CN112819845B - 柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备 - Google Patents

柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备 Download PDF

Info

Publication number
CN112819845B
CN112819845B CN202110218079.5A CN202110218079A CN112819845B CN 112819845 B CN112819845 B CN 112819845B CN 202110218079 A CN202110218079 A CN 202110218079A CN 112819845 B CN112819845 B CN 112819845B
Authority
CN
China
Prior art keywords
contour
image
line
straight line
distance
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
CN202110218079.5A
Other languages
English (en)
Other versions
CN112819845A (zh
Inventor
罗家祥
李巍
鲁思奇
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202110218079.5A priority Critical patent/CN112819845B/zh
Publication of CN112819845A publication Critical patent/CN112819845A/zh
Application granted granted Critical
Publication of CN112819845B publication Critical patent/CN112819845B/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T2207/20004—Adaptive image processing
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备，首先选取需要检测的柔性封装基板图像作为初始引导图像，对其采用变尺度迭代引导滤波进行纹理去除和边缘保持平滑处理；人挪活采用大津法改进的自适应阈值分割算法对滤波后的图像进行处理，得到轮廓图像；本发明方法通过改进的引导滤波，结合改进的边缘检测算子，解决了高纹理柔性封装基板线路边缘模糊导致边界提取不准确的问题，因此本发明能保留图像边缘的细节信息，消除铜面纹理，可快速准确提取基板铜线区域的轮廓。本发明通过对直线曲线的拟合及轮廓曲线之间线宽线距的检测能够进一步解决轮廓曲线部分缺口缺陷的检测，具有直线和曲线部分拟合简单、快速的优点。

