CN112581447A - 一种基于全局缺陷和局部缺陷的fpc软板线路检测方法 - Google Patents

一种基于全局缺陷和局部缺陷的fpc软板线路检测方法 Download PDF

Info

Publication number
CN112581447A
CN112581447A CN202011485088.2A CN202011485088A CN112581447A CN 112581447 A CN112581447 A CN 112581447A CN 202011485088 A CN202011485088 A CN 202011485088A CN 112581447 A CN112581447 A CN 112581447A
Authority
CN
China
Prior art keywords
defect
image
defects
fpc
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.)
Pending
Application number
CN202011485088.2A
Other languages
English (en)
Inventor
魏登明
杨海东
蔡庆滨
李泽辉
胡晓强
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.)
Foshan Nanhai Guangdong Technology University CNC Equipment Cooperative Innovation Institute
Foshan Guangdong University CNC Equipment Technology Development Co. Ltd
Original Assignee
Foshan Nanhai Guangdong Technology University CNC Equipment Cooperative Innovation Institute
Foshan Guangdong University CNC Equipment Technology Development 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 Foshan Nanhai Guangdong Technology University CNC Equipment Cooperative Innovation Institute, Foshan Guangdong University CNC Equipment Technology Development Co. Ltd filed Critical Foshan Nanhai Guangdong Technology University CNC Equipment Cooperative Innovation Institute
Priority to CN202011485088.2A priority Critical patent/CN112581447A/zh
Publication of CN112581447A publication Critical patent/CN112581447A/zh
Pending legal-status Critical Current

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
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于全局缺陷和局部缺陷的FPC软板线路检测方法，包括如下步骤：将图像进行预处理得到模板图；基于灰度统计特征进行缺陷检测；基于拓扑特征进行缺陷检测；基于边缘特征进行缺陷检测；局部缺陷检测；计算相关系数，当该系数小于相对误差门限时，则可判定为缺陷；对缺陷可能出现的区域计算改进的相关系数,得到归一化的相关系数，若小于设定的阈值,则可以判定待检测图像中该区域存在缺陷。本发明不仅能精确识别出特定的缺陷类型，如短路、断路、毛刺、缺口、铜残、空洞。还能标识出其余的缺陷位置和范围大小，全局缺陷和局部缺陷检测相结合的算法还提高了系统的效率,相比于传统的算法,检测速度大大提高。

