CN115060742A - 一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法 - Google Patents

一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法 Download PDF

Info

Publication number
CN115060742A
CN115060742A CN202210626518.0A CN202210626518A CN115060742A CN 115060742 A CN115060742 A CN 115060742A CN 202210626518 A CN202210626518 A CN 202210626518A CN 115060742 A CN115060742 A CN 115060742A
Authority
CN
China
Prior art keywords
circuit board
printed circuit
target printed
image
target
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
Application number
CN202210626518.0A
Other languages
English (en)
Inventor
慕晓冬
叶霞
宋涛
赵鹏
何恒
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.)
Rocket Force University of Engineering of PLA
Original Assignee
Rocket Force University of Engineering of PLA
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 Rocket Force University of Engineering of PLA filed Critical Rocket Force University of Engineering of PLA
Priority to CN202210626518.0A priority Critical patent/CN115060742A/zh
Publication of CN115060742A publication Critical patent/CN115060742A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G06T5/90—
    • 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
    • G06T7/12—Edge-based segmentation
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C2301/00—Sorting according to destination
    • B07C2301/0008—Electronic Devices, e.g. keyboard, displays
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
    • 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
    • G06T2207/20036—Morphological image processing
    • 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]

Abstract

本发明公开了一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法，该系统包括：传送装置用于输送目标印刷电路板；图像检测装置用于采集所述目标印刷电路板的图像，并对目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到目标印刷电路板的缺陷检测结果；分拣装置用于扫描所述目标印刷电路板的条形码信息；主控装置用于根据目标印刷电路板的缺陷检测结果以及目标印刷电路板的条形码信息，生成分流操作指令，并下发给分拣装置；分拣装置进一步用于接收主控装置下发的分流操作指令，带动所述目标印刷电路板旋转，以将所述目标印刷电路板传送到缺陷区或合格区。本发明可以实现目标印刷电路板的缺陷进行自动检测及自动缺陷分类。