Description

柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备
技术领域
本发明涉及图像处理技术应用领域，特别涉及一种柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备。
背景技术
柔性封装基板是一种高精度可折叠的电路板，广泛应用于高密度集成电路封装当中。柔性封装基板主要分为铜线区域与非铜线区域(背景区域)，基板好坏主要取决于铜线区域的质量，而线宽线距作为铜线区域质量检测的重要指标之一，其数据可反映基板线路的基本情况，如尺寸是否符合标准，是否有线路锯齿等，因此需要对铜线区域的线宽线距进行严格检测，从而防止残次品流入市场。由于柔性封装基板逐渐高密度化，传统的人工目检不仅效率低，也难以保证检测精度，现今基板的质量检测多依靠于机器，通过硬件设备采集基板图像，后经相应图像算法处理，最终将结果呈现于检测设备界面上。对于传统的线宽线距检测，首先要获取准确的铜线区域轮廓，再在铜线轮廓基础上进一步提取线路信息，计算线宽线距的数据。然而现有的轮廓检测方法速度慢，成本高，且无法准确提取具有高纹理特征的柔性封装基板的轮廓。
现有技术中常见的轮廓检测方法可分为四种：基于像素、基于边缘、基于区域和基于深度学习。
基于像素的轮廓检测方法，属于低层视觉行为，典型有Sobel检测算子、Canny检测算子等，但此类方法只考虑像素点的信息，容易受噪声、纹理的干扰，导致提取的轮廓紊乱、不连续。
基于边缘的轮廓检测方法，首先基于边缘检测器或人类先验知识得到相关的边缘或曲线，再通过分组或优化边缘片段，得到最终的轮廓，如贝叶斯推断分组、活动轮廓等，此类方法多为NP-hard问题，轮廓检测结果难以保证全局最优，在噪声和纹理较多情况检测效果不好；由于柔性封装基板布线密度高，图像采集时需使用高精度显微摄像头，细节信息被放大后会导致采集的图片具有高纹理特征，因此基于边缘的轮廓检测方法不适用于铜面轮廓的提取。基于区域的方法，这一类方法是在初始轮廓的基础上，通过能量函数最小化来优化轮廓的形状表达。这一类方法主要包括超度量轮廓图(UCM)，基于区域的活动轮廓方法等，这一类方法精度较高但速度慢。在工业生产中，柔性封装基板的轮廓检测要求快速准确，因此基于区域的轮廓检测方法在此也不适用。
基于深度学习的轮廓检测方法，通过将深度网络应用于轮廓检测中，泛化性较好，但需要大量样本来支持网络训练。
现有技术中，常用的线宽检测方法如下：首先提取目标线路的中心线，再沿中心线上各点的法线，双向查找轮廓点，直至遍历到中心线两边的轮廓，该点对应的线宽即为双向遍历的距离之和，但逐点遍历的效率低下。
发明内容
本发明的第一目的在于克服现有技术的缺点与不足，提供一种柔性封装基板轮廓检测方法，该方法能够保留图像边缘的细节信息，消除铜面纹理，提取出理想的轮廓。
本发明的第二目的在于提供一种柔性封装基板线宽线距缺陷检测方法，该方法能够准确计算出相邻轮廓曲线之间的最值线宽或线距，并能精确的判断是否存在缺口缺陷。
本发明的第三目的在于提供一种柔性封装基板轮廓检测装置。
本发明的第三目的在于提供一种柔性封装基板线宽线距缺陷检测装置。
本发明的第五目的在于提供一种存储介质。
本发明的第六目的在于提供一种计算设备。
本发明的第一目的通过下述技术方案实现：一种柔性封装基板轮廓检测方法，步骤包括：
获取需要检测的柔性封装基板图像O，作为初始引导图像；
针对柔性封装基板图像O，采用变尺度迭代引导滤波进行纹理去除和边缘保持平滑处理，得到滤波后的图像Q；
针对于滤波后的图像Q，采用大津法的自适应阈值分割算法进行处理，并进行八邻域连接，得到轮廓图像E。
优选的，针对柔性封装基板图像O，采用变尺度迭代引导滤波进行纹理去除和边缘保持平滑处理的具体过程如下：
步骤S11、首先将选取的柔性封装基板图像O的大小统一调整为N×N像素，确定尺度空间参数的初始值r0：
其中，r0为尺度空间参数的初始值，T为迭代总数，N为原始图像O的边长；
步骤S12、以线性形式r＝k(t-1)+r0减小尺度空间参数r，k<0；其中，t为当前迭代次数，t＝1,2…T，r0为尺度空间参数的初始值，k为预先设定的参数；将t-1迭代得到的滤波图像作为第t次滤波的引导图像，对原始图像O进行引导滤波处理；当t＝1时，引导图像为原始图像O；
步骤S13、重复执行步骤S12，当迭代次数t达到迭代总数T时，滤波结束，得到最终滤波后的图像Q。
优选的，针对于滤波后的图像Q，处理得到轮廓图像E的具体步骤如下：
步骤S21、首先将柔性封装基板图像Q进行灰度化得到灰度图；
步骤S22、对步骤S21中的灰度图采用OTSU阈值分割，得到最佳阈值Tgood，用以区分前景背景；
步骤S23、用Canny边缘检测算子提取轮廓，设置Canny边缘算子的高低阀值，分别为max和min；其中min为步骤S22中确定的最佳阈值Tgood，经Canny边缘检测得到轮廓图E′；
步骤S24、对轮廓图E′进行八邻域连接得到轮廓图E。
本发明的第二目的通过下述技术方案实现：一种柔性封装基板线宽线距缺陷检测方法，步骤包括：
针对于需要检测的柔性封装基板，通过权利要求1～3中任一项所述的性封装基板轮廓检测方法获取到轮廓图像E；
对轮廓图像E进行轮廓提取，得到轮廓集合Uc，对轮廓集合Uc中的每条轮廓进行分段直线拟合，得到轮廓集合Uc所对应的拟合直线集合Ul＝(Ul1,Ul2…Uli…Uln)，其中Uli表示轮廓i对应的拟合直线序列，n表示轮廓个数；
对拟合直线序列Ul中的拟合直线，按照斜率进行排序，形成直线序列
对于直线序列中的拟合直线，按照各拟合直线的顺序以及斜率的偏差归集成多个子序列；
针对各子序列中的直线，重新按照截距排序，根据截距计算相邻直线即直线对之间的距离Dnb，根据Dnb大小判定该直线对之间的距离类型为线宽还是线距，将Dnb作为该直线对所对应轮廓间的标准线宽或线距；
