CN115205291B - 一种电路板检测方法、装置、设备和介质 - Google Patents
一种电路板检测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN115205291B CN115205291B CN202211118516.7A CN202211118516A CN115205291B CN 115205291 B CN115205291 B CN 115205291B CN 202211118516 A CN202211118516 A CN 202211118516A CN 115205291 B CN115205291 B CN 115205291B
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- circuit board
- original
- 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.)
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种电路板检测方法、装置、设备和介质。该方法包括:获取待测电路板对应的原始待测图像和模板电路板对应的原始模板图像;其中,模板电路板为待测电路板对应的标准电路板;分别对原始待测图像和原始模板图像进行图像预处理,得到对应的目标待测图像和目标模板图像;根据目标待测图像和目标模板图像之间的差异值检测出待测电路板上的异物。本发明实施例解决了现有技术中异物检测的导致误报率较高的技术问题,提高了对电路板中是否存在头发丝等细长异常物的检测准确率。
Description
技术领域
本发明涉及电路板技术领域,尤其涉及一种电路板检测方法、装置、设备和介质。
背景技术
为了保证电路板的性能,可以在电路板上涂覆一层三防漆。在电路板三防漆喷涂工艺中,有时会出现头发丝等细长异常物落在电路板上的现象,导致涂覆失效。为了避免这种情况出现,需要在涂覆自动光学检测(Automated Optical Inspection,AOI)时,检测是否有头发丝等细长异常物。
由于三防漆含有荧光物质,在紫外灯下,涂覆三防漆的区域显示亮蓝色;而未涂覆三防漆的区域显示暗黑色。但是,被头发丝遮挡的区域,也显示暗黑色,并且,由于电路板上元器件边缘的三防漆图层较薄,在器件边缘也会产生一条很细的黑线,与头发等细长异常物很难区分,导致异物检测的误报率比较高。
发明内容
本发明提供了一种电路板检测方法、装置、设备和介质,以解决现有技术中异物检测的误报率较高的技术问题,提高了对电路板中是否存在头发丝等细长异常物的检测准确率。
根据本发明的一方面,提供了一种电路板检测方法,包括:
获取待测电路板对应的原始待测图像和模板电路板对应的原始模板图像;其中,所述模板电路板为所述待测电路板对应的标准电路板;
分别对所述原始待测图像和所述原始模板图像进行图像预处理,得到对应的目标待测图像和目标模板图像;
根据所述目标待测图像和所述目标模板图像之间的差异值检测出所述待测电路板上的异物。
根据本发明的另一方面,提供了一种电路板检测装置,包括:
获取模块,用于获取待测电路板对应的原始待测图像和模板电路板对应的原始模板图像;其中,所述模板电路板为所述待测电路板对应的标准电路板;
预处理模块,用于分别对所述原始待测图像和所述原始模板图像进行图像预处理,得到对应的目标待测图像和目标模板图像;
检测模块,用于根据所述目标待测图像和所述目标模板图像之间的差异值检测出所述待测电路板上的异物。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的电路板检测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电路板检测方法。
本发明实施例的技术方案,通过分别对原始待测图像和原始模板图像进行图像预处理,得到包含干扰异物和真正异物的目标待测图像和只包含干扰异物的目标模板图像;然后将目标待测图像和目标模板图像进行差异比较,以去除目标模板图像中所存在的干扰异物,进而检测到待测电路板上的真正异物,解决了现有技术中异物检测的误报率较高的技术问题,提高了对电路板中是否存在头发丝等细长异常物的检测准确率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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为本发明实施例提供的一种待测电路板的显示示意图
