CN113052829A - 一种基于物联网的主板aoi检测方法 - Google Patents
一种基于物联网的主板aoi检测方法 Download PDFInfo
- Publication number
- CN113052829A CN113052829A CN202110373103.2A CN202110373103A CN113052829A CN 113052829 A CN113052829 A CN 113052829A CN 202110373103 A CN202110373103 A CN 202110373103A CN 113052829 A CN113052829 A CN 113052829A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- line
- standard
- 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.)
- Granted
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
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference 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
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
Abstract
本发明公开了一种基于物联网的主板AOI检测方法，涉及主板AOI检测技术领域，解决了现有技术中不能够对图像进行处理导致主板检测不准确的技术问题，通过高分辨率的电荷耦合器件对待检测主板进行图像获取，并将对应的图像标记为待检测图像，随后对待检测图像进行图像处理，同时通过高分辨率的电荷耦合器件获取到检测正常主板的图像，并将其标记为标准图像，将待检测图像与标准图像进行比对；图像分割定位，将待检测图像和标准图像进行图像分割，随后对待检测图像和标准图像进行二次比对，对待检测主板进行图像获取并对获取的图像进行处理，提高了主板检测的准确性能，同时能够给主板检测带来便利，提高了主板检测的工作效率。
Description
技术领域
本发明涉及主板AOI检测技术领域，具体为一种基于物联网的主板AOI检测方法。
背景技术
电子技术发展越来越趋向小型化发展，为了满足这样的需求，主板也一定向微型化这个方向努力，所以主板上的线路越米越小的趋势进行，因此适应这种发展趋势，AOI技术有飞速的发展，AOI能较好地解决PCB生产中的质量检测问题，但对于国外的AOI设备，因为它的设备利用了多摄像头技术，功能十分强大；
而在现有技术中，AOI检测过程中不能够对图像进行处理，导致主板检测不准确，提高了检测成本。
发明内容
本发明的目的就在于提出一种基于物联网的主板AOI检测方法，通过高分辨率的电荷耦合器件对待检测主板进行图像获取，并将对应的图像标记为待检测图像，随后对待检测图像进行图像处理，同时通过高分辨率的电荷耦合器件获取到检测正常主板的图像，并将其标记为标准图像，将待检测图像与标准图像进行比对；图像分割定位，将待检测图像和标准图像进行图像分割，获取待检测图像和标准图像的特征信息，并将其进行比较，随后对待检测图像和标准图像进行二次比对，对待检测主板进行图像获取并对获取的图像进行处理，提高了主板检测的准确性能，同时能够给主板检测带来便利，提高了主板检测的工作效率。
本发明的目的可以通过以下技术方案实现：
一种基于物联网的主板AOI检测方法，主板AOI检测方法具体步骤如下：
步骤一、图像采集处理，通过高分辨率的电荷耦合器件对待检测主板进行图像获取，并将对应的图像标记为待检测图像，随后对待检测图像进行图像处理，同时通过高分辨率的电荷耦合器件获取到检测正常主板的图像，并将其标记为标准图像，将待检测图像与标准图像进行比对；
步骤二、图像分割定位，将待检测图像和标准图像进行图像分割，获取待检测图像和标准图像的特征信息，并将其进行比较，随后对待检测图像和标准图像进行二次比对，特征信息包括对应图像的亮度和饱和度；对待检测主板进行图像获取并对获取的图像进行处理，提高了主板检测的准确性能，同时能够给主板检测带来便利，提高了主板检测的工作效率；
