CN114549530A - 一种基于图像处理的pcb板焊接质量评估方法 - Google Patents
一种基于图像处理的pcb板焊接质量评估方法 Download PDFInfo
- Publication number
- CN114549530A CN114549530A CN202210442620.5A CN202210442620A CN114549530A CN 114549530 A CN114549530 A CN 114549530A CN 202210442620 A CN202210442620 A CN 202210442620A CN 114549530 A CN114549530 A CN 114549530A
- Authority
- CN
- China
- Prior art keywords
- welding
- pcb
- welding spot
- height
- value
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 230
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 title claims abstract description 29
- 238000009827 uniform distribution Methods 0.000 claims abstract description 26
- 229910000679 solder Inorganic materials 0.000 claims description 28
- 238000009826 distribution Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000001303 quality assessment method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 abstract description 6
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 230000007547 defect Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- RSWGJHLUYNHPMX-UHFFFAOYSA-N Abietic-Saeure Natural products C12CCC(C(C)C)=CC2=CCC2C1(C)CCCC2(C)C(O)=O RSWGJHLUYNHPMX-UHFFFAOYSA-N 0.000 description 2
- KHPCPRHQVVSZAH-HUOMCSJISA-N Rosin Natural products O(C/C=C/c1ccccc1)[C@H]1[C@H](O)[C@@H](O)[C@@H](O)[C@@H](CO)O1 KHPCPRHQVVSZAH-HUOMCSJISA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- KHPCPRHQVVSZAH-UHFFFAOYSA-N trans-cinnamyl beta-D-glucopyranoside Natural products OC1C(O)C(O)C(CO)OC1OCC=CC1=CC=CC=C1 KHPCPRHQVVSZAH-UHFFFAOYSA-N 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 235000013527 bean curd Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009828 non-uniform distribution Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 150000003071 polychlorinated biphenyls Chemical class 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- 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
- 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]
-
- 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
- G06T2207/30152—Solder
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像传输领域,提供一种基于图像处理的PCB板焊接质量评估方法,包括:采集PCB板图像,得到焊点连通域;获取距离集合;判断是否有焊点连通域是桥接;计算均匀分布下的焊点高度;计算真实情况下焊点的高度;计算差异性;得到所有焊点的质量评估值;判断PCB板的质量是否合格。本发明提高了PCB板质量检测的效率,且方法简单。