Description

一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法
技术领域
本发明涉及技术领域，特别地涉及一种基于边缘计算设备与机器视觉技术的基于视觉边缘计算的印刷电路板缺陷检测系统及方法。
背景技术
印刷电路板(PCB)是集成各种电子元器件的信息载体，它为各电子元器件的秩序连接提供了可能，在电子领域中有着广泛的应用。随着技术的不断发展和工艺水平的不断提高，电子技术方案趋于更轻、更薄、更小，PCB朝着层数更多、密度更高的方向发展，生产中因焊接缺陷的等各种原因，导致电路板的合格率降低影响整机质量的事故屡见不鲜，这使得PCB的质量检验成为一件非常困难的工作。
现有的印刷电路板的质量检测方法有：
(1)人工检测
人工测试方法是借助发光的放大镜或校准的显微镜，利用操作人员视觉检查来确定电路板合不合格，并确定什么时候需进行校正操作。人工目检方便、实用、适应性强，预先成本最低，没有测试夹具成本，而且在工艺中校正操作步骤最合理。但是随着工艺提高、尺寸增加、电路板特性向小元件、高密度、细间距方向发展，该人工检测方法存在容易漏检、检测速度慢、检测时间长等诸多弊端。
(2)在线测试
在线测试方法是通过模拟测试实验和电性能的测试，检查电路板焊接的开路、短路及故障元件和元器件的功能检测，已有针床式测试仪和飞针测试仪等几种测试方法。若电板上元器件布置密度过大，测试点的设置具有一定难度，此时可使用边界扫描技术，通过预先设计的测试电路把测试点汇总至电路板焊接的边缘连接器,，使各个位置的点都能被在线测试仪所检测到。基于电信号为媒介的在线测试技术，可以非常接近于实用情况的检测到电路板焊接的实际形态。仪器线上测试技术具有使用转换率高、成本低廉、缺陷检测覆盖大、易于操控的优点。但该线上测试方法需要测试夹具，夹具制造成本高，还存在使用难度大、编程与调试时间多等缺点。
(3)功能测试
系统功能测试法是借用专门的测试设备在生产线的中、末端，全面测试电路板的功能模块，以便于及时确认电路板的好坏。但用于过程改进的元件级和脚级诊断等深层数据，是功能测试法所无法提供的，而且需用特种设计的测试流程和专门的测试设备，不仅测试程序的编写复杂，而且推广使用局限性大。
综上所述，如何有效的实现印刷电路板的自动缺陷检测，仍是本领域待解决的技术问题。
发明内容
有鉴于此，本发明提出了一种基于边缘计算设备与机器视觉技术的基于视觉边缘计算的印刷电路板缺陷检测系统及方法，可以实现印刷电路板的断点缺陷综合检测，自动化分流、收集、故障回收等操作。
本发明第一方面提供了一种基于视觉边缘计算的印刷电路板缺陷检测系统，该系统包括：传送装置，用于输送目标印刷电路板；图像检测装置设置于所述传送装置的一侧，用于采集所述目标印刷电路板的图像，并对所述目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到所述目标印刷电路板的缺陷检测结果，并将目所述标印刷电路板的缺陷检测结果传输至主控装置；分拣装置，设置在所述传送装置的末端，用于扫描所述目标印刷电路板的条形码信息，并将所述目标印刷电路板的条形码信息上传至主控装置；主控装置，用于根据目标印刷电路板的缺陷检测结果以及目标印刷电路板的条形码信息，生成分流操作指令，并下发给分拣装置；分拣装置，进一步用于接收所述主控装置下发的分流操作指令，带动所述目标印刷电路板旋转，以将所述目标印刷电路板传送到缺陷区或合格区。
进一步的，所述图像检测装置包括：图像采集模块，用于采集所述目标印刷电路板的图像，并传输给图像处理模块；图像处理模块，用于接收所述图像采集模块采集的目标印刷电路板的图像，对目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到目标印刷电路板的缺陷检测结果，并将目标印刷电路板的缺陷检测结果传输至所述主控装置。
进一步的，所述图像处理模块对目标印刷电路板的图像进行预处理的步骤，包括：对目标印刷电路板的图像进行灰度化处理，得到目标印刷电路板的灰度图；对所述目标印刷电路板的灰度图进行边缘检测，提取目标印刷电路板的边缘检测图像；对所述目标印刷电路板的边缘检测图像进行形态学膨胀处理，得到目标印刷电路板的膨胀处理图；检测所述目标印刷电路板的边缘直线；计算所述目标印刷电路板的最长边缘直线，得到目标印刷电路板的边缘框图；随机旋转所述目标印刷电路板的边缘框图。
进一步的，所述图像处理模块对目标印刷电路板的图像进行图像分割的步骤，包括：对预处理后的目标印刷电路板的图像进行二值化处理，得到目标印刷电路板的二值化图像；查找所述目标印刷电路板的二值化图像中目标印刷电路板的图像轮廓；计算所述目标印刷电路板的图像轮廓的面积及长度，得到目标印刷电路板的最大图像轮廓；基于目标印刷电路板的最大图像轮廓从采集到的目标印刷电路板的图像中分割出目标印刷电路板，得到分割后的目标印刷电路板的图像。
进一步的，所述图像处理模块对分割后的目标印刷电路板的图像进行图像特征识别与缺陷判断的步骤，包括：将分割后的目标印刷电路板的图像输入到训练模型，得到目标印刷电路板的图像特征；对提取到的目标印刷电路板的图像特征进行卷积处理，得到目标印刷电路板是否有缺陷的置信度和缺陷概率；根据缺陷概率，得到训练模型对目标印刷电路板的缺陷判定标签；基于目标印刷电路板的缺陷判定标签，对分割后的目标印刷电路板的图像进行缺陷判断，得到目标印刷电路板的缺陷检测结果。
