CN115082431B - 一种pcb板表面缺陷检测方法 - Google Patents
一种pcb板表面缺陷检测方法 Download PDFInfo
- Publication number
- CN115082431B CN115082431B CN202210854644.1A CN202210854644A CN115082431B CN 115082431 B CN115082431 B CN 115082431B CN 202210854644 A CN202210854644 A CN 202210854644A CN 115082431 B CN115082431 B CN 115082431B
- Authority
- CN
- China
- Prior art keywords
- area
- scratch
- golden finger
- light reflecting
- 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.)
- Active
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种PCB板表面缺陷检测方法,该方法包括:获取PCB板上的金手指区域并将其划分为反光区域和不反光区域,获取反光区域中的划痕预测的第一预测值、第二预测值、第三预测值,获取反光区域中的划痕预测的综合预测值,获取不反光区域内的划痕及划痕的主延伸方向、划痕宽度、划痕深度,根据划痕的主延伸方向、划痕宽度、划痕深度及反光区域中的划痕预测的综合预测值计算对应的反光区域中存在划痕的概率,根据概率及概率阈值确定目标反光区域并对其进行图像增强,根据增强后图像的划痕及该金手指区域的不反光区域的划痕确定最终划痕,本发明方法实现对划痕的精确检测,以便于对PCB板的质量进行精确判断。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种PCB板表面缺陷检测方法。
背景技术
PCB板是电子工业的重要部件之一,主要用于对电子元器件的安装,电气连接的载体,而PCB板上的某些插口位置为保证良好的连接性选择镀金处理,如内存条和显卡的插口,镀金区域常被称为金手指区域,在生产的过程中由于设备以及PCB板自身之间的碰撞摩擦原因,往往会导致金手指区域上出现划痕,这些划痕会影响PCB板的导电性、耐磨性、抗氧化性和耐腐蚀性,所以需要对PCB板的金手指区域进行划痕检测。
现有的金手指区域划痕的检测方法为计算机视觉进行划痕检测,而往往由于金手指区域反光的特性导致金手指区域上出现反光区域,由于受反光区域的影响会使得位于反光区域的划痕图像模糊,进而影响划痕的检测,为避免反光区域影响划痕的检测,现有技术中通过给相机添加偏振片,而偏振片会影响进光量致使PCB板的某些图像特征无法有效收集,从而会影响划痕检测的精准性。
因此,需要提供一种PCB板表面缺陷检测方法,予以解决上述问题。
发明内容
本发明提供一种PCB板表面缺陷检测方法,以解决现有的问题。
本发明的一种PCB板表面缺陷检测方法采用如下技术方案:该方法包括:
获取PCB板上的所有金手指区域,将每个金手指区域划分为反光区域和不反光区域;
将所有反光区域与所有金手指区域的面积比值作为第一预测值,将每个反光区域的面积与其对应金手指区域的面积比值作为第二预测值,根据反光区域在同一个金手指区域的不同位置的面积比值计算第三预测值;
根据第一预测值、第二预测值及第三预测值计算每个金手指区域的反光区域中的划痕预测的综合预测值;
获取不反光区域内的划痕及划痕所在的金手指区域,根据划痕所在的不反光区域中划痕像素点的灰度值、正常像素点的灰度值获取该不反光区域中划痕深度;根据划痕所在的不反光区域中的划痕像素点坐标分别计算划痕的主延伸方向、划痕宽度;
根据每个金手指区域的不反光区域中划痕的主延伸方向、划痕深度、划痕宽度和对应的金手指区域中反光区域的综合预测值计算对应的反光区域中存在划痕的概率;
