CN114565612A - 一种基于图像对比的pcb板u型槽加工异常检测方法 - Google Patents

一种基于图像对比的pcb板u型槽加工异常检测方法 Download PDF

Info

Publication number
CN114565612A
CN114565612A CN202210465522.3A CN202210465522A CN114565612A CN 114565612 A CN114565612 A CN 114565612A CN 202210465522 A CN202210465522 A CN 202210465522A CN 114565612 A CN114565612 A CN 114565612A
Authority
CN
China
Prior art keywords
image
pcb
point
edge
pixel
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
Application number
CN202210465522.3A
Other languages
English (en)
Other versions
CN114565612B (zh
Inventor
傅正宝
冯强
陈慧
吴建明
胡同伟
郭寒峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huizhou Welgao Electronics Co ltd
Original Assignee
Huizhou Welgao Electronics Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huizhou Welgao Electronics Co ltd filed Critical Huizhou Welgao Electronics Co ltd
Priority to CN202210465522.3A priority Critical patent/CN114565612B/zh
Publication of CN114565612A publication Critical patent/CN114565612A/zh
Application granted granted Critical
Publication of CN114565612B publication Critical patent/CN114565612B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • 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
    • 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]
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像处理领域，提出了一种基于图像对比的PCB板U型槽加工异常检测方法，包括：S1：得到PCB板轮廓边缘；S2：得到凸包边缘；S3：建立差异曲线；S4：得到每个轮廓边缘点的重要程度；S5：得到二维精度要求热图；S6：得到相机焦距；通过该相机焦距进行图像采集，得到该焦距下的局部图像；S7：得到下一次局部图像采集的间隔距离；S8：得到新的初始采集像素点；利用S6中获取局部图像的方法获取下一个局部图像，以此方法获取所有的局部图像；S9：得到拼接后PCB板图像；S10：判断U型槽加工是否存在异常。本发明实现了U型槽的高精度的加工异常判断。

