CN113554626A - 一种软性电路板瑕疵检测方法及装置 - Google Patents
一种软性电路板瑕疵检测方法及装置 Download PDFInfo
- Publication number
- CN113554626A CN113554626A CN202110843752.4A CN202110843752A CN113554626A CN 113554626 A CN113554626 A CN 113554626A CN 202110843752 A CN202110843752 A CN 202110843752A CN 113554626 A CN113554626 A CN 113554626A
- Authority
- CN
- China
- Prior art keywords
- detection
- image
- gerber
- unqualified
- circuit board
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 276
- 238000013473 artificial intelligence Methods 0.000 claims description 25
- 230000000694 effects Effects 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004642 Polyimide Substances 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920006267 polyester film Polymers 0.000 description 1
- 229920001721 polyimide Polymers 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
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
- G06T7/0006—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
- G06T7/0002—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及软性电路板检测技术领域,具体公开了一种软性电路板瑕疵检测方法及装置,方法包括:获取待检测的软性电路板的检测图像以及GERBER文件;根据检测图像、GERBER文件以及预设的GERBER文件编辑策略,获得与检测图像相匹配的GERBER文档;将GERBER文档与检测图像相重叠,根据GERBER文档确定出若干个检测区域;以检测区域为边界获取检测图像在边界内的像素值;将像素值与预设的像素范围值进行对比,并根据对比结果对检测区域对应的结构进行瑕疵检测;根据预设的复判策略对存在不合格结构的检测图像进行复判。本发明的软性电路板瑕疵检测方法及装置,对待检测软性电路板上的瑕疵实现了准确的检测,降低了漏检率,提高检测的稳定性和效率。
Description
技术领域
本发明涉及软性电路板检测技术领域,尤其涉及一种软性电路板瑕疵检测方法及装置。
背景技术
软性电路板又称柔性线路板、挠性线路板,英文名称为Flexible PrintedCircuit,缩写为FPC,是一种具有高度可靠性,绝佳的可挠性印刷电路板,其以聚酰亚胺或聚酯薄膜为基材制成,具有配线密度高、重量轻、厚度薄的特点,主要应用在手机、笔记本电脑等电子产品,能够提高产品的空间利用率。
目前,FPC的检测一种是依靠肉眼检测,其检测效率极低,另一种是通过采用图像检测对产品进行外形检测,这种方式检测效率高。但是,随着FPC的应用越来越广泛,FPC的检测涉及到线路、保护膜、表面印刷的文字等等,想要准确可靠地进行检测十分不易,依然会出现错检的情况,不能及时发现批量缺陷问题,导致报废率较高,增加了产品的制作成本外,对产品的可靠性存在很严重的潜在风险。
因此,本领域人员亟需寻找一种新的技术方案来解决上述的问题。
发明内容
针对现有技术中的技术问题,本发明提供一种软性电路板瑕疵检测方法及装置。
本发明的一种软性电路板瑕疵检测方法,包括:
获取待检测的软性电路板的检测图像以及GERBER文件;
根据检测图像、GERBER文件以及预设的GERBER文件编辑策略,获得与检测图像相匹配的GERBER文档;
将GERBER文档与检测图像相重叠,根据GERBER文档确定出若干个检测区域;
以检测区域为边界获取检测图像在边界内的像素值;
将像素值与预设的像素范围值进行对比,并根据对比结果对检测区域对应的结构进行瑕疵检测;若像素值位于像素范围值内,则将检测区域对应的结构标记为合格;若像素值位于像素范围值之外,则将检测区域对应的结构标记为不合格;
根据预设的复判策略对存在不合格结构的检测图像进行复判;若检测图像的复判结果为不合格,则将检测图像对应的软性电路板标记为不合格;若检测图像的复判结果为合格,则将检测图像对应的软性电路板标记为合格。
进一步的,根据检测图像、GERBER文件以及预设的GERBER文件编辑策略,获得与检测图像相匹配的GERBER文档,包括:
根据预设的检测类型从GERBER文件中选出对应子文件;