步骤三、缺陷检测，将待检测图像与标准图像进行比较，对待检测图形进行短路检测和划痕检测；通过图像的比较获取到待检测主板的缺陷，提高了缺陷检测的准确性能；
步骤四、线路检测，对待检测图像内的线路进行线宽检测和线距检测；更加快速高效的检测出主板的缺陷，防止出现主板运行过程中发生线路故障，导致工作效率降低；
步骤一中图像采集处理的具体步骤如下：
步骤S1：通过高分辨率的电荷耦合器件对待检测主板进行图像获取，并将对应的图像标记为待检测图像，随后对待检测图像进行图像处理，同时通过高分辨率的电荷耦合器件获取到检测正常主板的图像，并将其标记为标准图像，其中，待检测主板和标准主板型号相同；
步骤S2：对待检测图像进行图像预处理，将待检测图像进行分帧处理，且待检测图像的帧数与标准图像的帧数相同，且帧序列一一相同，随后将处理后的每帧图像进行清晰度检测，若对应图像清晰度≤清晰度阈值，则判定图像清晰度合格，反之，则将对应图像标记为废帧，并获取废帧图像对应的帧顺序，随后插入空白帧，待获取到废帧图像帧顺序对应的清晰度合格图像，将其与空白帧进行替换；
步骤S3：随后对待检测图像和标准图像进行像素点获取，获取到标准图像中心位置处的像素点，并将获取到对应像素点的颜色值，将其标记为标准中心颜色值，随后获取到待检测图像中任一像素点，并将其标记为待检测像素点，且待检测像素点与标准图像中心位置处的像素点相互重合；
步骤S4：随后沿着待检测图像的移动方向，获取到待检测像素点之后的像素点，并将获取到对应检测像素点的颜色值，随后构建检测像素点的颜色值集合，若检测像素点的颜色值集合的子集为偶数，则获取中间两个子集对应的颜色值，并求平均值获取到中间颜色值，若检测像素点的颜色值集合的子集为单数，则获取中间单个子集对应的颜色值，并中间单个子集对应的颜色值标记为中间颜色值；
步骤S5：将中间颜色值与标准中心颜色值进行比较，若中间颜色值≥标准中心颜色值，则判定待检测图像合格，反之，则判定对应待检测图像不合格。
进一步地，步骤二中图像分割定位的具体步骤如下：
步骤SS1：将待检测图像为i，i=1,2，……，n，n为正整数，获取到待检测图像中每帧图像的亮度和饱和度，并将待检测图像中每帧图像的亮度和饱和度分别标记为Li和Bi，通过公式获取到对应图像的特征体现系数Xi，其中，a1和a2均为比例系数，且a1＞a2，β为误差修正因子，取值为1.36；
步骤SS2：通过步骤SS1中的方法获取到标准图像的特征体现系数，并将标准图像的特征体现系数标记为特征体现系数阈值，随后将待检测图像的特征体现系数Xi与特征体现系数阈值进行比较：若待检测图像的特征体现系数Xi≥特征体现系数阈值，则判定待检测图像合格，反之，则判定待检测图像不合格；
步骤SS3：将待检测图像和标准图像进行重合，随后进行矩形图像截取，且待检测图像和标准图像的矩形截取面积相同，获取到矩形截取面边界的中点，并将对应中点进行连线，通过两条垂直线获取到待检测图像和标准图像的中心点，且将两个中心点进行重合，随后对待检测图像和标准图像进行圆形图像截取，且待检测图像和标准图像对应的圆形截取图像圆心为对应重合中心点，并将待检测图像和标准图像对应的圆形截取图像标记为缺陷检测图像和缺陷检测标准图像。
进一步地，步骤三中缺陷检测的具体步骤如下：
步骤T1：获取到缺陷检测图像和缺陷检测标准图像中线路图像，并将缺陷检测图像对应的线路图像标记为待检测线路，将缺陷检测标准图像对应的线路图像标记为标准检测线路；
步骤T2：在待检测线路中任一位置截取子面积的线路图像，并在标准检测线路中截取同等子面积的线路图像，且位置相同，随后获取到待检测线路中线路图像对应的线路层面积与标准检测线路中线路图像对应的线路层面积进行比较，若面积相同，则判定对应待检测图像中不存在线路短路，若面积不相同，则判定对应待检测图像中存在线路断短路；
步骤T3：获取到待检测线路中线路图像对应的线路层中线路对应的灰度值与标准检测线路中线路图像对应的线路层中线路对应的灰度，随后进行灰度值比较，若灰度值比较相同，则判定待检测图像中不存在划痕，若灰度值比较不相同，则判定待检测图像中存在划痕。
进一步地，步骤四中线路检测的具体步骤如下：
步骤TT1：获取到标准图像中的线路，并其标记为标准检测线路，随后获取到标准检测线路的中心线，并将中心线与标准图像边界连接的点标记为基准点，随后获取到中心线距离线路上界限的距离和距离线路下界限的距离，并将中心线距离线路上界限的距离和距离线路下界限的距离分别标记为上限尺寸阈值和下限尺寸阈值；