根据反光区域中存在划痕的概率及预设的概率阈值判断该反光区域是否为目标反光区域,对得到的目标反光区域进行图像增强,获取增强后的图像中的划痕,根据每个金手指区域的增强后的图像的划痕与不反光区域的划痕确定每个金手指区域中最终划痕。
优选的,根据反光区域在同一个金手指区域的不同位置的面积比值计算第三预测值的步骤包括:
根据每个金手指区域的长度将每个金手指区域均分为三个子区域;
根据金手指区域中每个子区域内反光区域的面积与对应子区域面积的比值计算第三预测值。
优选的,计算第三预测值的公式:
优选的,计算每个金手指区域中反光区域的划痕预测的综合预测值的公式:
优选的,获取不反光区域内的划痕及划痕所在的金手指区域的步骤包括:
以不反光区域内每个像素点为中心点获取滑窗;
计算滑窗内每个像素点的灰度值与该滑窗内所有像素点的第一灰度平均值的差值,将所有差值的平均值作为该滑窗的灰度差异值;
根据滑窗的灰度差异值与预设的灰度差异值阈值确定滑窗中的目标滑窗及其余滑窗;
计算其余滑窗内所有像素点的第二灰度平均值;
根据第二灰度平均值与灰度差异值阈值获取灰度值范围;
根据灰度值范围及目标滑窗内每个像素点的灰度值确定划痕像素点;
获取划痕像素点的聚集区域并将其作为划痕,确定划痕所在的金手指区域。
优选的,根据划痕所在的不反光区域中划痕像素点的灰度值、正常像素点的灰度值获取该不反光区域中划痕深度的步骤包括:
计算金手指区域的不反光区域中所有划痕像素点的灰度均值;
并计算该金手指区域的不反光区域中所有正常像素点的灰度均值;
将金手指区域的不反光区域中所有划痕像素点的灰度均值与该金手指区域的不反光区域中所有正常像素点的灰度均值的差值的绝对值作为该金手指区域的不反光区域中划痕深度。
优选的,根据划痕所在的不反光区域中的划痕像素点坐标计算划痕的主延伸方向的步骤包括:
获取每个划痕所在的不反光区域中的划痕像素点坐标中的最大横坐标、最小横坐标、最大纵坐标及最小纵坐标;
根据每个划痕的划痕像素点坐标中的最大横坐标、最小横坐标、最大纵坐标及最小纵坐标计算对应划痕的斜率;
根据划痕的斜率获取不反光区域中划痕的主延伸方向。
优选的,根据划痕所在的不反光区域中的划痕像素点坐标计算划痕宽度的步骤包括:
获取每个划痕所在的不反光区域中同一纵坐标的划痕像素点中横坐标最大的第一划痕像素点、横坐标最小的第二划痕像素点;
计算划痕中同一纵坐标的划痕像素点中的第一划痕像素点与第二划痕像素点的横坐标差值,并计算划痕中所有横坐标差值的和值;
计算每个划痕中划痕像素点的最大纵坐标与最小纵坐标的纵坐标差值;
将横坐标差值的和值与纵坐标差值的比值作为该划痕的划痕宽度。
优选的,计算对应的反光区域中存在划痕的概率的公式:
优选的,还包括根据最终划痕的总面积与所有金手指区域的总面积的比值确定PCB板的质量是否合格,当划痕的总面积与所有金手指区域的总面积的比值大于20%时,则判定该PCB板的质量不合格,反之,则合格。
本发明的有益效果是:本发明的一种PCB板表面缺陷检测方法,通过对PCB板的金手指区域内的不反光区域的划痕进行检测,然后根据不反光区域内划痕的主延伸方向、划痕宽度、划痕的宽度及每个金手指区域的反光区域中的划痕预测的综合预测值计算反光区域内存在划痕的概率,根据反光区域内存在划痕的概率确定目标反光区域,对目标反光区域进行增强,实现对目标反光区域内的划痕进行精确增强,从而便于反光区域内的划痕检测,根据金手指的不反光区域的划痕及增强后的目标反光区域的划痕确定最终划痕,从而实现对划痕的精确检测,以便于对PCB板的质量进行精确判断。
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PCB板表面缺陷检测方法的实施例总体步骤的流程图。
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。