根据检测图像以及预设的GERBER文件编辑策略,对子文件进行编辑得到GERBER文档,使得GERBER文档与检测图像中的软性电路板的形状及尺寸相匹配。
进一步的,对子文件进行编辑得到GERBER文档,包括:
对子文件进行切割、旋转、镜像、整体缩放中的一种或多种操作。
进一步的,根据GERBER文档确定出若干个检测区域,包括:
根据当前检测类型在GERBER文档中选出检测区域;
根据预设的检测区域调节策略以及GERBER文档与检测图像重叠效果,对检测区域进行缩小或放大。
进一步的,以检测区域为边界获取检测图像在边界内的像素值,包括:
获取边界内所有像素点的RGB值;
对所有像素点的R值、G值以及B值分别进行求和;
计算每个像素点的R平均值、G平均值以及B平均值。
进一步的,将像素值与预设的像素范围值进行对比,包括:
将像素点的R平均值、G平均值以及B平均值与像素范围值进行对比,像素范围值包括R范围值、G范围值以及B范围值。
进一步的,根据预设的复判策略对存在不合格结构的检测图像进行复判,包括:
在同一显示画面上显示存在不合格结构的检测图像的完整图以及其不合格结构的局部放大图;
获取局部放大图的点击指令;
根据点击指令在检测图像上标出局部放大图在检测图像上的位置;
获取人工复判结论;
根据人工复判结论将不合格结构复判为合格或不合格。
进一步的,本发明的一种软性电路板瑕疵检测方法还包括:
根据人工复判结论以及对应的局部放大图,将局部放大图分为误检瑕疵影像与实际瑕疵影像;
将误检瑕疵影像与实际瑕疵影像分类进行人工智能学习;
根据人工智能学习结果对不合格区域的局部放大图进行预判;
对预判不合格的局部放大图和预判合格的局部放大图进行区分显示。
本发明还包括一种软性电路板瑕疵检测装置,检测装置包括文件获取模块、GERBER文件编辑模块、检测区域调节模块、瑕疵初判模块以及瑕疵复判模块,其中:
文件获取模块,与GERBER文件编辑模块相连接,用于获取待检测的软性电路板的检测图像以及GERBER文件;
GERBER文件编辑模块,与文件获取模块、检测区域调节模块相连接,用于根据检测图像、GERBER文件以及预设的GERBER文件编辑策略,获得与检测图像相匹配的GERBER文档;
检测区域调节模块,与GERBER文件编辑模块及瑕疵初判模块相连接,用于将GERBER文档与检测图像相重叠,根据GERBER文档确定出若干个检测区域;
瑕疵初判模块,与检测区域调节模块及瑕疵复判模块相连接,用于以检测区域为边界获取检测图像在边界内的像素值;以及将像素值与预设的像素范围值进行对比,并根据对比结果对检测区域对应的结构进行瑕疵检测;若像素值位于像素范围值内,则将检测区域对应的结构标记为合格;若像素值位于像素范围值之外,则将检测区域对应的结构标记为不合格;
瑕疵复判模块,与瑕疵初判模块相连接,用于根据预设的复判策略对存在不合格结构的检测图像进行复判;若检测图像的复判结果为不合格,则将检测图像对应的软性电路板标记为不合格;若检测图像的复判结果为合格,则将检测图像对应的软性电路板标记为合格。
进一步的,检测装置还包括人工智能预判模块,其中:
人工智能预判模块,与瑕疵初判模块以及瑕疵复判模块相连接,用于根据人工复判结论以及对应的局部放大图,将局部放大图分为误检瑕疵影像与实际瑕疵影像;以及将误检瑕疵影像与实际瑕疵影像分类进行人工智能学习;以及根据人工智能学习结果对不合格区域的局部放大图进行预判;以及对预判不合格的局部放大图和预判合格的局部放大图进行区分显示。
本发明的软性电路板瑕疵检测方法及装置,获得与检测图像相匹配的GERBER文档,并根据GERBER文档确定出若干个检测区域,然后以检测区域为边界获取检测图像在边界内的像素值,将像素值与预设的像素范围值进行对比,并根据对比结果对检测区域对应的结构进行瑕疵检测,再根据预设的复判策略对存在不合格结构的检测图像进行复判,从而对待检测软性电路板上的瑕疵实现了准确的检测,降低了漏检率,提高检测的稳定性和效率。
附图说明
为了更清楚的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的介绍,显而易见的,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它附图。
图1为本发明第一种实施例的软性电路板瑕疵检测方法的步骤流程图;
图2为本发明第二种实施例的软性电路板瑕疵检测方法的步骤流程图;
图3为本发明第三种实施例的软性电路板瑕疵检测方法的步骤流程图;
图4为本发明第四种实施例的软性电路板瑕疵检测方法的步骤流程图;
图5为本发明第五种实施例的软性电路板瑕疵检测方法的步骤流程图;
图6为本发明第六种实施例的软性电路板瑕疵检测方法的步骤流程图;
图7为本发明一种实施例的软性电路板瑕疵检测装置的结构组成图;
图8为本发明另一种实施例的软性电路板瑕疵检测装置的结构组成图。
具体实施方式
下面将结合本发明中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,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,本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例,都属于本发明的保护范围。
首先,本发明的一种软性电路板瑕疵检测方法,如图1所示,包括以下步骤:
步骤S10:获取待检测的软性电路板的检测图像以及GERBER文件。
图像采集设备对待检测的软性电路板进行图像采集,得到软性电路板的检测图像,本步骤包括但不限于对图像采集设备采集的检测图像进行图像处理,例如将软性电路板之外的边缘进行裁切,对检测图像进行一定角度的旋转,使得软性电路板竖直显示或水平显示。
在执行本步骤之前,应该包括对图像采集设备的调试以及工作参数设定,例如拍摄距离、焦距的调整,光源功率的调整等。
GERBER文件是通过线路板行业软件描述线路板(线路层、阻焊层、字符层等)图像及钻、铣数据的文档格式集合。本步骤获取的GERBER文件内容相较于待检测的软性电路板的内容更多,所以,需要进行步骤S20,对GERBER文件进行进一步的处理。
步骤S20:根据检测图像、GERBER文件以及预设的GERBER文件编辑策略,获得与检测图像相匹配的GERBER文档。
一方面,本步骤所获得的GERBER文档所包含的检测类型和软性电路板被检测的类型相匹配,即如果检测软性电路板的覆盖膜,则获得的GERBER文档中仅包含覆盖膜部分;另一方面,本步骤所获得的GERBER文档所包含的检测范围和软性电路板被检测的范围相匹配,即有些情况下所设计的GERBER文件是一个整体的软性电路板,而实际生产时,会由于工艺的原因将整体的软性电路板进行切割,继而完成后续的生产流程,所以,需要根据软性电路板的检测范围对GERBER文件进行编辑。
具体的,如图2所示,步骤S20根据检测图像、GERBER文件以及预设的GERBER文件编辑策略,获得与检测图像相匹配的GERBER文档,包括:
步骤S201:根据预设的检测类型从GERBER文件中选出对应子文件。
子文件的检测类型与待检测的软性电路板的检测类型相同。检测类型包括有圆孔、焊盘、印刷字符、外型、覆盖膜等。由于不同的检测类型下对应有不同的检测参数,所以本步骤按照检测类型从GERBER文件中选出对应子文件。
步骤S202:根据检测图像以及预设的GERBER文件编辑策略,对子文件进行编辑得到GERBER文档,使得GERBER文档与检测图像中的软性电路板的形状及尺寸相匹配。
例如对子文件进行编辑得到GERBER文档,可包括对子文件进行切割、旋转、镜像、整体缩放中的一种或多种操作。
通过上述步骤得到与待检测的软性电路板相匹配的GERBER文档后,执行步骤S30。
步骤S30:将GERBER文档与检测图像相重叠,根据GERBER文档确定出若干个检测区域。
将GERBER文档与检测图像相重叠,此处涉及到定位技术,本领域技术人员可参考现有技术实施。本实施例可将GERBER文档叠加在检测图像之上,便于明确两者检测区域的大小关系。
具体的,如图3所示,步骤S30根据GERBER文档确定出若干个检测区域,包括:
步骤S301:根据当前检测类型在GERBER文档中选出检测区域。
如预设的检测类型为软性电路板上的识别孔,那么此步骤则选出需要检测的识别孔。
步骤S302:根据预设的检测区域调节策略以及GERBER文档与检测图像重叠效果,对检测区域进行缩小或放大。
本步骤对GERBER文档中的检测区域的尺寸进行了调节,使得检测区域能够尽可能的小于或等于检测图像中对应结构的边框,这是为了降低在执行后续步骤时误检发生的概率。本发明主要目的是对软性电路板中各个结构的位置进行检测,这是因为在软性电路板生产工艺中,一般结构的尺寸是不会发生较大差异的,所以造成瑕疵的主要原因是结构的位置不符合要求或者出现较大面积的污染。故本步骤按照预设的检测区域调节策略,对检测区域进行缩小或放大,而不改变检测区域的位置。
本步骤预设的检测区域调节策略至少包含对检测区域调节时的上限值及下限值,即在上限值与下限值之间对检测区域进行调节。
通过步骤S30将GERBER文档中的检测区域确定之后,执行步骤S40。
步骤S40:以检测区域为边界获取检测图像在边界内的像素值。
本步骤通过获取像素值,来判断检测区域内的颜色是否异常,具体的,如图4所示,步骤S40以检测区域为边界获取检测图像在边界内的像素值,包括:
步骤S401:获取边界内所有像素点的RGB值。
假设边界内共包含100个像素点,则每个像素点都具有一个R值、一个G值以及一个B值。
步骤S402:对所有像素点的R值、G值以及B值分别进行求和。
将100个像素点的R值求和,得到Rall,将100个像素点的G值求和,得到Gall,将100个像素点的B值求和,得到Ball。
步骤S403:计算每个像素点的R平均值、G平均值以及B平均值。
计算像素点的R平均值=Rall/100,像素点的G平均值=Gall/100,像素点的B平均值=Ball/100。
步骤S50:将像素值与预设的像素范围值进行对比,并根据对比结果对检测区域对应的结构进行瑕疵检测;若像素值位于像素范围值内,则将检测区域对应的结构标记为合格;若像素值位于像素范围值之外,则将检测区域对应的结构标记为不合格。
本步骤中的像素值即为步骤S403得出的像素点的R平均值、G平均值以及B平均值,对应的,预设的像素范围值应当包括有R范围值、G范围值以及B范围值,所以,将像素点的R平均值、G平均值以及B平均值与R范围值、G范围值以及B范围值分别进行对比。
