CN112858341A - 一种检测方法、拍摄系统及检测系统 - Google Patents

Abstract

本发明实施例提供了一种检测方法、拍摄系统及检测系统，所述检测方法应用于检测PCB面板与各元器件间焊接情况的检测系统中，所述检测方法包括：获得能够体现待测PCB板与各元器件间焊接情况的图像，所述图像至少为在激光光源照射下拍摄的图像；对所述图像进行特征提取，提取出的特征包括激光散斑特征；将所述提取出的特征输入至检测模型；获得所述检测模型输出的指示所述待测PCB板与各元器件间焊接情况的检测数据。本发明提供了一种能够更高效且准确地对PCB面板与各元器件间焊接情况进行检测的检测方法、拍摄系统及检测系统。本发明的检测方法能够更高效且准确地对PCB面板与各元器件间焊接情况进行检测。

Description

一种检测方法、拍摄系统及检测系统

技术领域

本发明实施例涉及光学检测领域，特别涉及一种检测方法、拍摄系统 及检测系统。

背景技术

在PCB电路板制作过程中，包括机器贴焊的元件，还包括由人工焊接 的插接元件，在这些焊接过程中都会或多或少的产生一些焊接问题(焊接 问题包括：漏焊、缺焊、错位等等)，从而影响PCB电路板的成品率。目前， 在生产线上进行批量生产的时候，通常采用人工方式对焊接的情况进行识 别，效率低下而且准确率达不到标准，为了解决该技术问题，现有技术提 出一种AOI(Automated Optical Inspection，中文全称是自动光学检测) 方式用于对PCB电路板进行检测，来提高PCB电路板的成品率，并使得相 关成品的质量有一定的保证。但是，目前的AOI检测方式均是采用普通光 源进行照明，且需要多组摄像头去获取PCB电路板的信息，所需器件较多， 而且最终检测结果并不够理想

发明内容

本发明提供了一种能够更高效且准确地对PCB面板与各元器件间焊接 情况进行检测的检测方法、拍摄系统及检测系统。

为了解决上述技术问题，本发明实施例提供了一种检测方法，应用于 检测PCB面板与各元器件间焊接情况的检测系统中，所述检测方法包括：

获得能够体现待测PCB板与各元器件间焊接情况的图像，所述图像至 少为在激光光源照射下拍摄的图像；

对所述图像进行特征提取，提取出的特征包括激光散斑特征；

将所述提取出的特征输入至检测模型；

获得所述检测模型输出的指示所述待测PCB板与各元器件间焊接情况 的检测数据。

作为优选，所述激光散斑特征包括所述待测PCB板上各元器件的焊接 边缘的粗糙度信息。

作为优选，所述激光散斑特征包括所述待测PCB板上各元器件的焊接 边缘的深度信息。

作为优选，所述提取出的特征还包括边缘特征、灰度特征、方向梯度 直方图特征中的一种或多种。

作为优选，还包括：

建立模型架构；

获得训练数据，所述训练数据包括激光散斑特征以及对应的指示PCB 板与各元器件间焊接情况的检测数据；

基于所述训练数据训练所述模型架构；

测试训练后的所述模型架构，并生成所述检测模型。

本发明同时提供一种拍摄系统，包括：

激光光源；

光源扩束系统，用于接收激光光源并对其进行扩束，以形成平行光源；

分光镜，其用于将所述光源扩束系统形成的平行光源进行分光、转向 后射向待测PCB板焊接有各元器件的一侧；以及

拍摄器，其用于接收自所述PCB板反射出的光线，以获得能够体现出 所述待测PCB板与各元器件间焊接情况的图像。

作为优选，所述光源扩束系统包括伽利略扩束系统。

作为优选，所述伽利略扩束系统中在沿光线射出的方向上依次包括内 径逐渐递增的第一透镜、第二透镜、第三透镜和第四透镜，其中，至少所 述第四透镜包含特定自由曲面。

作为优选，所述特定自由曲面满足照度平方反比定律，基于所述特定 自由曲面射出的光线的亮度均相同。

本发明还提供一种检测系统，用于检测PCB面板与各元器件间焊接情 况，所述检测系统包括：

拍摄系统，其用于获得能够体现待测PCB板与各元器件间焊接情况的 图像，所述图像至少为在激光光源照射下拍摄的图像；

处理器，其用于对所述图像进行特征提取，提取出的特征包括激光散 斑特征，将所述提取出的特征输入至检测模型，获得所述检测模型输出的 指示所述待测PCB板与各元器件间焊接情况的检测数据。