Description
技术领域
本发明涉及图像传输领域,具体涉及一种基于图像处理的PCB板焊接质量评估方法。
背景技术
PCB是电子产品中众多电子元器件的承载体,它已成为现代电子产品的核心部分。随着现代电子工业迅猛发展,PCB密集度不断增大,层级越来越多,生产中因焊接缺陷导致电路板的不合格,影响整机质量的事故屡见不鲜。PCB板的缺陷检测已成为整个电子行业中重要的检测内容,特别是在焊点密集区域,检测难度较大。
人工目测法主观判断因素强且准确率低;仪器线上检测法需要测试夹具,夹具制造成本高、使用难度大,且需要大量时间编程与调试;功能测试法无法提供用于过程改进的元件级和脚级诊断等深层数据,而且需用特种设计的测试流程和专门的测试设备,推广使用局限性大。
本发明实现一种基于图像处理的PCB板焊点密集区域的灰度图的分布形态,评估PCB板焊接质量的方法。
发明内容
为了克服上述现有技术的缺点,本发明提供一种基于图像处理的PCB板焊接质量评估方法。
为了达到上述目的,本发明采用如下技术方案,一种基于图像处理的PCB板焊接质量评估方法,包括以下步骤:
采集PCB板图像,对PCB板图像进行预处理得到焊点的灰度图,对焊点的灰度图进行连通化处理得到所有的焊点连通域。
获取每个焊点连通域所有边缘像素点与中心点的距离组成的距离集合。
利用距离集合的距离值、距离方差、最小距离判断每个焊点连通域是否为桥接焊点,当有一个焊点连通域为桥接焊点时,该PCB板图像对应的PCB板质量不合格。
当所有焊点连通域都不是桥接焊点时,利用二维高斯分布的概率密度函数公式计算均匀分布下每个焊点的高度。
利用每一个焊点连通域的像素灰度值和均匀分布下每个焊点的边缘高度计算真实情况下每个焊点的高度。
通过真实情况下每一个焊点的高度和均匀分布下每一个焊点的高度计算每个焊点的差异性。
利用每个焊点的差异性和对应的距离集合计算每个焊点的质量评估值。
通过所有焊点的质量评估值判断该PCB板质量是否合格。
进一步的,所述的一种基于图像处理的PCB板焊接质量评估方法,获取所述均匀分布下每个焊点的高度方法为:
均匀分布下每个焊点的曲面为二维高斯曲面,通过曲面中心高度与半径的关系结合概率密度函数公式以及中心点坐标得到二维高斯曲面的表达式;
利用距离集合的均值和二维高斯曲面的表达式得到均匀分布下每个焊点的高度。
进一步的,所述的一种基于图像处理的PCB板焊接质量评估方法,获取所述真实情况下每个焊点的高度方法为:
通过均匀分布下每个焊点的边缘高度以及均匀分布下焊点边缘高度与真实情况下焊点边缘高度的关系得到真实情况下的焊点边缘高度;
利用真实情况下的焊点边缘高度和焊点连通域边缘像素点平均灰度值得到真实情况下焊点高度与灰度的比值参数;
通过该比值参数和每个像素点的灰度值得到真实情况下每个焊点的高度。
进一步的,所述的一种基于图像处理的PCB板焊接质量评估方法,所述焊点的质量评估值表达式为:
进一步的,所述的一种基于图像处理的PCB板焊接质量评估方法,所述差异性的表达式为:
进一步的,所述的一种基于图像处理的PCB板焊接质量评估方法,通过所有焊点的质量评估值判断该PCB板质量是否合格的方法是:当所有焊点质量评估值的均值大于等于均值阈值,且方差小于等于方差阈值时,判断对应的PCB板的质量合格。
进一步的,所述的一种基于图像处理的PCB板焊接质量评估方法,所述预处理包含:对PCB板图像进行语义分割得到焊点的二值遮罩,将焊点的二值遮罩与PCB板图像进行相乘得到焊点的RGB图像,对焊点的RGB图像进行灰度化处理得到焊点的灰度图。
进一步的,所述的一种基于图像处理的PCB板焊接质量评估方法,所述中心点是每一个焊点连通域中灰度值最大的像素点。
本发明的有益效果是:本发明通过焊点连通域的形状进行初步筛选不合格的PCB板,接着评估焊点焊接质量,对PCB板上所有焊点的质量评估值进行分析判断PCB板的质量是否符合要求,相对于现有技术,提高了PCB板质量检测的效率,且检测方法简单。
附图说明
为了更清楚地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地介绍,显而易见地,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明流程示意图;
图2为正常焊点、拉尖焊点、桥接焊点示意图;
图3为焊点焊接缺陷的横切面示意图;
图4为均匀分布下焊点的图像示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
本实施例所针对的具体场景为:随着印刷电路板向着更高密度、更复杂排版的方向发展,PCB板高密度区域焊接质量检测的难度随着焊点密集程度的增加而增大,检测效率也随之降低。
本发明实施例提供一种基于图像处理的PCB板焊接质量评估方法,如图1所示,包括:
采集PCB板图像,对PCB板图像进行预处理得到焊点的灰度图,对焊点的灰度图进行连通化处理得到所有的焊点连通域;
通过放置在PCB板上方的照相机采集PCB板图像,使用语义分割的方式来识别PCB板图像中的目标。
DNN网络的具体内容如下:
DNN网络使用的数据集为采集的PCB板图像数据集。
DNN网络的标签为两类:焊点区域和背景区域。该方式为像素级分类,对图像所有像素点进行人工标注。焊点区域像素点值标注为1,背景区域像素点值标注为0。