图2为本发明实施例提供的一种电路板检测方法的流程图;
图3为本发明实施例提供的另一种电路板检测方法的流程图;
图4为本发明实施例提供的又一种电路板检测方法的流程图;
图5为本发明实施例提供的一种对差异模板图像进行低位截至操作之后的图像示意图;
图6为本发明实施例提供的一种对差异待测图像进行低位截至操作之后的图像示意图;
图7为本发明实施例提供的一种目标差异图像的图像示意图;
图8为本发明实施例提供的一种头发丝异物的检测示意图;
图9为本发明实施例提供的一种电路板检测装置的结构示意图;
图10为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“原始”、“中间”、“目标”、“待测”、“模板”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明实施例提供的一种待测电路板的显示示意图。如图1所示,在待测电路板上存在头发丝(即真正异物),并且,在待测电路板上存在一个芯片,并且,该芯片的边缘形成一条类似的黑线(即干扰异物)。在实际检测过程中,该干扰异物容易造成误检测。有鉴于此,本发明实施例提供一种电路板检测方法,以准确地检测出待测电路板上的头发丝等细长异物。
在一实施例中,图2为本发明实施例提供的一种电路板检测方法的流程图,本实施例可适用于对电路板上的头发丝等细长异物进行检测的情况,该方法可以由电路板检测装置来执行,该电路板检测装置可以采用硬件和/或软件的形式实现,该电路板检测装置可配置于电子设备中。
需要说明的是,为了对待测电路板进行图像采集,可以通过图像采集设备对待测电路板进行图像采集,并通过运动控制设备控制待测电路板移动至图像采集设备的合适位置。其中,图像采集设备中可以包括:工业相机、光照模块和图像采集卡。其中,工业相机用于对待测电路板进行图像采集;光照模块用于对待测电路板进行照明,以保证光线均匀地分布在待测电路板上;图像采集卡用于对工业相机所输出的数据进行实时采集。
如图2所示,该方法包括:
S210、获取待测电路板对应的原始待测图像和模板电路板对应的原始模板图像。
其中,待测电路板为涂覆三防漆的电路板;模板电路板为待测电路板对应的标准电路板。可以理解为,模板电路板同样也为涂覆三防漆的电路板,并且在模板电路板上并未存在头发丝等细长异物。
在实施例中,首先通过运动控制设备控制待测电路板移动至图像采集设备的合适位置,然后通过图像采集设备对待测电路板进行图像采集,以得到对应的原始待测图像。在实施例中,预先对模板电路板进行图像采集,以得到对应的原始模板图像,并将原始模板图像存储至测试文件中。在接收到待测电路板的检测指令时,自动加载待测电路板所对应模板电路板的测试文件,并对测试文件进行解析,以获取到对应的原始模板图像。可以理解为,不同类型的待测电路板所对应模板电路板是不同的,相应的,可以对不同模板电路板所对应原始模板图像生成不同的测试文件,即测试文件与原始模板图像之间的映射关系是一一对应。
S220、分别对原始待测图像和原始模板图像进行图像预处理,得到对应的目标待测图像和目标模板图像。
其中,目标待测图像指的是包含干扰异物和真正异物的图像;目标模板图像指的是只包含干扰异物的图像。其中,图像预处理可以包括但不限于下述操作:均值滤波、灰度化处理、低位截至、膨胀操作。
在实施例中,通过对原始待测图像进行图像处理之后,得到包含干扰异物和真正异物的目标待测图像;并且,对原始模板图像进行图像处理之后,得到只包含干扰异物的目标模板图像。
S230、根据目标待测图像和目标模板图像之间的差异值检测出待测电路板上的异物。
其中,差异值指的是对目标待测图像和目标模板图像之间的像素差异值。在实施例中,将目标待测图像和目标模板图像进行像素相减,即可得到目标待测图像中真正异物的像素值,从而可以根据像素值即可检测出待测电路板上的异物。
本实施例的技术方案,通过分别对原始待测图像和原始模板图像进行图像预处理,得到包含干扰异物和真正异物的目标待测图像和只包含干扰异物的目标模板图像;然后将目标待测图像和目标模板图像进行差异比较,以去除目标模板图像中所存在的干扰异物,进而检测到待测电路板上的真正异物,解决了现有技术中异物检测的误报率较高的技术问题,提高了对电路板中是否存在头发丝等细长异常物的检测准确率。
在一实施例中,图3为本发明实施例提供的另一种电路板检测方法的流程图,本实施例是在上述实施例的基础上,对电路板检测的过程作进一步的补充。如图3所示,该方法包括:
S310、获取待测电路板对应的原始待测图像和模板电路板对应的原始模板图像。
其中,模板电路板为待测电路板对应的标准电路板。
