷y(k)与最大值M的绝对值，所有求得得绝对值求平均得到平均值T，若待定波谷与最大值得绝对值小于f*T则判定为伪波进行排除，这里f为经验值，选用f＝0.3，具体计算如式(3)所示:
Figure BDA0002778868230000091
k2为第一轮筛选后待定波谷的横坐标，e(x)为y(x)与最大值的差值，E为差值均值，当满足式(3)则为最后的真波谷，否则判定为伪波谷筛除。由上所述得到真波谷的各个横坐标，用于计算PIN脚的间距计算。
检测到真波谷的位置坐标后，则相邻波谷横坐标的差值即为检测的PIN脚中心间的像素间距。因此首先计算波谷数量与PIN脚纵(列)数是否相等，然后通过计算得到的间距与图纸要求的PIN脚间距进行比较，最后得出对PIN脚平整度的检测结果。具体计算如式(4)：
Figure BDA0002778868230000092
其中Dr为物理间距长度，D1为像素间距长度，εr为物理误差阈值，ε为像素误差阈值，np为网络变压器纵(列)数，nb为波谷个数。若组PIN脚间距满足式(4)则该网络变压器PIN脚平整度检测合格，反之某一组PIN脚间间距不满足式(4)，则该网络变压器的这一组PIN脚出现有歪斜或间距尺寸不合格等情况。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的实施方法，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (4)

1.一种网络变压器PIN脚平整度检测方法，其特征在于，包括以下步骤：
首先进行网络变压器彩色图像的预处理，对获取的网络图像进行空间滤波，过滤CMOS相机拍摄过程中的部分噪声以及保存图像的边缘特征，并且通过阈值分割快速得到信息保存较好的二值图像；
然后通过传送带速度、红外发生器记录的时间差计算K值(像素长度与物理长度的比值)；
最后PIN脚间距计算，进行垂直/水平投影并分析其统计结果得到PIN脚行或列间距，通过设置阈值、对比图纸中PIN脚间距得到平整度得检测结果。
2.根据权利要求1所述的网络变压器PIN脚平整度检测方法，其特征在于：对网络变压器彩色图像的预处理包括以下步骤：
1).灰度化：在对网络变压器PIN脚行或列间距的计算中，对彩色图像进行灰度化，减少图像信息得计算量方便后续的图像处理；
2).图像去噪：首先通过中值滤波滤除领域内灰度值突变的噪声点；在中值滤波后，使用双边滤波，突出边缘特征的同时可以很好的抑制上述噪声小区域带来的影响；
3).阈值分割：根据灰度直方图的统计结果进行阈值分割；首先为保证后续寻找良好的阈值区段不被噪音影响，对灰度统计结果进行滑动均值滤波；然后根据外壳灰度值集中于低灰度值且背景、PIN脚与外壳的灰度值差较大则中间灰度值统计的像素个数趋近于0的特点，设定像素阈值θ并在0～100灰度区域段寻找像素个数低于θ的阈值区域段；最后以最宽的阈值区域段的灰度中值β作为分割阈值。
3.根据权利要求2所述的网络变压器PIN脚平整度检测方法，其特征在于：K 值计算通过获取网络变压器前后端通过红外发生器时间的时间差以及传送带速度，计算得到网络变压器沿传送方向的物理长度；再通过图像预处理之后的网络变压器图像垂直投影，可获得网络变压器沿传送方向的像素长度；
计算如式(1)：
Figure FDA0002778868220000021
其中t1为前端过红外发生器时间，t2为后端过红外发生器时间，v为传送带速度，Lr为物理长度，Lp为像素长度,K为像素长度与物理长度的比值。
4.根据权利要求3所述的网络变压器PIN脚平整度检测方法，其特征在于：PIN脚间距计算步骤如下：
1).图像水平校正：使用Hough变换检测网络变压器的最长边，然后得到最长边与水平线的夹角并进行图像旋转；
2).垂直/水平投影：对校正后的图像进行垂直/水平投影，垂直投影统计结果中波谷位置可以反映PIN脚在水平方向的间距，水平投影统计结果中波谷位置可以反映PIN脚在垂直方向的间距；
3).波谷检测
为了得到PIN脚的间距长度，需要检测垂直/水平投影波形图的波谷位置；
首先进行使用滑动平均滤波对波形进行一定的平滑然后进行传统的波谷检测，计算如下式(2)：
Figure FDA0002778868220000022
L为图像像素长度，y(k)为水平方向上k列上统计的像素个数；当满足式(2),k、y(k)即为波谷位置坐标；得到所有的波谷后进行第一轮的伪波谷筛除，以PIN脚半径d作为领域半径，计算如式(3)所示：
Figure FDA0002778868220000031
k1为筛选出来的波谷横坐标，df为PIN脚像素半径长度，d为PIN脚半径，z为横坐标；满足式(3)的波谷为待定波谷，否则判定为伪波谷筛除；第一轮伪波筛出后，进行第二轮伪波筛出，计算每个待定波谷y(k)与最大值M的绝对值，所有求得得绝对值求平均得到平均值T，若待定波谷与最大值得绝对值小于f*T则判定为伪波进行排除，这里f为经验值，文章选用f＝0.3，具体计算如式(4)所示:
Figure FDA0002778868220000032
k2为第一轮筛选后待定波谷的横坐标，e(x)为y(x)与最大值的差值，E为差值均值，当满足式(4)则为最后的真波谷，否则判定为伪波谷筛除；由上所述得到真波谷的各个横坐标，用于计算PIN脚的间距计算；
4).PIN脚平整度检测：检测到真波谷的位置坐标后，则相邻波谷横坐标的差值即为检测的PIN脚中心间的像素间距；计算波谷数量与PIN脚纵数是否相等，然后通过计算得到的间距与图纸要求的PIN脚间距进行比较，最后得出对PIN脚平整度的检测结果。
CN202011275388.8A 2020-11-16 2020-11-16 一种网络变压器pin脚平整度检测方法 Active CN112378350B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011275388.8A CN112378350B (zh) 2020-11-16 2020-11-16 一种网络变压器pin脚平整度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011275388.8A CN112378350B (zh) 2020-11-16 2020-11-16 一种网络变压器pin脚平整度检测方法