DNN网络的任务是分类,因此网络所用loss函数为交叉熵损失函数。
通过DNN网络进行语义分割,得到焊点的二值遮罩,与原图(即PCB板图像)进行相乘操作,实现焊点的图像的扣取。得到焊点的RGB图像后,对其进行灰度化处理,得到焊点的灰度图像,对焊点的灰度图像进行连通化处理得到焊点连通域。
该步骤的目的是为了采集PCB板图像,通过语义分割识别图像中的焊点。
获取每个焊点连通域所有边缘像素点与中心点的距离组成的距离集合;
PCB板焊接工艺使用的焊料是焊锡,因此,图像的明暗分布情况可以反映焊点的形状特征和光滑程度,进而评估焊点的焊接质量。
焊点出现桥接缺陷会导致PCB板出现短路,属于极为严重的焊接缺陷,出现桥接缺陷的PCB板不可以使用。对应的焊接缺陷有:
1.拉尖。外观特点为:出现尖端,如图2所示。危害:容易造成桥接现象。
2.桥接。外观特点为:相邻导线连接,如图2所示。危害:PCB板短路。
正常的焊点形状近似圆形,如图2所示。拉尖缺陷和桥接缺陷通过形状能够识别出来。
检测焊点连通域形状的具体过程为:
利用距离集合的距离值、距离方差、最小距离判断每个焊点连通域是否为桥接焊点,当有一个焊点连通域为桥接焊点时,该PCB板图像对应的PCB板质量不合格;
综上,根据焊点连通域边缘像素点的距离特征,初步判断焊点存在的缺陷。当焊点出现桥接缺陷时,PCB板短路,无法工作,判断该PCB板不合格,直接废弃;但当焊点形状较规则或出现拉尖缺陷,则需要结合形状特征和分布情况进一步判断焊点的质量。
至此,得到焊点焊接质量的初步判断。
当所有焊点连通域都不是桥接焊点时,利用二维高斯分布的概率密度函数公式计算均匀分布下每个焊点的高度;
焊接质量好的焊点为“裙”状,中心亮,向边缘均匀过渡,逐渐变暗,如图2所示。如果焊接过程中存在操作问题,会导致缺陷,出现表面不均匀的情况,则焊点的亮度过渡也不均匀。
缺陷的具体情况如下:
1.不对称。外观特点:焊锡未流满焊盘。危害:强度不足。
2.松动。外观特点:导线或元器件引线可移动。危害:导通不良或不导通。
3.焊料过多。外观特点:焊料面呈凸形。危害:浪费焊料,且可能包藏缺陷。
4.焊料过少。外观特点:焊接面积小于焊盘的80%,焊料未形成平滑的过渡面。危害:机械强度不足。
5.松香焊。外观特点:焊缝中夹有松香渣。危害:强度不足,导通不良,有可能时通时断。
6.过热。外观特点:焊点发白,无金属光泽,表面较粗糙。危害:焊盘容易剥落,强度降低。
7.冷焊。外观特点:表面成豆腐渣状颗粒,有时可能有裂纹。危害:强度低,导电性能不好。
8.浸润不良。外观特点:焊料与焊件交界面接触过大,不平滑。危害:强度低,不通或时通时断。
各焊点缺陷对应的横切面如图3所示。实际拍摄的图像并不能得到焊点的横切面,只能根据焊点表面反射光线导致的焊点亮暗变化来判断焊点存在的缺陷。
综上,均匀分布下焊点的“裙”状曲面高度计算公式为:
利用每一个焊点连通域的像素灰度值和均匀分布下每个焊点的边缘高度计算真实情况下每个焊点的高度;
通过对比真实情况下焊点的“裙”状曲面与均匀分布的焊点的“裙”状曲面的相似程度来判断焊点是否存在缺陷。
真实情况下焊点的“裙”状曲面的高度通过灰度值来体现。
焊点在任何情况下,其“裙”状边缘的高度和均匀分布时相等,因此通过均匀分布下焊点边缘的高度等于真实情况下焊点边缘的高度得到真实情况下焊点边缘的高度,即:
通过真实情况下每一个焊点的高度和均匀分布下每一个焊点的高度计算每个焊点的差异性;
利用每个焊点的差异性和对应的距离集合计算每个焊点的质量评估值;
根据焊点的形状特征和分布特征,计算焊点的质量评估值的公式如下:
式中:表示质量评估值。当时,越大,焊点的形状越不规则;值越大,焊点的分布越不均匀;当且时,焊点出现拉尖缺陷,越大,焊点的拉尖程度越大;值越大,焊点的分布越不均匀。焊点形状特征和分布特征共同决定了焊点的焊接质量,形状越不规则且分布越不均匀的焊点,焊接质量越差。
至此,得到焊点的焊接质量。
通过所有焊点的质量评估值判断该PCB板质量是否合格。
至此,完成对PCB板焊接质量的评估以及筛选工作。
本发明的有益效果是:本发明通过焊点连通域的形状进行初步筛选不合格的PCB板,接着评估焊点焊接质量,对PCB板上所有焊点的质量评估值进行分析判断PCB板的质量是否符合要求,相对于现有技术,提高了PCB板质量检测的效率,且检测方法简单。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于图像处理的PCB板焊接质量评估方法,其特征在于,包括:
采集PCB板图像,对PCB板图像进行预处理得到焊点的灰度图,对焊点的灰度图进行连通化处理得到所有的焊点连通域;
获取每个焊点连通域所有边缘像素点与中心点的距离组成的距离集合;
利用距离集合的距离值、距离方差、最小距离判断每个焊点连通域是否为桥接焊点,当有一个焊点连通域为桥接焊点时,该PCB板图像对应的PCB板质量不合格;
当所有焊点连通域都不是桥接焊点时,利用二维高斯分布的概率密度函数公式计算均匀分布下每个焊点的高度;
利用每一个焊点连通域的像素灰度值和均匀分布下每个焊点的边缘高度计算真实情况下每个焊点的高度;
通过真实情况下每一个焊点的高度和均匀分布下每一个焊点的高度计算每个焊点的差异性;