针对于轮廓图E中的轮廓i，从起点开始逐个计算当前轮廓点与拟合直线序列Uli中该点所对应拟合直线的距离D1，以及与下一条轮廓线i+1之间的距离D2；根据D1判定轮廓i上是否存在缺口缺陷，根据D2的大小更新最大最小值；遍历完成后，确定最值线宽或线距。
优选的，对轮廓图像E进行轮廓提取，得到轮廓集合Uc及拟合直线集合Ul的具体过程如下：
对轮廓图像E进行轮廓提取，将提取到的轮廓以链表形式保存，得到轮廓集合Uc；对轮廓集合Uc中的每条轮廓i，执行如下迭代直线拟合策略：
S31、针对轮廓起点和终点，各选择相邻的p个点对起点、终点进行坐标平滑处理，将平滑后的两点所确定的直线设为拟合直线l：
其中，和/>分别为平滑后点的横纵坐标，(x1,y1)、(x2,y2)…(xp,yp)为参与坐标平滑的相邻轮廓点，p为参与坐标平滑轮廓点的个数；
S32、随机选取除起点和终点外的q个轮廓中的点，分别计算这q个轮廓点到拟合直线l的距离Dpl，并统计Dpl小于设定阈值Tpl的轮廓点个数，记为count；
其中Dpl为轮廓点到拟合直线的距离，kl为拟合直线l的斜率，b为拟合直线l的截距；
若count≥t1，则认为所拟合边缘轮廓是一条直线，保存拟合直线l的相关信息，包括起点、终点及斜率和截距，拟合结束；
若count<t1，则认为所拟合的边缘轮廓是一条曲线，将此曲线的轮廓坐标平均分为两段，得到两条轮廓曲线h和h’；对分解后的两条曲线h和h’，返回步骤S31执行迭代直线拟合策略；
计算轮廓间的标准线宽或线距的具体过程如下：
步骤S41、对拟合直线集合Ul中的所有拟合直线按照斜率从小到大排序，形成直线序列其中Lh表示第h条直线，其斜率为kh，且满足kh≤kh+1；
步骤S42、将直线序列按照斜率归集到序列Up＝(Up1,Up2…Upj…Upm)，m为子序列的个数，/>uj表示第j个子序列最后一条直线的标号，每个子序列中斜率偏差不超过阈值Z；
步骤S42、针对子序列Upj中的直线，j＝1,2，…m，按照截距从小到大排序，根据相邻截距计算相邻直线之间的距离Dnb，计算每相邻两条直线之间的距离Dnb，计算公式如下：
Dnb＝|(bj1-bj2)*cos(|arctan(kj)|)|(bj1≠bj2)
其中，bj1和bj2分别为第j个子序列中相邻的两条边界直线的截距，kj是第j个子序列中第一条拟合直线的斜率；
步骤S44、在计算得到每相邻两条直线之间的距离Dnb后，判断两条直线之间的距离是否大于设定阈值Tc；
若Dnb<Tc，则该相邻两条线之间即为线宽，上述计算得到的相邻两条边界直线之间的距离作为该相邻两条边界直线对应轮廓之间的标准线宽；
若Dnb>Tc，则该相邻两条线之间即为线距，上述计算得到的相邻两条边界直线之间的距离作为该相邻两条边界直线对应轮廓之间的标准线距。
优选的，得到轮廓的缺口缺陷的具体过程如下：
针对于轮廓图E中的任一条轮廓i，设当前像素点为轮廓起点，当前拟合直线为拟合直线序列Uli中第一条直线，初始化连续异常点个数x＝0，对当前轮廓点执行如下步骤：
S511、计算当前轮廓点A与当前拟合直线的距离D1；
S512、当D1>Dmin时：将A记为异常点，累加连续异常点的个数x；若x＝1，记录当前点A设为初始异常点；若x>M2，更换当拟合直线为Uli中下一条直线，将当前轮廓点设置为初始异常点，并令x＝0，返回步骤S511继续进行判断；
S513、当D1<Dmin时：若x>M1，则将初始异常点到该点之间的轮廓片段标记为缺口缺陷；令x＝0，返回S511对下一个轮廓点进行计算；
计算最值线宽或线距的过程具体如下：
针对于轮廓图E中的每一条轮廓i，从起点出发，沿着轮廓点对应拟合直线的法线方向，逐像素寻找第一个像素灰度值为255的点，将该点作为轮廓i上像素点到达轮廓i+1的对应像素点，求这俩像素点之间的距离D2，根据D2更新最大值和最小值；轮廓i遍历完成后，若轮廓i与轮廓i+1对应拟合直线之间的距离是标准线宽，则计算的最大值和最小值分别对应为最大线宽与最小线宽；若轮廓i与轮廓i+1对应拟合直线之间的距离是标准线距，则计算的最大值和最小值分别对应为最大线距与最小线距。
本发明的第三目的通过下述技术方案实现：一种柔性封装基板轮廓检测装置，包括：
图像获取模块，用于获取需要检测的柔性封装基板图像O，作为初始引导图像；
滤波模块，用于针对柔性封装基板图像O，采用变尺度迭代引导滤波进行纹理去除和边缘保持平滑处理，得到滤波后的图像Q；
轮廓图像生成模块，用于针对于滤波后的图像Q，采用大津法的自适应阈值分割算法进行处理，并进行八邻域连接，得到轮廓图像E。
本发明的第四目的通过下述技术方案实现：一种柔性封装基板线宽线距缺陷检测装置，包括：
轮廓图像获取模块，用于针对于需要检测的柔性封装基板，通过权利要求1～3中任一项所述的性封装基板轮廓检测方法获取到轮廓图像E；
轮廓提取模块，用于对轮廓图像E进行轮廓提取，得到轮廓集合Uc；
直线拟合模块，用于对轮廓集合Uc中的每条轮廓进行分段直线拟合，得到轮廓集合Uc所对应的拟合直线集合Ul＝(Ul1,Ul2…Uli…Uln)，其中Uli表示轮廓i对应的拟合直线序列，n表示轮廓个数；
直线序列生成模块，用于对拟合直线序列Ul中的拟合直线，按照斜率进行排序，形成直线序列
子序列生成模块，用于对于直线序列中的拟合直线，按照各拟合直线的顺序以及斜率的偏差归集成多个子序列；
标准线宽或线距计算模块，用于针对各子序列中的直线，重新按照截距排序，根据截距计算相邻直线即直线对之间的距离Dnb，根据Dnb大小判定该直线对之间的距离类型为线宽还是线距，将Dnb作为该直线对所对应轮廓间的标准线宽或线距；