Description

一种基于全局缺陷和局部缺陷的FPC软板线路检测方法
技术领域
本发明涉及检测技术领域，尤其涉及一种基于全局缺陷和局部缺陷的FPC软板线路检测方法。
背景技术
柔性线路板(Flexible Printed Circuit,FPC)，又称软性电路板，由于其配线密度高、重量轻、厚度薄，现广泛用于储存卡、笔记本电脑、液晶显示屏、数码摄像机等电子产品中。FPC产品正朝着小型化、高密度化等方向发展，正因为如此FPC板制造工艺越渐复杂，每一道工序都有可能造成缺陷，从而在其生产中对于产品的质量检测的要求越来越严格，目前常见的检测方法依旧是人工目测或借助简易的光学检测设备，工人劳动强度大，使得检测准确率低，个人主观影响较大。还有由于FPC属于柔性线路板，易产生形变，所以传统方法会导致诸多漏检误检等问题。从而导致检测效率低、鲁棒性差，无法大面积推广使用。另一方面，在FPC板的生产过程中会产生各种缺陷问题，而现有的电路板缺陷检测算法只针对电路板的特定缺陷类型提出相应的检测算法，根据检测结果把板子中存在的特定缺陷进行分类和标记。但是大部分生产厂家并不关心所有缺陷的具体类型，其它的缺陷也有可能影响FPC板的质量。因此，现有技术需要进一步改进和完善。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于全局缺陷和局部缺陷的FPC软板线路检测方法。
本发明的目的通过下述技术方案实现：
一种基于全局缺陷和局部缺陷的FPC软板线路检测方法，主要包括如下具体步骤：
步骤S0：将采集后的FPC板图像进行预处理，得到模板图；
步骤S1：基于灰度统计特征的缺陷检测：用灰度直方图来统计，从而获得标准模板图与待测图像的差异；
步骤S2：基于拓扑特征的缺陷检测：对比标准模板和待检测图像中缺陷所属区域中连通域个数和面积,从而实现缺陷的识别和分类；
步骤S3：基于边缘特征的缺陷检测：对常见的FPC缺陷类型进行分析,按照缺陷区域闭合边界与基板区的关系,缺陷边界被分成不同的较为规则的多边形；
步骤S4：局部缺陷检测：对待检测图像做x和y方向的投影,得到缺陷可能出现区域的顶点坐标和大小；
步骤S5：由步骤S4得到的疑似缺陷区域大小后，同时计算相关系数，当该系数小于相对误差门限时，则可判定为缺陷；
步骤S6：采用MATLAB仿真验证：对缺陷可能出现的区域计算改进的相关系数,得到归一化的相关系数，若小于设定的阈值,则可以判定待检测图像中该区域存在缺陷。
进一步的，所述步骤S0中的预处理包括中值滤波和高斯滤波相结合的算法平滑图像、Sobel算子锐化图像操作。
进一步的，所述步骤S4还包括：使用灰度投影方法，并依据以下公式：
Figure BDA0002839124330000021
Figure BDA0002839124330000022
其中，Tx,Ty分别表示模板图像在x轴和y轴的投影分量；fx,fy分别表示待检测图像在x轴和y轴的投影分量；δx,δy分别表示x轴和y轴的投影分量相对误差；设定待检测图像和模板图像的投影分量相对误差门限为δ0,统计投影分量的相对误差值超过门限的位置坐标θ0,θ1,…Ω,θx和μ0,μ1,…,μy。经过投影匹配之后,可得到疑似缺陷区域大小是(θx-θ0+1)×(μy-μ0+1),顶点为(θ0，μ0)。
进一步的，所述步骤S5中的相关系数由以下公式获得：
Figure BDA0002839124330000023
其中，
Figure BDA0002839124330000024
i,j为顶点坐标，M,N为缺陷区域大小，相对门限误差δ0可根据实际需要的检测精度确定。
本发明的工作过程及原理：本发明所提供的基于全局检测和局部检测FPC软板线路缺陷的检测算法，不仅能精确识别出特定的缺陷类型，如短路、断路、毛刺、缺口、铜残、空洞。还能标识出其余的缺陷位置和范围大小，全局缺陷和局部缺陷检测相结合的算法还提高了系统的效率,相比于传统的算法,检测速度大大提高。
与现有技术相比，本发明还具有以下优点：