本发明的一种PCB板表面缺陷检测方法的实施例,本实施例式对内存条和显卡的PCB板检测的,本实施例的应用场景为在PCB板生产过程中,往往由于机器设备的碰撞或者PCB板之间的摩擦因素导致PCB板的金手指区域出现划痕缺陷,而在对金手指区域利用计算机视觉进行检测的过程中常常因为金手指区域内有反光现象,导致金手指划痕缺陷无法准确识别,故,如图1所示,本实施例提供如下PCB板表面缺陷检测方法,该方法包括:
S1、获取PCB板上的所有金手指区域,将每个金手指区域划分为反光区域和不反光区域;具体的,将PCB板通过传送带进行传输,高清摄像机正对传送带,拍照角度为俯视视角,从而先采集到PCB板图像,对采集道到的PCB板图像利用DNN神经网络进行语义分割,得到PCB板图像中的每个金手指区域,其中,PCB板图像为图像集,对图像集中的区域进行人工标注,金手指区域的灰度值标记为“1”,非金手指的其他PCB板图像区域标记为“0”,DNN网络任务为分类,故使用交叉熵函数为loss函数,然后对PCB板的金手指区域进行灰度化处理,获得PCB板的金手指区域。
其中,需要说明的是,由于反光区域中存在高灰度级的光斑遮掩,导致无法直接进行划痕检测,且由于金手指区域中的反光区域和不反光区域有较明显的区域特征,反光区域在整体灰度图上呈现为高亮区域,不反光区域较反光区域呈现出较低灰度值区域,故,利用区域增长算法对金手指区域的反光区域和不反光区域进行划分,得到反光区域和不反光区域,其中,区域增长算法为现有技术算法,本实施例不再进行赘述。
S2、将所有反光区域与所有金手指区域的面积比值作为第一预测值,将每个反光区域的面积与其对应金手指区域的面积比值作为第二预测值,根据反光区域在同一个金手指区域的不同位置的面积比值计算第三预测值。
具体的,首先对金手指区域的反光区域进行了特征分析:由于每个PCB板上有多个金手指,故由步骤S1得到的金手指区域数量也是与PCB板上的金手指数量匹配的,其同一个PCB板上相邻金手指之间是有间距的,故,当灯光角度、灯光亮度或者金手指大小的不同,其反光区域也不同的,具体的,在本实施例中,分为以下两种情况:整体反光,局部反光;局部反光又分为大面积反光,小面积反光,且依据反光区域的位置不同,分为上部分、下部分或者中间地带反光,对于整体反光一般分为横向反光和纵向反光,横向反光表现为每个或几个单独金手指区域都具有局部反光的现象,且整体处于同一光路,而纵向反光,为单独几个金手指区域整体反光或单独几个仅手指区域整体反光加局部反光。
具体的,根据金手指区域的反光区域的特征分析,当反光区域在整体金手指区域占比越大时,反光区域遮挡划痕的概率也就越大,即计算PCB板的所有反光区域与所有金手指区域的面积比值作为第一预测值的公式:
式中,表示反光区域中的划痕预测的第一预测值,第一预测值越大,说明反
光区域在所有金手指区域中占比越大,根据概率论基础理论大数定理可知,当反光区域在
所有金手指区域占比越大时,反光区域遮挡划痕的概率也就越大;
具体的,根据金手指区域的反光区域的特征分析,计算PCB板的单个金手指区域中的反光区域的面积比值作为第二预测值,第二预测值的计算公式:
式中,表示第个金手指区域内的反光区域中的划痕预测的第二预测值,第二
预测值越大,说明该第个金手指区域内的反光区域在第个金手指区域中占比越大,根
据概率论基础理论大数定理可知,当反光区域在其对应的金手指区域占比越大时,该反光
区域遮挡划痕的概率也就越大;
具体的,根据金手指区域的反光区域的特征分析,先根据每个金手指区域的长度将每个金手指区域均分为三个子区域,根据金手指区域中每个子区域内反光区域的面积与对应子区域面积的比值计算第三预测值,由于金手指上下两个子区域位置靠近边缘,则上下两个子区域出现划痕概率小于中间子区域出现划痕概率,故根据反光区域在单个金手指区域中不同子区域的面积与对应子区域的面积的比值进行加权得到第三预测值,其中,计算第三预测值的公式:
S3、根据第一预测值、第二预测值及第三预测值计算每个金手指区域的反光区域中的划痕预测的综合预测值,具体的,当第一预测值、第二预测值及第三预测值越大,证明该反光区域对划痕的遮挡概率越大,计算每个金手指区域的反光区域中的划痕预测的综合预测值的公式:
S4、获取不反光区域内的划痕及划痕所在的金手指区域,根据划痕所在的不反光区域中划痕像素点的灰度值、正常像素点的灰度值获取该不反光区域中划痕深度;根据划痕所在的不反光区域中的划痕像素点坐标分别计算划痕的主延伸方向、划痕宽度。
具体的,获取不反光区域内的划痕及划痕所在的金手指区域,获取不反光区域内的划痕可利用现有技术获取,本实施例,获取不反光区域内的划痕的步骤:以不反光区域内每个像素点为中心点获取5X5的滑窗;计算滑窗内每个像素点的灰度值与该滑窗内所有像素点的第一灰度平均值的差值,将所有差值的平均值作为该滑窗的灰度差异值,其中,计算每个滑窗的灰度差异值的公式:
根据滑窗的灰度差异值与预设的灰度差异值阈值确定滑窗中的目标滑窗及其余
滑窗,本实施例设定灰度差异值阈值为=1,当滑窗的灰度差异值大于预设的灰度差异值阈
值,则将该滑窗作为目标滑窗,滑窗的灰度差异值小于预设的灰度差异值阈值时,则该滑窗
作为其余滑窗,计算其余滑窗内所有像素点的第二灰度平均值;根据第二灰度平均值与灰
度差异值阈值获取灰度值范围,本实施例中灰度值范围为;,其中,表示其
余滑窗内所有像素点的第二灰度平均值;表示预设的灰度差异值阈值,根据灰度值范围及
目标滑窗内每个像素点的灰度值确定划痕像素点,即将目标滑窗内像素点的灰度值不在灰
度值范围为;的目标滑窗内像素点作为划痕像素点,具体的,以一个划痕像素
点为初始划痕像素点,搜寻初始划痕像素点的8邻域方向内的像素点是否为划痕像素点,若
为划痕像素点,则以该划痕像素点为基础继续搜寻,若非划痕像素点,则停止搜寻,直至所
有划痕像素点都被搜寻完毕,对划痕像素点进行位置聚类获取划痕像素点的聚集区域并将
其作为划痕,确定划痕所在的金手指区域。
具体的,根据划痕所在的不反光区域中划痕像素点的灰度值、正常像素点的灰度值获取该不反光区域中划痕深度的步骤:计算金手指区域的不反光区域中所有划痕像素点的灰度均值;并计算该金手指区域的不反光区域中所有正常像素点的灰度均值;将金手指区域的不反光区域中所有划痕像素点的灰度均值与该金手指区域的不反光区域中所有正常像素点的灰度均值的差值的绝对值作为该金手指区域的不反光区域中划痕深度,其中,计算每个金手指区域的不反光区域中的划痕深度的公式:
具体的,根据划痕所在的不反光区域中的划痕像素点坐标计算划痕的主延伸方向的步骤:获取每个划痕所在的不反光区域中的划痕像素点坐标中的最大横坐标、最小横坐标、最大纵坐标及最小纵坐标;根据每个划痕的划痕像素点坐标中的最大横坐标、最小横坐标、最大纵坐标及最小纵坐标计算对应划痕的斜率;根据划痕的斜率获取不反光区域中划痕的主延伸方向,计算划痕的斜率公式:
具体的,在每个纵坐标相同的情况下的利用相距最远的两个划痕像素点的距离值的平均值作为划痕宽度,根据划痕所在的不反光区域中的划痕像素点坐标计算划痕宽度的步骤:获取每个划痕所在的不反光区域中同一纵坐标的划痕像素点中横坐标最大的第一划痕像素点、横坐标最小的第二划痕像素点;计算划痕中同一纵坐标的划痕像素点中的第一划痕像素点与第二划痕像素点的横坐标差值,并计算划痕中所有横坐标差值的和值;计算每个划痕中划痕像素点的最大纵坐标与最小纵坐标的纵坐标差值;将横坐标差值的和值与纵坐标差值的比值作为该划痕的划痕宽度,其中,计算划痕宽度的公式:
S5、根据每个金手指区域的不反光区域中划痕的主延伸方向、划痕深度、划痕宽度和对应的金手指区域中反光区域的综合预测值计算对应的反光区域中存在划痕的概率,其中,计算反光区域中存在划痕的概率的公式:
需要说明的是,该步骤具体过程,对金手指区域的不反光区域中划痕的主延伸方
向、划痕深度、划痕宽度和对应的金手指区域中反光区域的综合预测值进行加权概率化,以
划痕深度和金手指区域的平均灰度值的差异作为划痕深度的权值,划痕深度越大,划
痕深度的权值越大,以划痕宽度和金手指整体宽度作为划痕宽度的权值,划痕宽度
越大,划痕宽度的权值越大,对划痕进行分析,深度越深,宽度越宽的不反光区域的划痕的