根据像素值与预设的像素范围值的对比结果对检测区域对应的结构进行瑕疵检测,若R、G、B平均值在R、G、B范围值内,则为Y,否则为N,那么,本发明可设定对比结果为三个Y,说明像素值位于像素范围值内,则将检测区域对应的结构标记为合格,如果对比结果中存在N,说明像素值位于像素范围值之外,则将检测区域对应的结构标记为不合格。本发明也可设定为对比结果有两个或三个Y时,将检测区域对应的结构标记为合格,对比结果有两个或三个N时,将检测区域对应的结构标记为不合格,具体视本领域技术人员设定即可。
步骤S60:根据预设的复判策略对存在不合格结构的检测图像进行复判;若检测图像的复判结果为不合格,则将检测图像对应的软性电路板标记为不合格;若检测图像的复判结果为合格,则将检测图像对应的软性电路板标记为合格。
通过步骤S50对像素值的判断后,将颜色异常的结构标记为不合格,为了避免出现误判,本步骤对不合格结构将进行复判。
具体的,如图5所示,步骤S60中根据预设的复判策略对存在不合格结构的检测图像进行复判,包括:
步骤S601:在同一显示画面上显示存在不合格结构的检测图像的完整图以及其不合格结构的局部放大图。
同一显示画面上显示完整图及局部放大图,便于复判时工作人员能够对应查看,进而提高复判准确度、节约复判时间。
本步骤对所显示的完整图以及局部放大图的尺寸不进行限定,具体可由工作人员视显示屏幕的大小进行设定。
步骤S602:获取局部放大图的点击指令。
如果工作人员对某个局部放大图进行点击,则会生成对应的点击指令,本步骤将获取该点击指令。
步骤S603:根据点击指令在检测图像上标出局部放大图在检测图像上的位置。
根据点击指令的内容,获知被点击的局部放大图为哪一幅,进而对应的在检测图像上标出该局部放大图在检测图像上的位置。
位置标记方式可采用十字坐标,其坐标原点为局部放大图的中心所在的位置。
步骤S604:获取人工复判结论。
工作人员根据显示的内容对该局部放大图进行复判,并操作生成人工复判结论,本步骤获取该人工复判结论。
步骤S605:根据人工复判结论将不合格结构复判为合格或不合格。
根据该人工复判结论对应的为该不合格结构生成复判结论,如果人工复判结论为合格,则将该不合格结构标记为合格,如果人工复判结论为不合格,则将该不合格机构标记为不合格。
通过以上步骤,最终得出将待检测的软性电路板所包含的各个结构为合格或不合格,进而完成了对该待检测的软性电路板的瑕疵检测。
具体的,如图6所示,本发明的软性电路板瑕疵检测方法还包括:
步骤S70:根据人工复判结论以及对应的局部放大图,将局部放大图分为误检瑕疵影像与实际瑕疵影像。
本步骤中所有的局部放大图均为步骤S50进行瑕疵检测得出的不合格结构的放大图,通过步骤S60,将这些局部放大图进行了复判操作,进而将这些局部放大图分为误检瑕疵影像与实际瑕疵影像这两类。
步骤S80:将误检瑕疵影像与实际瑕疵影像分类进行人工智能学习。
将所有的误检瑕疵影像进行人工智能学习,将所有的实际瑕疵影像进行人工智能学习,分别建立人工智能学习模型。
本步骤的人工智能学习可参考现有技术对图像的智能学习方式,本实施例不做具体的限定。
步骤S90:根据人工智能学习结果对不合格区域的局部放大图进行预判。
根据步骤S80的人工智能学习结果,将步骤S50新产生的不合格区域的局部放大图作为人工智能学习模型的输入,来得出模型对该局部放大图的预判结果,预判结果为合格与不合格中的一种。
本实施例中对误检瑕疵影像与实际瑕疵影像分类进行人工智能学习,学习的影像越多,则得到的预判结果越准确。
步骤S100:对预判不合格的局部放大图和预判合格的局部放大图进行区分显示。
本步骤达到了智能推送的效果,即区分显示的预判不合格的局部放大图、预判合格的局部放大图能够给予工作人员提示,例如将预判不合格的局部放大图的边框显示为红色,将预判合格的局部放大图的边框显示为绿色,同时,可将预判不合格的局部放大图排列在前面进行显示,将预判合格的局部放大图排列在后面显示,从而便于工作人员针对性的判断,也能够提升工作人员复判的准确度,节约复判的时间。
本发明实施例还包括一种软性电路板瑕疵检测装置,如图7所示,检测装置100包括文件获取模块101、GERBER文件编辑模块102、检测区域调节模块103、瑕疵初判模块104以及瑕疵复判模块105,其中:
文件获取模块101,与GERBER文件编辑模块102相连接,用于获取待检测的软性电路板的检测图像以及GERBER文件;
GERBER文件编辑模块102,与文件获取模块101、检测区域调节模块103相连接,用于根据检测图像、GERBER文件以及预设的GERBER文件编辑策略,获得与检测图像相匹配的GERBER文档;
检测区域调节模块103,与GERBER文件编辑模块102及瑕疵初判模块104相连接,用于将GERBER文档与检测图像相重叠,根据GERBER文档确定出若干个检测区域;
瑕疵初判模块104,与检测区域调节模块103及瑕疵复判模块105相连接,用于以检测区域为边界获取检测图像在边界内的像素值;以及将像素值与预设的像素范围值进行对比,并根据对比结果对检测区域对应的结构进行瑕疵检测;若像素值位于像素范围值内,则将检测区域对应的结构标记为合格;若像素值位于像素范围值之外,则将检测区域对应的结构标记为不合格;
瑕疵复判模块105,与瑕疵初判模块104相连接,用于根据预设的复判策略对存在不合格结构的检测图像进行复判;若检测图像的复判结果为不合格,则将检测图像对应的软性电路板标记为不合格;若检测图像的复判结果为合格,则将检测图像对应的软性电路板标记为合格。