本发明采用全局缺陷检测和局部缺陷检测相结合的FPC板缺陷检测方法，解决了软板生产过程中厂家要求完成的缺陷类型检测，同时也对其它缺陷类型进行了位置的标识。利用灰度统计特性、拓扑特征和边缘特征以及利用FPC板结合灰度投影方法计算相关系数；最后获得较传统方法准确的FPC板缺陷信息和其它缺陷类型的位置标识。本发明能准确且快速的标识出特定缺陷类型以外的缺陷大小和位置，极大的提高了FPC板检测的效率，给予厂家可靠的关于产品质量问题的参考，减少了人工的检测工作量从而提高了FPC软板的生产质量和效率。
附图说明
图1是本发明所提供的基于全局缺陷和局部缺陷的FPC软板线路检测方法系统流程图。
图2是本发明所提供的预处理后的FPC模板图。
图3是本发明所提供的模板图和缺陷类型的灰度直方图对比示意图。
图4是本发明所提供的基于边缘特征的缺陷检测图。
图5是本发明所提供的标准模板和待测图像的x轴投影曲线图。
图6是本发明所提供的标准模板和待测图像的y轴投影曲线图。
图7是本发明所提供的短路缺陷类型的FPC软板图。
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、明确，以下参照附图并举实施例对本发明作进一步说明。
实施例1：
如图1至图7所示，本实施例公开了一种基于全局缺陷和局部缺陷的FPC软板线路检测方法，主要包括如下具体步骤：
步骤S0：将采集后的FPC板图像进行预处理，得到模板图；
步骤S1：基于灰度统计特征的缺陷检测：用灰度直方图来统计，从而获得标准模板图与待测图像的差异；
步骤S2：基于拓扑特征的缺陷检测：对比标准模板和待检测图像中缺陷所属区域中连通域个数和面积,从而实现缺陷的识别和分类；
步骤S3：基于边缘特征的缺陷检测：对常见的FPC缺陷类型进行分析,按照缺陷区域闭合边界与基板区的关系,缺陷边界被分成不同的较为规则的多边形；
步骤S4：局部缺陷检测：对待检测图像做x和y方向的投影,得到缺陷可能出现区域的顶点坐标和大小；
步骤S5：由步骤S4得到的疑似缺陷区域大小后，同时计算相关系数，当该系数小于相对误差门限时，则可判定为缺陷；
步骤S6：采用MATLAB仿真验证：对缺陷可能出现的区域计算改进的相关系数,得到归一化的相关系数，若小于设定的阈值,则可以判定待检测图像中该区域存在缺陷。
进一步的，所述步骤S0中的预处理包括中值滤波和高斯滤波相结合的算法平滑图像、Sobel算子锐化图像操作。
进一步的，所述步骤S4还包括：使用灰度投影方法，并依据以下公式：
Figure BDA0002839124330000041
Figure BDA0002839124330000042
其中，Tx,Ty分别表示模板图像在x轴和y轴的投影分量；fx,fy分别表示待检测图像在x轴和y轴的投影分量；δx,δy分别表示x轴和y轴的投影分量相对误差；设定待检测图像和模板图像的投影分量相对误差门限为δ0,统计投影分量的相对误差值超过门限的位置坐标θ0,θ1,…Ω,θx和μ0,μ1,…,μy。经过投影匹配之后,可得到疑似缺陷区域大小是(θx-θ0+1)×(μy-μ0+1),顶点为(θ0，μ0)。
进一步的，所述步骤S5中的相关系数由以下公式获得：
Figure BDA0002839124330000043
其中，
Figure BDA0002839124330000044
i,j为顶点坐标，M,N为缺陷区域大小，相对门限误差δ0可根据实际需要的检测精度确定。
本发明的工作过程及原理：本发明所提供的基于全局检测和局部检测FPC软板线路缺陷的检测算法，不仅能精确识别出特定的缺陷类型，如短路、断路、毛刺、缺口、铜残、空洞。还能标识出其余的缺陷位置和范围大小，全局缺陷和局部缺陷检测相结合的算法还提高了系统的效率,相比于传统的算法,检测速度大大提高。
实施例2：
如图1所示，本实施例公开了一种基于全局缺陷和局部缺陷的FPC软板线路检测方法，具体步骤如下：
如图2所示，为FPC板的灰度图经过改进的中值滤波和高斯滤波相结合的算法平滑图像、Sobel算子锐化图像等一系列图像预处理操作得到的模板图；是由于FPC板由摄像机拍摄得到的图片会受到脉冲、噪声和零均值的高斯噪声的影响，这类影响会导致后面对图像进行缺陷检测带来干扰，利用滤波器对图像进行滤波平滑有助于消除高频噪声，以及利用边缘灰度的突变对图像边缘进行锐化，目的是为后续的全局检测和局部检测提供更好的条件。