Description

一种基于图像对比的PCB板U型槽加工异常检测方法
技术领域
本发明涉及图像处理领域，具体涉及一种基于图像对比的PCB板U型槽加工异常检测方法。
背景技术
PCB上存在有金手指这类型的电气接口，用于使PCB板与其他电路相连。为了使连接更牢靠，往往需要在周边加工出U型槽来实现定位和卡扣的作用。而U型槽的加工偏差往往会使得例如内存条这样带有金手指的PCB板无法使用。
通过图像处理方式来检测U型槽加工异常的方式，使用常规相机采集图像很难满足加工精度的判断，且往往受到透视畸变的影响较大。通过双目相机测距等方式检测加工异常，则需要繁琐的相机标定工作，且难以适用于多变的PCB板设计方案。
本发明首先把高分辨率的设计信息转换为符合加工精度需求的标准参考图像，而后对相机进行自适应调节，使其采集多帧符合分辨率要求的局部图像，结合畸变程度的分析来完成当前加工PCB板的高分辨率图像采集，进而通过对比的方式来识别异常，并调整卡槽的加工信息，实现智能化的U型卡槽加工。
发明内容
本发明提供一种基于图像对比的PCB板U型槽加工异常检测方法，以解决现有的异常检测精确度低的问题。
本发明的一种基于图像对比的PCB板U型槽加工异常检测方法，采用如下技术方案：
S1：对PCB板标准参考图像的二值图进行边缘检测，得到PCB板轮廓边缘；
S2：对PCB板轮廓边缘进行凸包检测，得到凸包边缘；
S3：对PCB板轮廓边缘点和凸包边缘点进行匹配，得到每个轮廓边缘点匹配的凸包边缘点，以轮廓边缘点的序号为横坐标，每个轮廓边缘点与其匹配的凸包边缘点的坐标差异为纵坐标，建立差异曲线；
S4：利用差异曲线中每个轮廓边缘点与其前后点的斜率差以及前后点的曲率差得到每个轮廓边缘点的重要程度；
S5：通过所有轮廓边缘点的坐标和重要程度得到二维精度要求热图；
S6：选取二维精度要求热图中的初始采集像素点，利用该初始采集像素点及其邻域像素点的重要程度、所要采集的图像精度以及像距得到对待检测PCB板上与该初始采集像素点对应像素点进行采集的相机焦距；通过该相机焦距对待检测PCB板上与初始像素点对应的位置进行图像采集，得到该焦距下的局部图像；
S7：通过初始像素点及其邻域像素点的重要程度、所要采集的图像精度以及像素尺寸得到下一次局部图像采集的间隔距离；
S8：按照获取的间隔距离得到二维精度要求热图中新的初始采集像素点，所述初始采集像素点与新的初始采集像素点的距离为所述的间隔距离；将新的初始采集像素点作为初始采集像素点，重复步骤S6和S7，获取所有的局部图像；
S9：获取所有局部图像中分辨率最大的局部图像所对应的分辨率，将其它局部图像的分辨率扩大为该分辨率，得到处理后的所有局部图像；将处理后的所有局部图像进行图像拼接，得到拼接后PCB板图像；
S10：通过拼接后PCB板图像和标准参考图像的二值边缘图像判断U型槽加工是否存在异常。进一步的，所述的一种基于图像对比的PCB板U型槽加工异常检测方法，所述拼接后PCB板图像和标准参考图像的像素尺寸相同。
进一步的，所述的一种基于图像对比的PCB板U型槽加工异常检测方法，轮廓边缘点的重要程度的表达式为：
Figure DEST_PATH_IMAGE002
式中：
Figure DEST_PATH_IMAGE004
表示第
Figure DEST_PATH_IMAGE006
个轮廓边缘点的重要程度，
Figure DEST_PATH_IMAGE008
表示差异曲线上第
Figure 724774DEST_PATH_IMAGE006
个轮廓边缘点与其第前
Figure DEST_PATH_IMAGE010
个点所在直线的斜率，
Figure DEST_PATH_IMAGE012
表示差异曲线上第
Figure 454963DEST_PATH_IMAGE006
个轮廓边缘点与其第后
Figure 297017DEST_PATH_IMAGE010
个点所在直线的斜率，
Figure DEST_PATH_IMAGE014
表示差异曲线上第
Figure 692227DEST_PATH_IMAGE006
个轮廓边缘点与其第前
Figure 319648DEST_PATH_IMAGE010
个点的曲率，
Figure DEST_PATH_IMAGE016
表示差异曲线上第
Figure 142111DEST_PATH_IMAGE006
个轮廓边缘点与其第后
Figure 409144DEST_PATH_IMAGE010
个点的曲率，
Figure DEST_PATH_IMAGE018
表示第
Figure 670361DEST_PATH_IMAGE006
个轮廓边缘点与其匹配的凸包边缘点的坐标差异归一化后的值。
进一步的，所述的一种基于图像对比的PCB板U型槽加工异常检测方法，相机焦距的表达式为：
Figure DEST_PATH_IMAGE020
式中：
Figure DEST_PATH_IMAGE022
表示采集图像的相机焦距，
Figure DEST_PATH_IMAGE024
表示像距，
Figure DEST_PATH_IMAGE026
表示加工精度，
Figure DEST_PATH_IMAGE028
表示初始采集像素点和其邻域像素点所在窗口中的第
Figure 24726DEST_PATH_IMAGE028
个像素点，
Figure DEST_PATH_IMAGE030
表示第