本步骤各个模块的功能实现可参考本发明对于软性电路板瑕疵检测方法的实施例,此处不再赘述。
具体的,本发明的软性电路板瑕疵检测装置通过以下步骤进行瑕疵检测:
步骤S10:获取待检测的软性电路板的检测图像以及GERBER文件。
步骤S20:根据检测图像、GERBER文件以及预设的GERBER文件编辑策略,获得与检测图像相匹配的GERBER文档。步骤S20包括:
步骤S201:根据预设的检测类型从GERBER文件中选出对应子文件。
步骤S202:根据检测图像以及预设的GERBER文件编辑策略,对子文件进行编辑得到GERBER文档,使得GERBER文档与检测图像中的软性电路板的形状及尺寸相匹配。
步骤S30:将GERBER文档与检测图像相重叠,根据GERBER文档确定出若干个检测区域。步骤S30包括:
步骤S301:根据当前检测类型在GERBER文档中选出检测区域。
步骤S302:根据预设的检测区域调节策略以及GERBER文档与检测图像重叠效果,对检测区域进行缩小或放大。
步骤S40:以检测区域为边界获取检测图像在边界内的像素值。步骤S40包括:
步骤S401:获取边界内所有像素点的RGB值。
步骤S402:对所有像素点的R值、G值以及B值分别进行求和。
步骤S403:计算每个像素点的R平均值、G平均值以及B平均值。
步骤S50:将像素值与预设的像素范围值进行对比,并根据对比结果对检测区域对应的结构进行瑕疵检测;若像素值位于像素范围值内,则将检测区域对应的结构标记为合格;若像素值位于像素范围值之外,则将检测区域对应的结构标记为不合格。
步骤S60:根据预设的复判策略对存在不合格结构的检测图像进行复判;若检测图像的复判结果为不合格,则将检测图像对应的软性电路板标记为不合格;若检测图像的复判结果为合格,则将检测图像对应的软性电路板标记为合格。
步骤S60包括:
步骤S601:在同一显示画面上显示存在不合格结构的检测图像的完整图以及其不合格结构的局部放大图。
步骤S602:获取局部放大图的点击指令。
步骤S603:根据点击指令在检测图像上标出局部放大图在检测图像上的位置。
步骤S604:获取人工复判结论。
步骤S605:根据人工复判结论将不合格结构复判为合格或不合格。
具体的,如图8所示,本发明实施例的检测装置100还包括人工智能预判模块106,其中:
人工智能预判模块106,与瑕疵初判模块104以及瑕疵复判模块105相连接,用于根据人工复判结论以及对应的局部放大图,将局部放大图分为误检瑕疵影像与实际瑕疵影像;以及将误检瑕疵影像与实际瑕疵影像分类进行人工智能学习;以及根据人工智能学习结果对不合格区域的局部放大图进行预判;以及对预判不合格的局部放大图和预判合格的局部方法图进行区分显示。
本步骤各个模块的功能实现可参考本发明对于软性电路板瑕疵检测方法的实施例,此处不再赘述。
具体的,本发明的软性电路板瑕疵检测装置通过以下步骤进行瑕疵检测:
步骤S10:获取待检测的软性电路板的检测图像以及GERBER文件。
步骤S20:根据检测图像、GERBER文件以及预设的GERBER文件编辑策略,获得与检测图像相匹配的GERBER文档。步骤S20包括:
步骤S201:根据预设的检测类型从GERBER文件中选出对应子文件。
步骤S202:根据检测图像以及预设的GERBER文件编辑策略,对子文件进行编辑得到GERBER文档,使得GERBER文档与检测图像中的软性电路板的形状及尺寸相匹配。
步骤S30:将GERBER文档与检测图像相重叠,根据GERBER文档确定出若干个检测区域。步骤S30包括:
步骤S301:根据当前检测类型在GERBER文档中选出检测区域。
步骤S302:根据预设的检测区域调节策略以及GERBER文档与检测图像重叠效果,对检测区域进行缩小或放大。
步骤S40:以检测区域为边界获取检测图像在边界内的像素值。步骤S40包括:
步骤S401:获取边界内所有像素点的RGB值。
步骤S402:对所有像素点的R值、G值以及B值分别进行求和。
步骤S403:计算每个像素点的R平均值、G平均值以及B平均值。
步骤S50:将像素值与预设的像素范围值进行对比,并根据对比结果对检测区域对应的结构进行瑕疵检测;若像素值位于像素范围值内,则将检测区域对应的结构标记为合格;若像素值位于像素范围值之外,则将检测区域对应的结构标记为不合格。
步骤S90:根据人工智能学习结果对不合格区域的局部放大图进行预判。
步骤S100:对预判不合格的局部放大图和预判合格的局部放大图进行区分显示。
步骤S60:根据预设的复判策略对存在不合格结构的检测图像进行复判;若检测图像的复判结果为不合格,则将检测图像对应的软性电路板标记为不合格;若检测图像的复判结果为合格,则将检测图像对应的软性电路板标记为合格。
步骤S60包括:
步骤S601:在同一显示画面上显示存在不合格结构的检测图像的完整图以及其不合格结构的局部放大图。
步骤S602:获取局部放大图的点击指令。
步骤S603:根据点击指令在检测图像上标出局部放大图在检测图像上的位置。
步骤S604:获取人工复判结论。
步骤S605:根据人工复判结论将不合格结构复判为合格或不合格。
步骤S70:根据人工复判结论以及对应的局部放大图,将局部放大图分为误检瑕疵影像与实际瑕疵影像。
步骤S80:将误检瑕疵影像与实际瑕疵影像分类进行人工智能学习。