S1:基于灰度统计特征的缺陷检测：灰度直方图是图像最直观的信息,利用图像的直方图信息进行缺陷检测是最简单快捷的方法。(如图3所示，是两种缺陷类型和标准模板的直方图对比)FPC电路板由于生产过程中吸尘不良、钻孔参数不准确等生产工艺原因会产生毛刺、缺口等问题；在直方图上表现出来的就是在灰度值的某些区域会有突变，即电路板中含有毛刺。而在较为集中的平滑灰度范围内出现上下波动，极大可能是电路板中产生了缺口。
S2：基于拓扑特征的缺陷检测：拓扑特征中的连通域常用来判别一些简单的短路、断路和有较大差别的缺陷。基于连通域个数识别的算法应用相当广泛,算法的基本思想是对比标准模板和待检测图像中缺陷所属区域中连通域个数和面积,从而实现缺陷的识别和分类。连通域检测算法用来检测生产厂家要求检测的短路、断路、毛刺等缺陷。对于缺口和空洞的检测可以采用特征提取中拓扑特征的欧拉数的变化来判断。(下表是基于拓扑特征检测算法的缺陷分类)
Figure BDA0002839124330000051
Figure BDA0002839124330000061
S3：基于边缘特征的缺陷检测：对常见的FPC缺陷类型进行分析,按照缺陷区域闭合边界与基板区的关系,缺陷边界被分成不同的较为规则的多边形。基于缺陷区域边数的边缘缺陷检测算法简单,准确度高；比如在缺陷区域内任取一点，当实际电路在图像中为暗色，若该点的灰度值大于模板图中相应位置的灰度值，则判定的缺陷类型为信息缺失，如缺口缺陷；否则为信息冗余。这种方法可弥补基于拓扑特征缺陷检测算法的不足。如图4所示，是基于边缘特征的缺陷检测方法对常见的几种缺陷的识别图。
S4:局部缺陷检测：首先对待检测图像做x和y方向的投影,得到缺陷可能出现区域的顶点坐标和大小。
使用的灰度投影方法定义如下：
T<sub>x</sub> T<sub>y</sub> 模板图像在x轴和y轴的投影分量
f<sub>x</sub> f<sub>y</sub> 待检测图像在x轴和y轴的投影分量
δ<sub>x</sub> δ<sub>y</sub> x轴和y轴的投影分量相对误差
Figure BDA0002839124330000062
Figure BDA0002839124330000063
其中，Tx,Ty分别表示模板图像在x轴和y轴的投影分量；fx,fy分别表示待检测图像在x轴和y轴的投影分量；δx,δy分别表示x轴和y轴的投影分量相对误差；设定待检测图像和模板图像的投影分量相对误差门限为δ0,统计投影分量的相对误差值超过门限的位置坐标θ0,θ1,…Ω,θx和μ0,μ1,…,μy。经过投影匹配之后,可得到疑似缺陷区域大小是(θx-θ0+1)×(μy-μ0+1),顶点为(θ0，μ0)。
S5：由S4得到的疑似缺陷区域大小是(θx-θ0+1)×(μy-μ0+1),顶点为(θ0，μ0)。同时还要计算相关系数，当该系数小于相对误差门限δ0时，则可判定为缺陷。相关系数F(i,j)为以下等式，其中i,j为顶点坐标，M，N为缺陷区域大小，相对门限误差δ0可根据实际需要的检测精度确定:
Figure BDA0002839124330000071
其中，
Figure BDA0002839124330000072
S6：采用MATLAB仿真验证；图5和图6分别为标准模板T和待检图像f在x轴、y轴方向的投影曲线；
在这里,设定相对误差门限为0.65,经过验证得到缺陷可能出现的位置为顶点(47,47.5),缺陷区域大小为10×11。对其缺陷可能出现的区域计算改进的相关系数,得到归一化的相关系数F(i,j)为0.57,小于设定的阈值,则可以判定待检测图像中该区域存在缺陷。
图7为在红色区域出现了短路缺陷的FPC软板，由图7可见，进行局部缺陷检测可以较为准确得出该软板在顶点为(47,47.5)处出现了区域为10×11大小的缺陷，验证了局部缺陷检测的可行性。
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 (4)

