CN113362297A - 用于印刷电路板的图像处理方法、设备和存储介质 - Google Patents
用于印刷电路板的图像处理方法、设备和存储介质 Download PDFInfo
- Publication number
- CN113362297A CN113362297A CN202110602645.2A CN202110602645A CN113362297A CN 113362297 A CN113362297 A CN 113362297A CN 202110602645 A CN202110602645 A CN 202110602645A CN 113362297 A CN113362297 A CN 113362297A
- Authority
- CN
- China
- Prior art keywords
- image area
- slope
- target
- determining
- lead
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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]
Abstract
本公开提供了用于印刷电路板的图像处理方法、设备和存储介质,涉及深度学习等人工智能技术领域。具体实现方案为:获取待检测的PCB图像中的多个导线图像区域以及缺陷图像区域,并从多个导线图像区域中,获取与缺陷图像区域有至少一个相交点的至少一个目标导线图像区域,针对至少一个目标导线图像区域中的每个目标导线图像区域,确定目标导线图像区域在缺陷图像区域处所对应的最小导线宽度,并结合最小导线宽度,以及陷图像区域中的最大横切面宽度,确定目标导线图像区域所对应的缺陷线宽占比。由此,不需要依赖工人的经验,也不需要复杂的人工操作,通过对PCB图像进行分析,即可准确确定出缺陷线宽占比。
Description
技术领域
本公开涉及图像处理技术领域,具体涉及深度学习等人工智能技术领域,尤其涉及用于印刷电路板的图像处理方法、设备和存储介质。
背景技术
随着科技的发展,现代制造业对于印刷电路板(Printed Circuit Board,PCB)的需求也日益增长。电子设备性能的优劣不但受电子元器件本身质量和性能的影响,而且在很大程度上取决于PCB质量的好坏。其中,印刷电路板中缺陷线宽占比是确定PCB质量的关键因素。
相关技术中,在确定PCB的缺陷线宽占比的过程中,通常由人工采用放大设备对PCB进行测算,并根据测算结果,确定出PCB的缺陷线宽占比,然而,这种确定PCB的缺陷线宽占比的方式,依赖工人的经验,测量速度慢、精度低。
发明内容
本公开提供了一种用于印刷电路板的图像处理方法、设备和存储介质。
根据本公开的一方面,提供了一种用于印刷电路板的图像处理方法,包括:获取待检测的印刷电路板PCB图像中的导线图像区域集合以及缺陷图像区域,其中,所述导线图像区域集合包括多个导线图像区域;从所述多个导线图像区域中,获取与所述缺陷图像区域有至少一个相交点的至少一个目标导线图像区域;针对所述至少一个目标导线图像区域中的每个目标导线图像区域,确定所述目标导线图像区域在所述缺陷图像区域处所对应的最小导线宽度;确定所述缺陷图像区域的最大横切面宽度;根据所述最大横切面宽度和所述最小导线宽度,确定所述目标导线图像区域所对应的缺陷线宽占比。
根据本公开的另一方面,提供了一种用于印刷电路板的图像处理装置,包括:第一获取模块,用于获取待检测的印刷电路板PCB图像中的导线图像区域集合以及缺陷图像区域,其中,所述导线图像区域集合包括多个导线图像区域;第二获取模块,用于从所述多个导线图像区域中,获取与所述缺陷图像区域有至少一个相交点的至少一个目标导线图像区域;第一确定模块,用于针对所述至少一个目标导线图像区域中的每个目标导线图像区域,确定所述目标导线图像区域在所述缺陷图像区域处所对应的最小导线宽度;第二确定模块,用于确定所述缺陷图像区域的最大横切面宽度;第三确定模块,用于根据所述最大横切面宽度和所述最小导线宽度,确定所述目标导线图像区域所对应的缺陷线宽占比。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开的用于印刷电路板的图像处理方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本公开实施例公开的用于印刷电路板的图像处理方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现本公开的用于印刷电路板的图像处理方法。
上述申请中的一个实施例具有如下优点或有益效果:
获取待检测的印刷电路板PCB图像中的多个导线图像区域以及缺陷图像区域,并从多个导线图像区域中,获取与缺陷图像区域有至少一个相交点的至少一个目标导线图像区域,针对至少一个目标导线图像区域中的每个目标导线图像区域,确定目标导线图像区域在缺陷图像区域处所对应的最小导线宽度,并结合最小导线宽度,以及陷图像区域中的最大横切面宽度,确定目标导线图像区域所对应的缺陷线宽占比。由此,不需要依赖工人的经验,也不需要复杂的人工操作,通过对PCB图像进行分析,即可准确确定出缺陷线宽占比。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开一个实施例提供的一种用于印刷电路板的图像处理方法的流程示意图;
图2是确定目标导线图像区域在缺陷图像区域处所对应的最小导线宽度的细化流程图;
图3是获取在各个斜率下,目标导线图像区域在缺陷图像区域处的横切面宽度;
图4是根据本公开一个具体实施例提供的确定目标导线图像区域的至少一个斜率的流程示意图;
图5是根据本公开一个具体实施例提供的一种用于印刷电路板的图像处理方法的流程示意图;
图6是根据本公开一个实施例提供的一种用于印刷电路板的图像处理装置的结构示意图;
图7是根据本公开另一个实施例提供的一种用于印刷电路板的图像处理装置的结构示意图;
图8是用来实现本公开实施例的用于印刷电路板的图像处理方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本公开实施例的用于印刷电路板的图像处理方法、设备和存储介质。
图1是根据本公开一个实施例提供的一种用于印刷电路板的图像处理方法的流程示意图。
如图1所示,该印刷电路板(Printed Circuit Board,PCB)的缺陷线宽占比的确定方法可以包括:
步骤101,获取待检测的PCB图像中的导线图像区域集合以及缺陷图像区域,其中,导线图像区域集合包括多个导线图像区域。
其中,上述用于印刷电路板的图像处理方法的执行主体为用于印刷电路板的图像处理装置,该用于印刷电路板的图像处理装置可以由软件和/或硬件的方式实现,该实施例中的用于印刷电路板的图像处理装置可以配置在电子设备中,该电子设备可以包括但不限于终端设备、服务器等,该实施例对电子设备不作具体限定。
其中,上述PCB图像是通过对PCB进行图像采集而得到图像。
其中,需要说明的是,上述PCB中导线可以铜线或者铝线等。
在一些实施例中,在获取待检测的PCB图像后,可根据导线特征数据从PCB图像中提取出的多个导线图像区域,并可根据缺陷特征数据从PCB图像中提取出缺陷图像区域。
在一种示例性的实施方式,可通过基于深度学习的分割算法,确定出PCB图像中的多个导线图像区域以及缺陷图像区域。
在另一种示例性的实施方式,可通过传统的图像处理方法,基于PCB图像,以及缺陷特征数据,确定出PCB图像中的多个导线图像区域以及缺陷图像区域。
步骤102,从多个导线图像区域中,获取与缺陷图像区域有至少一个相交点的至少一个目标导线图像区域。
步骤103,针对至少一个目标导线图像区域中的每个目标导线图像区域,确定目标导线图像区域在缺陷图像区域处所对应的最小导线宽度。
步骤104,确定缺陷图像区域的最大横切面宽度。
步骤105,根据最大横切面宽度和最小导线宽度,确定目标导线图像区域所对应的缺陷线宽占比。
其中,需要说明的是,上述步骤101至步骤105的执行顺序不分先后。
本公开实施例的用于印刷电路板的图像处理方法,获取待检测的PCB图像中的多个导线图像区域以及缺陷图像区域,并从多个导线图像区域中,获取与缺陷图像区域有至少一个相交点的至少一个目标导线图像区域,针对至少一个目标导线图像区域中的每个目标导线图像区域,确定目标导线图像区域在缺陷图像区域处所对应的最小导线宽度,并结合最小导线宽度,以及陷图像区域中的最大横切面宽度,确定目标导线图像区域所对应的缺陷线宽占比。由此,不需要依赖工人的经验,也不需要复杂的人工操作,通过对PCB图像进行分析,即可准确确定出缺陷线宽占比。
在一些实施例中,为了可以准确确定出目标导线图像区域在缺陷图像区域处所对应的最小导线宽度,如图2所示,上述确定目标导线图像区域在缺陷图像区域处所对应的最小导线宽度的一种可能的实现方式为:
步骤201,获取目标导线图像区域所对应的至少一个斜率,其中,该斜率用于表征检测到的目标导线图像区域中包含的导线的斜率。
可以理解的是,在不同场景中,上述获取目标导线图像区域所对应的至少一个斜率可通过多种方式实现,示例如下:
作为一种示例性的实施方式,可根据预先保存的导线图像区域与斜率之间的对应关系,获取该目标导线图像区域所对应的至少一个斜率。
作为另一种示例性的实施方式,提取出目标导线图像的至少一个骨架线;根据至少一个骨架线,确定目标导线图像区域所对应的至少一个斜率。
可以理解的是,由于图像质量不同,因此,在对目标导线图像区域进行形态学处理,可得到目标导线图像区域的一个或者多个骨架线。