本发明实施例的软性电路板瑕疵检测方法及装置,获得与检测图像相匹配的GERBER文档,并根据GERBER文档确定出若干个检测区域,然后以检测区域为边界获取检测图像在边界内的像素值,将像素值与预设的像素范围值进行对比,并根据对比结果对检测区域对应的结构进行瑕疵检测,再根据预设的复判策略对存在不合格结构的检测图像进行复判,从而对待检测软性电路板上的瑕疵实现了准确的检测,降低了漏检率,提高检测的稳定性和效率。
以上借助具体实施例对本发明做了进一步描述,但是应该理解的是,这里具体的描述,不应理解为对本发明的实质和范围的限定,本领域内的普通技术人员在阅读本说明书后对上述实施例做出的各种修改,都属于本发明所保护的范围。
Claims (10)
1.一种软性电路板瑕疵检测方法,其特征在于,包括:
获取待检测的软性电路板的检测图像以及GERBER文件;
根据所述检测图像、GERBER文件以及预设的GERBER文件编辑策略,获得与所述检测图像相匹配的GERBER文档;
将所述GERBER文档与所述检测图像相重叠,根据所述GERBER文档确定出若干个检测区域;
以所述检测区域为边界获取所述检测图像在所述边界内的像素值;
将所述像素值与预设的像素范围值进行对比,并根据对比结果对所述检测区域对应的结构进行瑕疵检测;若所述像素值位于所述像素范围值内,则将所述检测区域对应的结构标记为合格;若所述像素值位于所述像素范围值之外,则将所述检测区域对应的结构标记为不合格;
根据预设的复判策略对存在不合格结构的所述检测图像进行复判;若所述检测图像的复判结果为不合格,则将所述检测图像对应的软性电路板标记为不合格;若所述检测图像的复判结果为合格,则将所述检测图像对应的软性电路板标记为合格。
2.如权利要求1所述的软性电路板瑕疵检测方法,其特征在于,根据所述检测图像、GERBER文件以及预设的GERBER文件编辑策略,获得与所述检测图像相匹配的GERBER文档,包括:
根据预设的检测类型从GERBER文件中选出对应子文件;
根据所述检测图像以及预设的GERBER文件编辑策略,对所述子文件进行编辑得到所述GERBER文档,使得所述GERBER文档与所述检测图像中的软性电路板的形状及尺寸相匹配。
3.如权利要求2所述的软性电路板瑕疵检测方法,其特征在于,对所述子文件进行编辑得到所述GERBER文档,包括:
对所述子文件进行切割、旋转、镜像、整体缩放中的一种或多种操作。
4.如权利要求2所述的软性电路板瑕疵检测方法,其特征在于,根据所述GERBER文档确定出若干个检测区域,包括:
根据当前检测类型在所述GERBER文档中选出检测区域;
根据预设的检测区域调节策略以及所述GERBER文档与所述检测图像重叠效果,对所述检测区域进行缩小或放大。
5.如权利要求1所述的软性电路板瑕疵检测方法,其特征在于,以所述检测区域为边界获取所述检测图像在所述边界内的像素值,包括:
获取所述边界内所有像素点的RGB值;
对所有像素点的R值、G值以及B值分别进行求和;
计算每个像素点的R平均值、G平均值以及B平均值。
6.如权利要求5所述的软性电路板瑕疵检测方法,其特征在于,将所述像素值与预设的像素范围值进行对比,包括:
将像素点的R平均值、G平均值以及B平均值与所述像素范围值进行对比,所述像素范围值包括R范围值、G范围值以及B范围值。
7.如权利要求1所述的软性电路板瑕疵检测方法,其特征在于,根据预设的复判策略对存在不合格结构的所述检测图像进行复判,包括:
在同一显示画面上显示存在不合格结构的所述检测图像的完整图以及其不合格结构的局部放大图;
获取局部放大图的点击指令;
根据所述点击指令在所述检测图像上标出所述局部放大图在所述检测图像上的位置;
获取人工复判结论;
根据所述人工复判结论将所述不合格结构复判为合格或不合格。
8.如权利要求1所述的软性电路板瑕疵检测方法,其特征在于,还包括:
根据所述人工复判结论以及对应的所述局部放大图,将所述局部放大图分为误检瑕疵影像与实际瑕疵影像;
将所述误检瑕疵影像与所述实际瑕疵影像分类进行人工智能学习;
根据人工智能学习结果对不合格区域的局部放大图进行预判;
对预判不合格的局部放大图和预判合格的局部放大图进行区分显示。
9.一种软性电路板瑕疵检测装置,其特征在于,所述检测装置包括文件获取模块、GERBER文件编辑模块、检测区域调节模块、瑕疵初判模块以及瑕疵复判模块,其中:
所述文件获取模块,与所述GERBER文件编辑模块相连接,用于获取待检测的软性电路板的检测图像以及GERBER文件;
所述GERBER文件编辑模块,与所述文件获取模块、检测区域调节模块相连接,用于根据所述检测图像、GERBER文件以及预设的GERBER文件编辑策略,获得与所述检测图像相匹配的GERBER文档;
所述检测区域调节模块,与所述GERBER文件编辑模块及所述瑕疵初判模块相连接,用于将所述GERBER文档与所述检测图像相重叠,根据所述GERBER文档确定出若干个检测区域;
所述瑕疵初判模块,与所述检测区域调节模块及所述瑕疵复判模块相连接,用于以所述检测区域为边界获取所述检测图像在所述边界内的像素值;以及将所述像素值与预设的像素范围值进行对比,并根据对比结果对所述检测区域对应的结构进行瑕疵检测;若所述像素值位于所述像素范围值内,则将所述检测区域对应的结构标记为合格;若所述像素值位于所述像素范围值之外,则将所述检测区域对应的结构标记为不合格;