1.一种基于全局缺陷和局部缺陷的FPC软板线路检测方法，其特征在于，包括如下步骤：
步骤S0：将采集后的FPC板图像进行预处理，得到模板图；
步骤S1：基于灰度统计特征的缺陷检测：用灰度直方图来统计，从而获得标准模板图与待测图像的差异；
步骤S2：基于拓扑特征的缺陷检测：对比标准模板和待检测图像中缺陷所属区域中连通域个数和面积,从而实现缺陷的识别和分类；
步骤S3：基于边缘特征的缺陷检测：对常见的FPC缺陷类型进行分析,按照缺陷区域闭合边界与基板区的关系,缺陷边界被分成不同的较为规则的多边形；
步骤S4：局部缺陷检测：对待检测图像做x和y方向的投影,得到缺陷可能出现区域的顶点坐标和大小；
步骤S5：由步骤S4得到的疑似缺陷区域大小后，同时计算相关系数，当该系数小于相对误差门限时，则可判定为缺陷；
步骤S6：采用MATLAB仿真验证：对缺陷可能出现的区域计算改进的相关系数,得到归一化的相关系数，若小于设定的阈值,则可以判定待检测图像中该区域存在缺陷。
2.根据权利要求1所述的基于全局缺陷和局部缺陷的FPC软板线路检测方法，其特征在于，所述步骤S0中的预处理包括中值滤波和高斯滤波相结合的算法平滑图像、Sobel算子锐化图像操作。
3.根据权利要求1所述的基于全局缺陷和局部缺陷的FPC软板线路检测方法，其特征在于，所述步骤S4还包括：使用灰度投影方法，并依据以下公式：
Figure FDA0002839124320000011
Figure FDA0002839124320000012
其中，Tx,Ty分别表示模板图像在x轴和y轴的投影分量；fx,fy分别表示待检测图像在x轴和y轴的投影分量；δx,δy分别表示x轴和y轴的投影分量相对误差；设定待检测图像和模板图像的投影分量相对误差门限为δ0,统计投影分量的相对误差值超过门限的位置坐标θ0,θ1,…,θx和μ0,μ1,…,μy。经过投影匹配之后,可得到疑似缺陷区域大小是(θx-θ0+1)×(μy-μ0+1),顶点为(θ0，μ0)。
4.根据权利要求1所述的基于全局缺陷和局部缺陷的FPC软板线路检测方法，其特征在于，所述步骤S5中的相关系数由以下公式获得：
Figure FDA0002839124320000021
其中，
Figure FDA0002839124320000022
i,j为顶点坐标，M,N为缺陷区域大小，相对门限误差δ0可根据实际需要的检测精度确定。
CN202011485088.2A 2020-12-16 2020-12-16 一种基于全局缺陷和局部缺陷的fpc软板线路检测方法 Pending CN112581447A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011485088.2A CN112581447A (zh) 2020-12-16 2020-12-16 一种基于全局缺陷和局部缺陷的fpc软板线路检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011485088.2A CN112581447A (zh) 2020-12-16 2020-12-16 一种基于全局缺陷和局部缺陷的fpc软板线路检测方法