Figure 80406DEST_PATH_IMAGE028
个像素点的重要程度。
进一步的，所述的一种基于图像对比的PCB板U型槽加工异常检测方法，局部图像采集的间隔距离的表达式为：
横向间隔距离的表达式为：
Figure DEST_PATH_IMAGE032
式中：
Figure DEST_PATH_IMAGE034
表示横向间隔距离，
Figure DEST_PATH_IMAGE036
表示横向像素尺寸；
纵向间隔距离的表达式为：
Figure DEST_PATH_IMAGE038
式中：
Figure DEST_PATH_IMAGE040
表示纵向间隔距离，
Figure DEST_PATH_IMAGE042
表示纵向像素尺寸。
进一步的，所述的一种基于图像对比的PCB板U型槽加工异常检测方法，利用局部图像对应焦距下相机的畸变范围，对下一次局部图像采集的间隔距离进行修正。
进一步的，所述的一种基于图像对比的PCB板U型槽加工异常检测方法，将处理后的所有局部图像进行图像拼接，得到拼接后PCB板图像后，还包括：
以标准参考图像的左上角点为基准点，对拼接后PCB板图像进行平移，得到对齐后的PCB板图像。
本发明的有益效果是：本发明利用图像处理技术对PCB板的标准设计图像进行分析，进而来自适应地调整相机的采集参数，获得PCB板的多张不同分辨率的局部图像，最后把多张局部图像进行拼接，获得高分辨率的已加工的PCB板图像，再通过与标准图像进行对比识别异常，相对于现有技术，本发明实现了U型槽的高精度的加工异常判断，且检测方法简单，适合不同PCB板设计方案。
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为本发明的一种基于图像对比的PCB板U型槽加工异常检测方法的实施例的流程示意图；
图2为金手指区域的列和曲线示意图。
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
本发明的一种基于图像对比的PCB板U型槽加工异常检测方法的实施例，如图1所示，包括：
S1：对PCB板标准参考图像的二值图进行边缘检测，得到PCB板轮廓边缘。
PCB板的CAD设计图是其加工所依赖的标准信息，即每个PCB板都需要根据对应的CAD设计图来严格加工。而CAD设计图像能够根据用户的交互而不断放大，即使得所呈现图像的像素对应的物理尺度信息不断变化。而我们需要固定标准的图像来判断异常，所以需要根据当前PCB板的尺寸以及加工精度要求，来获得符合要求的标准图像。
获得标准图像F的具体过程如下：
获得当前PCB板的长宽尺寸
Figure DEST_PATH_IMAGE044
，为了快速获得PCB板的尺寸信息，需要采用人机交互的方式，由人为输入PCB板的矩形尺寸信息，即
Figure 523151DEST_PATH_IMAGE044
，其中C为长，K为宽，单位为mm。
获取加工精度
Figure 260163DEST_PATH_IMAGE026
，同样，该加工精度的不同会使得后续自适应采集的参数不同，而此加工精度信息，需要通过人机交互方式，由人为根据需求给出。其值为
Figure 783548DEST_PATH_IMAGE026
，单位为mm。
计算当前标准图像对应的分辨率信息，要使得图像中的像素能反应出满足精度要求的异常误差，则所对应的图像其像素尺寸最小为
Figure DEST_PATH_IMAGE046
，单位为像素。
其中：
Figure DEST_PATH_IMAGE048
Figure DEST_PATH_IMAGE050
控制当前PCB板设计区域对应的缩放系数s，使其导出图像的像素尺寸不低于
Figure 88759DEST_PATH_IMAGE046
，则该图像即可反应精度为D的加工误差，可作为后续判断异常的标准参考图像F。
采集的PCB板图像中，不同尺度（分辨率）的图像，其单个像素对应的横向和纵向物理尺寸不同，所以其对应的精度有限。例如对于一个像素代表1cm的图像，是无法判断0.5cm精度异常。因为图像是离散的数据量。
同时常规的相机由于透视关系的影响，越是偏离光轴较远的图像部分，其透视畸变的程度也越大。所以为了获得满足精度要求的PCB板图像，需要短焦采集局部图像，进而拼接后得到高分辨率的图像，来判断U型槽更高精度的加工异常。
为了确保相机尽可能的采集U型槽的高精度图像，所以需要先对上述获得的PCB标准参考图像进行分析处理，获得PCB上对应各部分的精度要求。
而后根据当前相机的采集参数，来调整后续的采集焦距，获得相对连续的图像后，识别图像中的金手指信息，并根据金手指的差异来获得透视误差信息，从而再进行弥补采集，减小采集图像的透视误差。最终获得误差尽量小，精度尽量高的PCB板U型槽的加工图像。
本实施例需要检测的是U型槽的加工异常、偏差，所以对于非U型槽的位置，无需高精度的连续采集，同时不正确的倒角往往会导致板卡部分功能的丧失，所以存在金手指的板卡，一定要注意U型槽的倒角规范，包括角度和深度两部分。所以对于U型槽的倒角位置、圆弧位置，应重点采集。
对于PCB的标准参考图像F，该图像为设计图像，首先进行二值化处理。CAD图像往往是黑色的背景，白色或其他颜色的前景信息，所以对于非黑色背景的内容需要直接改变其像素值为1（白色），对于黑色背景内容直接改变像素值为0，得到二值图像。