在本实施例中,结合目标导线图像的至少一个骨架线,准确确定出了目标导线图像区域所对应的至少一个斜率。
在一些实施例中,为了可进一步准确确定出目标导线图像区域所对应的至少一个斜率,上述根据至少一个骨架线,确定目标导线图像区域所对应的至少一个斜率的一种可能实现方式为:对至少一个骨架线进行直线检测,以得到多个直线,并确定多个直线各自对应的直线斜率;对多个直线各自对应的直线斜率进行分组,以得到至少一组直线斜率,其中,每组直线斜率中直线斜率之间的斜率差值小于预设阈值;确定每组直线斜率各自对应的平均斜率,并将至少一组直线斜率各自对应的平均斜率作为目标导线图像区域所对应的斜率。
步骤202,获取在各个斜率下,目标导线图像区域在缺陷图像区域处的横切面宽度。
步骤203,根据各个斜率所对应的横切面宽度,确定出目标导线图像区域在缺陷图像区域处所对应的最小导线宽度。
在本实施例中,在获取各个斜率所对应的横切面宽度进行对比,以确定出最小横切面宽度,并将最小横切面宽作为该目标导线图像区域在缺陷图像区域处所对应的最小导线宽度。由此,准确确定出目标导线图像区域在缺陷图像区域处所对应的最小导线宽度,进而可以提高后续所确定出的目标图像区域中缺陷的线宽占比的准确性。
基于上述实施例的基础上,为了可以准确确定在各个斜率下,目标导线图像区域在缺陷图像区域处的横切面宽度,在一些实施例中,上述获取在各个斜率下,目标导线图像区域在缺陷图像区域处的横切面宽度的一种实现方式,如图3所示,该方法可以包括:
步骤301,针对各个斜率,根据斜率和缺陷图像区域的中心,获取旋转信息。
步骤302,根据旋转信息,对目标导线图像区域进行旋转,以使得目标导线图像区域在缺陷图像区域处的切线为垂直切线。
在本实施例中,可通过旋转矩阵来表示旋转信息。
具体地,针对各个斜率,可根据斜率和缺陷图像区域的中心,获取旋转矩阵,并根据旋转矩阵,对目标导线图像区域进行旋转,以将目标图像区域旋转到垂直状态。
步骤303,确定旋转后的目标导线图像区域在缺陷图像区域处的横切面宽度。
在一些实施例中,上述确定旋转后的目标导线图像区域在缺陷图像区域处的横切面宽度的一种可能实现方式为:获取缺陷图像区域的中心处的采样高度范围;确定在采样高度范围内的导线像素总数;将导线像素总数与采样高度范围的比值作为旋转后的目标导线图像区域在缺陷图像区域处的横切面宽度。
在本实施例中,结合缺陷图像区域的中心处的采样高度范围,并统计出采样高度范围内的导线像素总数,并基于统计出的导线像素总数以及采样高度范围,准确确定出了目标导线图像区域在缺陷图像区域处的横切面宽度。
在一些实施例中,为了可以准确确定出缺陷图像区域中的最大横切面宽度,上述确定缺陷图像区域的最大横切面宽度的一种可能实现方式为:确定最小导线宽度对应的斜率,作为目标斜率;基于目标斜率,对缺陷图像区域进行旋转;确定旋转后的缺陷图像区域的横切面宽度;根据各个目标导线图像区域所对应的旋转后的缺陷图像区域的横切面宽度,确定缺陷图像区域的最大横切面宽度。
本实施例中,基于各个目标导线图像区域所对应的缺陷图像区域的横切面宽度,准确确定出了缺陷图像区域中的最大横切面宽度。
为了使得本领域技术人员可以清楚了解本公开的用于印刷电路板的图像处理方法,下面结合图4和图5对该实施例的方法进行进一步描述。
其中,需要说明的是,图4是获取PCB图像中各个导线图像区域各自所对应的至少一个斜率的细化流程图。
如图4所示,可以包括:
步骤401,获取所采集到的PCB图像中的缺陷图像区域以及多个导线图像区域。
其中,需要说明的是,关于上述步骤401的解释说明可参见上述实施例中的相关描述,此处不再赘述。
步骤402,针对多个导线图像区域中的每个导线图像区域,提取该导线图像区域对应的骨架线。
其中,骨架线可以为一个或者多个,该实施例对此不作具体限定。
步骤403,对该骨架线进行直线检测,以得到该骨架线的直线集合L,对直线集合L中每个直线进行斜率计算,以得到该直线集合L对应的斜率集合。
步骤404,根据直线斜率,斜率集合中的直线斜率进行分组,以得到至少一组直线斜率,其中,每组直线斜率中直线斜率之间的斜率相似度小于预设阈值。
其中,上述预设阈值是用于印刷电路板的图像处理装置中默认的值,或者在用于印刷电路板的图像处理装置中根据业务需求预先设置的值,该实施例对预设阈值的取值不作具体限定。
步骤405,针对至少一组直线斜率中的每组直线斜率,确定当前组直线斜率的平均斜率,并将至少一组直线斜率各自对应的平均斜率作为目标导线图像区域所对应的斜率。
在一些实施例中,具体地,可遍历直线斜率集合,对于遍历到的当前直线斜率,可确定当前直线斜率与上一个直线斜率之间的斜率差是否小于预设阈值,如果小于,则将当前直线斜率加入到上一个直线斜率所属于的直线斜率组。
如果大于预设阈值,则计算上一组直线斜率的平均斜率。