基于上述实施例的公开可以获知，本发明实施例具备的有益效果包括 通过本发明实施例的检测方法使得在对PCB板与各元器件间焊接情况进行 检测时，由于采用了能够分析激光散斑特征的检测模型，使得检测过程更 快速、高效，且准确率更高。另外，本发明在对PCB面板进行拍摄时采用 的是利用激光光源进行照明的拍摄系统，该拍摄系统无需设置多组拍摄器 便能够拍摄得到具有更多光学信息的图像，为检测PCB板与各元器件间焊接情况奠定了基础。

附图说明

图1为本发明实施例中的检测方法的流程图。

图2为本发明另一实施例中的检测方法的流程图。

图3为本发明实施例中的拍摄系统的结构示意图。

图4为本发明实施例中的伽利略扩束系统的结构示意图。

图5为本发明实施例中的检测系统的结构框图。

附图标记：

1-激光光源；2-光源扩束系统；3-分光镜；4-待测PCB板；5-拍摄器； 6-第一透镜；7-第二透镜；8-第三透镜；9-第四透镜

具体实施方式

下面，结合附图对本发明的具体实施例进行详细的描述，但不作为本 发明的限定。

应理解的是，可以对此处公开的实施例做出各种修改。因此，下述说 明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想 到在本公开的范围和精神内的其他修改。

包含在说明书中并构成说明书的一部分的附图示出了本公开的实施 例，并且与上面给出的对本公开的大致描述以及下面给出的对实施例的详 细描述一起用于解释本公开的原理。

通过下面参照附图对给定为非限制性实例的实施例的优选形式的描 述，本发明的这些和其它特性将会变得显而易见。

还应当理解，尽管已经参照一些具体实例对本发明进行了描述，但本 领域技术人员能够确定地实现本发明的很多其它等效形式，它们具有如权 利要求所述的特征并因此都位于借此所限定的保护范围内。

当结合附图时，鉴于以下详细说明，本公开的上述和其他方面、特征 和优势将变得更为显而易见。

此后参照附图描述本公开的具体实施例；然而，应当理解，所公开的 实施例仅仅是本公开的实例，其可采用多种方式实施。熟知和/或重复的功 能和结构并未详细描述以避免不必要或多余的细节使得本公开模糊不清。 因此，本文所公开的具体的结构性和功能性细节并非意在限定，而是仅仅 作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意 合适的详细结构多样地使用本公开。

本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在 又一实施例中”或“在其他实施例中”，其均可指代根据本公开的相同或不 同实施例中的一个或多个。

下面，结合附图详细的说明本发明实施例。

AOI(Automated Optical Inspection)的中文全称是自动光学检测， 是基于光学原理来对焊接生产中遇到的常见缺陷进行检测的设备。目前， 普遍应用于PCB板的焊接情况检测中。其主要是运用高速高精度视觉处理 技术自动检测PCB板上各种不同贴装错误及焊接缺陷。通过使用AOI作为 减少PCB板缺陷的工具，可以使PCB板在进行装配工艺过程的早期查找和 消除错误，以实现良好的过程控制，减少修理成本，并避免报废不可修理 的电路板的形成。但是目前的AOI在对PCB板与各元器件间的焊接情况进 行检测时都是基于固定的光学参数，这使得检测结果具有较大偏差，不能 满足实际工业需求。