利用每个焊点的差异性和对应的距离集合计算每个焊点的质量评估值;
通过所有焊点的质量评估值判断该PCB板质量是否合格。
2.根据权利要求1所述的一种基于图像处理的PCB板焊接质量评估方法,其特征在于,获取所述均匀分布下每个焊点的高度方法为:
均匀分布下每个焊点的曲面为二维高斯曲面,通过曲面中心高度与半径的关系结合概率密度函数公式以及中心点坐标得到二维高斯曲面的表达式;
利用距离集合的均值和二维高斯曲面的表达式得到均匀分布下每个焊点的高度。
3.根据权利要求1所述的一种基于图像处理的PCB板焊接质量评估方法,其特征在于,获取所述真实情况下每个焊点的高度方法为:
通过均匀分布下每个焊点的边缘高度以及均匀分布下焊点边缘高度与真实情况下焊点边缘高度的关系得到真实情况下的焊点边缘高度;
利用真实情况下的焊点边缘高度和焊点连通域边缘像素点平均灰度值得到真实情况下焊点高度与灰度的比值参数;
通过该比值参数和每个像素点的灰度值得到真实情况下每个焊点的高度。
6.根据权利要求1所述的一种基于图像处理的PCB板焊接质量评估方法,其特征在于,通过所有焊点的质量评估值判断该PCB板质量是否合格的方法是:当所有焊点质量评估值的均值大于等于均值阈值,且方差小于等于方差阈值时,判断对应的PCB板的质量合格。
7.根据权利要求1所述的一种基于图像处理的PCB板焊接质量评估方法,其特征在于,所述预处理包含:对PCB板图像进行语义分割得到焊点的二值遮罩,将焊点的二值遮罩与PCB板图像进行相乘得到焊点的RGB图像,对焊点的RGB图像进行灰度化处理得到焊点的灰度图。
8.根据权利要求1所述的一种基于图像处理的PCB板焊接质量评估方法,其特征在于,所述中心点是每一个焊点连通域中灰度值最大的像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210442620.5A CN114549530B (zh) | 2022-04-26 | 2022-04-26 | 一种基于图像处理的pcb板焊接质量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210442620.5A CN114549530B (zh) | 2022-04-26 | 2022-04-26 | 一种基于图像处理的pcb板焊接质量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114549530A true CN114549530A (zh) | 2022-05-27 |
CN114549530B CN114549530B (zh) | 2022-06-24 |
Family
ID=81667640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210442620.5A Expired - Fee Related CN114549530B (zh) | 2022-04-26 | 2022-04-26 | 一种基于图像处理的pcb板焊接质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549530B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723758A (zh) * | 2022-06-10 | 2022-07-08 | 惠州威尔高电子有限公司 | 一种MiniLED薄板全自动连线的生产质量检测方法 |
CN115082478A (zh) * | 2022-08-23 | 2022-09-20 | 凤芯微电子科技(聊城)有限公司 | 一种集成电路板质量分选系统 |
CN115482240A (zh) * | 2022-11-10 | 2022-12-16 | 富联裕展科技(深圳)有限公司 | 焊接设备稳定度的确定方法、装置、焊接设备及存储介质 |
CN115906745A (zh) * | 2022-11-27 | 2023-04-04 | 青岛青软晶尊微电子科技有限公司 | 可视化操作系统的构建方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473165A (zh) * | 2019-07-02 | 2019-11-19 | 深圳市格灵人工智能与机器人研究院有限公司 | 一种电路板焊接质量检测方法及装置 |
CN111145175A (zh) * | 2020-01-10 | 2020-05-12 | 惠州光弘科技股份有限公司 | 一种基于iForest模型验证的SMT焊点缺陷检测方法 |
CN112750102A (zh) * | 2020-12-16 | 2021-05-04 | 华南理工大学 | 一种基于图像处理的焊点定位方法和系统 |
CN113409313A (zh) * | 2021-08-18 | 2021-09-17 | 济宁联威车轮制造有限公司 | 基于计算机视觉的车轮焊缝表面缺陷检测方法 |
-
2022