主延伸方向过反光区域的概率就大,并且该反光区域的划痕预测的预测值越大,则其存在
划痕的概率就越大。
S6、根据反光区域中存在划痕的概率及预设的概率阈值判断该反光区域是否为目
标反光区域,对得到的目标反光区域进行图像增强,获取增强后的图像中的划痕,其中,目
标反光区域进行图像增强后的图像中的划痕可以根据获取不反光区域的划痕的方法获取,
根据每个金手指区域的增强后的图像的划痕与不反光区域的划痕确定每个金手指区域中
最终划痕,具体的,由于步骤5中的计算划痕的概率的公式的
函数为单调收敛函数,故,根据函数的取值范围设置概率阈
值,由于概率只能大于0,则概率阈值,根据经验值设定概率阈值为0.6,当反光
区域中存在划痕的概率大于等于概率阈值0.6时,则将该反光区域作为目标反光区域,并对
目标反光区域进行图像增强,当反光区域中存在划痕的概率小于概率阈值0.6时,该反光区
域不进行增强,故根据金手指区域内增强后的反光区域和不反光区域的划痕进行确定。
需要说明的是,本实施例为何对划痕概率大于概率阈值的反光区域进行图像增强,而不是对图像整体增强,具体的,对图像整体增强会使得计算量增大,其次,会使得原本的金手指区域的不反光区域的划痕放大,从而使得增强后的图像中检测的最终划痕的面积不准确,从而影响PCB板的质量的判断,故本实施例采用对反光区域存在划痕的概率大于概率阈值确定的目标反光区域,即目标反光区域里存在划痕的概率大,故仅对存在划痕的概率大的目标反光区域进行图像增强,一方面减少计算量,另一方面提高检测的精准性。
还包括根据最终划痕的总面积与所有金手指区域的总面积的比值确定PCB板的质量是否合格,当划痕的总面积与所有金手指区域的总面积的比值大于20%时,则判定该PCB板的质量不合格,反之,则合格。
综上所述,本发明提供一种PCB板表面缺陷检测方法,通过对PCB板的金手指区域内的不反光区域的划痕进行检测,然后根据不反光区域内划痕的主延伸方向、划痕宽度、划痕的宽度及每个金手指区域的反光区域中的划痕预测的综合预测值计算反光区域内存在划痕的概率,根据反光区域内存在划痕的概率确定目标反光区域,对目标反光区域进行增强,实现对目标反光区域内的划痕进行精确增强,从而便于反光区域内的划痕检测,根据金手指的不反光区域的划痕及增强后的目标反光区域的划痕确定最终划痕,从而实现对划痕的精确检测,以便于对PCB板的质量进行精确判断。
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 (10)
1.一种PCB板表面缺陷检测方法,其特征在于,该方法包括:
获取PCB板上的所有金手指区域,将每个金手指区域划分为反光区域和不反光区域;
将所有反光区域与所有金手指区域的面积比值作为第一预测值,将每个反光区域的面积与其对应金手指区域的面积比值作为第二预测值,根据反光区域在同一个金手指区域的不同位置的面积比值计算第三预测值;
根据第一预测值、第二预测值及第三预测值计算每个金手指区域的反光区域中的划痕预测的综合预测值;
获取不反光区域内的划痕及划痕所在的金手指区域,根据划痕所在的不反光区域中划痕像素点的灰度值、正常像素点的灰度值获取该不反光区域中划痕深度;根据划痕所在的不反光区域中的划痕像素点坐标分别计算划痕的主延伸方向、划痕宽度;
根据每个金手指区域的不反光区域中划痕的主延伸方向、划痕深度、划痕宽度和对应的金手指区域中反光区域的综合预测值计算对应的反光区域中存在划痕的概率;
根据反光区域中存在划痕的概率及预设的概率阈值判断该反光区域是否为目标反光区域,对得到的目标反光区域进行图像增强,获取增强后的图像中的划痕,根据每个金手指区域的增强后的图像的划痕与不反光区域的划痕确定每个金手指区域中最终划痕。
2.根据权利要求1所述的一种PCB板表面缺陷检测方法,其特征在于,根据反光区域在同一个金手指区域的不同位置的面积比值计算第三预测值的步骤包括:
根据每个金手指区域的长度将每个金手指区域均分为三个子区域;