为了提高对PCB板与各元器件间焊接情况的检测效率及检测精度，如 图1和图2所示，本发明实施例提供一种检测方法，应用于检测PCB面板 与各元器件间焊接情况的检测系统中，所述检测方法包括：

获得能够体现待测PCB板与各元器件间焊接情况的图像，图像至少为 在激光光源照射下拍摄的图像；

对图像进行特征提取，提取出的特征包括激光散斑特征；

将提取出的特征输入至检测模型；

获得检测模型输出的指示待测PCB板与各元器件间焊接情况的检测数 据。

例如，准备激光光源，如He-Ne激光光源，900nm近红外激光，来对 待测PCB板进行照射，使拍摄器基于该光源照射下而对待测PCB板进行拍 摄，以得到所需图像。接着对获得的图像进行特征提取，以至少提取出激 光光斑特征，该激光光斑特征具体可包含多种不同的特征，例如包含能够 表征待测PCB板的焊接处否过度氧化、焊接高度是否统一等特征。当然， 提取出的特征不是仅限于激光光斑特征，还可包含其他特征，如色彩特征 (RGB特征)等等。接着，将提取出的特征全部输入至检测模型中，以基 于检测模型和输入的特征来获得与该输入的特征相匹配的检测结果，即获 得指示待测PCB板与各元器件间焊接情况的检测数据。

基于上述内容可知，通过本发明实施例的检测方法使得在对PCB板与 各元器件间焊接情况进行检测时，由于采用了能够分析激光散斑特征的检 测模型，使得检测过程更快速、高效，且准确率更高，尤其在产品生产线 上使用本实施例中的检测方法时，能够大幅提高工作效率，降低次品率。

进一步地，本实施例中的激光散斑特征包括待测PCB板上各元器件的 焊接边缘的粗糙度信息，以及待测PCB板上各元器件的焊接边缘的深度信 息。

具体地，所述的粗糙度信息可以是引入的一个待测PCB板相关边缘特 征位置的粗糙程度信息，所述的相关边缘特征位置即为待测PCB板与各元 器件间焊接处的任一位置。在检测模型处理该特征时，可对其施以更高的 加权来分析焊接位置的粗糙程度，从而判断焊接材料是否对应该焊接位置 所需材料，并可以判断焊接表面是否过度氧化等。而对于相关边缘特征位 置的深度信息，即，待测PCB板与各元器件间焊接处的任一位置的深度信息，基于该深度信息，检测模型可以对焊接的情况进行更加深入的判断， 确定焊接点的深度一致性，各位置的焊接高度是否吻合，从而得到能够真 实反应焊接情况的结论性数据，即检测数据。

进一步地，本实施例中在进行特征提取时，提取出的特征还可以包括 边缘特征、灰度特征、方向梯度直方图特征中的一种或多种。另外，在获 得图像后，还可对图像进行预处理、图像分割，之后再进行特征提取，以 使得提取出的特征更准确，更反应真实焊接情况。