所述瑕疵复判模块,与所述瑕疵初判模块相连接,用于根据预设的复判策略对存在不合格结构的所述检测图像进行复判;若所述检测图像的复判结果为不合格,则将所述检测图像对应的软性电路板标记为不合格;若所述检测图像的复判结果为合格,则将所述检测图像对应的软性电路板标记为合格。
10.如权利要求9所述的软性电路板瑕疵检测装置,其特征在于,所述检测装置还包括人工智能预判模块,其中:
所述人工智能预判模块,与所述瑕疵初判模块以及所述瑕疵复判模块相连接,用于根据所述人工复判结论以及对应的所述局部放大图,将所述局部放大图分为误检瑕疵影像与实际瑕疵影像;以及将所述误检瑕疵影像与所述实际瑕疵影像分类进行人工智能学习;以及根据人工智能学习结果对不合格区域的局部放大图进行预判;以及对预判不合格的局部放大图和预判合格的局部放大图进行区分显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110843752.4A CN113554626A (zh) | 2021-07-26 | 2021-07-26 | 一种软性电路板瑕疵检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110843752.4A CN113554626A (zh) | 2021-07-26 | 2021-07-26 | 一种软性电路板瑕疵检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113554626A true CN113554626A (zh) | 2021-10-26 |
Family
ID=78104408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110843752.4A Pending CN113554626A (zh) | 2021-07-26 | 2021-07-26 | 一种软性电路板瑕疵检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113554626A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830945A (zh) * | 2023-01-14 | 2023-03-21 | 苏州海易泰克机电设备有限公司 | 一种飞行模拟机的智能监控管理方法及系统 |
CN118314105A (zh) * | 2024-04-18 | 2024-07-09 | 山东衡昊信息技术有限公司 | 一种柔性电路板瑕疵检测方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105092598A (zh) * | 2015-09-28 | 2015-11-25 | 深圳大学 | 一种基于连通域的大幅面pcb板缺陷快速识别方法及系统 |
CN105223208A (zh) * | 2015-09-23 | 2016-01-06 | 深圳市繁维科技有限公司 | 一种电路板检测模板及其制作方法、电路板检测方法 |
CN110021005A (zh) * | 2018-01-05 | 2019-07-16 | 财团法人工业技术研究院 | 电路板瑕疵筛选方法及其装置与计算机可读取记录介质 |
CN110579479A (zh) * | 2019-08-09 | 2019-12-17 | 康代影像科技(苏州)有限公司 | 一种基于假点缺陷检测的pcb检修系统及检修方法 |
CN111247424A (zh) * | 2017-09-28 | 2020-06-05 | 株式会社先机 | 检查位置确定方法、三维图像生成方法以及检查装置 |
CN111239152A (zh) * | 2020-01-02 | 2020-06-05 | 长江存储科技有限责任公司 | 晶圆检测方法、装置和设备 |
CN112387604A (zh) * | 2021-01-04 | 2021-02-23 | 深圳和美精艺半导体科技股份有限公司 | 一种avi检测机与自动找点机联网检测封装基板的方法 |
CN112666182A (zh) * | 2020-12-29 | 2021-04-16 | 苏州天准科技股份有限公司 | 柔性电路板用自动视觉检测方法及装置 |
US20210133496A1 (en) * | 2019-11-05 | 2021-05-06 | Elementary Robotics, Inc. | Systems and methods for robot-aided product inspection |
-
2021
- 2021-07-26 CN CN202110843752.4A patent/CN113554626A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105223208A (zh) * | 2015-09-23 | 2016-01-06 | 深圳市繁维科技有限公司 | 一种电路板检测模板及其制作方法、电路板检测方法 |
CN105092598A (zh) * | 2015-09-28 | 2015-11-25 | 深圳大学 | 一种基于连通域的大幅面pcb板缺陷快速识别方法及系统 |
CN111247424A (zh) * | 2017-09-28 | 2020-06-05 | 株式会社先机 | 检查位置确定方法、三维图像生成方法以及检查装置 |