利用Canny边缘检测算子对二值图像进行处理，可获得边缘检测结果，再对闭合边缘进行提取，可来获得该闭合区域的最外层边缘，即PCB的轮廓边缘。
以左上角的边缘点为参考起点，对所有边缘点进行ID的编号。
S2：对PCB板轮廓边缘进行凸包检测，得到凸包边缘。
对上述获得的PCB板轮廓边缘进行凸包检测，获得凸包边缘。通过凸包检测，可获得PCB板上的凸包边缘，对于PCB板上的凹槽部分，轮廓边缘和凸包边缘是存在差异的。
同样对于凸包边缘，以左上角点为参考起点，对各边缘点进行ID的编号。
S3：对PCB板轮廓边缘点和凸包边缘点进行匹配，得到每个轮廓边缘点匹配的凸包边缘点，以轮廓边缘点的序号为横坐标，每个轮廓边缘点与其匹配的凸包边缘点的坐标差异为纵坐标，建立差异曲线。
而后对凸包边缘进行分析处理：
以起点开始，通过凸包边缘点左右的点来获得当前凸包边缘点的匹配方向：
通过凸包边缘点左右两点获得连接直线，而后求得该直线的法线，即为当前点的判断方向，通过该判断方向可获得与其匹配的轮廓边缘点。假设获得匹配的轮廓点的坐标定义为（x，y），与其配对的凸包边缘点的坐标（u，v）。
以轮廓点的ID编号为横坐标，以轮廓点和凸包点的坐标差异
Figure DEST_PATH_IMAGE052
为纵坐标，可获得差异曲线。所述差异
Figure 392701DEST_PATH_IMAGE052
的表达式为：
Figure DEST_PATH_IMAGE054
S4：利用差异曲线中每个轮廓边缘点与其前后点的斜率差以及前后点的曲率差得到每个轮廓边缘点的重要程度。
上述获得的差异曲线能够反映PCB板边缘的槽位信息，通过分析该曲线，即可判断哪些位置需要高精度采集，哪些位置不需要高精度采集。
获得各轮廓边缘点对应的重要程度：
Figure DEST_PATH_IMAGE002A
式中：
Figure 483804DEST_PATH_IMAGE004
表示第
Figure 127275DEST_PATH_IMAGE006
个轮廓边缘点的重要程度，
Figure 524758DEST_PATH_IMAGE008
表示差异曲线上第
Figure 253680DEST_PATH_IMAGE006
个轮廓边缘点与其第前
Figure 332494DEST_PATH_IMAGE010
个点所在直线的斜率，
Figure 643521DEST_PATH_IMAGE012
表示差异曲线上第
Figure 415168DEST_PATH_IMAGE006
个轮廓边缘点与其第后
Figure 365806DEST_PATH_IMAGE010
个点所在直线的斜率，
Figure 248312DEST_PATH_IMAGE014
表示差异曲线上第
Figure 663112DEST_PATH_IMAGE006
个轮廓边缘点与其第前
Figure 605661DEST_PATH_IMAGE010
个点的曲率，
Figure 43595DEST_PATH_IMAGE016
表示差异曲线上第
Figure 277261DEST_PATH_IMAGE006
个轮廓边缘点与其第后
Figure 749831DEST_PATH_IMAGE010
个点的曲率，
Figure 863281DEST_PATH_IMAGE018
表示第
Figure 850828DEST_PATH_IMAGE006
个轮廓边缘点与其匹配的凸包边缘点的坐标差异归一化后的值，范围为[0,1]。
上述公式即为根据当前轮廓边缘点左右两边的斜率差异（倒角）及曲率的差异（圆弧），并结合纵轴高度（凹槽），获得每个位置的采集重要性。
获得各边缘点的重要程度Z后，进行归一化操作，使其范围在[0,1]。越重要的位置，精度需求越高。
S5：通过所有轮廓边缘点的坐标和重要程度得到二维精度要求热图。
上述获得的是每个轮廓边缘点的采集精度要求，而我们需要根据二维的图像来调整相机的采集参数，所以需要获得二维的精度要求热图。
重建同尺寸的空白图像，并在各边缘点位置修改其像素值为对应的重要程度Z，而后利用高斯模糊方式进行模糊操作，得到二维的精度要求热图。
对于非U型槽的区域，采集精度要求较低，对于U型槽区域其采集精度要求较高。
该结果为处理标准图像所得，而真实采集的图像并非与该标准图像一模一样，所以需要利用该二维的精度要求热图来调节相机参数，获得合理的真实采集图像。
上述获得各个位置的采集需求后，需要进而调整相机，得到自适应的采集策略。首先需要获得能达到精度需求的相机的采集参数。
无论相机的采集参数如何改变，所能采集的图像的像素尺寸是不变的。而不同相机由于感光元件的不同，其像素尺寸是不同的。所以首先需要通过传感器的方式获得当前相机的参数。
获得采集图像的像素尺寸为
Figure DEST_PATH_IMAGE056
，并获得相机的内参矩阵
Figure DEST_PATH_IMAGE058
，形式如下：
Figure DEST_PATH_IMAGE060
其中，
Figure DEST_PATH_IMAGE062
为焦距，一般情况下，二者相等，
Figure DEST_PATH_IMAGE064
为主点坐标。焦距的计算公式为：
Figure DEST_PATH_IMAGE066
Figure DEST_PATH_IMAGE068
式中：
Figure 760622DEST_PATH_IMAGE024
为当前的像距，
Figure DEST_PATH_IMAGE070
、
Figure DEST_PATH_IMAGE072