其中,可以理解的是,通过图4所示的方法可以计算出PCB图像中每个导线图像区域各自对应的至少一个斜率。
其中,需要说明的是,图5是确定出目标导线图像区域的缺陷线宽占比的细化流程图,其中,目标导线图像区域为与缺陷图像区域相交的导线图像区域。
如图5所示,可以包括:
步骤501,遍历多个导线图像区域。
步骤502,判断遍历到的当前导线图像区域与缺陷图像区域是否相交,如果否,则继续执行步骤501,如果是,则执行步骤503。
其中,需要说明的是,如果判断出当前导线图像区域与缺陷图像区域不相交,则确定当前导线图像区域不需要进测算,此时,可继续遍历多个导线图像区域,以遍历下一个导线图像区域。
步骤503,获取当前导线图像区域对应的至少一个斜率,并遍历至少一个斜率。
步骤504,根据遍历到的当前斜率与缺陷图像区域的中心,获取旋转矩阵。
步骤505,根据旋转矩阵,对当前导线图像区域进行旋转,以将其旋转到垂直状态。
步骤506,计算旋转后的当前导线图像区域在缺陷图像区域处的横切面宽度。
在一些实施例中,可获取预先设定的缺陷图像区域的中心处的采样高度范围,统计采样高度范围内的导线像素总数,根据导线像素总数除以采样高度范围,以得到旋转后的当前导线图像区域在缺陷图像区域处的横切面宽度。
步骤507,根据当前导线图像区域的每个斜率,在缺陷图像区域处的横切面宽度,确定当前导线图像区域在缺陷图像区域处的最小导线宽度,并确定该最小导线宽度的斜率。
步骤508,对于与缺陷图像区域相交的多个目标导线图像区域,针对每个目标导线图像区域,根据该目标导线图像区域的最小导线宽度的斜率对缺陷图像区域进行旋转。
步骤509,确定缺陷图像区域的横切面宽度。
在一些实施例中,可获取预先设定的缺陷图像区域的中心处的采样高度范围,统计采样高度范围内的缺陷像素总数,根据缺陷像素总数除以采样高度范围,以得到旋转后的缺陷图像区域的横切面宽度。
步骤510,根据各个目标导线图像区域所对应的缺陷图像区域的横切面宽度,确定缺陷图像区域的最大横切面宽度。
在一些示例性的实施方式中,可将各个目标导线图像区域所对应的缺陷图像区域的横切面宽度进行对比,以确定出缺陷图像区域的最大横切面宽度。
步骤511,针对每个目标导线图像区域,根据最大横切面宽度和最小导线宽度,确定目标导线图像区域所对应的缺陷线宽占比。
基于上述描述,可以看出,本实施例通过图像处理技术,实现了缺陷线宽占比的自动测算,不需要依赖工人的经验,也不需要复杂的人工操作,速度快且精度高。
为了实现上述实施例,本公开实施例还提供一种用于印刷电路板的图像处理装置。
图6是根据本公开一个实施例提供的一种用于印刷电路板的图像处理装置的结构示意图。
如图6所示,该用于印刷电路板的图像处理装置600可以包括第一获取模块601、第二获取模块602、第一确定模块603、第二确定模块604、第三确定模块605,其中:
第一获取模块601,用于获取待检测的印刷电路板PCB图像中的导线图像区域集合以及缺陷图像区域,其中,导线图像区域集合包括多个导线图像区域。
第二获取模块602,用于从多个导线图像区域中,获取与缺陷图像区域有至少一个相交点的至少一个目标导线图像区域。
第一确定模块603,用于针对至少一个目标导线图像区域中的每个目标导线图像区域,确定目标导线图像区域在缺陷图像区域处所对应的最小导线宽度。
第二确定模块604,用于确定缺陷图像区域的最大横切面宽度。
第三确定模块605,用于根据最大横切面宽度和最小导线宽度,确定目标导线图像区域所对应的缺陷线宽占比。
其中,需要说明的是,前述对用于印刷电路板的图像处理方法实施例的解释说明也适用于本实施例,本实施对此不再赘述。
本公开实施例的用于印刷电路板的图像处理装置,获取待检测的PCB图像中的多个导线图像区域以及缺陷图像区域,并从多个导线图像区域中,获取与缺陷图像区域有至少一个相交点的至少一个目标导线图像区域,针对至少一个目标导线图像区域中的每个目标导线图像区域,确定目标导线图像区域在缺陷图像区域处所对应的最小导线宽度,并结合最小导线宽度,以及陷图像区域中的最大横切面宽度,确定目标导线图像区域所对应的缺陷线宽占比。由此,不需要依赖工人的经验,也不需要复杂的人工操作,通过对PCB图像进行分析,即可准确确定出缺陷线宽占比。
在本公开的一个实施例中,如图7所示,该用于印刷电路板的图像处理装置可以包括:第一获取模块701、第二获取模块702、第一确定模块703、第二确定模块704、第三确定模块705,其中,第一确定模块703可以包括第一获取子模块7031、第二获取子模块7032、确定子模块7033,其中,第二获取子模块7032可以包括获取单元70321、旋转单元70322和第一确定单元70323,第一获取子模块7031可以包括提取单元70311和第二确定单元70312。