缺陷检测模块，用于针对于轮廓图E中的轮廓i，从起点开始逐个计算当前轮廓点与拟合直线序列Uli中该点所对应拟合直线的距离D1，以及与下一条轮廓线i+1之间的距离D2；根据D1判定轮廓i上是否存在缺口缺陷，根据D2的大小更新最大最小值；遍历完成后，确定最值线宽或线距。
本发明的第五目的通过下述技术方案实现：一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现本发明第一目的所述的柔性封装基板轮廓检测方法，和/或实现本发明第二目的所述的的柔性封装基板线宽线距缺陷检测方法。
本发明的第六目的通过下述技术方案实现：一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现本发明第一目的所述的柔性封装基板轮廓检测方法，和/或实现本发明第二目的所述的柔性封装基板线宽线距缺陷检测方法。
本发明相对于现有技术具有如下的优点及效果：
(1)本发明柔性封装基板轮廓检测方法，首先选取需要检测的柔性封装基板图像作为初始引导图像，对其采用变尺度迭代引导滤波进行纹理去除和边缘保持平滑处理；然后采用大津法改进的自适应阈值分割算法对滤波后的图像进行处理，得到轮廓图像；本发明方法通过改进的引导滤波，结合改进的边缘检测算子，解决了高纹理柔性封装基板线路边缘模糊导致边界提取不准确的问题，因此本发明方法能保留图像边缘的细节信息，消除铜面纹理，可快速准确提取基板铜线区域的轮廓。
(2)本发明柔性封装基板线宽线距缺陷检测方法，针对于需要检测的柔性封装基板，通过本发明上述柔性封装基板轮廓检测方法获取到轮廓图像E，然后提取轮廓图像中的轮廓，对其中的直线和曲线采用多点拟合法和分段近似多点拟合法进行拟合，得到拟合直线序列；根据斜率将拟合的直线进行分类并排序，计算相邻两条拟合直线之间的距离以获取到对应轮廓之间的标准线宽或线距；对于每条轮廓，逐点计算到下一轮廓和对应拟合直线之间的距离，确定线宽线距最值和是否存在缺口缺陷。本发明方法通过对直线曲线的拟合及轮廓曲线之间线宽线距的检测能够进一步解决轮廓曲线部分缺口缺陷的检测，具有直线和曲线部分拟合简单、快速的优点，解决了现有技术中柔性封装基板线路检测耗时长的问题。
附图说明
图1是本发明柔性封装基板轮廓检测方法流程图。
图2是本发明柔性封装基板线宽线距缺陷检测方法流程图。
图3是柔性封装基板的原始图像。
图4是柔性封装基板经变尺度迭代引导滤波过滤后的图像。
图5是柔性封装基板的轮廓图。
图6是柔性封装基板缺口缺陷检测及最值线宽线距位置图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例1
本实施例公开了一种柔性封装基板轮廓检测方法，该方法可以在计算机等智能设备上执行，如图1中，该方法的步骤包括：
步骤S1、获取需要检测的柔性封装基板图像O，如图3中所示，作为初始引导图像；针对柔性封装基板图像O，采用变尺度迭代引导滤波进行纹理去除和边缘保持平滑处理，得到滤波后的图像Q，具体如下：
步骤S11、首先将选取的柔性封装基板图像O的大小统一调整为N×N像素，确定尺度空间参数的初始值r0：
其中，r0为尺度空间参数的初始值，T为迭代总数，N为原始图像O的边长；
步骤S12、以线性形式r＝k(t-1)+r0减小尺度空间参数r，k<0；其中，t为当前迭代次数，t＝1,2…T，r0为尺度空间参数的初始值，k为预先设定的参数；将t-1迭代得到的滤波图像作为第t次滤波的引导图像，对原始图像O进行引导滤波处理；当t＝1时，引导图像为原始图像O；
步骤S13、重复执行步骤S12，当迭代次数t达到迭代总数T时，滤波结束，得到最终滤波后的图像Q，如图4中所示。
在本实施例中，上述所设定的迭代总数T取值范围为[3,5]，本实例中引导滤波的迭代总数T设定为3次，N为512像素；在本实施例中k可以设定为：k＝-1。
步骤S2、针对于滤波后的图像Q，采用大津法的自适应阈值分割算法进行处理，并进行八邻域连接，得到轮廓图像E，如图5中所示；具体如下：
步骤S21、首先将柔性封装基板图像Q进行灰度化得到灰度图；
步骤S22、对步骤S21中的灰度图采用OTSU阈值分割，得到最佳阈值Tgood，用以区分前景背景；
步骤S23、用Canny边缘检测算子提取轮廓，设置Canny边缘算子的高低阀值，分别为max和min；其中min为步骤S22中确定的最佳阈值Tgood，经Canny边缘检测得到轮廓图E′；
步骤S24、对轮廓图E′进行八邻域连接得到轮廓图E。
本实施例中，上述max可以设置为min的2-3倍，上述设定的最佳阈值Tgood为56，Canny的高低阈值分别为56、112。
本实施例上述方法通过改进的引导滤波即变尺度迭代的引导滤波，结合改进的边缘检测算子，解决了高纹理柔性封装基板线路边缘模糊导致边界提取不准确的问题，能保留图像边缘的细节信息，消除铜面纹理，快速准确提取基板铜线区域的轮廓。本领域技术人员可以理解，实现本实施例方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，相应的程序可以存储于计算机可读存储介质中。
实施例2
本实施例公开了一种柔性封装基板线宽线距缺陷检测方法，针对于需要检测的柔性封装基板，通过实施例1所述的性封装基板轮廓检测方法获取到轮廓图像E；然后如图2中所示，执行以下步骤：
步骤S3、对轮廓图像E进行轮廓提取，得到轮廓集合Uc，对轮廓集合Uc中的每条轮廓进行分段直线拟合，得到轮廓集合Uc所对应的拟合直线集合Ul＝(Ul1,Ul2…Uli…Uln)，其中Uli表示轮廓i对应的拟合直线序列，n表示轮廓个数；具体如下：
S31、针对轮廓起点和终点，各选择相邻的p个点对起点、终点进行坐标平滑处理，将平滑后的两点所确定的直线设为拟合直线l：