进一步的，所述分拣装置包括扫码模块和动力模块，所述扫码模块，用于扫描目标印刷电路板的条形码信息，并上传给所述主控装置；所述动力模块，用于在所述主控装置的控制下，带动所述目标印刷电路板旋转，以将所述目标印刷电路板传送到缺陷区或合格区。
本发明第二方面提供一种印刷电路板缺陷检测方法，该方法包括以下步骤：图像检测装置采集目标印刷电路板的图像，并对目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到目标印刷电路板的缺陷检测结果；分拣装置扫描目标印刷电路板的条形码信息；主控装置根据目标印刷电路板的缺陷检测结果以及目标印刷电路板的条形码信息，生成分流操作指令，并下发给分拣装置；分拣装置接收所述主控装置下发的分流操作指令，带动目标印刷电路板旋转，以将目标印刷电路板传送到缺陷区或合格区。
进一步的，所述图像检测装置对目标印刷电路板的图像进行预处理的步骤，包括：对目标印刷电路板的图像进行灰度化处理，得到目标印刷电路板的灰度图；对所述目标印刷电路板的灰度图进行边缘检测，提取目标印刷电路板的边缘检测图像；对所述目标印刷电路板的边缘检测图像进行形态学膨胀处理，得到目标印刷电路板的膨胀处理图；检测目标印刷电路板的边缘直线；计算目标印刷电路板的最长边缘直线，得到目标印刷电路板的边缘框图；随机旋转目标印刷电路板的边缘框图。
进一步的，所述图像检测装置对目标印刷电路板的图像进行图像分割的步骤，包括：对预处理后的目标印刷电路板的图像进行二值化处理，得到目标印刷电路板的二值化图像；查找目标印刷电路板的二值化图像中目标印刷电路板的图像轮廓；计算目标印刷电路板的图像轮廓的面积及长度，得到目标印刷电路板的最大图像轮廓；基于目标印刷电路板的最大图像轮廓从采集到的目标印刷电路板的图像中分割出目标印刷电路板，得到分割后的目标印刷电路板的图像。
进一步的，所述图像处理模块对分割后的目标印刷电路板的图像进行图像特征识别与缺陷判断的步骤，包括：将分割后的目标印刷电路板的图像输入到训练模型，得到目标印刷电路板的图像特征；对提取到的目标印刷电路板的图像特征进行卷积处理，得到目标印刷电路板是否有缺陷的置信度和缺陷概率；根据缺陷概率，得到训练模型对目标印刷电路板的缺陷判定标签；基于目标印刷电路板的缺陷判定标签，对分割后的目标印刷电路板的图像进行缺陷判断，得到目标印刷电路板的缺陷检测结果。
上述的基于边缘计算设备与机器视觉技术的基于视觉边缘计算的印刷电路板缺陷检测系统及方法，采用图像采集模块采集位于传送装置上的目标印刷电路板的图像，通过图像处理模块并对目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到目标印刷电路板的缺陷检测结果，实现目标印刷电路板的数据的自动收集和处理，检测精度高，无需夹具，成本低，适用范围广。
上述的基于边缘计算设备与机器视觉技术的基于视觉边缘计算的印刷电路板缺陷检测系统及方法，通过主控装置根据目标印刷电路板的缺陷检测结果及目标印刷电路板上的条形码信息控制分拣装置带动目标印刷电路板旋转，以将目标印刷电路板传送到缺陷区或无缺陷区，实现目标印刷电路板的缺陷检测以及自动化分流。
附图说明
为了说明而非限制的目的，现在将根据本发明的优选实施例、特别是参考附图来描述本发明，其中：
图1是本发明一实施例提出的基于视觉边缘计算的印刷电路板缺陷检测系统的结构示意图；
图2是本发明一实施例提出的图像检测装置的结构示意图；
图3是本发明一实施例提出的图像检测装置图像预处理的流程示意图；
图4是本发明一实施例提出的图像检测装置图像分割的流程示意图；
图5是本发明另一实施例提出的印刷电路板缺陷检测方法的流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
视觉检测技术涵盖了电子、机械、光学、计算机软硬件等方面的知识是计算机学科的一个重要分支，涉及到图像处理、PC应用、模式识别、信号处理、人工智能、机电一体化等多个领域是当今工业检测领域的重要手段。基于人工测试、针床式测试仪和飞针测试仪的在线测试及功能测试等PCB缺陷检测方法的局限性，采用视觉检测技术实现PCB缺焊的检测已经成为当前PCB缺陷检测研究的主体方向。具体方式如下：
(1)自动光学检测技术(AOI)
自动光学检测技术(AOI)综合采用自动控制、图像分析处理、电子计算机应用等多种技术，基于光学原理对生产中遇到的焊接缺陷进行检测和处理,是一种能快速、准确检测出制造缺陷的方法。它主要通过相机对PCB板进行扫描获取到PCB板焊点区域的图像，运用视觉处理技术高速、精准完成自动检测PCB焊接缺陷，提取相应焊点的特征。根据提取的焊点特征与数据库中标准特征进行对比，确定焊接缺陷类型并标示，分析质量问题给出检测结果数据，等待相关人员处理。
(2)机器视觉检测技术(MVI)
视觉检测技术的应用范围和实用功能伴随着不断发展和进步的现代工业自动化，也越来越广泛和完善，特别是CMOS和CCD摄像机、图像处理和模式识别技术、数字图像传感器、嵌入式技术DSP、FPGA、ARM、的快速发展，快速的推动了机器视觉检测的进步。简而言之，机器视觉检测技术就是利用机器代替人眼来作各种测量和判断。MVccI作为最具有发展潜力的新技术在精密测试技术领域独占鳌头。其强大之处表现为它是图像处理技术(SRC)、光电探测技术(MSM)、计算机应用技术(Enterterms)的集合体。之所以将机器视觉检测技术引入到工业PCB检测中，是因其具有速度快、非接触、柔性好的突出优点，且在电子制作行业检测中发挥着非常重要的作用。同时机器视觉也可实现PCB光板的自动缺陷检测，避免生产过程中的巨大损失，对电子领域的发展具有现实的较高经济价值。