根据金手指区域中每个子区域内反光区域的面积与对应子区域面积的比值计算第三预测值。
3.根据权利要求1所述的一种PCB板表面缺陷检测方法,其特征在于,计算第三预测值的公式:
式中,Ai3表示第i个金手指区域对应的第三预测值;
ai1表示第i个金手指区域中的第1个子区域内反光区域的像素点个数;
ai2表示第i个金手指区域中的第2个子区域内反光区域的像素点个数;
ai3表示第i个金手指区域中的第3个子区域内反光区域的像素点个数;
bi1表示第i个金手指区域中的第1个子区域的像素点个数;
bi2表示第i个金手指区域中的第2个子区域的像素点个数;
bi3表示第i个金手指区域中的第3个子区域的像素点个数;
α表示第i个金手指区域中的第1个子区域的权重;
β表示第i个金手指区域中的第2个子区域的权重;
γ表示第i个金手指区域中的第3个子区域的权重。
4.根据权利要求1所述的一种PCB板表面缺陷检测方法,其特征在于,计算每个金手指区域中反光区域的划痕预测的综合预测值的公式:
Bi=A1×(Ai2+Ai3)
式中,Bi表示第i个金手指区域中反光区域中的划痕预测的综合预测值;
A1表示第一预测值;
Ai2表示第i个金手指区域的第二预测值;
Ai3表示第i个金手指区域对应的第三预测值。
5.根据权利要求1所述的一种PCB板表面缺陷检测方法,其特征在于,获取不反光区域内的划痕及划痕所在的金手指区域的步骤包括:
以不反光区域内每个像素点为中心点获取滑窗;
计算滑窗内每个像素点的灰度值与该滑窗内所有像素点的第一灰度平均值的差值,将所有差值的平均值作为该滑窗的灰度差异值;
根据滑窗的灰度差异值与预设的灰度差异值阈值确定滑窗中的目标滑窗及其余滑窗;
计算其余滑窗内所有像素点的第二灰度平均值;
根据第二灰度平均值与灰度差异值阈值获取灰度值范围;
根据灰度值范围及目标滑窗内每个像素点的灰度值确定划痕像素点;
获取划痕像素点的聚集区域并将其作为划痕,确定划痕所在的金手指区域。
6.根据权利要求1所述的一种PCB板表面缺陷检测方法,其特征在于,根据划痕所在的不反光区域中划痕像素点的灰度值、正常像素点的灰度值获取该不反光区域中划痕深度的步骤包括:
计算金手指区域的不反光区域中所有划痕像素点的灰度均值;
并计算该金手指区域的不反光区域中所有正常像素点的灰度均值;
将金手指区域的不反光区域中所有划痕像素点的灰度均值与该金手指区域的不反光区域中所有正常像素点的灰度均值的差值的绝对值作为该金手指区域的不反光区域中划痕深度。
7.根据权利要求1所述的一种PCB板表面缺陷检测方法,其特征在于,根据划痕所在的不反光区域中的划痕像素点坐标计算划痕的主延伸方向的步骤包括:
获取每个划痕所在的不反光区域中的划痕像素点坐标中的最大横坐标、最小横坐标、最大纵坐标及最小纵坐标;
根据每个划痕的划痕像素点坐标中的最大横坐标、最小横坐标、最大纵坐标及最小纵坐标计算对应划痕的斜率;
根据划痕的斜率获取不反光区域中划痕的主延伸方向。
8.根据权利要求1所述的一种PCB板表面缺陷检测方法,其特征在于,根据划痕所在的不反光区域中的划痕像素点坐标计算划痕宽度的步骤包括:
获取每个划痕所在的不反光区域中同一纵坐标的划痕像素点中横坐标最大的第一划痕像素点、横坐标最小的第二划痕像素点;
计算划痕中同一纵坐标的划痕像素点中的第一划痕像素点与第二划痕像素点的横坐标差值,并计算划痕中所有横坐标差值的和值;
计算每个划痕中划痕像素点的最大纵坐标与最小纵坐标的纵坐标差值;
将横坐标差值的和值与纵坐标差值的比值作为该划痕的划痕宽度。