分别表示横、纵方向上的一个像素对应的物理长度，即为图像检测精度。
Figure 884436DEST_PATH_IMAGE024
为PCB板到相机光心的距离，该距离固定不变，为了满足精度要求，所以焦距的值为：
Figure DEST_PATH_IMAGE074
式中：
Figure 981836DEST_PATH_IMAGE022
所求的相机焦距，D为需要的图像精度。
焦距越长，单个像素对应的物理单位越小，两者成反比，焦距越小，则局部越能被放大。
上述获得相机的采集信息后，可结合精度要求热图，来获得粗糙的连续采集参数。该方式采集的图像内包含有透视畸变的干扰。后续可再进行补拍，通过额外采集的重叠图像来消除畸变，最终匹配拼接得到无畸变图像。
首先，本实施例中的相机以折回的方式来拍摄待检测PCB板的局部图像，从而通过拼接的方式来获得整个PCB板高精度的图像。
S6：选取二维精度要求热图中的初始采集像素点，利用该初始采集像素点及其邻域像素点的重要程度、所要采集的图像精度以及像距得到对待检测PCB板上与该初始采集像素点对应像素点进行采集的相机焦距；通过该相机焦距对待检测PCB板上与初始像素点对应的位置进行图像采集，得到该焦距下的局部图像。
根据中心像素点及其八邻域的平均采集精度要求计算当前采集图像的焦距：
Figure DEST_PATH_IMAGE020A
式中：
Figure 456680DEST_PATH_IMAGE028
表示当前像素点和其邻域像素点所在窗口中的第
Figure 484679DEST_PATH_IMAGE028
个像素点。
S7：通过初始像素点及其邻域像素点的重要程度、所要采集的图像精度以及像素尺寸得到下一次局部图像采集的间隔距离。
不同焦距采集的图像范围是不同的，需要根据焦距计算出其采集范围，从而计算出下次采集图像与当前采集图像的间隔距离：
Figure DEST_PATH_IMAGE032A
Figure DEST_PATH_IMAGE038A
式中：
Figure 541627DEST_PATH_IMAGE034
表示横向间隔距离，
Figure 731300DEST_PATH_IMAGE040
表示纵向间隔距离，
Figure DEST_PATH_IMAGE076
表示单个像素的物理量。
上述计算出的采集图像的横向间隔距离和纵向间隔距离意思是：若当前是横向移动，则按照XG移动，若当前是纵向移动，则按照YG进行移动。
S8：按照获取的间隔距离得到二维精度要求热图中新的初始采集像素点，所述初始采集像素点与新的初始采集像素点的距离为所述的间隔距离；将新的初始采集像素点作为初始采集像素点，重复步骤S6和S7，获取所有的局部图像。
S9：获取所有局部图像中分辨率最大的局部图像所对应的分辨率，将其它局部图像的分辨率扩大为该分辨率，得到处理后的所有局部图像；将处理后的所有局部图像进行图像拼接，得到拼接后PCB板图像。
对于低分辨的图像需要扩大分辨率，以便能统一的分辨拼接，本实施例采用反池化的方式来修改图像的分辨率。该技术为公知技术，故不予详细解释。
上述意思即为，在最终得到的局部图像中，每张局部待拼接图像的分辨率不一定相同，分辨率最高的局部图像保持不变，将其他分辨率低的局部待拼接图像的分辨率扩大为与最高分辨率图像的分辨率一致，再进行图像拼接，得到拼接后的图像。
至此，得到各个位置对应的局部图像，结合空间采集位置通过角点检测匹配的方式可完成局部图像的拼接，获得高分辨率的PCB板图像
Figure DEST_PATH_IMAGE078
。
S10：通过拼接后PCB板图像和标准参考图像的二值边缘图像判断U型槽加工是否存在异常。
因为实际采集过程中，很可能单个像素的精度满足要求，但是拼接后的图像，其尺寸大于标准参考图像，所以需要采用平移的方式来对齐PCB板。
以图像内的PCB板边缘的左上角点为基准点，将拼接后的图像进行平移与标准参考图像对齐即可。
将拼接后的图像与标准参考图像对齐后，分别通过Canny算子获得对应的二值边缘图像，通过做差的方式，即可获得差值图像，如下：
Figure DEST_PATH_IMAGE080
式中：
Figure DEST_PATH_IMAGE082
表示差值图像，
Figure DEST_PATH_IMAGE084
表示标准参考图像的二值边缘图像，
Figure DEST_PATH_IMAGE086
表示拼接图像的二值边缘图像。
通过差值图像判断U型槽加工是否存在异常。
本发明利用图像处理技术对PCB板的标准设计图像进行分析，进而来自适应地调整相机的采集参数，获得PCB板的多张不同分辨率的局部图像，最后把多张局部图像进行拼接，获得高分辨率的已加工的PCB板图像，再通过与标准图像进行对比识别异常，相对于现有技术，本发明实现了U型槽的高精度的加工异常判断，且检测方法简单，适合不同PCB板设计方案。
实施例2
在实施例1中，由于相机在拍摄照片时会存在一定的透视畸变，为了使采集到的局部图像形变更小，拼接后与标准参考图像对比后结果更加准确，因此本实施例需要对每个焦距下采集到局部图像后将相机移动到下一个位置的距离进行修改，来提高局部图像拼接的准确性，采用如下方法：
本实施例是采用PCB板中金手指的变化来识别畸变程度，进而自适应的判断补拍的位置。
因为金手指呈现周期性条纹的图像特征，所以可引起频谱上局部产生高亮点。所以可通过分析频谱来判断金手指区域。