(3)计算机视觉检测技术(AVI)
建立在计算机视觉研究基础上的计算机视觉检测技术是一门新兴的工业检测技术。它采用图像传感器实现三维测算被测物的尺寸及空间位置，所得数据通过计算机对标准和故障图像进行比对后提取或直接从图像中提取，并依据检测参数引导设备动作。这种基于视觉传感器的智能检测系统具有时效高、结构简单、抗扰力强等优点，非常适合现代工业生产要求。
图1是本发明一实施例提出的一种基于边缘计算设备与机器视觉技术的基于视觉边缘计算的印刷电路板缺陷检测系统的结构示意图。通过基于视觉边缘计算的印刷电路板缺陷检测系统检测目标印刷电路板的断点缺陷，实现目标印刷电路板的缺陷分类，实现目标印刷电路板的自动化分流、数据收集、故障回收等操作。
请参阅图1，该基于边缘计算设备与机器视觉技术的基于视觉边缘计算的印刷电路板缺陷检测系统10包括传送装置100、图像检测装置200、分拣装置300及主控装置400；传送装置100，用于输送目标印刷电路板500；图像检测装置200设置于传送装置100的一侧，用于采集目标印刷电路板的图像，并对目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到目标印刷电路板的缺陷检测结果，并将目标印刷电路板的缺陷检测结果传输至主控装置400；
分拣装置300，设置在传送装置100的末端，用于扫描目标印刷电路板上的条形码信息，并将目标印刷电路板的条形码信息上传至主控装置400；
主控装置400，用于接收图像检测装置检测的目标印刷电路板的缺陷检测结果及分拣装置300扫描的目标印刷电路板上的条形码信息，根据目标印刷电路板的缺陷检测结果以及目标印刷电路板的条形码信息，生成分流操作指令，并下发给分拣装置300。
分拣装置300，进一步用于接收主控装置400下发的分流操作指令，带动目标印刷电路板500旋转，以将目标印刷电路板500传送到缺陷区或无缺陷区。
上述的基于边缘计算设备与机器视觉技术的基于视觉边缘计算的印刷电路板缺陷检测系统10，通过传送装置100输送目标印刷电路板500，通过图像检测装置200采集位于传送装置100上的目标印刷电路板的图像，并对目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到目标印刷电路板的缺陷检测结果，主控装置400根据目标印刷电路板的缺陷检测结果及目标印刷电路板上的条形码信息控制分拣装置300带动目标印刷电路板500旋转，以将目标印刷电路板500传送到缺陷区或无缺陷区，实现目标印刷电路板500的缺陷检测以及自动化分流。
在本实施例中，传送装置100采用现有的皮带传输装置，通过皮带传输装置来传输待检测的目标印刷电路板以及再次维修后的印刷电路板。
在本实施例中，请参阅图2，图像检测装置200包括图像采集模块201和图像处理模块202，图像采集模块201，用于采集目标印刷电路板的图像，并传输给图像处理模块202；图像处理模块202，用于接收图像采集模块采集的目标印刷电路板的图像，对目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到目标印刷电路板的缺陷检测结果，并将目标印刷电路板的缺陷检测结果传输至主控装置400。
在本实施例中，图像采集模块201是采用视派尔单目人脸识别彩色电子宽动态高清USB摄像头来采集目标印刷电路板的图像。图像处理模块202采用EdgeBoard边缘计算设备，通过EdgeBoard边缘计算设备对目标印刷电路板的图像进行预处理、图像分割、图像特征识别与缺陷判断，实现目标印刷电路板的缺陷检测。
在一些实施例中，图像检测装置200还包括照明装置203，通过照明装置203照射传送装置上的目标印刷电路板，便于图像采集模块更好地采集目标印刷电路板的图像。
在本实施例中，图像处理模块202采用OpenCV算法对目标印刷电路板的图像进行预处理，解决了光线和拍摄设备导致的图像模糊问题。请参阅图3，图像处理模块202对目标印刷电路板的图像进行预处理的步骤，包括：
(1)对目标印刷电路板的图像进行灰度化处理，得到目标印刷电路板的灰度图。
本实施例采用灰度化处理，使目标印刷电路板的图像变得简单，而且数据量减小，能凸显出感兴趣的目标印刷电路板的轮廓。
(2)对目标印刷电路板的灰度图进行边缘检测，提取目标印刷电路板的边缘检测图像。
在本实施例中，采用Canny算子对目标印刷电路板的图像进行边缘检测，提取目标印刷电路板的边缘检测图像。
(3)对目标印刷电路板的边缘检测图像进行形态学膨胀处理，得到目标印刷电路板的膨胀处理图。
(4)对目标印刷电路板的膨胀处理图进行直线检测，检测目标印刷电路板的边缘直线。
(5)计算目标印刷电路板的最长边缘直线，得到目标印刷电路板的边缘框图。
(6)随机旋转目标印刷电路板的边缘框图。
在本实施例中，对目标印刷电路板的边缘框图90度和270度附近进行旋转，保证目标印刷电路板的边缘框图与相应的印刷电路板实物对应，并且使路板的边缘与图片的边缘平行，减少了对图像识别的干扰。
通过图像处理模块202对目标印刷电路板的图像进行灰度化、边缘检测、形态学膨胀、检测直线、最长直线及随机旋转等处理，实现对目标印刷电路板的预处理，得到目标印刷电路板的真实框图。