- 2022-04-26 CN CN202210442620.5A patent/CN114549530B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473165A (zh) * | 2019-07-02 | 2019-11-19 | 深圳市格灵人工智能与机器人研究院有限公司 | 一种电路板焊接质量检测方法及装置 |
CN111145175A (zh) * | 2020-01-10 | 2020-05-12 | 惠州光弘科技股份有限公司 | 一种基于iForest模型验证的SMT焊点缺陷检测方法 |
CN112750102A (zh) * | 2020-12-16 | 2021-05-04 | 华南理工大学 | 一种基于图像处理的焊点定位方法和系统 |
CN113409313A (zh) * | 2021-08-18 | 2021-09-17 | 济宁联威车轮制造有限公司 | 基于计算机视觉的车轮焊缝表面缺陷检测方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723758A (zh) * | 2022-06-10 | 2022-07-08 | 惠州威尔高电子有限公司 | 一种MiniLED薄板全自动连线的生产质量检测方法 |
CN115082478A (zh) * | 2022-08-23 | 2022-09-20 | 凤芯微电子科技(聊城)有限公司 | 一种集成电路板质量分选系统 |
CN115482240A (zh) * | 2022-11-10 | 2022-12-16 | 富联裕展科技(深圳)有限公司 | 焊接设备稳定度的确定方法、装置、焊接设备及存储介质 |
CN115906745A (zh) * | 2022-11-27 | 2023-04-04 | 青岛青软晶尊微电子科技有限公司 | 可视化操作系统的构建方法及装置 |
CN115906745B (zh) * | 2022-11-27 | 2023-09-15 | 青岛青软晶尊微电子科技有限公司 | 可视化操作系统的构建方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114549530B (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114549530B (zh) | 一种基于图像处理的pcb板焊接质量评估方法 | |
US7149344B2 (en) | Systems and methods for detecting defects in printed solder paste | |
US7310438B2 (en) | Systems for detecting defects in printed solder paste | |
CN112730460A (zh) | 一种通信ic芯片焊接缺陷与密集型虚焊检测技术 | |
CN101576508B (zh) | 芯片外观缺陷自动检测装置及检测方法 | |
CN115018833B (zh) | 一种半导体器件的加工缺陷检测方法 | |
CN111145175A (zh) | 一种基于iForest模型验证的SMT焊点缺陷检测方法 | |
CN113421261B (zh) | 一种基于图像处理的结构件生产过程缺陷检测方法 | |
CN201434842Y (zh) | 芯片外观缺陷自动检测装置 | |
CN115205290B (zh) | 一种pcb板生产过程在线检测方法及系统 | |
CN106501272B (zh) | 机器视觉焊锡定位检测系统 | |
CN112529884B (zh) | 一种基于压痕特征图像识别的焊点质量评价方法 | |
CN110717909A (zh) | 一种金属表面划痕检测方法与装置 | |
CN112730432A (zh) | 一种手机锂电池激光焊缺陷检测设备及检测方法 | |
CN115294114A (zh) | 一种基于ecu电路焊接的质量检测方法 | |
CN115239727A (zh) | 一种pcb板表面缺陷检测方法 | |
CN113674260A (zh) | 一种smt焊点缺陷检测方法 | |
CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
CN111353981B (zh) | 基于机器视觉的齿轮检测方法、系统及存储介质 | |
Chiu et al. | Reflection-area-based feature descriptor for solder joint inspection | |
CN111310402A (zh) | 一种基于面面平行的印刷电路板裸板缺陷检测方法 | |
CN115170476A (zh) | 基于图像处理的印制线路板缺陷检测方法 | |
JPH0886628A (ja) | 神経回路網による半導体チップリード半田外観検査法 | |
JP3722052B2 (ja) | 半導体チップ実装用パッド部の評価方法及びその装置 | |
CN118052815B (zh) | 一种pcb焊锡缺陷视觉自动化检测方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220624 |