CN110021005A (zh) * | 2018-01-05 | 2019-07-16 | 财团法人工业技术研究院 | 电路板瑕疵筛选方法及其装置与计算机可读取记录介质 |
CN110579479A (zh) * | 2019-08-09 | 2019-12-17 | 康代影像科技(苏州)有限公司 | 一种基于假点缺陷检测的pcb检修系统及检修方法 |
US20210133496A1 (en) * | 2019-11-05 | 2021-05-06 | Elementary Robotics, Inc. | Systems and methods for robot-aided product inspection |
CN111239152A (zh) * | 2020-01-02 | 2020-06-05 | 长江存储科技有限责任公司 | 晶圆检测方法、装置和设备 |
CN112666182A (zh) * | 2020-12-29 | 2021-04-16 | 苏州天准科技股份有限公司 | 柔性电路板用自动视觉检测方法及装置 |
CN112387604A (zh) * | 2021-01-04 | 2021-02-23 | 深圳和美精艺半导体科技股份有限公司 | 一种avi检测机与自动找点机联网检测封装基板的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830945A (zh) * | 2023-01-14 | 2023-03-21 | 苏州海易泰克机电设备有限公司 | 一种飞行模拟机的智能监控管理方法及系统 |
CN118314105A (zh) * | 2024-04-18 | 2024-07-09 | 山东衡昊信息技术有限公司 | 一种柔性电路板瑕疵检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113554626A (zh) | 一种软性电路板瑕疵检测方法及装置 | |
CN105510348A (zh) | 一种印制电路板的缺陷检测方法、装置及检测设备 | |
CN105335963A (zh) | 一种边缘缺陷检测方法及装置 | |
US11867640B2 (en) | Defective soldering point intensive extent analysis system for solder paste inspection and method thereof | |
US20220398714A1 (en) | Printing Solder Point Quality Identification And Maintenance Suggestion System And Method Thereof | |
CN111951210A (zh) | 数据的处理方法、装置及设备 | |
CN115239626A (zh) | 缺陷检测方法、光学检测设备、电子设备以及存储介质 | |
CN111353986A (zh) | 一种模切产品质量检测方法 | |
CN115272291A (zh) | 一种贴膜的缺陷检测方法、装置、设备及存储介质 | |
CN117871545A (zh) | 一种电路板元器件缺陷检测方法、装置、终端及存储介质 | |
CN110967851B (zh) | 一种液晶面板array图像的线路提取方法及系统 | |
JP5045591B2 (ja) | 検査領域の領域設定データの作成方法および基板外観検査装置 | |
CN115829929A (zh) | 产品表面图像的缺陷检测方法、装置、设备及存储介质 | |
CN116258682A (zh) | 基于PSPNet和改进YOLOv7的PCB锡膏缺陷检测方法 | |
CN116485752A (zh) | 一种去除边缘误判的显示屏aoi检测方法、系统、电子装置及存储介质 | |
CN105136818A (zh) | 印刷基板的影像检测方法 | |
CN117589770A (zh) | Pcb贴片板检测方法、装置、设备及介质 | |
US11176419B1 (en) | Method for labeling image | |
CN116128867A (zh) | 一种板材封边缺陷检测方法、装置、设备及存储介质 | |
CN115294419A (zh) | 缺陷样本生成方法、装置、自动光学检测仪及存储介质 | |
CN111739045B (zh) | 关键帧检测方法和装置、在线检测系统 | |
CN116930207B (zh) | 展示区与实时区视野同步放大的显示方法 | |
CN115760753A (zh) | 一种贴片电阻外观缺陷检测方法及系统 | |
US20240112588A1 (en) | Vision inspector simulation device and method for secondary battery production | |
JPH04184244A (ja) | プリント基板のパターン検査方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211026 |