图像获取模块在采集目标印刷电路板的图像信号过程中，有可能会拍摄到除电路板以外的物体，会影响对电路板的识别判断，通过图像处理模块将目标印刷电路板从获取到的图像分割下来，再进行缺陷检测，这样大大增加了图像识别的精度。
在本实施例中，请参阅图4，图像处理模块202对目标印刷电路板的图像进行图像分割的步骤，包括：
(1)对预处理后的目标印刷电路板的图像进行二值化处理，得到目标印刷电路板的二值化图像。
本实施例使用阈值分割或Canny边缘检测方法对目标印刷电路板的图像进行二值化处理，得到目标印刷电路板的二值化图像。对目标印刷电路板的图像进行二值化处理，使目标印刷电路板的图像中数据量大大减少，从而能凸显出目标印刷电路板的轮廓。
(2)查找目标印刷电路板的二值化图像中目标印刷电路板的图像轮廓。
图像轮廓是图像中非常重要的一个特征信息，通过对图像轮廓的操作，我们能够获取目标图像的大小、位置、方向等信息。
采用图像轮廓提取算法从目标印刷电路板的二值化图像中查找出目标印刷电路板的轮廓图像。
(3)计算目标印刷电路板的图像轮廓的面积及长度，得到目标印刷电路板的最大图像轮廓。
(4)基于目标印刷电路板的最大图像轮廓从采集到的目标印刷电路板的图像中分割出目标印刷电路板，得到分割后的目标印刷电路板的图像。
在本实施例中，图像处理模块202对分割后的目标印刷电路板的图像进行图像特征识别与缺陷判断的步骤，包括：
(1)将分割后的目标印刷电路板的图像输入到训练模型，得到目标印刷电路板的图像特征；
(2)对提取到的目标印刷电路板的图像特征进行卷积处理，得到目标印刷电路板是否有缺陷的置信度和缺陷概率；
(3)根据缺陷概率，得到训练模型对目标印刷电路板的缺陷判定标签；
(4)基于目标印刷电路板的缺陷判定标签，对分割后的目标印刷电路板的图像进行缺陷判断，得到目标印刷电路板的缺陷检测结果。
图像检测装置通过机器视觉技术方案，将被摄取的目标转换成图像信号，传递给专用的图像处理系统。根据像素分布和亮度、颜色等信息转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征来控制，进而根据判别的结果来控制现场设备动作。
由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，机器视觉系统的特点是提高生产的柔性和自动化程度。
在本实施例中，主控装置400分别连接传送装置100、图像检测装置200和分拣装置300，用于控制传送装置100输送目标印刷电路板500，接收图像检测装置200检测的目标印刷电路板的缺陷检测结果以及扫码模块扫描的目标印刷电路板的条码信息，基于目标印刷电路板的缺陷检测结果和目标印刷电路板的条码信息，分析判断目标印刷电路板的缺陷类别，生成分流操作指令，控制分拣装置300带动目标印刷电路板500旋转，以将目标印刷电路板500传送到缺陷区或无缺陷区，实现目标印刷电路板的缺陷分类。
在本实施例中，主控装置400根据目标印刷电路板的缺陷检测结果以及条形码信息，控制分拣装置300带动目标印刷电路板进行左右翻转，有缺陷的电路板分流传送至缺陷区并维修，再次进行电路板故障检测，实现目标印刷电路板的缺陷分类。
该分拣装置300包括扫码模块和动力模块，扫码模块，用于扫描目标印刷电路板的条形码信息，并上传给主控装置400；动力模块，用于在主控装置400的控制下，带动目标印刷电路板进行左右翻转，将有焊接断点缺陷的目标印刷电路板向左翻转至缺陷区，将没有缺陷的目标印刷电路板向右翻转至合格区，实现电路板的缺陷分类。
示例性的，动力模块由舵机和翻转板组成，通过主控装置400控制舵机带动翻转板进行左右翻转，将有焊接断点缺陷的目标印刷电路板向左翻转至缺陷区，将没有缺陷的目标印刷电路板向右翻转至合格区，实现电路板的缺陷分类。
上述的基于边缘计算设备与机器视觉技术的基于视觉边缘计算的印刷电路板缺陷检测系统10，采用图像采集模块201采集位于传送装置100上的目标印刷电路板的图像，通过图像处理模块202并对目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到目标印刷电路板的缺陷检测结果，实现目标印刷电路板的数据的自动收集和处理，检测精度高，无需夹具，成本低，适用范围广。
上述的基于边缘计算设备与机器视觉技术的基于视觉边缘计算的印刷电路板缺陷检测系统10，通过主控装置400根据目标印刷电路板的缺陷检测结果及目标印刷电路板上的条形码信息控制分拣装置300带动目标印刷电路板500旋转，以将目标印刷电路板500传送到缺陷区或无缺陷区，实现目标印刷电路板500的缺陷检测以及自动化分流。
图5是本发明另一实施例提出的基于边缘计算设备与机器视觉技术的印刷电路板缺陷检测方法的流程图。通过印刷电路板缺陷检测方法检测目标印刷电路板的断点缺陷，实现目标印刷电路板的缺陷分类，实现目标印刷电路板的自动化分流、数据收集、故障回收等操作。
请参阅图5，基于边缘计算设备与机器视觉技术的印刷电路板缺陷检测方法包括以下步骤：
S100，图像检测装置采集目标印刷电路板的图像，并对目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到目标印刷电路板的缺陷检测结果；
S200，分拣装置扫描目标印刷电路板上的条形码信息；
S300，主控装置接收图像检测装置检测的目标印刷电路板的缺陷检测结果和分拣装置扫描的目标印刷电路板的条形码信息，根据目标印刷电路板的缺陷检测结果以及目标印刷电路板的条形码信息，生成分流操作指令，并下发给分拣装置；