其中，和/>分别为平滑后点的横纵坐标，(x1,y1)、(x2,y2)…(xp,yp)为参与坐标平滑的相邻轮廓点，p为参与坐标平滑轮廓点的个数；
S32、随机选取除起点和终点外的q个轮廓中的点，分别计算这q个轮廓点到拟合直线l的距离Dpl，并统计Dpl小于设定阈值Tpl的轮廓点个数，记为count；
其中Dpl为轮廓点到拟合直线的距离，kl为拟合直线l的斜率，b为拟合直线l的截距；
若count≥t1，则认为所拟合边缘轮廓是一条直线，保存拟合直线l的相关信息，包括起点、终点及斜率和截距，拟合结束；
若count<t1，则认为所拟合的边缘轮廓是一条曲线，将此曲线的轮廓坐标平均分为两段，得到两条轮廓曲线h和h’；对分解后的两条曲线h和h’，返回步骤S31执行迭代直线拟合策略。
在本实施例中，上述的参与平滑的轮廓点个数p的值为5，阈值Tpl的值为3，选取的检验点的个数q的值为6，t1为常量，t1值由q的值来确定，也可直接选择一个比例，在本实例中t1＝5或5/6。
步骤S4、针对于拟合直线序列Ul中的拟合直线，按照斜率进行排序，形成直线序列对于直线序列/>中的拟合直线，按照各拟合直线的顺序以及斜率的偏差归集成多个子序列。针对各子序列中的直线，重新按照截距排序，根据截距计算相邻直线即直线对之间的距离Dnb，根据Dnb大小判定该直线对之间的距离类型为线宽还是线距，将Dnb作为该直线对所对应轮廓间的标准线宽或线距；具体如下：
步骤S41、对拟合直线集合Ul中的所有拟合直线按照斜率从小到大排序，形成直线序列其中Lh表示第h条直线，其斜率为kh，且满足kh≤kh+1；
步骤S42、将直线序列按照斜率归集到序列Up＝(Up1,Up2…Upj…Upm)，m为子序列的个数，/>uj表示第j个子序列最后一条直线的标号，每个子序列中直线斜率偏差不超过阈值Z。
在本实施例中Z可以设置为0.1，每个子序列中直线斜率的偏差小于等于0.1，相邻两个子序列中，直线斜率的偏差大于0.1，即第j个子序列Upj中的直线斜率满足且/>为第j-1个子序列Up(j-1)中的直线斜率，/>为第j+1个子序列Up(j+1)中的直线斜率。
步骤S42、针对子序列Upj中的直线，j＝1,2，…m，按照截距从小到大排序，根据相邻截距计算相邻直线之间的距离Dnb，计算每相邻两条直线之间的距离Dnb，计算公式如下：
Dnb＝|(bj1-bj2)*cos(|arctan(kj)|)|(bj1≠bj2)；
其中，bj1和bj2分别为第j个子序列中相邻的两条边界直线的截距，kj是第j个子序列中第一条拟合直线的斜率。
步骤S44、在计算得到每相邻两条直线之间的距离Dnb后，判断两条直线之间的距离是否大于设定阈值Tc；
若Dnb<Tc，则该相邻两条线之间即为线宽，上述计算得到的相邻两条边界直线之间的距离作为该相邻两条边界直线对应轮廓之间的标准线宽；
若Dnb>Tc，则该相邻两条线之间即为线距，上述计算得到的相邻两条边界直线之间的距离作为该相邻两条边界直线对应轮廓之间的标准线距。
在本实施例中，阈值Tc的值可以设置为10。
步骤S5、针对于轮廓图E中的轮廓i，从起点开始逐个计算当前轮廓点与拟合直线序列Uli中该点所对应拟合直线的距离D1，以及与下一条轮廓线i+1之间的距离D2；根据D1判定轮廓i上是否存在缺口缺陷，根据D2的大小更新最大最小值；遍历完成后，确定最值线宽或线距。
在本实施例中，步骤S5中，针对于轮廓图E中的任一条轮廓i，设当前像素点为轮廓起点，当前拟合直线为拟合直线序列Uli中第一条直线，初始化连续异常点个数x＝0，对当前轮廓点执行如下步骤：
S511、计算当前轮廓点A与当前拟合直线的距离D1；
S512、当D1>Dmin时：将A记为异常点，累加连续异常点的个数x；若x＝1，记录当前点A设为初始异常点；若x>M2，更换当拟合直线为Uli中下一条直线，将当前轮廓点设置为初始异常点，并令x＝0，返回步骤S511继续进行判断；
S513、当D1<Dmin时：若x>M1，则将初始异常点到该点之间的轮廓片段标记为缺口缺陷；令x＝0，返回S511对下一个轮廓点进行计算。
上述Dmin、M1和M2均为常量，在本实施例中，Dmin可以设置为3个像素，M1可以设置为2，M2可以设置为10。
本实施例中，计算最值线宽或线距的过程具体如下：
步骤S52、针对于轮廓图E中的每一条轮廓i，从起点出发，沿着轮廓点对应拟合直线的法线方向，逐像素寻找第一个像素灰度值为255的点，将该点作为轮廓i上像素点到达轮廓i+1的对应像素点，求这俩像素点之间的距离D2，根据D2更新最大值和最小值；轮廓i遍历完成后，若轮廓i与轮廓i+1对应拟合直线之间的距离是标准线宽，则计算的最大值和最小值分别对应为最大线宽与最小线宽；若轮廓i与轮廓i+1对应拟合直线之间的距离是标准线距，则计算的最大值和最小值分别对应为最大线距与最小线距，如图6中所示。
本实施例中，通过对直线曲线的拟合及轮廓曲线之间线宽线距的检测能够进一步解决轮廓曲线部分缺口缺陷的检测，具有直线和曲线部分拟合简单、快速的优点，解决了现有技术中柔性封装基板线路检测耗时长的问题。
实施例3
本实施例公开了一种柔性封装基板轮廓检测装置，步骤包括：
图像获取模块，用于获取需要检测的柔性封装基板图像O，作为初始引导图像；
滤波模块，用于针对柔性封装基板图像O，采用变尺度迭代引导滤波进行纹理去除和边缘保持平滑处理，得到滤波后的图像Q；
轮廓图像生成模块，用于针对于滤波后的图像Q，采用大津法的自适应阈值分割算法进行处理，并进行八邻域连接，得到轮廓图像E。
本实施例上述各个模块的具体实现可以参见上述实施例1，在此不再一一赘述。需要说明的是，本实施例提供的装置仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
实施例4
本实施例公开了一种柔性封装基板线宽线距缺陷检测装置，包括