获得频谱对应的列均值曲线（频谱上每一竖列像素点的像素值相加，并求均值），通过计算列均值曲线的突变程度来判断当前图像是否存在金手指。
列均值
Figure DEST_PATH_IMAGE088
的表达式为：
Figure DEST_PATH_IMAGE090
式中：
Figure DEST_PATH_IMAGE092
表示当前列中的第
Figure 373066DEST_PATH_IMAGE092
个像素点，
Figure DEST_PATH_IMAGE094
表示当前列第
Figure 939177DEST_PATH_IMAGE092
个像素点的像素值，
Figure DEST_PATH_IMAGE096
表示当前列共有
Figure 53895DEST_PATH_IMAGE096
个像素点。
突变程度
Figure DEST_PATH_IMAGE098
的表达式为：
Figure DEST_PATH_IMAGE100
式中：
Figure DEST_PATH_IMAGE102
表示频谱对应的列均值曲线中第
Figure 476786DEST_PATH_IMAGE102
个点，也为频谱中的第
Figure 676954DEST_PATH_IMAGE102
列，
Figure DEST_PATH_IMAGE104
表示频谱中的总列数，
Figure DEST_PATH_IMAGE106
表示列均值曲线中第
Figure 109072DEST_PATH_IMAGE102
个点和其前
Figure 999668DEST_PATH_IMAGE010
个点所在直线的斜率，
Figure DEST_PATH_IMAGE108
表示列均值曲线中第
Figure 796723DEST_PATH_IMAGE102
个点和其后
Figure 218608DEST_PATH_IMAGE010
个点所在直线的斜率，
Figure DEST_PATH_IMAGE110
表示上述公式中的斜率差异阈值。
上述公式实际为通过前后的斜率差异来判断突变程度，而后把各处的突变程度累加。
设定突变程度阈值ks，当突变程度TB大于阈值ks时，判断当前图像中存在金手指区域。
识别出金手指区域后，以最高的焦距重新采集该区域，以便识别畸变范围。
获得金手指区域后，可通过分析像素的周期性变化来判断当前的透视畸变程度。
获得采集的局部RGB图像，通过大津自适应二值化的方法获得对应的二值图像，累加每列像素点的像素值，得到列和曲线，对于金手指区域，其列和曲线的形式为方波脉冲形式，如图2所示。
求得金手指区域的列和曲线（方波脉冲形式）中的拐点坐标，通过坐标的变化，来计算当前焦距对应的畸变范围：
判断拐点的方法为：若当前点的左侧点与当前点的纵坐标做差，若差值小于0，判断当前点为脉冲左侧点；将当前点的右侧点与当前点的纵坐标做差，若差值小于0，判断当前点为脉冲右侧点。
脉冲区间的畸变程度
Figure DEST_PATH_IMAGE112
的表达式为：
Figure DEST_PATH_IMAGE114
式中：
Figure DEST_PATH_IMAGE116
表示图像最中间的脉冲区域的宽度，即图像最中间的两个拐点间的横坐标距离，
Figure DEST_PATH_IMAGE118
表示从图像最中间往左第
Figure DEST_PATH_IMAGE120
个脉冲区间的宽度，
Figure DEST_PATH_IMAGE122
表示从图像最中间往右第
Figure 326854DEST_PATH_IMAGE120
个脉冲区间的宽度。
Figure 337535DEST_PATH_IMAGE112
的范围为[0,1]。
中间则是畸变最小的区域，越向四周，畸变越大。
结合当前焦距对应的单像素对应物理比例，可得各脉冲区域对应的物理畸变量
Figure DEST_PATH_IMAGE124
：
Figure DEST_PATH_IMAGE126
其中，
Figure DEST_PATH_IMAGE128
与
Figure DEST_PATH_IMAGE130
可通过像距和焦距计算获得。
最后，若物理畸变
Figure 993907DEST_PATH_IMAGE124
大于D，则认为该区域的畸变影响较大。记录当前区域对应的区间标号
Figure DEST_PATH_IMAGE132
，进而得到当前焦距下的畸变范围
Figure DEST_PATH_IMAGE134
：
Figure DEST_PATH_IMAGE136
计算所有采集的局部图像中当前像素点和其八邻域像素点重要程度均值，若该均值大于设定的阈值，则进行畸变校正采集。
上述已经获得采集所用的焦距对应的畸变范围（
Figure 152355DEST_PATH_IMAGE134
），结合畸变范围，可知，需要在原间隔距离的基础上少移动2*Bi。即新的间隔距离的表达式为：
Figure DEST_PATH_IMAGE138
Figure DEST_PATH_IMAGE140
式中：
Figure DEST_PATH_IMAGE142
表示新的横向间隔距离，
Figure DEST_PATH_IMAGE144
表示新的纵向间隔距离。
故可得到新的补偿采集点，以对应的焦距采集新的图像来替代具有畸变的图像。
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 (7)