S400，分拣装置接收主控装置下发的分流操作指令，带动目标印刷电路板旋转，以将目标印刷电路板传送到缺陷区或无缺陷区。
上述的基于边缘计算设备与机器视觉技术的印刷电路板缺陷检测方法，通过图像检测装置采集目标印刷电路板的图像，并对目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到目标印刷电路板的缺陷检测结果，主控装置根据目标印刷电路板的缺陷检测结果及目标印刷电路板上的条形码信息控制分拣装置带动目标印刷电路板旋转，以将目标印刷电路板传送到缺陷区或无缺陷区，实现目标印刷电路板的缺陷检测以及自动化分流。
在本实施例中，步骤S100中，图像检测装置对目标印刷电路板的图像进行预处理的步骤，包括：
(1)对目标印刷电路板的图像进行灰度化处理，得到目标印刷电路板的灰度图。
本实施例采用灰度化处理，使目标印刷电路板的图像变得简单，而且数据量减小，能凸显出感兴趣的目标印刷电路板的轮廓。
(2)对目标印刷电路板的灰度图进行边缘检测，提取目标印刷电路板的边缘检测图像。
在本实施例中，采用Canny算子对目标印刷电路板的图像进行边缘检测，提取目标印刷电路板的边缘检测图像。
(3)对目标印刷电路板的边缘检测图像进行形态学膨胀处理，得到目标印刷电路板的膨胀处理图。
(4)对目标印刷电路板的膨胀处理图进行直线检测，检测目标印刷电路板的边缘直线。
(5)计算目标印刷电路板的最长边缘直线，得到目标印刷电路板的边缘框图。
(6)随机旋转目标印刷电路板的边缘框图。
在本实施例中，对目标印刷电路板的边缘框图90度和270度附近进行旋转，保证目标印刷电路板的边缘框图与相应的印刷电路板实物对应，并且使路板的边缘与图片的边缘平行，减少了对图像识别的干扰。
在本实施例中，步骤S100中，图像检测装置对目标印刷电路板的图像进行图像分割的步骤，包括：
(1)对预处理后的目标印刷电路板的图像进行二值化处理，得到目标印刷电路板的二值化图像。
本实施例使用阈值分割或Canny边缘检测方法对目标印刷电路板的图像进行二值化处理，得到目标印刷电路板的二值化图像。对目标印刷电路板的图像进行二值化处理，使目标印刷电路板的图像中数据量大大减少，从而能凸显出目标印刷电路板的轮廓。
(2)查找目标印刷电路板的二值化图像中目标印刷电路板的图像轮廓。
图像轮廓是图像中非常重要的一个特征信息，通过对图像轮廓的操作，我们能够获取目标图像的大小、位置、方向等信息。
采用图像轮廓提取算法从目标印刷电路板的二值化图像中查找出目标印刷电路板的轮廓图像。
(3)计算目标印刷电路板的图像轮廓的面积及长度，得到目标印刷电路板的最大图像轮廓。
(4)基于目标印刷电路板的最大图像轮廓从采集到的目标印刷电路板的图像中分割出目标印刷电路板，得到分割后的目标印刷电路板的图像。
在本实施例中，步骤S100中，图像检测装置对目标印刷电路板的图像进行图像特征识别与缺陷判断的步骤，包括：
(1)将分割后的目标印刷电路板的图像输入到训练模型，得到目标印刷电路板的图像特征；
(2)对提取到的目标印刷电路板的图像特征进行卷积处理，得到目标印刷电路板是否有缺陷的置信度和缺陷概率；
(3)根据缺陷概率，得到训练模型对目标印刷电路板的缺陷判定标签；
(4)基于目标印刷电路板的缺陷判定标签，对分割后的目标印刷电路板的图像进行缺陷判断，得到目标印刷电路板的缺陷检测结果。
上述的基于边缘计算设备与机器视觉技术的印刷电路板缺陷检测方法，采用图像检测装置采集目标印刷电路板的图像，并对目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到目标印刷电路板的缺陷检测结果，实现目标印刷电路板的数据的自动收集和处理，检测精度高，无需夹具，成本低，适用范围广。
上述的基于边缘计算设备与机器视觉技术的印刷电路板缺陷检测方法，通过主控装置根据目标印刷电路板的缺陷检测结果及目标印刷电路板上的条形码信息控制分拣装置带动目标印刷电路板旋转，以将目标印刷电路板传送到缺陷区或无缺陷区，实现目标印刷电路板的缺陷检测以及自动化分流。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种基于视觉边缘计算的印刷电路板缺陷检测系统，其特征在于，包括：
传送装置，用于输送目标印刷电路板；
图像检测装置设置于所述传送装置的一侧，用于采集所述目标印刷电路板的图像，并对所述目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到所述目标印刷电路板的缺陷检测结果，并将目所述标印刷电路板的缺陷检测结果传输至主控装置；
分拣装置，设置在所述传送装置的末端，用于扫描所述目标印刷电路板的条形码信息，并将所述目标印刷电路板的条形码信息上传至主控装置；
主控装置，用于根据目标印刷电路板的缺陷检测结果以及目标印刷电路板的条形码信息，生成分流操作指令，并下发给分拣装置；
分拣装置，进一步用于接收所述主控装置下发的分流操作指令，带动所述目标印刷电路板旋转，以将所述目标印刷电路板传送到缺陷区或合格区。
2.根据权利要求1所述的基于视觉边缘计算的印刷电路板缺陷检测系统，其特征在于，所述图像检测装置包括：
图像采集模块，用于采集所述目标印刷电路板的图像，并传输给图像处理模块；
图像处理模块，用于接收所述图像采集模块采集的目标印刷电路板的图像，对目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到目标印刷电路板的缺陷检测结果，并将目标印刷电路板的缺陷检测结果传输至所述主控装置。