Publications (2)

Publication Number Publication Date
CN112378350A true CN112378350A (zh) 2021-02-19
CN112378350B CN112378350B (zh) 2021-08-17

Family

ID=74584346

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011275388.8A Active CN112378350B (zh) 2020-11-16 2020-11-16 一种网络变压器pin脚平整度检测方法

Country Status (1)

Country Link
CN (1) CN112378350B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313641A (zh) * 2021-04-28 2021-08-27 北京理工大学 一种自适应中值滤波的ct图像去噪方法
CN114152200A (zh) * 2022-02-07 2022-03-08 北京航空航天大学杭州创新研究院 芯片引脚测量方法和装置
CN114202528A (zh) * 2021-12-13 2022-03-18 北京创源微致软件有限公司 一种产品检测方法及装置
CN115049713A (zh) * 2022-08-11 2022-09-13 武汉中导光电设备有限公司 图像配准方法、装置、设备及可读存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1190793A (zh) * 1996-09-24 1998-08-19 三星电子株式会社 检查集成电路管壳引脚的方法和装置
CN101576508A (zh) * 2009-05-27 2009-11-11 华南理工大学 芯片外观缺陷自动检测装置及检测方法
CN101706457A (zh) * 2009-11-12 2010-05-12 无锡中微腾芯电子有限公司 料管电路自动点数与引脚检查机
CN201556608U (zh) * 2009-11-12 2010-08-18 无锡中微腾芯电子有限公司 料管电路自动点数与引脚检查机
CN102865836A (zh) * 2011-07-04 2013-01-09 东莞市三瑞自动化科技有限公司 一种扫描式图像检测方法
CN203364760U (zh) * 2013-06-27 2013-12-25 湖北磁创电子科技有限公司 直插型电子元器件引脚检测机
CN106373158A (zh) * 2016-08-24 2017-02-01 东莞沁智智能装备有限公司 自动化图像检测方法
CN106556352A (zh) * 2016-11-30 2017-04-05 英业达科技有限公司 一种自动检测装置、系统及方法
CN207936921U (zh) * 2018-03-29 2018-10-02 中江县凯讯电子有限公司 用于网络变压器引脚检测的光学设备
JP6458818B2 (ja) * 2016-03-04 2019-01-30 Ｊｆｅスチール株式会社 伸び測定装置及び伸び測定方法
CN110554046A (zh) * 2019-09-05 2019-12-10 西安多维机器视觉检测技术有限公司 一种用于电子元器件引脚的检测系统和方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1190793A (zh) * 1996-09-24 1998-08-19 三星电子株式会社 检查集成电路管壳引脚的方法和装置
CN101576508A (zh) * 2009-05-27 2009-11-11 华南理工大学 芯片外观缺陷自动检测装置及检测方法
CN101706457A (zh) * 2009-11-12 2010-05-12 无锡中微腾芯电子有限公司 料管电路自动点数与引脚检查机
CN201556608U (zh) * 2009-11-12 2010-08-18 无锡中微腾芯电子有限公司 料管电路自动点数与引脚检查机
CN102865836A (zh) * 2011-07-04 2013-01-09 东莞市三瑞自动化科技有限公司 一种扫描式图像检测方法
CN203364760U (zh) * 2013-06-27 2013-12-25 湖北磁创电子科技有限公司 直插型电子元器件引脚检测机
JP6458818B2 (ja) * 2016-03-04 2019-01-30 Ｊｆｅスチール株式会社 伸び測定装置及び伸び測定方法
CN106373158A (zh) * 2016-08-24 2017-02-01 东莞沁智智能装备有限公司 自动化图像检测方法
CN106556352A (zh) * 2016-11-30 2017-04-05 英业达科技有限公司 一种自动检测装置、系统及方法
