CN112782180A - 一种产品外观瑕疵、污点的检测方法 - Google Patents

一种产品外观瑕疵、污点的检测方法 Download PDF

Info

Publication number
CN112782180A
CN112782180A CN202011545831.9A CN202011545831A CN112782180A CN 112782180 A CN112782180 A CN 112782180A CN 202011545831 A CN202011545831 A CN 202011545831A CN 112782180 A CN112782180 A CN 112782180A
Authority
CN
China
Prior art keywords
image
calculating
defect
map
pixel
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
CN202011545831.9A
Other languages
English (en)
Inventor
田洪正
武亚飞
张永鹏
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.)
Shenzhen Jieenshi Intelligent Technology Co ltd
Original Assignee
Shenzhen Jieenshi Intelligent 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 Shenzhen Jieenshi Intelligent Technology Co ltd filed Critical Shenzhen Jieenshi Intelligent Technology Co ltd
Priority to CN202011545831.9A priority Critical patent/CN112782180A/zh
Publication of CN112782180A publication Critical patent/CN112782180A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/888—Marking defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种产品外观瑕疵、污点的检测方法,包括如下步骤：步骤一、计算图像平均像素浓度图，步骤二、计算图像浓度梯度图，步骤三、计算图像瑕疵图，步骤四、计算瑕疵具体信息，步骤五、判定OK/NG；本发明在检测瑕疵、污点方面具有很强的抗背景干扰能力，同时它还能生成非常直观的缺陷图来标记、区分各种不同等级的缺陷，能够快速和准确的检测和过滤各种不同等级的污点、瑕疵。