3.根据权利要求2所述的基于视觉边缘计算的印刷电路板缺陷检测系统，其特征在于，所述图像处理模块对目标印刷电路板的图像进行预处理的步骤，包括：
对目标印刷电路板的图像进行灰度化处理，得到目标印刷电路板的灰度图；
对所述目标印刷电路板的灰度图进行边缘检测，提取目标印刷电路板的边缘检测图像；
对所述目标印刷电路板的边缘检测图像进行形态学膨胀处理，得到目标印刷电路板的膨胀处理图；
检测所述目标印刷电路板的边缘直线；
计算所述目标印刷电路板的最长边缘直线，得到目标印刷电路板的边缘框图；
随机旋转所述目标印刷电路板的边缘框图。
4.根据权利要求2所述的基于视觉边缘计算的印刷电路板缺陷检测系统，其特征在于，所述图像处理模块对目标印刷电路板的图像进行图像分割的步骤，包括：
对预处理后的目标印刷电路板的图像进行二值化处理，得到目标印刷电路板的二值化图像；
查找所述目标印刷电路板的二值化图像中目标印刷电路板的图像轮廓；
计算所述目标印刷电路板的图像轮廓的面积及长度，得到目标印刷电路板的最大图像轮廓；
基于目标印刷电路板的最大图像轮廓从采集到的目标印刷电路板的图像中分割出目标印刷电路板，得到分割后的目标印刷电路板的图像。
5.根据权利要求2所述的基于视觉边缘计算的印刷电路板缺陷检测系统，其特征在于，所述图像处理模块对分割后的目标印刷电路板的图像进行图像特征识别与缺陷判断的步骤，包括：
将分割后的目标印刷电路板的图像输入到训练模型，得到目标印刷电路板的图像特征；
对提取到的目标印刷电路板的图像特征进行卷积处理，得到目标印刷电路板是否有缺陷的置信度和缺陷概率；
根据缺陷概率，得到训练模型对目标印刷电路板的缺陷判定标签；
基于目标印刷电路板的缺陷判定标签，对分割后的目标印刷电路板的图像进行缺陷判断，得到目标印刷电路板的缺陷检测结果。
6.根据权利要求1所述的基于视觉边缘计算的印刷电路板缺陷检测系统，其特征在于，所述分拣装置包括扫码模块和动力模块，所述扫码模块，用于扫描目标印刷电路板的条形码信息，并上传给所述主控装置；所述动力模块，用于在所述主控装置的控制下，带动所述目标印刷电路板旋转，以将所述目标印刷电路板传送到缺陷区或合格区。
7.一种印刷电路板缺陷检测方法，其特征在于，包括以下步骤：
图像检测装置采集目标印刷电路板的图像，并对目标印刷电路板的图像进行处理操作，包括预处理、图像分割、图像特征识别与缺陷判断，得到目标印刷电路板的缺陷检测结果；
分拣装置扫描目标印刷电路板的条形码信息；
主控装置根据目标印刷电路板的缺陷检测结果以及目标印刷电路板的条形码信息，生成分流操作指令，并下发给分拣装置；
分拣装置接收所述主控装置下发的分流操作指令，带动目标印刷电路板旋转，以将目标印刷电路板传送到缺陷区或合格区。
8.根据权利要求7所述的印刷电路板缺陷检测方法，其特征在于，所述图像检测装置对目标印刷电路板的图像进行预处理的步骤，包括：
对目标印刷电路板的图像进行灰度化处理，得到目标印刷电路板的灰度图；
对所述目标印刷电路板的灰度图进行边缘检测，提取目标印刷电路板的边缘检测图像；
对所述目标印刷电路板的边缘检测图像进行形态学膨胀处理，得到目标印刷电路板的膨胀处理图；
检测目标印刷电路板的边缘直线；
计算目标印刷电路板的最长边缘直线，得到目标印刷电路板的边缘框图；
随机旋转目标印刷电路板的边缘框图。
9.根据权利要求7所述的印刷电路板缺陷检测方法，其特征在于，所述图像检测装置对目标印刷电路板的图像进行图像分割的步骤，包括：
对预处理后的目标印刷电路板的图像进行二值化处理，得到目标印刷电路板的二值化图像；
查找目标印刷电路板的二值化图像中目标印刷电路板的图像轮廓；
计算目标印刷电路板的图像轮廓的面积及长度，得到目标印刷电路板的最大图像轮廓；
基于目标印刷电路板的最大图像轮廓从采集到的目标印刷电路板的图像中分割出目标印刷电路板，得到分割后的目标印刷电路板的图像。
10.根据权利要求7所述的印刷电路板缺陷检测方法，其特征在于，所述图像检测装置对分割后的目标印刷电路板的图像进行图像特征识别与缺陷判断的步骤，包括：
将分割后的目标印刷电路板的图像输入到训练模型，得到目标印刷电路板的图像特征；
对提取到的目标印刷电路板的图像特征进行卷积处理，得到目标印刷电路板是否有缺陷的置信度和缺陷概率；
根据缺陷概率，得到训练模型对目标印刷电路板的缺陷判定标签；
基于目标印刷电路板的缺陷判定标签，对分割后的目标印刷电路板的图像进行缺陷判断，得到目标印刷电路板的缺陷检测结果。
CN202210626518.0A 2022-06-02 2022-06-02 一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法 Pending CN115060742A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210626518.0A CN115060742A (zh) 2022-06-02 2022-06-02 一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210626518.0A CN115060742A (zh) 2022-06-02 2022-06-02 一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法