Publications (1)

Publication Number Publication Date
CN112581447A true CN112581447A (zh) 2021-03-30

Family

ID=75135467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011485088.2A Pending CN112581447A (zh) 2020-12-16 2020-12-16 一种基于全局缺陷和局部缺陷的fpc软板线路检测方法

Country Status (1)

Country Link
CN (1) CN112581447A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114216915A (zh) * 2021-12-15 2022-03-22 江门市浩远科技有限公司 一种基于线路板污渍和缺陷类型类别级别检测分类的方法
TWI832180B (zh) * 2022-03-23 2024-02-11 鴻海精密工業股份有限公司 瑕疵檢測方法及系統
CN118392792A (zh) * 2024-06-28 2024-07-26 杭州汇萃智能科技有限公司 一种基于机器视觉的产品质量检测方法及系统
CN118552542A (zh) * 2024-07-30 2024-08-27 深圳市华瀚宇电子科技有限公司 一种基于图像识别的柔性线路板表面镀层质量检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070069550A (ko) * 2005-12-28 2007-07-03 스템코 주식회사 연성인쇄회로기판의 외관 검사 장치 및 방법
WO2017084186A1 (zh) * 2015-11-18 2017-05-26 华南理工大学 挠性电路板制造过程自动监测和智能分析系统及方法
CN107093174A (zh) * 2017-04-05 2017-08-25 湖北工业大学 一种pcb设计缺陷检测方法
CN108648168A (zh) * 2018-03-15 2018-10-12 北京京仪仪器仪表研究总院有限公司 Ic晶圆表面缺陷检测方法
CN109100370A (zh) * 2018-06-26 2018-12-28 武汉科技大学 一种基于投影法和连通域分析的pcb板缺陷检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070069550A (ko) * 2005-12-28 2007-07-03 스템코 주식회사 연성인쇄회로기판의 외관 검사 장치 및 방법
WO2017084186A1 (zh) * 2015-11-18 2017-05-26 华南理工大学 挠性电路板制造过程自动监测和智能分析系统及方法
CN107093174A (zh) * 2017-04-05 2017-08-25 湖北工业大学 一种pcb设计缺陷检测方法
CN108648168A (zh) * 2018-03-15 2018-10-12 北京京仪仪器仪表研究总院有限公司 Ic晶圆表面缺陷检测方法
CN109100370A (zh) * 2018-06-26 2018-12-28 武汉科技大学 一种基于投影法和连通域分析的pcb板缺陷检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孔令丹 等: "全局缺陷和局部缺陷的FPC检测算法研究", 《中国计量学院学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114216915A (zh) * 2021-12-15 2022-03-22 江门市浩远科技有限公司 一种基于线路板污渍和缺陷类型类别级别检测分类的方法
CN114216915B (zh) * 2021-12-15 2024-03-29 江门市浩远科技有限公司 一种基于线路板污渍和缺陷类型类别级别检测分类的方法
TWI832180B (zh) * 2022-03-23 2024-02-11 鴻海精密工業股份有限公司 瑕疵檢測方法及系統
CN118392792A (zh) * 2024-06-28 2024-07-26 杭州汇萃智能科技有限公司 一种基于机器视觉的产品质量检测方法及系统
CN118552542A (zh) * 2024-07-30 2024-08-27 深圳市华瀚宇电子科技有限公司 一种基于图像识别的柔性线路板表面镀层质量检测方法
CN118552542B (zh) * 2024-07-30 2024-10-18 深圳市华瀚宇电子科技有限公司 一种基于图像识别的柔性线路板表面镀层质量检测方法

Similar Documents

Publication Publication Date Title
CN112581447A (zh) 一种基于全局缺陷和局部缺陷的fpc软板线路检测方法
WO2017215241A1 (zh) 电路板元件漏件检测方法和系统
CN107705297B (zh) 一种柔性电路板圆孔的阈值分割检测方法
JP2021180309A (ja) 深層学習に基づく２次元ｐｃｂ外観欠陥のリアルタイム自動検出方法
CN113454445A (zh) 零件检查期间对于参考未对准进行补偿
CN109449093A (zh) 晶圆检测方法
JP2002039962A (ja) 電子基板検査方法及びそれを用いた装置
CN115690670A (zh) 一种晶圆瑕疵智能识别方法和系统
CN105354816B (zh) 一种电子元件定位方法及装置
CN108537778B (zh) 一种用于柔性基板的改进随机圆孔检测方法
CN115359047A (zh) 用于pcb板智能焊接的异常缺陷检测方法
CN112288782A (zh) 一种基于边界段数数值pcb缺陷检测方法
CN115690064A (zh) 对准方法、装置、电子设备及计算机可读存储介质
CN115965574A (zh) 基于设计版图的扫描电子显微镜图像缺陷检测方法、装置
CN117523577B (zh) 基于最长水平直线的引脚名称上划线检测方法及设备
CN113112396B (zh) 导电粒子的检测方法
Singh et al. Image processing based automatic visual inspection system for PCBs
KR20080104963A (ko) 드릴검사장치, 드릴검사방법, 및 그 프로그램을 기록한기록매체
Cai et al. PCB defect detection system based on image processing
CN115713499B (zh) 一种贴片元件贴装后质量检测方法
CN111310402A (zh) 一种基于面面平行的印刷电路板裸板缺陷检测方法
CN106373161B (zh) 一种基于sift特征点的定位方法
JP2008185395A (ja) 実装基板外観検査方法
CN110874837A (zh) 一种基于局部特征分布的缺陷自动检测方法
CN117274966B (zh) 室外工业仪表监测方法、系统、可读存储介质及计算机

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210330