轮廓图像获取模块，用于针对于需要检测的柔性封装基板，通过权利要求1～3中任一项所述的性封装基板轮廓检测方法获取到轮廓图像E；
轮廓提取模块，用于对轮廓图像E进行轮廓提取，得到轮廓集合Uc；
直线拟合模块，用于对轮廓集合Uc中的每条轮廓进行分段直线拟合，得到轮廓集合Uc所对应的拟合直线集合Ul＝(Ul1,Ul2…Uli…Uln)，其中Uli表示轮廓i对应的拟合直线序列，n表示轮廓个数；
直线序列生成模块，用于对拟合直线序列Ul中的拟合直线，按照斜率进行排序，形成直线序列
子序列生成模块，用于对于直线序列中的拟合直线，按照各拟合直线的顺序以及斜率的偏差归集成多个子序列；
标准线宽或线距计算模块，用于针对各子序列中的直线，重新按照截距排序，根据截距计算相邻直线即直线对之间的距离Dnb，根据Dnb大小判定该直线对之间的距离类型为线宽还是线距，将Dnb作为该直线对所对应轮廓间的标准线宽或线距；
缺陷检测模块，用于针对于轮廓图E中的轮廓i，从起点开始逐个计算当前轮廓点与拟合直线序列Uli中该点所对应拟合直线的距离D1，以及与下一条轮廓线i+1之间的距离D2；根据D1判定轮廓i上是否存在缺口缺陷，根据D2的大小更新最大最小值；遍历完成后，确定最值线宽或线距。
本实施例上述各个模块的具体实现可以参见上述实施例2，在此不再一一赘述。需要说明的是，本实施例提供的装置仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
实施例5
本实施例公开了一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现实施例1所述的柔性封装基板轮廓检测方法，和/或实现实施例2所述的柔性封装基板线宽线距缺陷检测方法。
其中，实现实施例1所述的柔性封装基板轮廓检测方法，如下：
获取需要检测的柔性封装基板图像O，作为初始引导图像；
针对柔性封装基板图像O，采用变尺度迭代引导滤波进行纹理去除和边缘保持平滑处理，得到滤波后的图像Q；
针对于滤波后的图像Q，采用大津法的自适应阈值分割算法进行处理，并进行八邻域连接，得到轮廓图像E。
上述各步骤中的具体实现过程参见实施例1，此处不再赘述。
其中，实现实施例2所示的柔性封装基板线宽线距缺陷检测方法，如下：
针对于需要检测的柔性封装基板，通过实施例1所述的性封装基板轮廓检测方法获取到轮廓图像E；
对轮廓图像E进行轮廓提取，得到轮廓集合Uc，对轮廓集合Uc中的每条轮廓进行分段直线拟合，得到轮廓集合Uc所对应的拟合直线集合Ul＝(Ul1,Ul2…Uli…Uln)，其中Uli表示轮廓i对应的拟合直线序列，n表示轮廓个数；
对拟合直线序列Ul中的拟合直线，按照斜率进行排序，形成直线序列
对于直线序列中的拟合直线，按照各拟合直线的顺序以及斜率的偏差归集成多个子序列；
针对各子序列中的直线，重新按照截距排序，根据截距计算相邻直线即直线对之间的距离Dnb，根据Dnb大小判定该直线对之间的距离类型为线宽还是线距，将Dnb作为该直线对所对应轮廓间的标准线宽或线距；
针对于轮廓图E中的轮廓i，从起点开始逐个计算当前轮廓点与拟合直线序列Uli中该点所对应拟合直线的距离D1，以及与下一条轮廓线i+1之间的距离D2；根据D1判定轮廓i上是否存在缺口缺陷，根据D2的大小更新最大最小值；遍历完成后，确定最值线宽或线距。
上述各步骤的具体实现过程参见实施例2，此处不再赘述。
在本实施例中，存储介质可以是磁盘、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、U盘、移动硬盘等介质。
实施例6
本实施例公开了一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现实施例1所述的柔性封装基板轮廓检测方法，和/或实现实施例2所述的柔性封装基板线宽线距缺陷检测方法。
其中，实现实施例1所述的柔性封装基板轮廓检测方法，如下：
获取需要检测的柔性封装基板图像O，作为初始引导图像；
针对柔性封装基板图像O，采用变尺度迭代引导滤波进行纹理去除和边缘保持平滑处理，得到滤波后的图像Q；
针对于滤波后的图像Q，采用大津法的自适应阈值分割算法进行处理，并进行八邻域连接，得到轮廓图像E。
上述各步骤中的具体实现过程参见实施例1，此处不再赘述。
其中，实现实施例2所示的柔性封装基板线宽线距缺陷检测方法，如下：
针对于需要检测的柔性封装基板，通过实施例1所述的性封装基板轮廓检测方法获取到轮廓图像E；
对轮廓图像E进行轮廓提取，得到轮廓集合Uc，对轮廓集合Uc中的每条轮廓进行分段直线拟合，得到轮廓集合Uc所对应的拟合直线集合Ul＝(Ul1,Ul2…Uli…Uln)，其中Uli表示轮廓i对应的拟合直线序列，n表示轮廓个数；
对拟合直线序列Ul中的拟合直线，按照斜率进行排序，形成直线序列
对于直线序列中的拟合直线，按照各拟合直线的顺序以及斜率的偏差归集成多个子序列；
针对各子序列中的直线，重新按照截距排序，根据截距计算相邻直线即直线对之间的距离Dnb，根据Dnb大小判定该直线对之间的距离类型为线宽还是线距，将Dnb作为该直线对所对应轮廓间的标准线宽或线距；
针对于轮廓图E中的轮廓i，从起点开始逐个计算当前轮廓点与拟合直线序列Uli中该点所对应拟合直线的距离D1，以及与下一条轮廓线i+1之间的距离D2；根据D1判定轮廓i上是否存在缺口缺陷，根据D2的大小更新最大最小值；遍历完成后，确定最值线宽或线距，如图6中白色点所示为最值线宽或线距的位置。
上述各步骤的具体实现过程参见实施例2，此处不再赘述。
本实施例中，计算设备可以是台式电脑、笔记本电脑、智能手机、PDA手持终端、平板电脑等终端设备。
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 (8)