步骤TT2：随后再待检测图像中获取到边界的基准点，并将两个基准点进行连接，且两个基准点之间的连接线标记为待检测中心线，随后获取到待检测中心线距离线路上界限的距离和距离线路下界限的距离，随后将待检测中心线距离线路上界限的距离和距离线路下界限的距离分别与上限尺寸阈值和下限尺寸阈值进行比较：
若待检测中心线距离线路上界限的距离＞上限尺寸阈值，且距离线路下界限的距离＞下限尺寸阈值，则判定待检测图像中对应线路线距异常；
若待检测中心线距离线路上界限的距离＜上限尺寸阈值，且距离线路下界限的距离＜下限尺寸阈值，则判定待检测图像中对应线路线宽异常；
若待检测中心线距离线路上界限的距离＝上限尺寸阈值，且距离线路下界限的距离＝下限尺寸阈值，则判定待检测图像中对应线路线宽和线距均正常；
若待检测中心线距离线路上界限的距离≠上限尺寸阈值，且距离线路下界限的距离≠下限尺寸阈值，则判定待检测图像中对应线路线宽和线距均异常。
与现有技术相比，本发明的有益效果是：
1、本发明中，图像采集处理，通过高分辨率的电荷耦合器件对待检测主板进行图像获取，并将对应的图像标记为待检测图像，随后对待检测图像进行图像处理，同时通过高分辨率的电荷耦合器件获取到检测正常主板的图像，并将其标记为标准图像，将待检测图像与标准图像进行比对；图像分割定位，将待检测图像和标准图像进行图像分割，获取待检测图像和标准图像的特征信息，并将其进行比较，随后对待检测图像和标准图像进行二次比对，对待检测主板进行图像获取并对获取的图像进行处理，提高了主板检测的准确性能，同时能够给主板检测带来便利，提高了主板检测的工作效率；
2、本发明中，缺陷检测，将待检测图像与标准图像进行比较，对待检测图形进行短路检测和划痕检测；线路检测，对待检测图像内的线路进行线宽检测和线距检测；对待检测主板的短路和划痕进行检测，通过图像的比较获取到待检测主板的缺陷，提高了缺陷检测的准确性能，更加快速高效的检测出主板的缺陷，防止出现主板运行过程中发生线路故障，导致工作效率降低。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明；
图1为本发明的原理框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，一种基于物联网的主板AOI检测方法，主板AOI检测方法具体步骤如下：
步骤一、图像采集处理，通过高分辨率的电荷耦合器件对待检测主板进行图像获取，并将对应的图像标记为待检测图像，随后对待检测图像进行图像处理，同时通过高分辨率的电荷耦合器件获取到检测正常主板的图像，并将其标记为标准图像，将待检测图像与标准图像进行比对；
步骤二、图像分割定位，将待检测图像和标准图像进行图像分割，获取待检测图像和标准图像的特征信息，并将其进行比较，随后对待检测图像和标准图像进行二次比对，特征信息包括对应图像的亮度和饱和度；
步骤三、缺陷检测，将待检测图像与标准图像进行比较，对待检测图形进行短路检测和划痕检测；
步骤四、线路检测，对待检测图像内的线路进行线宽检测和线距检测；
步骤一中图像采集处理的具体步骤如下：
步骤S1：通过高分辨率的电荷耦合器件对待检测主板进行图像获取，并将对应的图像标记为待检测图像，随后对待检测图像进行图像处理，同时通过高分辨率的电荷耦合器件获取到检测正常主板的图像，并将其标记为标准图像，其中，待检测主板和标准主板型号相同；
步骤S2：对待检测图像进行图像预处理，将待检测图像进行分帧处理，且待检测图像的帧数与标准图像的帧数相同，且帧序列一一相同，随后将处理后的每帧图像进行清晰度检测，若对应图像清晰度≤清晰度阈值，则判定图像清晰度合格，反之，则将对应图像标记为废帧，并获取废帧图像对应的帧顺序，随后插入空白帧，待获取到废帧图像帧顺序对应的清晰度合格图像，将其与空白帧进行替换；
步骤S3：随后对待检测图像和标准图像进行像素点获取，获取到标准图像中心位置处的像素点，并将获取到对应像素点的颜色值，将其标记为标准中心颜色值，随后获取到待检测图像中任一像素点，并将其标记为待检测像素点，且待检测像素点与标准图像中心位置处的像素点相互重合；
步骤S4：随后沿着待检测图像的移动方向，获取到待检测像素点之后的像素点，并将获取到对应检测像素点的颜色值，随后构建检测像素点的颜色值集合，若检测像素点的颜色值集合的子集为偶数，则获取中间两个子集对应的颜色值，并求平均值获取到中间颜色值，若检测像素点的颜色值集合的子集为单数，则获取中间单个子集对应的颜色值，并中间单个子集对应的颜色值标记为中间颜色值；