其中,关于第一获取模块701、第二获取模块702、第二确定模块704、第三确定模块705的详细描述请参考图6所示实施例中第一获取模块601、第二获取模块602、第二确定模块604、第三确定模块605的说明,此处不再进行描述。
在本公开的一个实施例中,第一确定模块703可以包括:
第一获取子模块7031,用于获取目标导线图像区域所对应的至少一个斜率,斜率用于表征检测到的目标导线图像区域中包含的导线的斜率。
第二获取子模块7032,用于获取在各个斜率下,目标导线图像区域在缺陷图像区域处的横切面宽度。
确定子模块7033,用于根据各个斜率所对应的横切面宽度,确定出目标导线图像区域在缺陷图像区域处所对应的最小导线宽度。
在本公开的一个实施例中,第二确定模块704,具体用于:确定最小导线宽度对应的斜率,作为目标斜率;基于目标斜率,对缺陷图像区域进行旋转;确定旋转后的缺陷图像区域中的横切面宽度;根据各个目标导线图像区域所对应的缺陷图像区域的横切面宽度,确定缺陷图像区域的最大横切面宽度。
在本公开的一个实施例中,第二获取子模块7032,可以包括:
获取单元70321,用于针对各个斜率,根据斜率和缺陷图像区域的中心,获取旋转信息。
旋转单元70322,用于根据旋转信息,对目标导线图像区域进行旋转,以使得目标导线图像区域在缺陷图像区域处的切线为垂直切线。
第一确定单元70323,用于确定旋转后的目标导线图像区域在缺陷图像区域处的横切面宽度。
在本公开的一个实施例中,上述第一确定单元70323,具体用于:获取缺陷图像区域的中心处的采样高度范围;确定在采样高度范围内的导线像素总数;将导线像素总数与采样高度范围的比值作为旋转后的目标导线图像区域在缺陷图像区域处的横切面宽度。
在本公开的一个实施例中,第一获取子模块7031,包括:
提取单元70311,用于提取出目标导线图像的至少一个骨架线;
第二确定单元70312,用于根据至少一个骨架线,确定目标导线图像区域所对应的至少一个斜率。
在本公开的一个实施例中,第二确定单元70311具体用于:对至少一个骨架线进行直线检测,以得到多个直线,并确定多个直线各自对应的直线斜率;对多个直线各自对应的直线斜率进行分组,以得到至少一组直线斜率,其中,每组直线斜率中直线斜率之间的斜率差值小于预设阈值;确定每组直线斜率各自对应的平均斜率,并将至少一组直线斜率各自对应的平均斜率作为目标导线图像区域所对应的斜率。
其中,需要说明的是,前述对用于印刷电路板的图像处理方法实施例的解释说明也适用于本实施例中的用于印刷电路板的图像处理装置,此处不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备和一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如用于印刷电路板的图像处理方法。例如,在一些实施例中,用于印刷电路板的图像处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的用于印刷电路板的图像处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于印刷电路板的图像处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
其中,需要说明的是,人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种用于印刷电路板的图像处理方法,包括:
获取待检测的印刷电路板PCB图像中的导线图像区域集合以及缺陷图像区域,其中,所述导线图像区域集合包括多个导线图像区域;
从所述多个导线图像区域中,获取与所述缺陷图像区域有至少一个相交点的至少一个目标导线图像区域;
针对所述至少一个目标导线图像区域中的每个目标导线图像区域,确定所述目标导线图像区域在所述缺陷图像区域处所对应的最小导线宽度;
确定所述缺陷图像区域的最大横切面宽度;
根据所述最大横切面宽度和所述最小导线宽度,确定所述目标导线图像区域所对应的缺陷线宽占比。
2.根据权利要求1所述的方法,其中,所述确定所述目标导线图像区域在所述缺陷图像区域处所对应的最小导线宽度,包括:
获取所述目标导线图像区域所对应的至少一个斜率,所述斜率用于表征检测到的所述目标导线图像区域中包含的导线的斜率;
获取在各个斜率下,所述目标导线图像区域在所述缺陷图像区域处的横切面宽度;
根据各个斜率所对应的横切面宽度,确定出所述目标导线图像区域在所述缺陷图像区域处所对应的最小导线宽度。
3.根据权利要求1或2所述的方法,其中,所述确定所述缺陷图像区域的最大横切面宽度,包括:
确定所述最小导线宽度对应的所述斜率,作为目标斜率;
基于所述目标斜率,对所述缺陷图像区域进行旋转;
确定旋转后的所述缺陷图像区域的横切面宽度;