1.一种柔性封装基板轮廓检测方法，其特征在于，步骤包括：
获取需要检测的柔性封装基板图像O，作为初始引导图像；
针对柔性封装基板图像O，采用变尺度迭代引导滤波进行纹理去除和边缘保持平滑处理，得到滤波后的图像Q；
针对柔性封装基板图像O，采用变尺度迭代引导滤波进行纹理去除和边缘保持平滑处理的具体过程如下：
步骤S11、首先将选取的柔性封装基板图像O的大小统一调整为N×N像素，确定尺度空间参数的初始值r0：
其中，r0为尺度空间参数的初始值，T为迭代总数，N为原始图像O的边长；
步骤S12、以线性形式r＝k(t-1)+r0减小尺度空间参数r，k＜0；其中，t为当前迭代次数，t＝1,2…T，r0为尺度空间参数的初始值，k为预先设定的参数；将t-1迭代得到的滤波图像作为第t次滤波的引导图像，对原始图像O进行引导滤波处理；当t＝1时，引导图像为原始图像O；
步骤S13、重复执行步骤S12，当迭代次数t达到迭代总数T时，滤波结束，得到最终滤波后的图像Q；
针对于滤波后的图像Q，采用大津法的自适应阈值分割算法进行处理，并进行八邻域连接，得到轮廓图像E；
针对于滤波后的图像Q，处理得到轮廓图像E的具体步骤如下：
步骤S21、首先将柔性封装基板图像Q进行灰度化得到灰度图；
步骤S22、对步骤S21中的灰度图采用OTSU阈值分割，得到最佳阈值Tgood，用以区分前景背景；
步骤S23、用Canny边缘检测算子提取轮廓，设置Canny边缘算子的高低阀值，分别为max和min；其中min为步骤S22中确定的最佳阈值Tgood，经Canny边缘检测得到轮廓图E′；
步骤S24、对轮廓图E′进行八邻域连接得到轮廓图E。
2.一种柔性封装基板线宽线距缺陷检测方法，其特征在于，步骤包括：
针对于需要检测的柔性封装基板，通过权利要求1所述的性封装基板轮廓检测方法获取到轮廓图像E；
对轮廓图像E进行轮廓提取，得到轮廓集合Uc，对轮廓集合Uc中的每条轮廓进行分段直线拟合，得到轮廓集合Uc所对应的拟合直线集合Ul＝(Ul1,Ul2...Uli...Uln)，其中Uli表示轮廓i对应的拟合直线序列，n表示轮廓个数；
对拟合直线序列Ul中的拟合直线，按照斜率进行排序，形成直线序列
对于直线序列中的拟合直线，按照各拟合直线的顺序以及斜率的偏差归集成多个子序列；
针对各子序列中的直线，重新按照截距排序，根据截距计算相邻直线即直线对之间的距离Dnb，根据Dnb大小判定该直线对之间的距离类型为线宽还是线距，将Dnb作为该直线对所对应轮廓间的标准线宽或线距；
针对于轮廓图E中的轮廓i，从起点开始逐个计算当前轮廓点与拟合直线序列Uli中该点所对应拟合直线的距离D1，以及与下一条轮廓线i+1之间的距离D2；根据D1判定轮廓i上是否存在缺口缺陷，根据D2的大小更新最大最小值；遍历完成后，确定最值线宽或线距。
3.根据权利要求2所述的柔性封装基板线宽线距缺陷检测方法，其特征在于，对轮廓图像E进行轮廓提取，得到轮廓集合Uc及拟合直线集合Ul的具体过程如下：
对轮廓图像E进行轮廓提取，将提取到的轮廓以链表形式保存，得到轮廓集合Uc；对轮廓集合Uc中的每条轮廓i，执行如下迭代直线拟合策略：
S31、针对轮廓起点和终点，各选择相邻的p个点对起点、终点进行坐标平滑处理，将平滑后的两点所确定的直线设为拟合直线l：
其中，和/>分别为平滑后点的横纵坐标，(x1,y1)、(x2,y2)…(xp,yp)为参与坐标平滑的相邻轮廓点，p为参与坐标平滑轮廓点的个数；
S32、随机选取除起点和终点外的q个轮廓中的点，分别计算这q个轮廓点到拟合直线l的距离Dpl，并统计Dpl小于设定阈值Tpl的轮廓点个数，记为count；
其中Dpl为轮廓点到拟合直线的距离，kl为拟合直线l的斜率，b为拟合直线l的截距；
若count≥t1，则认为所拟合边缘轮廓是一条直线，保存拟合直线l的相关信息，包括起点、终点及斜率和截距，拟合结束；
若count＜t1，则认为所拟合的边缘轮廓是一条曲线，将此曲线的轮廓坐标平均分为两段，得到两条轮廓曲线h和h’；对分解后的两条曲线h和h’，返回步骤S31执行迭代直线拟合策略；
计算轮廓间的标准线宽或线距的具体过程如下：
步骤S41、对拟合直线集合Ul中的所有拟合直线按照斜率从小到大排序，形成直线序列其中Lh表示第h条直线，其斜率为kh，且满足kh≤kh+1；
步骤S42、将直线序列按照斜率归集到序列Up＝(Up1，Up2...Upj...Upm)，m为子序列的个数，/>uj表示第j个子序列最后一条直线的标号，每个子序列中斜率偏差不超过阈值Z；
步骤S42、针对子序列Upj中的直线，j＝1，2，...m，按照截距从小到大排序，根据相邻截距计算相邻直线之间的距离Dnb，计算每相邻两条直线之间的距离Dnb，计算公式如下：
Dnb＝|(bj1-bj2)*cos(|arctan(kj)|)|(bj1≠bj2)
其中，bj1和bj2分别为第j个子序列中相邻的两条边界直线的截距，kj是第j个子序列中第一条拟合直线的斜率；
步骤S44、在计算得到每相邻两条直线之间的距离Dnb后，判断两条直线之间的距离是否大于设定阈值Tc；
若Dnb＜Tc，则该相邻两条线之间即为线宽，上述计算得到的相邻两条边界直线之间的距离作为该相邻两条边界直线对应轮廓之间的标准线宽；
若Dnb＞Tc，则该相邻两条线之间即为线距，上述计算得到的相邻两条边界直线之间的距离作为该相邻两条边界直线对应轮廓之间的标准线距。
4.根据权利要求2所述的柔性封装基板线宽线距缺陷检测方法，其特征在于，得到轮廓的缺口缺陷的具体过程如下：
针对于轮廓图E中的任一条轮廓i，设当前像素点为轮廓起点，当前拟合直线为拟合直线序列Uli中第一条直线，初始化连续异常点个数x＝0，对当前轮廓点执行如下步骤：
S511、计算当前轮廓点A与当前拟合直线的距离D1；
S512、当D1＞Dmin时：将A记为异常点，累加连续异常点的个数x；若x＝1，记录当前点A设为初始异常点；若x＞M2，更换当拟合直线为Uli中下一条直线，将当前轮廓点设置为初始异常点，并令x＝0，返回步骤S511继续进行判断；
S513、当D1＜Dmin时：若x＞M1，则将初始异常点到该点之间的轮廓片段标记为缺口缺陷；令x＝0，返回S511对下一个轮廓点进行计算；
计算最值线宽或线距的过程具体如下：
针对于轮廓图E中的每一条轮廓i，从起点出发，沿着轮廓点对应拟合直线的法线方向，逐像素寻找第一个像素灰度值为255的点，将该点作为轮廓i上像素点到达轮廓i+1的对应像素点，求这俩像素点之间的距离D2，根据D2更新最大值和最小值；轮廓i遍历完成后，若轮廓i与轮廓i+1对应拟合直线之间的距离是标准线宽，则计算的最大值和最小值分别对应为最大线宽与最小线宽；若轮廓i与轮廓i+1对应拟合直线之间的距离是标准线距，则计算的最大值和最小值分别对应为最大线距与最小线距。
5.一种柔性封装基板轮廓检测装置，其特征在于，包括：
图像获取模块，用于获取需要检测的柔性封装基板图像O，作为初始引导图像；
滤波模块，用于针对柔性封装基板图像O，采用变尺度迭代引导滤波进行纹理去除和边缘保持平滑处理，得到滤波后的图像Q；
针对柔性封装基板图像O，采用变尺度迭代引导滤波进行纹理去除和边缘保持平滑处理的具体过程如下：
步骤S11、首先将选取的柔性封装基板图像O的大小统一调整为N×N像素，确定尺度空间参数的初始值r0：
其中，r0为尺度空间参数的初始值，T为迭代总数，N为原始图像O的边长；
步骤S12、以线性形式r＝k(t-1)+r0减小尺度空间参数r，k＜0；其中，t为当前迭代次数，t＝1，2...T，r0为尺度空间参数的初始值，k为预先设定的参数；将t-1迭代得到的滤波图像作为第t次滤波的引导图像，对原始图像O进行引导滤波处理；当t＝1时，引导图像为原始图像O；
步骤S13、重复执行步骤S12，当迭代次数t达到迭代总数T时，滤波结束，得到最终滤波后的图像Q；
轮廓图像生成模块，用于针对于滤波后的图像Q，采用大津法的自适应阈值分割算法进行处理，并进行八邻域连接，得到轮廓图像E；
针对于滤波后的图像Q，处理得到轮廓图像E的具体步骤如下：
步骤S21、首先将柔性封装基板图像Q进行灰度化得到灰度图；
步骤S22、对步骤S21中的灰度图采用OTSU阈值分割，得到最佳阈值Tgood，用以区分前景背景；
步骤S23、用Canny边缘检测算子提取轮廓，设置Canny边缘算子的高低阀值，分别为max和min；其中min为步骤S22中确定的最佳阈值Tgood，经Canny边缘检测得到轮廓图E′；
步骤S24、对轮廓图E′进行八邻域连接得到轮廓图E。
6.一种柔性封装基板线宽线距缺陷检测装置，其特征在于，包括：
轮廓图像获取模块，用于针对于需要检测的柔性封装基板，通过权利要求1所述的性封装基板轮廓检测方法获取到轮廓图像E；
轮廓提取模块，用于对轮廓图像E进行轮廓提取，得到轮廓集合Uc；
直线拟合模块，用于对轮廓集合Uc中的每条轮廓进行分段直线拟合，得到轮廓集合Uc所对应的拟合直线集合Ul＝(Ul1，Ul2...Uli...Uln)，其中Uli表示轮廓i对应的拟合直线序列，n表示轮廓个数；
直线序列生成模块，用于对拟合直线序列Ul中的拟合直线，按照斜率进行排序，形成直线序列
子序列生成模块，用于对于直线序列中的拟合直线，按照各拟合直线的顺序以及斜率的偏差归集成多个子序列；
标准线宽或线距计算模块，用于针对各子序列中的直线，重新按照截距排序，根据截距计算相邻直线即直线对之间的距离Dnb，根据Dnb大小判定该直线对之间的距离类型为线宽还是线距，将Dnb作为该直线对所对应轮廓间的标准线宽或线距；
缺陷检测模块，用于针对于轮廓图E中的轮廓i，从起点开始逐个计算当前轮廓点与拟合直线序列Uli中该点所对应拟合直线的距离D1，以及与下一条轮廓线i+1之间的距离D2；根据D1判定轮廓i上是否存在缺口缺陷，根据D2的大小更新最大最小值；遍历完成后，确定最值线宽或线距。
7.一种存储介质，其特征在于，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1所述的柔性封装基板轮廓检测方法，和/或实现权利要求2至4中任一项所述的柔性封装基板线宽线距缺陷检测方法。
8.一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1所述的柔性封装基板轮廓检测方法，和/或实现权利要求2至4中任一项所述的柔性封装基板线宽线距缺陷检测方法。
CN202110218079.5A 2021-02-26 2021-02-26 柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备 Active CN112819845B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110218079.5A CN112819845B (zh) 2021-02-26 2021-02-26 柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110218079.5A CN112819845B (zh) 2021-02-26 2021-02-26 柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备