1.一种基于图像对比的PCB板U型槽加工异常检测方法，其特征在于，包括：
S1：对PCB板标准参考图像的二值图进行边缘检测，得到PCB板轮廓边缘；
S2：对PCB板轮廓边缘进行凸包检测，得到凸包边缘；
S3：对PCB板轮廓边缘点和凸包边缘点进行匹配，得到每个轮廓边缘点匹配的凸包边缘点，以轮廓边缘点的序号为横坐标，每个轮廓边缘点与其匹配的凸包边缘点的坐标差异为纵坐标，建立差异曲线；
S4：利用差异曲线中每个轮廓边缘点与其前后点的斜率差以及前后点的曲率差得到每个轮廓边缘点的重要程度；
S5：通过所有轮廓边缘点的坐标和重要程度得到二维精度要求热图；
S6：选取二维精度要求热图中的初始采集像素点，利用该初始采集像素点及其邻域像素点的重要程度、所要采集的图像精度以及像距得到对待检测PCB板上与该初始采集像素点对应像素点进行采集的相机焦距；通过该相机焦距对待检测PCB板上与初始像素点对应的位置进行图像采集，得到该相机焦距下的局部图像；
S7：通过初始像素点及其邻域像素点的重要程度、所要采集的图像精度以及像素尺寸得到下一次局部图像采集的间隔距离；
S8：按照获取的间隔距离得到二维精度要求热图中新的初始采集像素点，所述初始采集像素点与新的初始采集像素点的距离为所述的间隔距离；将新的初始采集像素点作为初始采集像素点，重复步骤S6和S7，获取所有的局部图像；
S9：获取所有局部图像中分辨率最大的局部图像所对应的分辨率，将其它局部图像的分辨率扩大为该分辨率，得到处理后的所有局部图像；将处理后的所有局部图像进行图像拼接，得到拼接后PCB板图像；
S10：通过拼接后PCB板图像和标准参考图像的二值边缘图像判断U型槽加工是否存在异常。
2.根据权利要求1所述的一种基于图像对比的PCB板U型槽加工异常检测方法，其特征在于，所述拼接后PCB板图像和标准参考图像的像素尺寸相同。
3.根据权利要求1所述的一种基于图像对比的PCB板U型槽加工异常检测方法，其特征在于，轮廓边缘点的重要程度的表达式为：
Figure 775036DEST_PATH_IMAGE001
式中：
Figure 692176DEST_PATH_IMAGE002
表示第
Figure 658864DEST_PATH_IMAGE003
个轮廓边缘点的重要程度，
Figure 54074DEST_PATH_IMAGE004
表示差异曲线上第
Figure 868446DEST_PATH_IMAGE003
个轮廓边缘点 与其第前
Figure 628591DEST_PATH_IMAGE005
个点所在直线的斜率，
Figure 895625DEST_PATH_IMAGE006
表示差异曲线上第
Figure 94525DEST_PATH_IMAGE003
个轮廓边缘点与其第后
Figure 763404DEST_PATH_IMAGE005
个点 所在直线的斜率，
Figure 445183DEST_PATH_IMAGE007
表示差异曲线上第
Figure 199512DEST_PATH_IMAGE003
个轮廓边缘点与其第前
Figure 936524DEST_PATH_IMAGE005
个点的曲率，
Figure 397592DEST_PATH_IMAGE008
表 示差异曲线上第
Figure 827437DEST_PATH_IMAGE003
个轮廓边缘点与其第后
Figure 69062DEST_PATH_IMAGE005
个点的曲率，
Figure 344186DEST_PATH_IMAGE009
表示第
Figure 174607DEST_PATH_IMAGE003
个轮廓边缘点与其匹 配的凸包边缘点的坐标差异归一化后的值。
4.根据权利要求1所述的一种基于图像对比的PCB板U型槽加工异常检测方法，其特征在于，相机焦距的表达式为：
Figure 509774DEST_PATH_IMAGE010
式中：
Figure 238695DEST_PATH_IMAGE011
表示采集图像的相机焦距，
Figure 255193DEST_PATH_IMAGE012
表示像距，
Figure 753170DEST_PATH_IMAGE013
表示加工精度，
Figure 524817DEST_PATH_IMAGE014
表示初始采集像素 点和其邻域像素点所在窗口中的第
Figure 475456DEST_PATH_IMAGE014
个像素点，
Figure 43447DEST_PATH_IMAGE015
表示第
Figure 395931DEST_PATH_IMAGE014
个像素点的重要程度。
5.根据权利要求4所述的一种基于图像对比的PCB板U型槽加工异常检测方法，其特征在于，局部图像采集的间隔距离的表达式为：
横向间隔距离的表达式为：
Figure 338479DEST_PATH_IMAGE016
式中：
Figure 714097DEST_PATH_IMAGE017
表示横向间隔距离，
Figure 134714DEST_PATH_IMAGE018
表示横向像素尺寸；
纵向间隔距离的表达式为：
Figure 607284DEST_PATH_IMAGE019
式中：
Figure 720733DEST_PATH_IMAGE020
表示纵向间隔距离，
Figure 832914DEST_PATH_IMAGE021
表示纵向像素尺寸。
6.根据权利要求1所述的一种基于图像对比的PCB板U型槽加工异常检测方法，其特征在于，利用局部图像对应焦距下相机的畸变范围，对下一次局部图像采集的间隔距离进行修正。
7.根据权利要求1所述的一种基于图像对比的PCB板U型槽加工异常检测方法，其特征在于，将处理后的所有局部图像进行图像拼接，得到拼接后PCB板图像后，还包括：
以标准参考图像的左上角点为基准点，对拼接后PCB板图像进行平移，得到对齐后的PCB板图像。
CN202210465522.3A 2022-04-29 2022-04-29 一种基于图像对比的pcb板u型槽加工异常检测方法 Active CN114565612B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210465522.3A CN114565612B (zh) 2022-04-29 2022-04-29 一种基于图像对比的pcb板u型槽加工异常检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210465522.3A CN114565612B (zh) 2022-04-29 2022-04-29 一种基于图像对比的pcb板u型槽加工异常检测方法