S320、对原始待测图像和原始模板图像执行对齐操作。
在实施例中,在对原始待测图像和原始模板图像进行图像预处理之前,对原始待测图像和原始模板图像执行对齐操作,是为了保证原始待测图像和原始模板图像之间的对齐准确度。
在一实施例中,S320包括:S3201-S3203。
S3201、识别并选取原始模板图像中的目标区域。
其中,目标区域指的是原始模板图像中的部分区域。在实施例中,目标区域可以包括但不限于:特征明显、特征丰富或图像像素变化剧烈等特征的区域。采用特征明显、特征丰富或图像像素变化剧烈等区域作为目标区域,是为了保证原始待测图像和原始模板图像之间的对齐准确度。在实际选取的过程中,对目标区域的区域形状不作限定。示例性地,目标区域可以包括矩形、圆形等规则图形。
在实施例中,识别原始模板图像中具备特征明显、特征丰富或图像像素变化剧烈等特征的规则区域,若查找到多个具备上述特征的规则区域的情况下,则可以随机从多个规则区域中选取一个区域作为目标区域;若查找到一个具备上述特征的规则区域的情况下,则直接将该区域作为目标区域。当然,若未查找到具备上述特征的规则区域的情况下,可以查找具备上述特征的非规则区域,并将该非规则区域作为目标区域。
S3202、查找原始待测图像中与目标区域相匹配的特征区域。
其中,特征区域指的是原始待测图像中与目标区域的特征最接近的区域。在实施例中,在选取待测模板图像中的目标区域之后,识别并获取目标区域的关键特征;然后在原始待测图像中查找与该关键特征最接近的区域,作为原始待测图像中的特征区域。
S3203、根据目标区域和特征区域之间的坐标偏移值对原始待测图像和原始模板图像执行对齐操作。
在实施例中,先获取目标区域中一个或多个关键点的坐标值,然后在获取该关键点在特征区域中的坐标值,然后确定该关键点在两个区域之间的坐标差,作为坐标偏移值;根据坐标偏移值调整原始待测图像的位置,以使原始待测图像和原始模板图像对齐。
S330、分别依次对原始待测图像和原始模板图像进行均值滤波和灰度化操作,得到对应的中间待测图像和中间模板图像。
其中,依次对原始待测图像执行均值滤波和灰度化操作,以得到对应的中间待测图像;以及依次对原始模板图像执行均值滤波和灰度化操作,以得到对应的中间模板图像。在实际图像预处理过程中,对均值滤波和灰度化操作的执行顺序不作限定。
S340、根据原始待测图像和中间待测图像确定对应的差异待测图像。
其中,差异待测图像指的是原始待测图像和中间待测图像之间进行像素相减所得到的图像。在实施例中,获取原始待测图像中每个像素点的像素值,以及每个中间待测图像中对应像素点的像素值,然后将两个像素值进行相减,即可得到该像素点的像素差异值,依次类推,将每个像素点的像素差异值构成对应的差异待测图像。
S350、根据原始模板图像和中间模板图像确定对应的差异模板图像。
其中,差异模板图像指的是原始模板图像和中间模板图像之间进行像素相减所得到的图像。在实施例中,获取原始模板图像中每个像素点的像素值,以及每个中间模板图像中对应像素点的像素值,然后将两个像素值进行相减,即可得到该像素点的像素差异值,依次类推,将每个像素点的像素差异值构成对应的差异模板图像。
S360、分别对差异待测图像和差异模板图像执行低位截至操作,得到对应的目标待测图像和目标模板图像。
其中,低位截至操作指的是对图像中灰度值小于预设灰度阈值的全部像素置0的操作。在实施例中,对差异待测图像执行低位截至操作,以将差异待测图像中灰度值小于预设灰度阈值的全部像素置0,得到对应的目标待测图像。同样地,对差异模板图像执行低位截至操作,以将差异模板图像中灰度值小于预设灰度阈值的全部像素置0,以得到对应的目标模板图像。
在实施例中,对差异待测图像执行低位截至操作,是为了将差异待测图像中灰度值差异较小的像素置0,进而查找出差异待测图像中干扰异物和真正异物所对应的像素点。同样地,对差异模板图像执行低位截至操作,是为了将差异模板图像中灰度值差异较小的像素置0,进而查找出差异模板图像中干扰异物所对应的像素点。
在一实施例中,对执行低位截至操作的差异模板图像进行膨胀操作,得到对应的目标模板图像。在实施例中,在对差异模板图像执行低位截至操作之后,再执行膨胀操作,以对干扰异物所对应像素点的所在区域进行扩大,从而可以在后续异物检测过程中可以涵盖目标待测图像中所有干扰异物的像素点。
S370、确定目标待测图像和目标模板图像之间的差异值,得到对应的目标差异图像。
在实施例中,获取目标待测图像中每个像素点的像素值,以及每个目标模板图像中对应像素点的像素值,然后将两个像素值进行相减,即可得到该像素点的像素差异值,依次类推,将每个像素点的像素差异值构成对应的目标差异图像。