Publications (2)

Publication Number Publication Date
CN112819845A CN112819845A (zh) 2021-05-18
CN112819845B true CN112819845B (zh) 2023-10-27

Family

ID=75864076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110218079.5A Active CN112819845B (zh) 2021-02-26 2021-02-26 柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备

Country Status (1)

Country Link
CN (1) CN112819845B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344955B (zh) * 2021-05-25 2022-03-18 云南凤云高速公路有限公司 一种模糊边缘精准检测边坡的系统及方法
DE102021113764A1 (de) * 2021-05-27 2022-12-01 Carl Zeiss Smt Gmbh Verfahren und Vorrichtung zur Analyse eines Bildes einer mikrostrukturierten Komponente für die Mikrolithographie
CN113804702B (zh) * 2021-10-28 2024-07-09 江西电信信息产业有限公司 一种基于视觉智能分析的铜线排线检测方法
CN113870266B (zh) * 2021-12-03 2022-03-11 中导光电设备股份有限公司 一种基于tft-lcd线条缺陷真实性判定方法和系统
CN114549497B (zh) * 2022-02-28 2022-11-29 扬州市恒邦机械制造有限公司 基于图像识别的走台板表面缺陷检测方法及人工智能系统
CN115082436B (zh) * 2022-07-22 2022-11-08 山东易斯特工程工具有限公司 一种盾构机刀头生产缺陷检测方法
CN115731708B (zh) * 2022-11-15 2023-10-17 东南大学 一种基于贝叶斯理论的实时车辆轨迹换道点监测方法
CN116907360B (zh) * 2023-08-03 2024-03-12 苏州苏瑞膜纳米科技有限公司 基于机器视觉的ro膜胶线宽度检测系统及检测方法
CN116934746B (zh) * 2023-09-14 2023-12-01 常州微亿智造科技有限公司 划伤缺陷检测方法、系统、设备及其介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108918526A (zh) * 2018-04-10 2018-11-30 华南理工大学 一种柔性ic封装基板线路的缺口缺陷检测方法
CN109658381A (zh) * 2018-11-16 2019-04-19 华南理工大学 一种基于超像素的柔性ic封装基板的铜面缺陷检测方法
CN109671052A (zh) * 2018-11-16 2019-04-23 华南理工大学 一种基于圆形轮廓提取的柔性ic封装基板的过孔检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108918526A (zh) * 2018-04-10 2018-11-30 华南理工大学 一种柔性ic封装基板线路的缺口缺陷检测方法
CN109658381A (zh) * 2018-11-16 2019-04-19 华南理工大学 一种基于超像素的柔性ic封装基板的铜面缺陷检测方法
CN109671052A (zh) * 2018-11-16 2019-04-23 华南理工大学 一种基于圆形轮廓提取的柔性ic封装基板的过孔检测方法

Also Published As

Publication number Publication date
CN112819845A (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN112819845B (zh) 柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备
CN116310360B (zh) 一种电抗器表面缺陷检测方法
CN107507208B (zh) 一种基于轮廓上曲率估计的图像特征点提取方法
JP6099479B2 (ja) ひび割れ検出方法
CN115861291B (zh) 基于机器视觉的贴片电路板生产缺陷检测方法
JP5852919B2 (ja) ひび割れ検出方法
CN110660072B (zh) 一种直线边缘的识别方法、装置、存储介质及电子设备
CN114749342B (zh) 一种锂电池极片涂布缺陷识别方法、装置及介质
CN102169581A (zh) 一种基于特征向量的快速高精度鲁棒性匹配方法
CN112884746B (zh) 一种基于边缘形状匹配的字符缺陷智能检测算法
CN117689655B (zh) 基于计算机视觉的金属钮扣表面缺陷检测方法
CN111444964A (zh) 一种基于自适应roi划分的多目标快速图像匹配方法
CN112991283A (zh) 基于超像素的柔性ic基板线宽检测方法、介质和设备
CN116110053A (zh) 基于图像识别的集装箱表面信息检测方法
CN113240623A (zh) 一种路面病害检测方法及装置
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
CN116740054A (zh) 一种基于图像处理的舌象齿痕检测方法
CN116818778B (zh) 一种汽车部件快速智能检测方法及系统
CN108764343B (zh) 一种跟踪算法中的跟踪目标框的定位方法
CN116823820B (zh) 一种铝碳质整体塞棒轮廓弯曲检测方法
CN117853510A (zh) 基于双边滤波和自适应阈值的Canny边缘检测方法
CN113436102A (zh) 一种加工零件表面缺陷检测方法
CN110349129B (zh) 一种高密度柔性ic基板外观缺陷检测方法
Cheng et al. Power pole detection based on graph cut
CN116452826A (zh) 基于机器视觉的遮挡情况下煤矸石轮廓估计方法

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