步骤S5：将中间颜色值与标准中心颜色值进行比较，若中间颜色值≥标准中心颜色值，则判定待检测图像合格，反之，则判定对应待检测图像不合格；
步骤二中图像分割定位的具体步骤如下：
步骤SS1：将待检测图像为i，i=1,2，……，n，n为正整数，获取到待检测图像中每帧图像的亮度和饱和度，并将待检测图像中每帧图像的亮度和饱和度分别标记为Li和Bi，通过公式
获取到对应图像的特征体现系数Xi，其中，a1和a2均为比例系数，且a1＞a2，β为误差修正因子，取值为1.36；
步骤SS2：通过步骤SS1中的方法获取到标准图像的特征体现系数，并将标准图像的特征体现系数标记为特征体现系数阈值，随后将待检测图像的特征体现系数Xi与特征体现系数阈值进行比较：若待检测图像的特征体现系数Xi≥特征体现系数阈值，则判定待检测图像合格，反之，则判定待检测图像不合格；
步骤SS3：将待检测图像和标准图像进行重合，随后进行矩形图像截取，且待检测图像和标准图像的矩形截取面积相同，获取到矩形截取面边界的中点，并将对应中点进行连线，通过两条垂直线获取到待检测图像和标准图像的中心点，且将两个中心点进行重合，随后对待检测图像和标准图像进行圆形图像截取，且待检测图像和标准图像对应的圆形截取图像圆心为对应重合中心点，并将待检测图像和标准图像对应的圆形截取图像标记为缺陷检测图像和缺陷检测标准图像；
步骤三中缺陷检测的具体步骤如下：
步骤T1：获取到缺陷检测图像和缺陷检测标准图像中线路图像，并将缺陷检测图像对应的线路图像标记为待检测线路，将缺陷检测标准图像对应的线路图像标记为标准检测线路；
步骤T2：在待检测线路中任一位置截取子面积的线路图像，并在标准检测线路中截取同等子面积的线路图像，且位置相同，随后获取到待检测线路中线路图像对应的线路层面积与标准检测线路中线路图像对应的线路层面积进行比较，若面积相同，则判定对应待检测图像中不存在线路短路，若面积不相同，则判定对应待检测图像中存在线路断短路；
步骤T3：获取到待检测线路中线路图像对应的线路层中线路对应的灰度值与标准检测线路中线路图像对应的线路层中线路对应的灰度，随后进行灰度值比较，若灰度值比较相同，则判定待检测图像中不存在划痕，若灰度值比较不相同，则判定待检测图像中存在划痕；
步骤四中线路检测的具体步骤如下：
步骤TT1：获取到标准图像中的线路，并其标记为标准检测线路，随后获取到标准检测线路的中心线，并将中心线与标准图像边界连接的点标记为基准点，随后获取到中心线距离线路上界限的距离和距离线路下界限的距离，并将中心线距离线路上界限的距离和距离线路下界限的距离分别标记为上限尺寸阈值和下限尺寸阈值；
步骤TT2：随后再待检测图像中获取到边界的基准点，并将两个基准点进行连接，且两个基准点之间的连接线标记为待检测中心线，随后获取到待检测中心线距离线路上界限的距离和距离线路下界限的距离，随后将待检测中心线距离线路上界限的距离和距离线路下界限的距离分别与上限尺寸阈值和下限尺寸阈值进行比较：
若待检测中心线距离线路上界限的距离＞上限尺寸阈值，且距离线路下界限的距离＞下限尺寸阈值，则判定待检测图像中对应线路线距异常；
若待检测中心线距离线路上界限的距离＜上限尺寸阈值，且距离线路下界限的距离＜下限尺寸阈值，则判定待检测图像中对应线路线宽异常；
若待检测中心线距离线路上界限的距离＝上限尺寸阈值，且距离线路下界限的距离＝下限尺寸阈值，则判定待检测图像中对应线路线宽和线距均正常；
若待检测中心线距离线路上界限的距离≠上限尺寸阈值，且距离线路下界限的距离≠下限尺寸阈值，则判定待检测图像中对应线路线宽和线距均异常。
本发明在工作时，图像采集处理，通过高分辨率的电荷耦合器件对待检测主板进行图像获取，并将对应的图像标记为待检测图像，随后对待检测图像进行图像处理，同时通过高分辨率的电荷耦合器件获取到检测正常主板的图像，并将其标记为标准图像，将待检测图像与标准图像进行比对；图像分割定位，将待检测图像和标准图像进行图像分割，获取待检测图像和标准图像的特征信息，并将其进行比较，随后对待检测图像和标准图像进行二次比对，特征信息包括对应图像的亮度和饱和度；对待检测主板进行图像获取并对获取的图像进行处理，提高了主板检测的准确性能，同时能够给主板检测带来便利，提高了主板检测的工作效率；缺陷检测，将待检测图像与标准图像进行比较，对待检测图形进行短路检测和划痕检测；线路检测，对待检测图像内的线路进行线宽检测和线距检测。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