Publications (2)

Publication Number Publication Date
CN114565612A true CN114565612A (zh) 2022-05-31
CN114565612B CN114565612B (zh) 2022-07-05

Family

ID=81721288

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210465522.3A Active CN114565612B (zh) 2022-04-29 2022-04-29 一种基于图像对比的pcb板u型槽加工异常检测方法

Country Status (1)

Country Link
CN (1) CN114565612B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115359047A (zh) * 2022-10-19 2022-11-18 元能微电子科技南通有限公司 用于pcb板智能焊接的异常缺陷检测方法
CN115578383A (zh) * 2022-11-23 2023-01-06 惠州威尔高电子有限公司 基于全景图像的厚铜pcb板检测方法
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
CN117314910A (zh) * 2023-11-29 2023-12-29 广州爱德医疗科技有限公司 基于机器视觉的腕带材料精准裁切控制方法
CN117455221A (zh) * 2023-12-25 2024-01-26 青岛可颂食品有限公司 一种适用于烘焙奶油的加工流程管理系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160117820A1 (en) * 2014-10-23 2016-04-28 Hanwha Techwin Co., Ltd. Image registration method
WO2017067321A1 (zh) * 2015-10-19 2017-04-27 广州视源电子科技股份有限公司 一种基于外轮廓的pcb板卡匹配方法及装置
CN109242773A (zh) * 2018-08-29 2019-01-18 杭州体光医学科技有限公司 一种热红外图像的拼接方法及部位划分方法
CN109829910A (zh) * 2019-02-01 2019-05-31 佛山市南海区广工大数控装备协同创新研究院 一种基于邻域查找的pcb缺陷检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160117820A1 (en) * 2014-10-23 2016-04-28 Hanwha Techwin Co., Ltd. Image registration method
WO2017067321A1 (zh) * 2015-10-19 2017-04-27 广州视源电子科技股份有限公司 一种基于外轮廓的pcb板卡匹配方法及装置
CN109242773A (zh) * 2018-08-29 2019-01-18 杭州体光医学科技有限公司 一种热红外图像的拼接方法及部位划分方法
CN109829910A (zh) * 2019-02-01 2019-05-31 佛山市南海区广工大数控装备协同创新研究院 一种基于邻域查找的pcb缺陷检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭瑞霞 等: "基于机器视觉的PCB元器件智能检测系统", 《科学技术创新》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115359047A (zh) * 2022-10-19 2022-11-18 元能微电子科技南通有限公司 用于pcb板智能焊接的异常缺陷检测方法
CN115578383A (zh) * 2022-11-23 2023-01-06 惠州威尔高电子有限公司 基于全景图像的厚铜pcb板检测方法
CN115578383B (zh) * 2022-11-23 2023-04-07 惠州威尔高电子有限公司 基于全景图像的厚铜pcb板检测方法
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
CN117314910A (zh) * 2023-11-29 2023-12-29 广州爱德医疗科技有限公司 基于机器视觉的腕带材料精准裁切控制方法
CN117314910B (zh) * 2023-11-29 2024-02-27 广州爱德医疗科技有限公司 基于机器视觉的腕带材料精准裁切控制方法
CN117455221A (zh) * 2023-12-25 2024-01-26 青岛可颂食品有限公司 一种适用于烘焙奶油的加工流程管理系统
CN117455221B (zh) * 2023-12-25 2024-03-26 青岛可颂食品有限公司 一种适用于烘焙奶油的加工流程管理系统

Also Published As

Publication number Publication date
CN114565612B (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
CN114565612B (zh) 一种基于图像对比的pcb板u型槽加工异常检测方法
CN110866924B (zh) 一种线结构光中心线提取方法及存储介质
US7139424B2 (en) Stereoscopic image characteristics examination system
EP3309704A1 (en) Two-dimensional code partitioning and decoding method and system
US20120294528A1 (en) Method of Detecting and Correcting Digital Images of Books in the Book Spine Area
US20080112613A1 (en) Detecting And Correcting Redeye In An Image
US8787671B2 (en) Character recognition preprocessing method and apparatus
CN108470356B (zh) 一种基于双目视觉的目标对象快速测距方法
CN105339951A (zh) 用于检测文档边界的方法
CN111062940B (zh) 一种基于机器视觉的螺钉定位与识别方法
CN108550113A (zh) 图像扫描输出方法、装置、计算机设备和存储介质
US6490369B1 (en) Method of viewing and identifying a part for a robot manipulator
CN111353961A (zh) 一种文档曲面校正方法及装置
CN111915485A (zh) 一种特征点稀疏工件图像的快速拼接方法及系统
CN114878595B (zh) 一种书本印刷质量检测方法
CN112264992A (zh) 一种工业机器人坐标系校准方法、系统、装置和存储介质
Fernández-Caballero et al. Display text segmentation after learning best-fitted OCR binarization parameters
CN108230400B (zh) 一种适用于激光切割机的自适应坐标重建方法
CN105825476B (zh) 一种应用于dsp的图像快速扫描拼接方式
US7525702B2 (en) Methods and systems for correcting color distortions
CN114998571B (zh) 基于固定尺寸标志物的图像处理及颜色检测方法
CN113450335B (zh) 一种路沿检测方法、路沿检测装置及路面施工车辆
CN115512381A (zh) 文本识别方法、装置、设备、存储介质及作业机械
CN115239623A (zh) 一种检测弓网接触力的方法
CN114359414A (zh) 镜头脏污识别方法、装置、计算机设备及存储介质

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