进一步地，本实施例中的检测方法还包括检测模型的形成方法，具体 包括：

建立模型架构；

获得训练数据，训练数据包括激光散斑特征以及对应的指示PCB板与 各元器件间焊接情况的检测数据；

基于训练数据训练模型架构；

测试训练后的模型架构，并生成检测模型。

例如，选择的模型架构可以为二分类模型架构，如为支持向量机模型 (supportvector machines,SVM)等，具体不定，也可为其他分类模型。 在获得模型的训练数据时，本实施例中优选在数据中加入激光散斑特征， 同时还可加入边缘特征(二值化的边缘信息)，RGB特征，灰度特征，方向 梯度直方图特征等。具体实施时，可设立用于机器学习的1000组人工标记 好的存在不同问题的PCB面板。然后将这1000组PCB面板分为三个部分， 60％作为训练集，20％作为交叉验证集，20％作为测试集。用“训练集”来进 行机器学习，即，训练模型，经由训练集中的PCB面板提取出的特征是用 于发现和预测潜在关系的一组数据，也就是表现的现象和内在焊接问题的 关系的数据。然后使用“交叉验证集”(监督学习)，来进行调整以提高模 型中的各参数(权重)，然后使用“测试集”，来测试模型的准确性，评估 检测结果与真实情况间拟合度。接着，在确定好各个部分的PCB面板后， 需要对各个PCB面板进行特征提取，具体如上文所述，可提取边缘特征， RGB特征，灰度特征，方向梯度直方图特征，焊接处粗糙度特征，表面粗 糙度特征，表面深度特征，焊接处深度特征。待完成特征提取后，会收集 到1000组特征以及相应导致的结果数据。之后，将60组特征数据和结果 数据输入至模型架构中，然后可以选择使用黑盒子算法、负反馈调节机制 来实现对内部权重的自动调节。具体来说，让模型先识别具有何种特征的 PCB板会具有什么问题，不满足要求，或者说什么样子的PCB面板会具有 什么样的错误，使构成一个有效的识别机制，并通过负反馈机制来实现对 不同参数(权重)的加权的修正，最终训练完毕。在训练完成后，用户可以通过交叉验证和测试的方法判断模型输出的检测数据与实际情况是过拟 合还是欠拟合，并对比较结果进行记录，同时将记录的内容再次输入至模 型中，进行多次负反馈，以进一步调整模型，直至模型具有较高的拟合性。

经过上述方式训练形成的检测模型能够快速高效，且准确地基于用户 输入的特征而反馈出检测数据(检测结果)，用户能够通过该检测结果快速 确定该PCB板是否不满足标准，问题出现在哪里，是否需求修整，以及如 何修整，提高了用户对PCB板检测的工作效率。

进一步地，如图3和图4所示，本发明另一实施例提供一种拍摄系统， 包括：

激光光源1；

光源扩束系统2，用于接收激光光源1并对其进行扩束，以形成平行 光源；

分光镜3，其用于将光源扩束系统形成的平行光源进行分光、转向后 射向待测PCB板4焊接有各元器件的一侧；以及

拍摄器5，其用于接收自PCB板4反射出的光线，以获得能够体现出 待测PCB板4与各元器件间焊接情况的图像。

具体地，激光照明和普通照明相比，激光照明有更加明显的光学特性， 分析激光散斑，可以得到拍摄图像的表面粗糙程度信息和表面深度信息， 尤其是可以得到焊接位置处的粗糙度信息和深度信息。基于该信息，可以 更加精准地辅助确定出待测PCB板4与元器件间焊接位置的实际情况，隐 藏了哪些问题，而且在对待测PCB板4进行了一系列的测试后，再对其处 于激光光照下进行拍摄，可得到其表面变化信息，基于上述各种信息，能 够帮助用户更加准确地检测PCB板4。另外，本实施例中由于采用了激光 光源来照射待测PCB板，通过对激光光束的整型而使其形成大光场照明， 照明效果更佳，因此无需设置多组拍摄器5，便能够获得检测所需的图像， 节省了拍摄空间以及拍摄成本。

进一步地，继续结合图4所示，本实施例中的光源扩束系统2包括伽 利略扩束系统，其能够较好地形成均匀的平行光源。本实施例中的伽利略 扩束系统中在沿光线射出的方向上依次包括内径逐渐递增的第一透镜6、 第二透镜7、第三透镜8和第四透镜9，其中，至少第四透镜9包含特定自 由曲面。

本实施例中的特定自由曲面满足照度平方反比定律，基于特定自由曲 面射出的光线的亮度均相同。

具体地，该特定自由曲面的设计原理包括：

照度平方反比定律

光管上传输亮度相同

余弦辐射体：(LD)Iθ＝INcosθ，其各个方向亮度相同

当上述示例中的高阶项不存在时，为标准二次曲面，本实施例中的特定自 由曲面可以为标准二次曲面，当然也可为非标准二次曲面。上述求解特定 自由曲面的具体算法可以为Monge-Ampere算法。