Claims (4)
1.一种基于物联网的主板AOI检测方法，其特征在于，主板AOI检测方法具体步骤如下：
步骤一、图像采集处理，通过高分辨率的电荷耦合器件对待检测主板进行图像获取，并将对应的图像标记为待检测图像，随后对待检测图像进行图像处理，同时通过高分辨率的电荷耦合器件获取到检测正常主板的图像，并将其标记为标准图像，将待检测图像与标准图像进行比对；
步骤二、图像分割定位，将待检测图像和标准图像进行图像分割，获取待检测图像和标准图像的特征信息，并将其进行比较，随后对待检测图像和标准图像进行二次比对，特征信息包括对应图像的亮度和饱和度；
步骤三、缺陷检测，将待检测图像与标准图像进行比较，对待检测图形进行短路检测和划痕检测；
步骤四、线路检测，对待检测图像内的线路进行线宽检测和线距检测；
步骤一中图像采集处理的具体步骤如下：
步骤S1：通过高分辨率的电荷耦合器件对待检测主板进行图像获取，并将对应的图像标记为待检测图像，随后对待检测图像进行图像处理，同时通过高分辨率的电荷耦合器件获取到检测正常主板的图像，并将其标记为标准图像，其中，待检测主板和标准主板型号相同；
步骤S2：对待检测图像进行图像预处理，将待检测图像进行分帧处理，且待检测图像的帧数与标准图像的帧数相同，且帧序列一一相同，随后将处理后的每帧图像进行清晰度检测，若对应图像清晰度≤清晰度阈值，则判定图像清晰度合格，反之，则将对应图像标记为废帧，并获取废帧图像对应的帧顺序，随后插入空白帧，待获取到废帧图像帧顺序对应的清晰度合格图像，将其与空白帧进行替换；
步骤S3：随后对待检测图像和标准图像进行像素点获取，获取到标准图像中心位置处的像素点，并将获取到对应像素点的颜色值，将其标记为标准中心颜色值，随后获取到待检测图像中任一像素点，并将其标记为待检测像素点，且待检测像素点与标准图像中心位置处的像素点相互重合；
步骤S4：随后沿着待检测图像的移动方向，获取到待检测像素点之后的像素点，并将获取到对应检测像素点的颜色值，随后构建检测像素点的颜色值集合，若检测像素点的颜色值集合的子集为偶数，则获取中间两个子集对应的颜色值，并求平均值获取到中间颜色值，若检测像素点的颜色值集合的子集为单数，则获取中间单个子集对应的颜色值，并中间单个子集对应的颜色值标记为中间颜色值；
步骤S5：将中间颜色值与标准中心颜色值进行比较，若中间颜色值≥标准中心颜色值，则判定待检测图像合格，反之，则判定对应待检测图像不合格。
2.根据权利要求1所述的一种基于物联网的主板AOI检测方法，其特征在于，步骤二中图像分割定位的具体步骤如下：
步骤SS1：将待检测图像为i，i=1,2，……，n，n为正整数，获取到待检测图像中每帧图像的亮度和饱和度，并将待检测图像中每帧图像的亮度和饱和度分别标记为Li和Bi，通过公式获取到对应图像的特征体现系数Xi，其中，a1和a2均为比例系数，且a1＞a2，β为误差修正因子，取值为1.36；
步骤SS2：通过步骤SS1中的方法获取到标准图像的特征体现系数，并将标准图像的特征体现系数标记为特征体现系数阈值，随后将待检测图像的特征体现系数Xi与特征体现系数阈值进行比较：若待检测图像的特征体现系数Xi≥特征体现系数阈值，则判定待检测图像合格，反之，则判定待检测图像不合格；
步骤SS3：将待检测图像和标准图像进行重合，随后进行矩形图像截取，且待检测图像和标准图像的矩形截取面积相同，获取到矩形截取面边界的中点，并将对应中点进行连线，通过两条垂直线获取到待检测图像和标准图像的中心点，且将两个中心点进行重合，随后对待检测图像和标准图像进行圆形图像截取，且待检测图像和标准图像对应的圆形截取图像圆心为对应重合中心点，并将待检测图像和标准图像对应的圆形截取图像标记为缺陷检测图像和缺陷检测标准图像。
3.根据权利要求1所述的一种基于物联网的主板AOI检测方法，其特征在于，步骤三中缺陷检测的具体步骤如下：
步骤T1：获取到缺陷检测图像和缺陷检测标准图像中线路图像，并将缺陷检测图像对应的线路图像标记为待检测线路，将缺陷检测标准图像对应的线路图像标记为标准检测线路；
步骤T2：在待检测线路中任一位置截取子面积的线路图像，并在标准检测线路中截取同等子面积的线路图像，且位置相同，随后获取到待检测线路中线路图像对应的线路层面积与标准检测线路中线路图像对应的线路层面积进行比较，若面积相同，则判定对应待检测图像中不存在线路短路，若面积不相同，则判定对应待检测图像中存在线路断短路；