10.根据权利要求1所述的一种PCB板表面缺陷检测方法,其特征在于,还包括根据最终划痕的总面积与所有金手指区域的总面积的比值确定PCB板的质量是否合格,当划痕的总面积与所有金手指区域的总面积的比值大于20%时,则判定该PCB板的质量不合格,反之,则合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210854644.1A CN115082431B (zh) | 2022-07-20 | 2022-07-20 | 一种pcb板表面缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210854644.1A CN115082431B (zh) | 2022-07-20 | 2022-07-20 | 一种pcb板表面缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115082431A CN115082431A (zh) | 2022-09-20 |
CN115082431B true CN115082431B (zh) | 2023-01-06 |
Family
ID=83260406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210854644.1A Active CN115082431B (zh) | 2022-07-20 | 2022-07-20 | 一种pcb板表面缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115082431B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116758031B (zh) * | 2023-06-16 | 2024-03-29 | 上海感图网络科技有限公司 | 金手指缺陷复核方法、装置、设备及存储介质 |
CN116952958B (zh) * | 2023-09-18 | 2023-12-29 | 杭州百子尖科技股份有限公司 | 缺陷检测方法、装置、电子设备及存储介质 |
CN117314899B (zh) * | 2023-11-28 | 2024-03-08 | 深圳市烯碳复合材料有限公司 | 基于图像特征的碳纤维板质量检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010048602A (ja) * | 2008-08-20 | 2010-03-04 | Shirai Electronics Industrial Co Ltd | プリント基板検査装置及び検査方法 |
CN108985337A (zh) * | 2018-06-20 | 2018-12-11 | 中科院广州电子技术有限公司 | 一种基于图像深度学习的产品表面划痕检测方法 |
CN112816484A (zh) * | 2020-12-30 | 2021-05-18 | 重庆凯歌电子股份有限公司 | 用于pcb电路板的检测系统 |
CN113362288A (zh) * | 2021-05-24 | 2021-09-07 | 深圳明锐理想科技有限公司 | 一种金手指划伤检测方法、装置以及电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6596188B2 (ja) * | 2015-04-02 | 2019-10-23 | マークテック株式会社 | 探傷装置、及び探傷装置による傷部検出方法 |
CN109934814B (zh) * | 2019-03-15 | 2022-02-01 | 英业达科技有限公司 | 表面缺陷侦测系统及其方法 |
CN113781402B (zh) * | 2021-08-19 | 2024-03-26 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 芯片表面划痕缺陷的检测方法、装置和计算机设备 |
-
2022
- 2022-07-20 CN CN202210854644.1A patent/CN115082431B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010048602A (ja) * | 2008-08-20 | 2010-03-04 | Shirai Electronics Industrial Co Ltd | プリント基板検査装置及び検査方法 |