S380、根据目标差异图像中的轮廓特征检测出待测电路板上的异物。
在实施例中,检测目标差异图像中的轮廓,并统计所有轮廓的特征,根据轮廓特征检测到待测电路板上的异物。
本实施例的技术方案,在上述实施例的基础上,在对原始待测图像和原始模板图像进行图像预处理之前,对原始待测图像和原始模板图像执行对齐操作,保证了原始待测图像和原始模板图像之间的对齐准确度;然后通过对原始模板图像执行均值滤波、灰度化、低位截至和膨胀操作,以得到只包含干扰异物的目标模板图像,以及通过对原始待测图像执行均值滤波、灰度化和低位截至操作,以得到包含干扰异物和真正异物的目标待测图像;最后根据目标模板图像和目标待测图像之间的差异,去除目标待测图像中所存在的干扰异物的像素点,从而筛选得到目标待测图像中真正异物的像素点,进而可以检测到待测电路板上的异物,提升了待测电路板的检测准确率。
在一实施例中,图4为本发明实施例提供的又一种电路板检测方法的流程图。本实施例在上述实施例的基础上,作为优选实施例,对如图1所示的待测电路板上的异物检测过程进行说明。如图4所示,本实施例中的电路板检测方法包括如下步骤:
S410、获取原始模板图像M和原始待测图像C。
S420、将原始模板图像M和原始待测图像C对齐。
S430、对原始模板图像M进行均值滤波和灰度化操作,得到中间模板图像M1。
S440、根据原始模板图像M和中间模板图像M1得到差异模板图像M2。
S450、对差异模板图像M2进行低位截至操作,得到图像M3。
图5为本发明实施例提供的一种对差异模板图像进行低位截至操作之后的图像示意图。如图5所示,对差异模板图像M2执行低位截至操作,以将灰度值小于预设灰度阈值的像素全部置0,得到对应的图像M3。
S460、对图像M3进行膨胀操作,得到目标模板图像M4。
S470、对原始待测图像C进行均值滤波和灰度化操作,得到中间待测图像C1。
S480、根据原始待测图像C和中间待测图像C1得到差异待测图像C2。
S490、对差异待测图像C2进行低位截至操作,得到目标待测图像C3。
图6为本发明实施例提供的一种对差异待测图像进行低位截至操作之后的图像示意图。如图6所示,对差异待测图像C2执行低位截至操作,以将灰度值小于预设灰度阈值的像素全部置0,得到对应的目标待测图像C3。
S4100、根据目标模板图像M4和目标待测图像C3得到目标差异图像C4。
图7为本发明实施例提供的一种目标差异图像的图像示意图。如图7所示,在得到目标模板图像M4和目标待测图像C3之后,将目标模板图像M4的每个像素点的像素值与目标待测图像C3中对应像素点的像素值进行相减,以得到对应像素点的像素差异值,并根据像素差异值构成对应的目标差异图像C4。
S4110、检测目标差异图像C4中的轮廓,并统计所有轮廓的特征,根据轮廓特征筛选出头发丝异物。
图8为本发明实施例提供的一种头发丝异物的检测示意图。在实施例中,检测目标差异图像C4中的轮廓,并统计所有轮廓的特征,并根据轮廓特征筛选得到对应的头发丝异物。如图8所示,采用矩形框框选出的细长异物即为头发丝异物。
需要说明的是,对S430-S460与S470-S490之间的执行顺序不作限定,即可以先执行S430-S460,然后执行S470-S490;也可以先执行S470-S490,然后执行S430-S460;也可以同时执行S430-S460与S470-S490。
本实施例的技术方案,通过配置专门对头发丝等细长异物进行检测的算法,提升了对头发丝等细长异物的检测准确率。
在一实施例中,图9为本发明实施例提供的一种电路板检测装置的结构示意图。如图9所示,该装置包括:获取模块910、预处理模块920和检测模块930。
其中,获取模块910,用于获取待测电路板对应的原始待测图像和模板电路板对应的原始模板图像;其中,模板电路板为待测电路板对应的标准电路板;
预处理模块920,用于分别对原始待测图像和原始模板图像进行图像预处理,得到对应的目标待测图像和目标模板图像;
检测模块930,用于根据目标待测图像和目标模板图像之间的差异值检测出待测电路板上的异物。
在一实施例中,在分别对原始待测图像和原始模板图像进行图像预处理,得到对应的目标待测图像和目标模板图像之前,电路板检测装置,还包括:
执行器,用于对原始待测图像和原始模板图像执行对齐操作。
在一实施例中,执行器,包括:
识别选取单元,用于识别并选取原始模板图像中的目标区域;
查找单元,用于查找原始待测图像中与目标区域相匹配的特征区域;
执行单元,用于根据目标区域和特征区域之间的坐标偏移值对原始待测图像和原始模板图像执行对齐操作。