Description

一种产品外观瑕疵、污点的检测方法
技术领域
本发明涉及一种检测技术领域，具体涉及一种产品外观瑕疵、污点的检测方法。
背景技术
在机器视觉出现以前，产品外观检测主要依赖原始人工肉眼检测，这种检测方法速度慢效率低准确度也很难把握控制，同时由于一件产品从生产到出货要经过多次重复检测，造成人工成本也非常昂贵，更为困难的是对于一些非常微小但是又影响产品性能的缺陷凭借肉眼检测几乎检测不出来，因此传统产品外观检测方法在很大程度阻碍了工业的发展进程。
同时在很多领域产品外观瑕疵非常严重的影响着产品的性能，如精密半导体器件制造领域，一个非常小的瑕疵可能会导致整个电子器件短路或者其他严重问题。因此为了适应工业现代化的需求，机器视觉这一行业应运而生。
目前大部分使用机器视觉来检测产品外观瑕疵的手段是依赖块状物分析，通过对图像使用合适的阈值对图像进行二值化处理，然后通过连通域分析及其它手段计算瑕疵的具体信息。但是由于这种检测手段太依赖与二值化处理的阈值，造成产品背景、光照及其它环境干扰对检测结果影响非常大，经常会出现误检的现象。
因此一种新型的抗环境干扰和抗产品背景影响的产品外观缺陷检测方法亟待出现。
发明内容
本发明提供了一种产品外观污点、瑕疵的检测方法，它具有很强的抗背景干扰能力，同时它还能生成非常直观的缺陷图来标记、区分各种不同等级的缺陷，能够快速和准确的检测和过滤各种不同等级的污点、瑕疵，非常适用于机器视觉的产品外观污点、瑕疵检测领域。
本发明提供了一种外观瑕疵、污点的检测方法是通过以下技术方案来实现的：包括如下步骤：
步骤一、计算图像平均像素浓度图；
步骤二、计算图像浓度梯度图；
步骤三、计算图像瑕疵图；
步骤四、计算瑕疵具体信息；
步骤五、判定OK/NG。
所述步骤一、计算图像平均像素浓度图：以区块为单位计算区块内的像素平均值，依次移动区块中心计算其它所有区块的像素平均值，最终得到图像平均像素浓度图；所述步骤二、计算图像浓度梯度图：依次计算图像平均像素浓度图中相邻区域的最大像素差值得到图像的浓度梯度图；所述步骤三、计算图像瑕疵图：将浓度梯度图中不同等级的浓度区间采用不同的颜色标记区分，其中小于浓度梯度阈值的浓度值直接用黑色标记，最终得到一副彩色的图像瑕疵图；所述步骤四、计算瑕疵具体信息：将图像瑕疵图转化为灰度图并二值化处理，再结合块状物分析计算各瑕疵的具体信息；所述步骤五、判定OK/NG：根据判定标准判定检测出的瑕疵、污点是否可接受。
作为优选的技术方案，以区块为单位计算区块内的像素平均值，依次移动区块中心计算其它所有区块的像素平均值，最终得到图像平均像素浓度图包含。
作为优选的技术方案，通过构建一个宽度为w，高度为h的矩形区块，从图像的第一个像素位置开始，计算其对应的矩形区块中像素的平均值，采用同样的方法计算图像中所有其他位置所对应的矩形区块中的像素平均值，将以上计算的所有区块像素平均值构建一副新的图像即为图像平均像素浓度图。
作为优选的技术方案，依次计算图像平均像素浓度图中相邻区域的最大像素差值得到图像的浓度梯度图包含。
作为优选的技术方案，通过计算图像平均像素浓度图在x方向或y方向或xy方向的n个或n*n个像素的最大差值，将计算出来的所有像素最大差值构建成一副像素浓度梯度图像。
作为优选的技术方案，将浓度梯度图中不同等级的浓度区间采用不同的颜色标记区分，其中小于浓度梯度阈值的浓度值直接用黑色标记，最终得到一副彩色的图像瑕疵图包含。
作为优选的技术方案，通过将不同大小区间的浓度梯度值用不同的色彩替代，其中浓度梯度低于阈值的用黑色替代，得到替代后的图像是一副彩色瑕疵图，不同颜色代表不同的缺陷等级大小，黑色代表没有缺陷的区域。
作为优选的技术方案，将图像瑕疵图转化为灰度图并二值化处理，再结合块状物分析计算各瑕疵的具体信息包括。
作为优选的技术方案，将彩色瑕疵图转化为灰度图，设定二值化阈值为0，对灰度图进行二值化处理得到二值化的瑕疵图，对二值化的瑕疵图进行块状物分析，计算出所有瑕疵的具体信息，如数量、面积、位置、圆度等。
作为优选的技术方案，根据判定标准判定检测出的瑕疵、污点是否可接受包括。
作为优选的技术方案，设定缺陷判定项，设定各缺陷判定项的判定范围，将测得的各缺陷信息与各缺陷判定项对比判定OK/NG。
本发明的有益效果是：检测瑕疵、污点方面具有很强的抗背景干扰能力，同时它还能生成非常直观的缺陷图来标记、区分各种不同等级的缺陷，能够快速和准确的检测和过滤各种不同等级的污点、瑕疵。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有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发明的一些实施例，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为本发明产品外观瑕疵、污点的检测方法的示意图；
图2为本发明计算图像平均像素浓度示意图；
图3为本发明构建图像浓度梯度示意图；
图4为本发明生产瑕疵示意图；
图5为本根据具体信息判定瑕疵OK/NG示意图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
在本发明的描述中，需要理解的是，术语“一端”、“另一端”、“外侧”、“上”、“内侧”、“水平”、“同轴”、“中央”、“端部”、“长度”、“外端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
本发明使用的例如“上”、“上方”、“下”、“下方”等表示空间相对位置的术语是出于便于说明的目的来描述如附图中所示的一个单元或特征相对于另一个单元或特征的关系。空间相对位置的术语可以旨在包括设备在使用或工作中除了图中所示方位以外的不同方位。例如，如果将图中的设备翻转，则被描述为位于其他单元或特征“下方”或“之下”的单元将位于其他单元或特征“上方”。因此，示例性术语“下方”可以囊括上方和下方这两种方位。设备可以以其他方式被定向(旋转90度或其他朝向)，并相应地解释本文使用的与空间相关的描述语。
在本发明中，除非另有明确的规定和限定，术语“设置”、“套接”、“连接”、“贯穿”、“插接”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
如图1所示，本发明的一种产品外观瑕疵、污点的检测方法，包括如下步骤：
步骤一、计算图像平均像素浓度图；
步骤二、计算图像浓度梯度图；
步骤三、计算图像瑕疵图；
步骤四、计算瑕疵具体信息；
步骤五、判定OK/NG。
所述步骤一、计算图像平均像素浓度图：以区块为单位计算区块内的像素平均值，依次移动区块中心计算其它所有区块的像素平均值，最终得到图像平均像素浓度图；所述步骤二、计算图像浓度梯度图：依次计算图像平均像素浓度图中相邻区域的最大像素差值得到图像的浓度梯度图；所述步骤三、计算图像瑕疵图：将浓度梯度图中不同等级的浓度区间采用不同的颜色标记区分，其中小于浓度梯度阈值的浓度值直接用黑色标记，最终得到一副彩色的图像瑕疵图；所述步骤四、计算瑕疵具体信息：将图像瑕疵图转化为灰度图并二值化处理，再结合块状物分析计算各瑕疵的具体信息；所述步骤五、判定OK/NG：根据判定标准判定检测出的瑕疵、污点是否可接受
如图2所示，本实施例中，以区块为单位计算区块内的像素平均值，依次移动区块中心计算其它所有区块的像素平均值，最终得到图像平均像素浓度图包含；通过构建一个宽度为w，高度为h的矩形区块，从图像的第一个像素位置开始，计算其对应的矩形区块中像素的平均值，采用同样的方法计算图像中所有其他位置所对应的矩形区块中的像素平均值，将以上计算的所有区块像素平均值构建一副新的图像即为图像平均像素浓度图。
如图3所示，本实施例中，依次计算图像平均像素浓度图中相邻区域的最大像素差值得到图像的浓度梯度图包含；通过计算图像平均像素浓度图在x方向或y方向或xy方向的n个或n*n个像素的最大差值，将计算出来的所有像素最大差值构建成一副像素浓度梯度图像。
如图4所示，本实施例中，将浓度梯度图中不同等级的浓度区间采用不同的颜色标记区分，其中小于浓度梯度阈值的浓度值直接用黑色标记，最终得到一副彩色的图像瑕疵图包含；通过将不同大小区间的浓度梯度值用不同的色彩替代，其中浓度梯度低于阈值的用黑色替代，得到替代后的图像是一副彩色瑕疵图，不同颜色代表不同的缺陷等级大小，黑色代表没有缺陷的区域。
如图5所示，本实施例中，将图像瑕疵图转化为灰度图并二值化处理，再结合块状物分析计算各瑕疵的具体信息包括；将彩色瑕疵图转化为灰度图，设定二值化阈值为0，对灰度图进行二值化处理得到二值化的瑕疵图，对二值化的瑕疵图进行块状物分析，计算出所有瑕疵的具体信息，如数量、面积、位置、圆度等；根据判定标准判定检测出的瑕疵、污点是否可接受包括；设定缺陷判定项，设定各缺陷判定项的判定范围，将测得的各缺陷信息与各缺陷判定项对比判定OK/NG。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书所限定的保护范围为准。