步骤T3：获取到待检测线路中线路图像对应的线路层中线路对应的灰度值与标准检测线路中线路图像对应的线路层中线路对应的灰度，随后进行灰度值比较，若灰度值比较相同，则判定待检测图像中不存在划痕，若灰度值比较不相同，则判定待检测图像中存在划痕。
4.根据权利要求1所述的一种基于物联网的主板AOI检测方法，其特征在于，步骤四中线路检测的具体步骤如下：
步骤TT1：获取到标准图像中的线路，并其标记为标准检测线路，随后获取到标准检测线路的中心线，并将中心线与标准图像边界连接的点标记为基准点，随后获取到中心线距离线路上界限的距离和距离线路下界限的距离，并将中心线距离线路上界限的距离和距离线路下界限的距离分别标记为上限尺寸阈值和下限尺寸阈值；
步骤TT2：随后再待检测图像中获取到边界的基准点，并将两个基准点进行连接，且两个基准点之间的连接线标记为待检测中心线，随后获取到待检测中心线距离线路上界限的距离和距离线路下界限的距离，随后将待检测中心线距离线路上界限的距离和距离线路下界限的距离分别与上限尺寸阈值和下限尺寸阈值进行比较。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110373103.2A CN113052829B (zh) | 2021-04-07 | 2021-04-07 | 一种基于物联网的主板aoi检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110373103.2A CN113052829B (zh) | 2021-04-07 | 2021-04-07 | 一种基于物联网的主板aoi检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113052829A true CN113052829A (zh) | 2021-06-29 |
| CN113052829B CN113052829B (zh) | 2022-06-28 |
Family
ID=76518835
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110373103.2A Active CN113052829B (zh) | 2021-04-07 | 2021-04-07 | 一种基于物联网的主板aoi检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113052829B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5483603A (en) * | 1992-10-22 | 1996-01-09 | Advanced Interconnection Technology | System and method for automatic optical inspection |
| US20050117796A1 (en) * | 2003-11-28 | 2005-06-02 | Shigeru Matsui | Pattern defect inspection method and apparatus |
| CN102221549A (zh) * | 2011-03-06 | 2011-10-19 | 丘荣意 | 一种pcb电路板全自动进板光学图像检测装置 |
| JP2013160677A (ja) * | 2012-02-07 | 2013-08-19 | Taiyo Kogyo Kk | プリント回路基板の検査方法、検査装置、処理プログラム、および記憶媒体 |
| CN103500459A (zh) * | 2013-09-24 | 2014-01-08 | 华南理工大学 | 一种基于规则化参数的印刷电路板缺陷检测方法 |
| CN104730078A (zh) * | 2013-12-23 | 2015-06-24 | 北京红源光电技术公司 | 一种基于红外热像仪aoi的电路板检测方法 |
| CN104899863A (zh) * | 2015-04-02 | 2015-09-09 | 厦门博视源机器视觉技术有限公司 | 一种模具保护器及其实现方法 |