根据各个所述目标导线图像区域所对应的旋转后的缺陷图像区域的横切面宽度,确定所述缺陷图像区域的最大横切面宽度。
4.根据权利要求2所述的方法,其中,所述获取在各个斜率下,所述目标导线图像区域在所述缺陷图像区域处的横切面宽度,包括:
针对各个斜率,根据所述斜率和所述缺陷图像区域的中心,获取旋转信息;
根据所述旋转信息,对所述目标导线图像区域进行旋转,以使得所述目标导线图像区域在所述缺陷图像区域处的切线为垂直切线;
确定旋转后的所述目标导线图像区域在所述缺陷图像区域处的横切面宽度。
5.根据权利要求4所述的方法,其中,所述确定旋转后的所述目标导线图像区域在所述缺陷图像区域处的横切面宽度,包括:
获取所述缺陷图像区域的中心处的采样高度范围;
确定在所述采样高度范围内的导线像素总数;
将所述导线像素总数与所述采样高度范围的比值作为所述旋转后的所述目标导线图像区域在所述缺陷图像区域处的横切面宽度。
6.根据权利要求2所述的方法,其中,所述获取所述目标导线图像区域所对应的至少一个斜率,包括:
提取出所述目标导线图像中包含的至少一个骨架线;
根据所述至少一个骨架线,确定所述目标导线图像区域所对应的至少一个斜率。
7.根据权利要求6所述的方法,其中,所述根据所述至少一个骨架线,确定所述目标导线图像区域所对应的至少一个斜率,包括:
对所述至少一个骨架线进行直线检测,以得到多个直线,并确定所述多个直线各自对应的直线斜率;
对所述多个直线各自对应的直线斜率进行分组,以得到至少一组直线斜率,其中,每组直线斜率中直线斜率之间的斜率差值小于预设阈值;
确定每组直线斜率各自对应的平均斜率,并将所述至少一组直线斜率各自对应的平均斜率作为所述目标导线图像区域所对应的斜率。
8.一种用于印刷电路板的图像处理装置,包括:
第一获取模块,用于获取待检测的印刷电路板PCB图像中的导线图像区域集合以及缺陷图像区域,其中,所述导线图像区域集合包括多个导线图像区域;
第二获取模块,用于从所述多个导线图像区域中,获取与所述缺陷图像区域有至少一个相交点的至少一个目标导线图像区域;
第一确定模块,用于针对所述至少一个目标导线图像区域中的每个目标导线图像区域,确定所述目标导线图像区域在所述缺陷图像区域处所对应的最小导线宽度;
第二确定模块,用于确定所述缺陷图像区域的最大横切面宽度;
第三确定模块,用于根据所述最大横切面宽度和所述最小导线宽度,确定所述目标导线图像区域所对应的缺陷线宽占比。
9.根据权利要求8所述的装置,其中,所述第一确定模块,包括:
第一获取子模块,用于获取所述目标导线图像区域所对应的至少一个斜率,所述斜率用于表征检测到的所述目标导线图像区域中包含的导线的斜率;
第二获取子模块,用于获取在各个斜率下,所述目标导线图像区域在所述缺陷图像区域处的横切面宽度;
确定子模块,用于根据各个斜率所对应的横切面宽度,确定出所述目标导线图像区域在所述缺陷图像区域处所对应的最小导线宽度。
10.根据权利要求8或9所述的装置,其中,所述第二确定模块,还用于:
确定所述最小导线宽度对应的所述斜率,作为目标斜率;
基于所述目标斜率,对所述缺陷图像区域进行旋转;
确定旋转后的所述缺陷图像区域中的横切面宽度;
根据各个所述目标导线图像区域所对应的缺陷图像区域的横切面宽度,确定所述缺陷图像区域的最大横切面宽度。
11.根据权利要求9所述的装置,其中,所述第二获取子模块,包括:
获取单元,用于针对各个斜率,根据所述斜率和所述缺陷图像区域的中心,获取旋转信息;
旋转单元,用于根据所述旋转信息,对所述目标导线图像区域进行旋转,以使得所述目标导线图像区域在所述缺陷图像区域处的切线为垂直切线;
第一确定单元,用于确定旋转后的所述目标导线图像区域在所述缺陷图像区域处的横切面宽度。
12.根据权利要求11所述的装置,其中,所述第一确定单元,用于:
获取所述缺陷图像区域的中心处的采样高度范围;
确定在所述采样高度范围内的导线像素总数;
将所述导线像素总数与所述采样高度范围的比值作为所述旋转后的所述目标导线图像区域在所述缺陷图像区域处的横切面宽度。
13.根据权利要求9所述的装置,其中,所述第一获取子模块,包括:
提取单元,用于提取出所述目标导线图像的至少一个骨架线;
第二确定单元,用于根据所述至少一个骨架线,确定所述目标导线图像区域所对应的至少一个斜率。
14.根据权利要求13所述的装置,其中,所述第二确定单元,用于:
对所述至少一个骨架线进行直线检测,以得到多个直线,并确定所述多个直线各自对应的直线斜率;
对所述多个直线各自对应的直线斜率进行分组,以得到至少一组直线斜率,其中,每组直线斜率中直线斜率之间的斜率差值小于预设阈值;
