CN115239727A - 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 PDF

Info

Publication number
CN115239727A
CN115239727A CN202211161199.7A CN202211161199A CN115239727A CN 115239727 A CN115239727 A CN 115239727A CN 202211161199 A CN202211161199 A CN 202211161199A CN 115239727 A CN115239727 A CN 115239727A
Authority
CN
China
Prior art keywords
edge
preset
edge pixel
pixel points
group
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
CN202211161199.7A
Other languages
English (en)
Other versions
CN115239727B (zh
Inventor
刘君
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.)
Nantong Rongmao Electronic Technology Co ltd
Original Assignee
Nantong Rongmao Electronic Technology 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 Nantong Rongmao Electronic Technology Co ltd filed Critical Nantong Rongmao Electronic Technology Co ltd
Priority to CN202211161199.7A priority Critical patent/CN115239727B/zh
Publication of CN115239727A publication Critical patent/CN115239727A/zh
Application granted granted Critical
Publication of CN115239727B publication Critical patent/CN115239727B/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
    • 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]

Abstract

本发明涉及材料测试和分析技术领域，具体涉及一种PCB板表面缺陷检测方法，包括：获取预处理后的待检测PCB板的表面图像，确定第一导线通路边缘图像和焊点区域图像，进而确定第二导线通路边缘图像；确定各组预设边缘像素点对应的横向和纵向的边缘稳定度，进而确定每N组预设边缘像素点对应的横向纵向的偏差值，从而确定第二导线通路边缘图像中的各个初始结点；根据各个初始结点对应的各预设边缘像素点的位置，确定各个初始结点对应的导线边缘平整度，进而确定第三导线通路边缘图像，从而判断待检测PCB板内是否存在缺陷以及存在缺陷的类型。本发明利用材料测试与分析技术，进行PCB板表面缺陷检测，提高了缺陷检测的准确性。

Description

一种PCB板表面缺陷检测方法
技术领域
本发明涉及材料测试与分析技术领域，具体涉及一种PCB板表面缺陷检测方法。
背景技术
PCB（Printed Circuit Board，印制电路板）板是电子产品的核心组件，保障PCB板质量良好是保证电子产品质量和性能的基础。PCB板表面是否有缺陷很大程度上反映了PCB板的质量，因此对PCB板进行表面缺陷检测是非常重要的。
传统的PCB表面缺陷检测使用人工进行目测检测，时间和人力成本较高且受工人情绪波动、视觉疲劳等因素影响很大，缺陷检测的准确性较低。随着计算机技术的发展，人们提出机器视觉检测的方法，主要分为基于图像分割的缺陷检测方法和基于机器学习的缺陷检测方法。基于图像分割的缺陷检测方法主要利用图像的阈值实现缺陷检测，不仅需要额外确定阈值，而且受光照等环境因素影响较大，导致缺陷检测的精确度较低，基于机器学习的检测方法对训练数据集的要求较高，训练时间长，检测过程中的运算量较大。
发明内容
为了解决上述现有缺陷检测方法准确性较低的技术问题，本发明的目的在于提供一种PCB板表面缺陷检测方法。
本发明提供了一种PCB板表面缺陷检测方法，包括以下步骤：
获取待检测PCB板的表面图像，并对该待检测PCB板的表面图像进行预处理操作；
根据预处理后的待检测PCB板的表面图像，确定待检测PCB板的第一导线通路边缘图像和焊点区域图像，进而确定待检测PCB板的第二导线通路边缘图像及其各个预设边缘像素点的坐标位置；