Claims (10)

1.一种产品外观瑕疵、污点的检测方法，其特征在于：包括如下步骤：
步骤一、计算图像平均像素浓度图；
步骤二、计算图像浓度梯度图；
步骤三、计算图像瑕疵图；
步骤四、计算瑕疵具体信息；
步骤五、判定OK/NG。
其中，步骤一、计算图像平均像素浓度图：以区块为单位计算区块内的像素平均值，依次移动区块中心计算其它所有区块的像素平均值，最终得到图像平均像素浓度图；
步骤二、计算图像浓度梯度图：依次计算图像平均像素浓度图中相邻区域的最大像素差值得到图像的浓度梯度图；
步骤三、计算图像瑕疵图：将浓度梯度图中不同等级的浓度区间采用不同的颜色标记区分，其中小于浓度梯度阈值的浓度值直接用黑色标记，最终得到一副彩色的图像瑕疵图；
步骤四、计算瑕疵具体信息：将图像瑕疵图转化为灰度图并二值化处理，再结合块状物分析计算各瑕疵的具体信息；
步骤五、判定OK/NG：根据判定标准判定检测出的瑕疵、污点是否可接受。
2.根据权利要求1所述的产品外观瑕疵、污点的检测方法，其特征在于：以区块为单位计算区块内的像素平均值，依次移动区块中心计算其它所有区块的像素平均值，最终得到图像平均像素浓度图。
3.根据权利要求2所述的产品外观瑕疵、污点的检测方法，其特征在于：具体包含：
通过构建一个宽度为w，高度为h的矩形区块，从图像的第一个像素位置开始，计算其对应的矩形区块中像素的平均值，采用同样的方法计算图像中所有其他位置所对应的矩形区块中的像素平均值，将以上计算的所有区块像素平均值构建一副新的图像即为图像平均像素浓度图。
4.根据权利要求1所述的产品外观瑕疵、污点的检测方法，其特征在于：次计算图像平均像素浓度图中相邻区域的最大像素差值得到图像的浓度梯度图，具体包含：
通过计算图像平均像素浓度图在x方向或y方向或xy方向的n个或n*n个像素的最大差值，将计算出来的所有像素最大差值构建成一副像素浓度梯度图像。
5.根据权利要求1所述的产品外观瑕疵、污点的检测方法，其特征在于：将浓度梯度图中不同等级的浓度区间采用不同的颜色标记区分，其中小于浓度梯度阈值的浓度值直接用黑色标记，最终得到一副彩色的图像瑕疵图。
6.根据权利要求6所述的产品外观瑕疵、污点的检测方法，其特征在于：具体包含：
通过将不同大小区间的浓度梯度值用不同的色彩替代，其中浓度梯度低于阈值的用黑色替代，得到替代后的图像是一副彩色瑕疵图，不同颜色代表不同的缺陷等级大小，黑色代表没有缺陷的区域。
7.根据权利要求1所述的产品外观瑕疵、污点的检测方法，其特征在于：将图像瑕疵图转化为灰度图并二值化处理，再结合块状物分析计算各瑕疵的具体信息。
8.根据权利要求8所述的产品外观瑕疵、污点的检测方法，其特征在于：具体包括：
将彩色瑕疵图转化为灰度图，设定二值化阈值为0，对灰度图进行二值化处理得到二值化的瑕疵图，对二值化的瑕疵图进行块状物分析，计算出所有瑕疵的具体信息。
9.根据权利要求1所述的产品外观瑕疵、污点的检测方法，其特征在于：根据判定标准判定检测出的瑕疵、污点是否可接受包括。
10.根据权利要求10所述的产品外观瑕疵、污点的检测方法，其特征在于：设定缺陷判定项，设定各缺陷判定项的判定范围，将测得的各缺陷信息与各缺陷判定项对比判定OK/NG。
CN202011545831.9A 2020-12-23 2020-12-23 一种产品外观瑕疵、污点的检测方法 Pending CN112782180A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011545831.9A CN112782180A (zh) 2020-12-23 2020-12-23 一种产品外观瑕疵、污点的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011545831.9A CN112782180A (zh) 2020-12-23 2020-12-23 一种产品外观瑕疵、污点的检测方法