在一实施例中,预处理模块920,包括:
滤波单元,用于分别依次对原始待测图像和原始模板图像进行均值滤波和灰度化操作,得到对应的中间待测图像和中间模板图像;
第一确定单元,用于根据原始待测图像和中间待测图像确定对应的差异待测图像;
第二确定单元,用于根据原始模板图像和中间模板图像确定对应的差异模板图像;
低位截至单元,用于分别对差异待测图像和差异模板图像执行低位截至操作,得到对应的目标待测图像和目标模板图像。
在一实施例中,预处理模块920,还包括:
膨胀单元,用于对执行低位截至操作的差异模板图像进行膨胀操作,得到对应的目标模板图像。
在一实施例中,检测模块930,包括:
第三确定单元,用于确定目标待测图像和目标模板图像之间的差异值,得到对应的目标差异图像;
检测单元,用于根据目标差异图像中的轮廓特征检测出待测电路板上的异物。
在一实施例中,待测电路板为涂覆三防漆的电路板。
本发明实施例所提供的电路板检测装置可执行本发明任意实施例所提供的电路板检测方法,具备执行方法相应的功能模块和有益效果。
在一实施例中,图10为本发明实施例提供的一种电子设备的结构示意图。如图10所示,示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图10所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如电路板检测方法。
在一些实施例中,电路板检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的电路板检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行电路板检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
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,根据设计要求和其他因素,可以进行各种修改、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 (9)
1.一种电路板检测方法,其特征在于,应用于对细长异物进行检测的场景,包括:
获取待测电路板对应的原始待测图像和模板电路板对应的原始模板图像;其中,所述模板电路板为所述待测电路板对应的标准电路板;
分别对所述原始待测图像和所述原始模板图像进行图像预处理,得到对应的目标待测图像和目标模板图像;其中,所述目标待测图像为包含干扰异物和真正异物的图像;所述目标模板图像为只包含干扰异物的图像;
根据所述目标待测图像和所述目标模板图像之间的差异值检测出所述待测电路板上的异物;
所述分别对所述原始待测图像和所述原始模板图像进行图像预处理,得到对应的目标待测图像和目标模板图像,包括:
分别依次对所述原始待测图像和所述原始模板图像进行均值滤波和灰度化操作,得到对应的中间待测图像和中间模板图像;
根据所述原始待测图像和所述中间待测图像确定对应的差异待测图像;
根据所述原始模板图像和所述中间模板图像确定对应的差异模板图像;
分别对所述差异待测图像和所述差异模板图像执行低位截至操作,得到对应的目标待测图像和目标模板图像。
2.根据权利要求1所述的方法,其特征在于,在所述分别对所述原始待测图像和所述原始模板图像进行图像预处理,得到对应的目标待测图像和目标模板图像之前,还包括:
对所述原始待测图像和所述原始模板图像执行对齐操作。
3.根据权利要求2所述的方法,其特征在于,所述对所述原始待测图像和所述原始模板图像执行对齐操作,包括:
识别并选取所述原始模板图像中的目标区域;
查找所述原始待测图像中与所述目标区域相匹配的特征区域;
根据所述目标区域和所述特征区域之间的坐标偏移值对所述原始待测图像和所述原始模板图像执行对齐操作。
4.根据权利要求1所述的方法,其特征在于,所述分别对所述原始待测图像和所述原始模板图像进行图像预处理,得到对应的目标待测图像和目标模板图像,还包括:
对执行低位截至操作的差异模板图像进行膨胀操作,得到对应的目标模板图像。
5.根据权利要求1或2所述的方法,其特征在于,所述根据所述目标待测图像和所述目标模板图像之间的差异值检测出所述待测电路板上的异物,包括:
确定所述目标待测图像和所述目标模板图像之间的差异值,得到对应的目标差异图像;
根据所述目标差异图像中的轮廓特征检测出所述待测电路板上的异物。
6.根据权利要求1或2所述的方法,其特征在于,所述待测电路板为涂覆三防漆的电路板。
7.一种电路板检测装置,其特征在于,应用于对细长异物进行检测的场景,包括:
获取模块,用于获取待测电路板对应的原始待测图像和模板电路板对应的原始模板图像;其中,所述模板电路板为所述待测电路板对应的标准电路板;
预处理模块,用于分别对所述原始待测图像和所述原始模板图像进行图像预处理,得到对应的目标待测图像和目标模板图像;其中,所述目标待测图像为包含干扰异物和真正异物的图像;所述目标模板图像为只包含干扰异物的图像;
检测模块,用于根据所述目标待测图像和所述目标模板图像之间的差异值检测出所述待测电路板上的异物;
所述预处理模块,包括:
滤波单元,用于分别依次对所述原始待测图像和所述原始模板图像进行均值滤波和灰度化操作,得到对应的中间待测图像和中间模板图像;
第一确定单元,用于根据所述原始待测图像和所述中间待测图像确定对应的差异待测图像;
第二确定单元,用于根据所述原始模板图像和所述中间模板图像确定对应的差异模板图像;
低位截至单元,用于分别对所述差异待测图像和所述差异模板图像执行低位截至操作,得到对应的目标待测图像和目标模板图像。
8.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的电路板检测方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的电路板检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211118516.7A CN115205291B (zh) | 2022-09-15 | 2022-09-15 | 一种电路板检测方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211118516.7A CN115205291B (zh) | 2022-09-15 | 2022-09-15 | 一种电路板检测方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115205291A CN115205291A (zh) | 2022-10-18 |
CN115205291B true CN115205291B (zh) | 2023-02-24 |
Family
ID=83572951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211118516.7A Active CN115205291B (zh) | 2022-09-15 | 2022-09-15 | 一种电路板检测方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115205291B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115690102B (zh) * | 2022-12-29 | 2023-04-18 | 摩尔线程智能科技(北京)有限责任公司 | 缺陷检测方法、装置、电子设备、存储介质和程序产品 |
CN116486126B (zh) * | 2023-06-25 | 2023-10-27 | 合肥联宝信息技术有限公司 | 一种模版确定方法、装置、设备及存储介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107093174B (zh) * | 2017-04-05 | 2018-03-27 | 湖北工业大学 | 一种pcb设计缺陷检测方法 |
CN109389597B (zh) * | 2018-10-24 | 2021-04-27 | 四川长虹电器股份有限公司 | 一种生产线上电路板缺陷检测系统及方法 |
US10964015B2 (en) * | 2019-01-15 | 2021-03-30 | International Business Machines Corporation | Product defect detection |
CN109767445B (zh) * | 2019-02-01 | 2020-11-27 | 佛山市南海区广工大数控装备协同创新研究院 | 一种高精度的pcb缺陷智能检测方法 |
CN110473184A (zh) * | 2019-08-06 | 2019-11-19 | 福建工程学院 | 一种pcb板缺陷检测方法 |
CN111272768B (zh) * | 2020-02-28 | 2022-12-27 | 苏州杰锐思智能科技股份有限公司 | 一种陶瓷管检测方法 |