CN108985337A (zh) * | 2018-06-20 | 2018-12-11 | 中科院广州电子技术有限公司 | 一种基于图像深度学习的产品表面划痕检测方法 |
CN112816484A (zh) * | 2020-12-30 | 2021-05-18 | 重庆凯歌电子股份有限公司 | 用于pcb电路板的检测系统 |
CN113362288A (zh) * | 2021-05-24 | 2021-09-07 | 深圳明锐理想科技有限公司 | 一种金手指划伤检测方法、装置以及电子设备 |
Non-Patent Citations (1)
Title |
---|
激光在高反面轴类零件表面瑕疵检测的应用;杨莓等;《激光与红外》;20200720(第07期);第808-814页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115082431A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115082431B (zh) | 一种pcb板表面缺陷检测方法 | |
CN114018160B (zh) | 一种极耳成像装置和极耳尺寸检测方法 | |
CN112949398B (zh) | 车道线检测方法、测距方法及对应装置 | |
CN114862880B (zh) | 一种基于异性石料的切割优化方法及系统 | |
CN115082466B (zh) | 一种pcb表面焊点缺陷检测方法及系统 | |
CN112927283B (zh) | 测距方法及装置、存储介质及电子设备 | |
CN116703889B (zh) | 一种柔性电路板贴片异常检测方法 | |
CN110298860A (zh) | 一种基于机器视觉的高杆绣球检测计数系统 | |
CN116862910B (zh) | 基于自动化裁切生产的视觉检测方法 | |
CN116385430A (zh) | 一种机器视觉瑕疵检测方法、装置、介质及设备 | |
CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
CN117037103A (zh) | 一种道路检测方法和装置 | |
CN117557573B (zh) | 基于计算机视觉的oca膜气泡检测方法 | |
CN114004858A (zh) | 基于机器视觉识别航空线缆表面编码的方法及装置 | |
CN112446913A (zh) | 一种通道闸行人数量统计与尾随判断方法、装置和设备 | |
CN113362288B (zh) | 一种金手指划伤检测方法、装置以及电子设备 | |
CN115272134B (zh) | 一种基于pcb干扰反光识别的pcb图像去反光方法 | |
CN109657577B (zh) | 一种基于熵和运动偏移量的动物检测方法 | |
CN115909359A (zh) | 一种基于智能视觉的电容字符检测方法 | |
CN115311443A (zh) | 一种液压泵漏油识别方法 | |
CN114120343A (zh) | 证件图像质量评估方法及终端 | |
CN111563883A (zh) | 屏幕视觉定位方法、定位设备及存储介质 | |
CN117314905B (zh) | 一种基于图像处理的预制楼梯智能检测方法及系统 | |
CN117593780B (zh) | 一种皱纹深度指数确定方法、装置、电子设备及存储介质 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 |
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 |