Publications (1)

Publication Number Publication Date
CN112782180A true CN112782180A (zh) 2021-05-11

Family

ID=75752048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011545831.9A Pending CN112782180A (zh) 2020-12-23 2020-12-23 一种产品外观瑕疵、污点的检测方法

Country Status (1)

Country Link
CN (1) CN112782180A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113732265A (zh) * 2021-06-16 2021-12-03 浙江路飞镁业有限公司 一种高强度镁制轮毂生产工艺
CN114310058A (zh) * 2022-01-20 2022-04-12 浙江安胜科技股份有限公司 基于自动收缩一体式焊接夹具的焊接工艺

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113732265A (zh) * 2021-06-16 2021-12-03 浙江路飞镁业有限公司 一种高强度镁制轮毂生产工艺
CN114310058A (zh) * 2022-01-20 2022-04-12 浙江安胜科技股份有限公司 基于自动收缩一体式焊接夹具的焊接工艺
CN114310058B (zh) * 2022-01-20 2024-03-01 浙江安胜科技股份有限公司 基于自动收缩一体式焊接夹具的焊接工艺

Similar Documents

Publication Publication Date Title
Megahed et al. A review and perspective on control charting with image data
TWI616823B (zh) 使用以ｃａｄ為基礎之環境背景屬性之缺陷分類
TWI597689B (zh) 使用表面形貌屬性之缺陷分類
KR0169985B1 (ko) 반도체 패키지 검사방법
CN112782180A (zh) 一种产品外观瑕疵、污点的检测方法
CN106651857B (zh) 一种印刷电路板贴片缺陷检测方法
CN109886960A (zh) 基于机器视觉的玻璃边缘缺陷检测的方法
CN109472271A (zh) 印刷电路板图像轮廓提取方法及装置
Fan et al. Development of auto defect classification system on porosity powder metallurgy products
JPH11108759A (ja) 欠陥検査方法及びその装置
JP5660861B2 (ja) 基板上の異物検査方法および異物検査装置
JP4241361B2 (ja) キャップ天面の検査方法
WO2004083901A2 (en) Detection of macro-defects using micro-inspection inputs
CN115283835A (zh) 一种pcb板的缺陷打标方法及设备
Chiou et al. Flaw detection of cylindrical surfaces in PU-packing by using machine vision technique
JP4018049B2 (ja) 品質レベル判定表示装置および方法
JP2008241424A (ja) 画像処理装置及びこれを用いた画像処理方法
JP2007033126A (ja) 基板検査装置並びにそのパラメータ調整方法およびパラメータ調整装置
JP4462037B2 (ja) 半導体ウェハ間の共通欠陥判別方法
JP5155938B2 (ja) パターン輪郭検出方法
TWI722861B (zh) 分類方法及分類系統
JP4821647B2 (ja) 電子部品の端子位置検出方法
CN114638792A (zh) 一种用于插件电路板电解电容极性缺陷检测的方法
CN115375610A (zh) 检测方法及装置、检测设备和存储介质
JP4292409B2 (ja) Ｔｆｔアレイ検査装置及びｔｆｔアレイ検査方法

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