Publications (1)

Publication Number Publication Date
CN115060742A true CN115060742A (zh) 2022-09-16

Family

ID=83198718

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210626518.0A Pending CN115060742A (zh) 2022-06-02 2022-06-02 一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法

Country Status (1)

Country Link
CN (1) CN115060742A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116433666A (zh) * 2023-06-14 2023-07-14 江西萤火虫微电子科技有限公司 板卡线路缺陷在线识别方法、系统、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116433666A (zh) * 2023-06-14 2023-07-14 江西萤火虫微电子科技有限公司 板卡线路缺陷在线识别方法、系统、电子设备及存储介质
CN116433666B (zh) * 2023-06-14 2023-08-15 江西萤火虫微电子科技有限公司 板卡线路缺陷在线识别方法、系统、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN109115785B (zh) 一种铸件打磨质量检测方法、装置及其使用方法
CN109724984B (zh) 一种基于深度学习算法的缺陷检测识别装置和方法
CN110216080A (zh) 一种基于图像对比的pcb加工产线的质量监控系统
CN102175692A (zh) 织物坯布疵点快速检测系统及方法
CN110246122A (zh) 基于机器视觉的小型轴承质量检测方法、装置及系统
CN107966454A (zh) 一种基于fpga的端塞缺陷检测装置及检测方法
CN103913468A (zh) 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法
CN104483320B (zh) 工业脱硝催化剂的数字化缺陷检测装置与检测方法
CN106501272B (zh) 机器视觉焊锡定位检测系统
CN101576508A (zh) 芯片外观缺陷自动检测装置及检测方法
CN210071686U (zh) 基于正交双目机器视觉的水果分级装置
CN109724994A (zh) 基于aoi技术的fpc金手指表面缺陷检测系统及方法
CN106248680A (zh) 一种基于机器视觉的电机换向器质量检测系统及检测方法
CN110517233A (zh) 一种基于人工智能的缺陷分类学习系统及其分类方法
CN113112501B (zh) 一种基于深度学习的车载轨道巡检装置及方法
CN103308524A (zh) Pcb自动光学检测系统
CN115060742A (zh) 一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法
CN111487192A (zh) 一种基于人工智能的机器视觉表面缺陷检测装置及方法
CN111929239A (zh) 一种pcb板零件缺陷的aoi检测装置及检测方法
CN114820439A (zh) 基于aoi的pcb裸板缺陷的检测系统及方法
CN112763496A (zh) 一种手机电池表面缺陷检测装置及其检测方法
CN111307817B (zh) 一种智能产线pcb生产过程的在线检测方法及系统
CN106645185A (zh) 一种智能检测工业零件表面质量的方法及装置
CN113916127A (zh) 一种气门导管成品外观视觉检测系统及检测方法
CN207081666U (zh) 一种基于机器视觉的拉链检测装置

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