CN207936921U (zh) * 2018-03-29 2018-10-02 中江县凯讯电子有限公司 用于网络变压器引脚检测的光学设备
CN110554046A (zh) * 2019-09-05 2019-12-10 西安多维机器视觉检测技术有限公司 一种用于电子元器件引脚的检测系统和方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313641A (zh) * 2021-04-28 2021-08-27 北京理工大学 一种自适应中值滤波的ct图像去噪方法
CN114202528A (zh) * 2021-12-13 2022-03-18 北京创源微致软件有限公司 一种产品检测方法及装置
CN114152200A (zh) * 2022-02-07 2022-03-08 北京航空航天大学杭州创新研究院 芯片引脚测量方法和装置
CN115049713A (zh) * 2022-08-11 2022-09-13 武汉中导光电设备有限公司 图像配准方法、装置、设备及可读存储介质
CN115049713B (zh) * 2022-08-11 2022-11-25 武汉中导光电设备有限公司 图像配准方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
CN112378350B (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
CN112378350B (zh) 一种网络变压器pin脚平整度检测方法
CN109829876B (zh) 基于机器视觉的链板缺陷在线检测装置及方法
CN114359270B (zh) 基于计算机视觉的汽车发动机油路铜套缺陷检测方法
CN112651968B (zh) 一种基于深度信息的木板形变与凹坑检测方法
CN109839385B (zh) 一种自适应的pcb板缺陷视觉定位检测及分类系统
CN103914827B (zh) 汽车密封条轮廓缺陷的视觉检测方法
CN114219794B (zh) 基于机器视觉的刨花板表面质量评估方法及系统
CN110781913B (zh) 一种拉链布带缺陷检测方法
CN114881915A (zh) 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法
CN112991283A (zh) 基于超像素的柔性ic基板线宽检测方法、介质和设备
CN114863492B (zh) 一种低质量指纹图像的修复方法及修复装置
CN116977342B (zh) 基于图像分割的pcb板线路检测方法
CN115082477B (zh) 一种基于去反光效果的半导体晶圆加工质量检测方法
CN111738931B (zh) 光伏阵列无人机航拍图像的阴影去除算法
CN115100206A (zh) 用于具有周期图案纺织物的印花缺陷识别方法
CN112669295A (zh) 一种基于二次阈值分割理论的锂电池极片缺陷检测方法
CN111724376B (zh) 一种基于纹理特征分析的纸病检测方法
CN117011292A (zh) 一种复合板表面质量快速检测方法
CN114187267B (zh) 基于机器视觉的冲压件缺陷检测方法
CN117314901B (zh) 一种尺度自适应的芯片检测神经网络系统
CN116416268A (zh) 基于递归二分法的锂电池极片边缘位置检测方法及装置
CN116934746B (zh) 划伤缺陷检测方法、系统、设备及其介质
CN114693686B (zh) 一种用于床单布匹污渍检测的方法
Ahuja et al. Robust BGA void detection using multi directional scan algorithms
CN113450331B (zh) 一种异形元器件针脚检测方法

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: Mingyang Small and Micro Enterprise Entrepreneurship Park, Enyang District, Bazhong City, Sichuan Province

Patentee after: Sichuan Zhuda Technology Co.,Ltd.

Address before: 636063 Mingyang small and micro enterprise Pioneer Park, Enyang District, Bazhong City, Sichuan Province

Patentee before: Sichuan Xianshi Electronic Technology Co.,Ltd.