根据待检测PCB板的第二导线通路边缘图像中的各个预设边缘像素点的坐标位置，确定各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度；
根据各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，确定每N组预设边缘像素点对应的横向偏差值和纵向偏差值；
根据每N组预设边缘像素点对应的横向偏差值和纵向偏差值、各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，确定第二导线通路边缘图像中的各个初始结点；
根据第二导线通路边缘图像中的各个初始结点对应的各预设边缘像素点的位置，确定各个初始结点对应的导线边缘平整度，进而确定待检测PCB板的第三导线通路边缘图像；
获取基准PCB板的第三导线通路边缘图像，根据基准PCB板和待检测PCB板的第三导线通路边缘图像，判断待检测PCB板内是否存在缺陷以及存在缺陷的类型。
进一步的，确定各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度的步骤包括：
将待检测PCB板的第二导线通路边缘图像中的各个预设边缘像素点划分成不同的组，得到各组预设边缘像素点；
根据各组预设边缘像素点内的各个预设边缘像素点的坐标位置，确定各组预设边缘像素点对应的各横向边缘差值和各纵向边缘差值，进而确定各组预设边缘像素点对应的横向边缘差值均值和纵向边缘差值均值；
根据各组预设边缘像素点对应的各横向边缘差值、各纵向边缘差值、横向边缘差值均值以及纵向边缘差值均值，确定各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度。
进一步的，进而确定各组预设边缘像素点对应的横向边缘差值均值的计算公式为：
Figure 965920DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE003
为第a组预设边缘像素点对应的横向边缘差值均值，
Figure 416492DEST_PATH_IMAGE004
为第a组预设边缘像素点内的第j个预设边缘像素点的横坐标，
Figure 100002_DEST_PATH_IMAGE005
为第a组预设边缘像素点内的第j+1个预设边缘像素点的横坐标，k为第a组预设边缘像素点内相邻预设边缘像素点的对数；
进而确定各组预设边缘像素点对应的纵向边缘差值均值的计算公式为：
Figure 100002_DEST_PATH_IMAGE007
其中，
Figure 986145DEST_PATH_IMAGE008
为第a组预设边缘像素点对应的纵向边缘差值均值，
Figure 100002_DEST_PATH_IMAGE009
为第a组预设边缘像素点内的第j个预设边缘像素点的纵坐标，
Figure 450756DEST_PATH_IMAGE010
为第a组预设边缘像素点内的第j+1个预设边缘像素点的纵坐标，k为第a组预设边缘像素点内相邻预设边缘像素点的对数。
进一步的，确定各组预设边缘像素点对应的横向边缘稳定度的计算公式为：
Figure 27231DEST_PATH_IMAGE012
其中，
Figure 100002_DEST_PATH_IMAGE013
为第a组预设边缘像素点对应的横向边缘稳定度，
Figure 760788DEST_PATH_IMAGE003
为第a组预设边缘像素点对应的横向边缘差值均值，
Figure 840740DEST_PATH_IMAGE014
为经验值，
Figure 459940DEST_PATH_IMAGE004
为第a组预设边缘像素点内的第j个预设边缘像素点的横坐标，
Figure 805602DEST_PATH_IMAGE005
为第a组预设边缘像素点内的第j+1个预设边缘像素点的横坐标，k为第a组预设边缘像素点内相邻预设边缘像素点的对数；
确定各组预设边缘像素点对应的纵向边缘稳定度的计算公式为：
Figure 270081DEST_PATH_IMAGE016
其中，
Figure 100002_DEST_PATH_IMAGE017
为第a组预设边缘像素点对应的纵向边缘稳定度，
Figure 486430DEST_PATH_IMAGE008
为第a组预设边缘像素点对应的纵向边缘差值均值，
Figure 73269DEST_PATH_IMAGE014
为经验值，
Figure 93178DEST_PATH_IMAGE009
为第a组预设边缘像素点内的第j个预设边缘像素点的纵坐标，
Figure 908818DEST_PATH_IMAGE010
为第a组预设边缘像素点内的第j+1个预设边缘像素点的纵坐标，k为第a组预设边缘像素点内相邻预设边缘像素点的对数。
进一步的，确定每N组预设边缘像素点对应的横向偏差值和纵向偏差值的计算公式为：
Figure 100002_DEST_PATH_IMAGE019
其中，