如图5所示，本发明实施例还提供一种检测系统，用于检测PCB面板 与各元器件间焊接情况，检测系统包括：

拍摄系统，其用于获得能够体现待测PCB板与各元器件间焊接情况的 图像，图像至少为在激光光源照射下拍摄的图像；

处理器，其用于对图像进行特征提取，提取出的特征包括激光散斑特 征，将提取出的特征输入至检测模型，获得检测模型输出的指示待测PCB 板与各元器件间焊接情况的检测数据。

本发明实施例的检测系统，通过在对PCB面板进行拍摄时采用的是利 用激光光源进行照明的拍摄系统，该拍摄系统无需设置多组拍摄器便能够 拍摄得到具有更多光学信息的图像，为检测PCB板与各元器件间焊接情况 奠定了基础。而且，本实施例中的处理器基于拍摄所得的图像而对PCB板 与各元器件间焊接情况进行检测时，由于采用了能够分析激光散斑特征的 检测模型，使得检测过程更快速、高效，且准确率更高。

以上实施例仅为本发明的示例性实施例，不用于限制本发明，本发明 的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保 护范围内，对本发明做出各种修改或等同替换，这种修改或等同替换也应 视为落在本发明的保护范围内。

Claims (10)

1.一种检测方法，应用于检测PCB面板与各元器件间焊接情况的检测系统中，所述检测方法包括：

获得能够体现待测PCB板与各元器件间焊接情况的图像，所述图像至少为在激光光源照射下拍摄的图像；

对所述图像进行特征提取，提取出的特征包括激光散斑特征；

将所述提取出的特征输入至检测模型；

获得所述检测模型输出的指示所述待测PCB板与各元器件间焊接情况的检测数据。

2.根据权利要求1所述的方法，其特征在于，所述激光散斑特征包括所述待测PCB板上各元器件的焊接边缘的粗糙度信息。

3.根据权利要求1或2所述的方法，其特征在于，所述激光散斑特征包括所述待测PCB板上各元器件的焊接边缘的深度信息。

4.根据权利要求1所述的方法，其特征在于，所述提取出的特征还包括边缘特征、灰度特征、方向梯度直方图特征中的一种或多种。

5.根据权利要求1所述的方法，其特征在于，还包括：

建立模型架构；

获得训练数据，所述训练数据包括激光散斑特征以及对应的指示PCB板与各元器件间焊接情况的检测数据；

基于所述训练数据训练所述模型架构；

测试训练后的所述模型架构，并生成所述检测模型。

6.一种拍摄系统，其特征在于，包括：

激光光源；

光源扩束系统，用于接收激光光源并对其进行扩束，以形成平行光源；

分光镜，其用于将所述光源扩束系统形成的平行光源进行分光、转向后射向待测PCB板焊接有各元器件的一侧；以及

拍摄器，其用于接收自所述PCB板反射出的光线，以获得能够体现出所述待测PCB板与各元器件间焊接情况的图像。

7.根据权利要求6所述的拍摄系统，其特征在于，所述光源扩束系统包括伽利略扩束系统。

8.根据权利要求7所述的拍摄系统，其特征在于，所述伽利略扩束系统中在沿光线射出的方向上依次包括内径逐渐递增的第一透镜、第二透镜、第三透镜和第四透镜，其中，至少所述第四透镜包含特定自由曲面。

9.根据权利要求8所述的拍摄系统，其特征在于，所述特定自由曲面满足照度平方反比定律，基于所述特定自由曲面射出的光线的亮度均相同。

10.一种检测系统，用于检测PCB面板与各元器件间焊接情况，所述检测系统包括：

拍摄系统，其用于获得能够体现待测PCB板与各元器件间焊接情况的图像，所述图像至少为在激光光源照射下拍摄的图像；

处理器，其用于对所述图像进行特征提取，提取出的特征包括激光散斑特征，将所述提取出的特征输入至检测模型，获得所述检测模型输出的指示所述待测PCB板与各元器件间焊接情况的检测数据。

Images