确定每组直线斜率各自对应的平均斜率,并将所述至少一组直线斜率各自对应的平均斜率作为所述目标导线图像区域所对应的斜率。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110602645.2A CN113362297B (zh) | 2021-05-31 | 2021-05-31 | 用于印刷电路板的图像处理方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110602645.2A CN113362297B (zh) | 2021-05-31 | 2021-05-31 | 用于印刷电路板的图像处理方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113362297A true CN113362297A (zh) | 2021-09-07 |
CN113362297B CN113362297B (zh) | 2023-09-19 |
Family
ID=77530514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110602645.2A Active CN113362297B (zh) | 2021-05-31 | 2021-05-31 | 用于印刷电路板的图像处理方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113362297B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4500202A (en) * | 1982-05-24 | 1985-02-19 | Itek Corporation | Printed circuit board defect detection of detecting maximum line width violations |
JPH1021405A (ja) * | 1996-07-04 | 1998-01-23 | Kiyoushiya:Kk | 回路パターンの外観検査方法および装置 |
CN102721695A (zh) * | 2012-05-18 | 2012-10-10 | 深圳大学 | 一种检测印刷电路板缺陷的方法 |
CN108511359A (zh) * | 2018-03-30 | 2018-09-07 | 武汉新芯集成电路制造有限公司 | 晶圆缺陷的检测方法 |
CN111583216A (zh) * | 2020-04-30 | 2020-08-25 | 深圳比特微电子科技有限公司 | Pcba电路板的缺陷检测方法 |
WO2021000524A1 (zh) * | 2019-07-03 | 2021-01-07 | 研祥智能科技股份有限公司 | 孔位保护门检测方法、装置、计算机设备和存储介质 |
CN112381796A (zh) * | 2020-11-16 | 2021-02-19 | 广东电网有限责任公司肇庆供电局 | 一种基于红外数据的导线缺陷识别及检测方法 |
CN112508005A (zh) * | 2020-12-22 | 2021-03-16 | 北京百度网讯科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
-
2021
- 2021-05-31 CN CN202110602645.2A patent/CN113362297B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4500202A (en) * | 1982-05-24 | 1985-02-19 | Itek Corporation | Printed circuit board defect detection of detecting maximum line width violations |
JPH1021405A (ja) * | 1996-07-04 | 1998-01-23 | Kiyoushiya:Kk | 回路パターンの外観検査方法および装置 |
CN102721695A (zh) * | 2012-05-18 | 2012-10-10 | 深圳大学 | 一种检测印刷电路板缺陷的方法 |
CN108511359A (zh) * | 2018-03-30 | 2018-09-07 | 武汉新芯集成电路制造有限公司 | 晶圆缺陷的检测方法 |
WO2021000524A1 (zh) * | 2019-07-03 | 2021-01-07 | 研祥智能科技股份有限公司 | 孔位保护门检测方法、装置、计算机设备和存储介质 |
CN111583216A (zh) * | 2020-04-30 | 2020-08-25 | 深圳比特微电子科技有限公司 | Pcba电路板的缺陷检测方法 |