Figure 19819DEST_PATH_IMAGE020
为每N组预设边缘像素点对应的横向偏差值，
Figure 100002_DEST_PATH_IMAGE021
为每N组预设边缘像素点对应的最大横向边缘稳定度，
Figure 358370DEST_PATH_IMAGE022
为每N组预设边缘像素点对应的中值横向边缘稳定度，
Figure 100002_DEST_PATH_IMAGE023
为每N组预设边缘像素点对应的最小横向边缘稳定度，
Figure 944203DEST_PATH_IMAGE024
为调节系数，max( )为求最大值函数；
Figure 16065DEST_PATH_IMAGE026
其中，
Figure 100002_DEST_PATH_IMAGE027
为每N组预设边缘像素点对应的纵向偏差值，
Figure 472585DEST_PATH_IMAGE028
为每N组预设边缘像素点对应的最大纵向边缘稳定度，
Figure 100002_DEST_PATH_IMAGE029
为每N组预设边缘像素点对应的中值纵向边缘稳定度，
Figure 214276DEST_PATH_IMAGE030
为每N组预设边缘像素点对应的最小纵向边缘稳定度，
Figure 474356DEST_PATH_IMAGE024
为调节系数，max( )为求最大值函数。
进一步的，确定第二导线通路边缘图像中的各个初始结点的步骤包括：
根据各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，确定每N组预设边缘像素点对应的横向边缘稳定度均值和纵向边缘稳定度均值；
根据每N组预设边缘像素点对应的横向偏差值、纵向偏差值、横向边缘稳定度均值以及纵向边缘稳定度均值，确定各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度的标准区间范围；
根据各组预设边缘像素点对应的横向边缘稳定度、纵向边缘稳定度以及横向边缘稳定度和纵向边缘稳定度的标准区间范围，确定第二导线通路边缘图像中的各个初始结点。
进一步的，确定第二导线通路边缘图像中的各个初始结点的步骤包括：
根据各组预设边缘像素点对应的横向边缘稳定度、纵向边缘稳定度以及横向边缘稳定度和纵向边缘稳定度的标准区间范围，不断判断各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度是否均超出对应的标准区间范围；
若出现连续预设值组对应的横向边缘稳定度和纵向边缘稳定度均超出对应的标准区间范围，且该预设值组的前预设数目组对应的横向边缘稳定度和纵向边缘稳定度均处于对应的标准区间范围内，则将该预设值组内位于中位数处的预设边缘像素点作为初始结点，不断重复初始结点确定步骤，直至得到第二导线通路边缘图像中的各个初始结点。
进一步的，确定各个初始结点对应的导线边缘平整度的步骤包括：
根据第二导线通路边缘图像中的各个初始结点对应的各预设边缘像素点的位置，确定各个初始结点对应的拟合直线以及拟合直线的拟合优度，进而确定各个初始结点对应的拟合直线的倾斜角；
获取各个初始结点对应的预设直线的倾斜角，根据各个初始结点对应的拟合直线的倾斜角和拟合优度、预设直线的倾斜角，确定各个初始结点对应的导线边缘平整度。
进一步的，确定各个初始结点对应的导线边缘平整度的计算公式为：
Figure 563623DEST_PATH_IMAGE032
其中，
Figure 100002_DEST_PATH_IMAGE033
为各个初始结点对应的导线边缘平整度，
Figure 920655DEST_PATH_IMAGE034
为各个初始结点对应的拟合直线的拟合优度，
Figure 100002_DEST_PATH_IMAGE035
为各个初始结点对应的预设直线的倾斜角，
Figure 974193DEST_PATH_IMAGE036
为各个初始结点对应的拟合直线的倾斜角，
Figure 721569DEST_PATH_IMAGE014
为经验值，
Figure 100002_DEST_PATH_IMAGE037
为拟合优度的预设下限值，
Figure 417123DEST_PATH_IMAGE038
为拟合优度的预设上限值。
进一步的，判断待检测PCB板内是否存在缺陷以及存在缺陷的类型的步骤包括：
将基准PCB板和待检测PCB板的第三导线通路边缘图像相减，若得到差异区域，则判定待检测PCB板内存在缺陷；
若差异区域在某个导线通路边缘区域内，且差异区域的边缘像素点与该导线通路边缘区域的两个支路均相连接，则判定待检测PCB板存在开路缺陷；
若差异区域在某个导线通路边缘区域内，且差异区域的边缘像素点与该导线通路边缘区域的一个支路相连接，则判定待检测PCB板存在缺口缺陷；
若差异区域在导线通路边缘区域外，且差异区域的边缘像素点与两个不同的导线通路边缘区域的一个支路相连接，则判定待检测PCB板存在短路缺陷；
若差异区域在导线通路边缘区域外，且差异区域的边缘像素点与某个导线通路边缘区域的一个支路相连接，则判定待检测PCB板存在毛刺缺陷。