| CN105372581A (zh) * | 2015-11-18 | 2016-03-02 | 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 |
| CN106228543A (zh) * | 2016-07-13 | 2016-12-14 | 凌云光技术集团有限责任公司 | 对pcb图像中导线的线宽和线距进行检测的方法及装置 |
| CN106803244A (zh) * | 2016-11-24 | 2017-06-06 | 深圳市华汉伟业科技有限公司 | 缺陷识别方法及系统 |
| 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 |
| 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 |
| CN109001213A (zh) * | 2018-07-19 | 2018-12-14 | 华南理工大学 | 一种卷到卷超薄柔性ic基板外观检测方法 |
| CN109087286A (zh) * | 2018-07-17 | 2018-12-25 | 江西财经大学 | 一种基于计算机图像处理和模式识别的检测方法及应用 |
| US20190287231A1 (en) * | 2018-03-14 | 2019-09-19 | Boe Technology Group Co., Ltd. | Detection method for display panel motherboard and display panel motherboard |
-
2021
- 2021-04-07 CN CN202110373103.2A patent/CN113052829B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5483603A (en) * | 1992-10-22 | 1996-01-09 | Advanced Interconnection Technology | System and method for automatic optical inspection |
| US20050117796A1 (en) * | 2003-11-28 | 2005-06-02 | Shigeru Matsui | Pattern defect inspection method and apparatus |
| CN102221549A (zh) * | 2011-03-06 | 2011-10-19 | 丘荣意 | 一种pcb电路板全自动进板光学图像检测装置 |
| JP2013160677A (ja) * | 2012-02-07 | 2013-08-19 | Taiyo Kogyo Kk | プリント回路基板の検査方法、検査装置、処理プログラム、および記憶媒体 |
| CN103500459A (zh) * | 2013-09-24 | 2014-01-08 | 华南理工大学 | 一种基于规则化参数的印刷电路板缺陷检测方法 |
| CN104730078A (zh) * | 2013-12-23 | 2015-06-24 | 北京红源光电技术公司 | 一种基于红外热像仪aoi的电路板检测方法 |
| CN104899863A (zh) * | 2015-04-02 | 2015-09-09 | 厦门博视源机器视觉技术有限公司 | 一种模具保护器及其实现方法 |
| CN105372581A (zh) * | 2015-11-18 | 2016-03-02 | 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 |
| CN106228543A (zh) * | 2016-07-13 | 2016-12-14 | 凌云光技术集团有限责任公司 | 对pcb图像中导线的线宽和线距进行检测的方法及装置 |
| CN106803244A (zh) * | 2016-11-24 | 2017-06-06 | 深圳市华汉伟业科技有限公司 | 缺陷识别方法及系统 |
| 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 |