CN112381796A (zh) * | 2020-11-16 | 2021-02-19 | 广东电网有限责任公司肇庆供电局 | 一种基于红外数据的导线缺陷识别及检测方法 |
CN112508005A (zh) * | 2020-12-22 | 2021-03-16 | 北京百度网讯科技有限公司 | 用于处理图像的方法、装置、设备以及存储介质 |
Non-Patent Citations (4)
Title |
---|
CHAOHUI HU ETAL.: "Failure analysis for micro-short circuit between two pins in printed circuit board assembly", 《2016 11TH INTERNATIONAL CONFERENCE ON RELIABILITY, MAINTAINABILITY AND SAFETY (ICRMS)》 * |
何伟;李薇;张玲;: "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, no. 10 * |
叶亭;吴开华;马莉;庄霏;: "一种基于线阵CCD技术印刷电路板胶片的尺寸及缺陷在线检测方法", 光学与光电技术, no. 02 * |
李云峰等: "基于梯度方向信息熵的印刷电路板缺陷检测", 《中国机械工程》, vol. 28, no. 6 * |
Also Published As
Publication number | Publication date |
---|---|
CN113362297B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112861885B (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN114282670A (zh) | 神经网络模型的压缩方法、设备和存储介质 | |
CN112785625A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN113205041B (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN113947188A (zh) | 目标检测网络的训练方法和车辆检测方法 | |
CN114419035B (zh) | 产品识别方法、模型训练方法、装置和电子设备 | |
CN113963197A (zh) | 图像识别方法、装置、电子设备和可读存储介质 | |
CN115272381B (zh) | 一种金属线分割方法、装置、电子设备及存储介质 | |
CN113362297B (zh) | 用于印刷电路板的图像处理方法、设备和存储介质 | |
CN116012859A (zh) | 基于清晰度指标的文本图像拒识判断方法、装置及设备 | |
CN113032071B (zh) | 页面元素定位方法、页面测试方法、装置、设备和介质 | |
CN115830268A (zh) | 用于优化感知算法的数据的获取方法、装置和存储介质 | |
CN116363444A (zh) | 模糊分类模型训练方法、识别模糊图像的方法及装置 | |
CN115147395A (zh) | 一种脂蛋白亚型组分划分方法、装置、设备及存储介质 | |
CN113963011A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN114283398A (zh) | 车道线的处理方法、装置和电子设备 | |
CN113936158A (zh) | 一种标签匹配方法及装置 | |
CN113656529A (zh) | 道路精度的确定方法、装置和电子设备 | |
CN113379750A (zh) | 语义分割模型的半监督学习方法、相关装置及产品 | |
CN114092739B (zh) | 图像处理方法、装置、设备、存储介质和程序产品 | |
CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN115293157A (zh) | 中文文本的提取方法及装置、电子设备和存储介质 | |
CN115293096B (zh) | 线路生成方法、装置、电子设备及存储介质 | |
CN115147906A (zh) | 一种特征提取方法、装置、设备及存储介质 | |
CN114359561A (zh) | 一种目标检测方法及目标检测模型的训练方法、装置 |
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 |