本发明具有如下有益效果：
本发明通过获取待检测PCB板的表面图像，基于PCB板导线通路的边缘和方向特征，利用材料测试和分析技术，得到待检测PCB板的精准划分后的导线通路边缘，进而判断待检测PCB板内是否存在缺陷以及存在缺陷的类型，其有效提高了缺陷检测的准确性。对获取待检测PCB板的表面图像进行预处理操作，增强了待检测PCB板图像信息的准确性；由于待检测PCB板的焊点受光照影响较大，容易产生反射现象，并且PCB板的缺陷大多不会出现在焊点区域内，本发明根据预处理后的待检测PCB板的表面图像，确定第一导线通路边缘图像和焊点区域图像，基于待检测PCB板的第一导线通路边缘图像和焊点区域图像，得到第二导线通路边缘图像，第二导线通路边缘图像中不包含焊点区域边缘。去除焊点区域边缘的导线通路边缘可将不同的导线通路边缘划分开，对于各个导线通路边缘单独地进行分析，缩小了缺陷检测区域范围，有助于提高缺陷检测的准确性；为了保证各个导线通路边缘处于同一个方向，也就是具有相同的倾斜角特征，在对导线通路边缘进行划分之前，将每个导线通路边缘中方向会发生改变的边缘处以结点的形式标注出来。根据待检测PCB板的第二导线通路边缘图像中的各个预设边缘像素点的坐标位置，确定各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，进而确定每N组预设边缘像素点对应的横向偏差值和纵向偏差值，从而确定第二导线通路边缘图像中的各个初始结点，各个初始结点不仅便于计算机对待检测PCB板的缺陷进行识别分析，而且再次缩小了缺陷检测区域，有助于准确确定待检测PCB板中所出现缺陷的具体位置，提高了缺陷检测的速度；根据第二导线通路边缘图像中的各个初始结点对应的各预设边缘像素点的位置，确定各个初始结点对应的导线边缘平整度，确定待检测PCB板的第三导线通路边缘图像。通过导线通路边缘结点处的图像特征信息，得到导线边缘平整度，根据导线边缘平整度可确定最终的结点位置，导线边缘平整度是确定第三导线通路边缘图像的重要指标值；由于PCB板的图像具有细节丰富和干扰性强的特征，相比现有的图像分割缺陷检测，本发明根据基准PCB板和待检测PCB板的第三导线通路边缘图像，判断待检测PCB板内是否存在缺陷以及存在缺陷的类型的缺陷检测方法，可解决图像细节丰富和干扰性强的问题，并且可识别出PCB板的短路、开路、缺口以及毛刺共四种主要缺陷。
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和优点，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的介绍，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它附图。
图1为本发明一种PCB板表面缺陷检测方法的流程图；
图2为本发明实施例中的确定第二导线通路边缘图像中的各个初始结点的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
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。
本实施例提供了一种PCB板表面缺陷检测方法，如图1所示，该方法包括以下步骤：
（1）获取待检测PCB板的表面图像，并对该待检测PCB板的表面图像进行预处理操作。
本实施例在PCB板传送带的固定缺陷检测位置的上方安装光源，该光源将采用漫射法对放置在固定缺陷检测位置处的待检测PCB板进行照明，以提高后续拍摄所得的待检测PCB板的表面图像的清晰度，然后使用工业相机拍摄待检测PCB板，从而得到待检测PCB板的表面图像，待检测PCB板的表面图像为RGB（Red Green Blue，三原色）图像。
由于PCB板上的细节信息比较丰富，本实施例将对待检测PCB板的表面图像进行预处理操作。预处理操作的步骤包括：为了降低噪声数据对后续缺陷检测的干扰，先采用高斯滤波对所获取的待检测PCB板的表面图像进行降噪处理。由于后续步骤中需要参考待检测PCB板的表面图像中的边缘信息，采用反锐化研磨法对降噪处理后的待检测PCB板的表面图像进行增强处理，使处理后的PCB板的表面图像的边缘信息变得更加清晰明显。最后，对增强处理后的待检测PCB板的表面图像进行灰度化处理，从而得到完成预处理操作后的待检测PCB板的表面图像。高斯滤波的降噪过程、反锐化研磨法的图像增强过程以及图像灰度化的过程均为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
（2）根据预处理后的待检测PCB板的表面图像，确定待检测PCB板的第一导线通路边缘图像和焊点区域图像，进而确定待检测PCB板的第二导线通路边缘图像及其各个预设边缘像素点的坐标位置。
（2-1）根据预处理后的待检测PCB板的表面图像，确定待检测PCB板的第一导线通路边缘图像和焊点区域图像。