| US20190287231A1 (en) * | 2018-03-14 | 2019-09-19 | Boe Technology Group Co., Ltd. | Detection method for display panel motherboard and display panel motherboard |
| 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 |
| CN109087286A (zh) * | 2018-07-17 | 2018-12-25 | 江西财经大学 | 一种基于计算机图像处理和模式识别的检测方法及应用 |
| CN109001213A (zh) * | 2018-07-19 | 2018-12-14 | 华南理工大学 | 一种卷到卷超薄柔性ic基板外观检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 何伟等: "基于计算机图像处理的电路印刷板缺陷检测", 《计算机测量与控制》 * |
| 曹中等: "基于图像处理的手机软板缺陷自动检测方法", 《计算机测量与控制》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113052829B (zh) | 2022-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110119680B (zh) | 一种基于图像识别的电气柜接线自动查错系统 | |
| CN114240939B (zh) | 一种主板元器件外观缺陷检测方法、系统、设备及介质 | |
| CN103500459A (zh) | 一种基于规则化参数的印刷电路板缺陷检测方法 | |
| CN114266773A (zh) | 显示面板缺陷定位方法、装置、设备及存储介质 | |
| US20220398714A1 (en) | Printing Solder Point Quality Identification And Maintenance Suggestion System And Method Thereof | |
| CN114926385A (zh) | 一种面板缺陷检测方法、存储介质及终端设备 | |
| CN115239727A (zh) | 一种pcb板表面缺陷检测方法 | |
| CN112669306A (zh) | 一种基于显著图的太阳能电池片缺陷检测方法及系统 | |
| CN115564723A (zh) | 一种晶圆缺陷检测方法及应用 | |
| CN117115130A (zh) | 一种晶圆边缘缺陷检测方法及装置 | |
| CN115239626A (zh) | 缺陷检测方法、光学检测设备、电子设备以及存储介质 | |
| CN110967851A (zh) | 一种液晶面板array图像的线路提取方法及系统 | |
| CN117589770A (zh) | Pcb贴片板检测方法、装置、设备及介质 | |
| CN113052829B (zh) | 一种基于物联网的主板aoi检测方法 | |
| CN112634259A (zh) | 一种键盘键帽自动建模定位方法 | |
| CN105136818A (zh) | 印刷基板的影像检测方法 | |
| CN114758158A (zh) | 一种pcb电路板的质检方法及系统 | |
| CN114354491A (zh) | 一种基于机器视觉的dcb陶瓷基板缺陷检测方法 | |
| CN110930380B (zh) | 一种缺陷观测机台及其的图像分析补偿方法 | |
| CN112686915A (zh) | 一种基于全卷积神经网络的光伏组件图片切割方法 | |
| KR20200126921A (ko) | 스켈러톤 웨이퍼 검사 방법 | |
| CN112529902A (zh) | 一种pcb板的检孔方法 | |
| CN110874837A (zh) | 一种基于局部特征分布的缺陷自动检测方法 | |
| CN110349129A (zh) | 一种高密度柔性ic基板外观缺陷检测方法 | |
| CN115060743B (zh) | 一种pcb分区分频缺陷监测方法及系统 |
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 |