CN111583216A (zh) * | 2020-04-30 | 2020-08-25 | 深圳比特微电子科技有限公司 | Pcba电路板的缺陷检测方法 |
EP3941177A1 (en) * | 2020-07-13 | 2022-01-19 | Siemens Aktiengesellschaft | Inspection and production of printed circuit board assemblies |
CN112258448A (zh) * | 2020-09-15 | 2021-01-22 | 郑州金惠计算机系统工程有限公司 | 细划痕检测方法、装置、电子设备及计算机可读存储介质 |
CN112508826B (zh) * | 2020-11-16 | 2022-03-01 | 哈尔滨工业大学(深圳) | 一种印刷品缺陷检测方法 |
CN114764768A (zh) * | 2020-12-31 | 2022-07-19 | 富泰华工业(深圳)有限公司 | 缺陷检测分类方法、装置、电子设备及存储介质 |
CN113673514B (zh) * | 2021-08-11 | 2024-06-04 | 国网山东省电力公司微山县供电公司 | 一种输电线路异物侵入检测方法和系统 |
-
2022
- 2022-09-15 CN CN202211118516.7A patent/CN115205291B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115205291A (zh) | 2022-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115205291B (zh) | 一种电路板检测方法、装置、设备和介质 | |
EP3499409A1 (en) | Identifying apparatus, identifying method, and program | |
CN112949767B (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
CN110909712B (zh) | 运动目标检测方法、装置、电子设备及存储介质 | |
CN111598913B (zh) | 一种基于机器人视觉的图像分割方法和系统 | |
CN108318773B (zh) | 一种输电导线断股检测方法及系统 | |
CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN115272291A (zh) | 一种贴膜的缺陷检测方法、装置、设备及存储介质 | |
CN115294060A (zh) | 电器设备的外观缺陷检测方法、装置、电子设备及介质 | |
CN116559177A (zh) | 一种缺陷检测方法、装置、设备以及存储介质 | |
CN115272381B (zh) | 一种金属线分割方法、装置、电子设备及存储介质 | |
CN117292129A (zh) | 一种图像分割方法、装置、设备及介质 | |
CN111696095A (zh) | 用于检测物体表面缺陷的方法及装置 | |
CN115358992A (zh) | 一种光斑检测方法、装置、电子设备以及存储介质 | |
CN116952166B (zh) | 汽车门把手总成的零件检测方法、装置、设备及介质 | |
CN117274361A (zh) | 一种物料表面积测量方法、装置、电子设备以及介质 | |
CN115542100B (zh) | 绝缘子故障检测方法、装置、设备及介质 | |
CN116433926A (zh) | 一种胶卷首帧确定方法、装置、电子设备及存储介质 | |
CN115328607B (zh) | 一种半导体器件渲染方法、装置、设备及存储介质 | |
CN117764961A (zh) | 一种断开划痕连接处理方法、装置、电子设备及存储介质 | |
CN116309587A (zh) | 一种布料瑕疵检测方法、装置、电子设备及存储介质 | |
CN117764964A (zh) | 一种交叉划痕处理方法、装置、电子设备及存储介质 | |
CN118258814A (zh) | 共轨管内孔的缺陷检测方法、和检测系统 | |
CN116256313A (zh) | 一种基于机器视觉的分布式pcb缺陷智能检测系统 |
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 |