由于PCB板表面缺陷大多出现在连接各个焊点的导线通路区域范围内，为了便于后续进行缺陷检测，本实施例将得到待检测PCB板的第一导线通路边缘图像。PCB板中连接各个焊点的导线通路区域的边缘像素灰度与背景区域的背景像素灰度相差较大，背景区域为PCB板中不与导线通路相关的区域，本实施例可利用canny算子，对预处理后的待检测PCB板的表面图像进行边缘检测，得到待检测PCB板的第一导线通路边缘图像，第一导线通路边缘图像为二值图像，二值图像中的导线通路区域的边缘像素灰度值为255，背景区域的边缘素灰度值为0。在得到第一导线通路边缘图像之后，为了消除细小分散的干扰边缘，干扰边缘是指第一导线通路边缘图像中又短、又小、又没有实际作用的边缘，对第一导线通路边缘图像进行开运算处理，得到开运算处理后的第一导线通路边缘图像。开运算处理和canny算子的实现过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
为了便于后续确定待检测PCB板的第二导线通路边缘图像，本实施例使用模板匹配算法将焊点区域图像从待检测PCB板的表面图像中识别并分割出来，在模板匹配过程中将Gerber文件中的圆形、方形、椭圆形的焊点区域图像作为模板进行模板匹配，从而得到待检测PCB板的焊点区域图像。PCB板中的焊点区域的像素灰度与背景区域像素灰度相差较大，模板匹配的效果会比较好，有助于得到更加准确清晰的焊点区域图像。利用模板匹配算法识别焊点区域图像的过程为现有技术，不在本发明保护范围内，此处不在进行详细阐述。
（2-2）根据待检测PCB板的第一导线通路边缘图像和焊点区域图像，确定待检测PCB板的第二导线通路边缘图像及其各个预设边缘像素点的坐标位置。
由于PCB板的缺陷区域大多不会分布在焊点区域，为了提高缺陷检测的效率，本实施例基于待检测PCB板的焊点区域图像中各个边缘像素点的位置，消除待检测PCB板的第一导线通路边缘图像中的焊点区域图像的各个边缘像素点，从而得到不包含焊点区域边缘像素点的边缘图像，将该边缘图像称为待检测PCB板的第二导线通路边缘图像。确定待检测PCB板的第二导线通路边缘图像的目的是为了排除掉待检测PCB板的第一导线通路边缘图像中的焊点区域边缘图像，排除焊点区域边缘图像后可将导线通路边缘划分开，使各个导线通路边缘单独进行分析，缩小缺陷检测区域范围。
为了降低缺陷检测的计算量，本实施例将确定待检测PCB板的第二导线通路边缘图像中的各个预设边缘像素点。从待检测PCB板的第二导线通路边缘图像的左上方的导线通路边缘开始，按照向右或向下的方向，分析待检测PCB板的第二导线通路边缘图像中的各个导线通路的边缘像素点。将第二导线通路边缘图像中左上角方向的第一个导线通路内的第一个边缘像素点作为第一个预设边缘像素点，并以第一个预设边缘像素点为起点，得到第一个导线通路内的第一个预设边缘像素点的各个相邻边缘像素点，在间隔n个相邻边缘像素点后，n为常数，经验值为10，将第n+2个相邻边缘像素点作为第二个预设边缘像素点，再次得到第二个预设边缘像素点的各个相邻边缘像素点，按照第二个预设边缘像素点的确定规则，得到待检测PCB板的第二导线通路边缘图像中的各个预设边缘像素点，并将各个预设边缘像素点按照确定时的先后顺序进行标记，得到标记后的各个预设边缘像素点的坐标位置。例如，某个导线通路的边缘像素点为
Figure DEST_PATH_IMAGE039
，间隔相邻边缘像素点n为3，那么
Figure 628662DEST_PATH_IMAGE040
、
Figure DEST_PATH_IMAGE041
、
Figure 118680DEST_PATH_IMAGE042
以及
Figure DEST_PATH_IMAGE043
为预设边缘像素点，进而确定该4个预设边缘像素点的坐标位置。
（3）根据待检测PCB板的第二导线通路边缘图像中的各个预设边缘像素点的坐标位置，确定各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，其步骤包括：
（3-1）将待检测PCB板的第二导线通路边缘图像中的各个预设边缘像素点划分成不同的组，得到各组预设边缘像素点。
为了确定第二导线通路边缘图像中多个预设边缘像素点对应的边缘稳定度，基于标记顺序的各个预设边缘像素点，将第一个预设边缘像素点至第五个预设边缘像素点划分到一个组内，记为第一组预设边缘像素点，将第二个预设边缘像素点至第六个预设边缘像素点划分到一个组内，记为第二组预设边缘像素点，按照上述预设边缘像素点分组的方式，得到各组预设边缘像素点。例如，待检测PCB板的第二导线通路边缘图像中的各个预设边缘像素点为
Figure 618932DEST_PATH_IMAGE044
，每个小组内均有4个预设边缘像素点，共有5组预设边缘像素点，分别为
Figure DEST_PATH_IMAGE045
、
Figure 803663DEST_PATH_IMAGE046
、
Figure DEST_PATH_IMAGE047
、
Figure 841281DEST_PATH_IMAGE048
以及
Figure DEST_PATH_IMAGE049
。
（3-2）根据各组预设边缘像素点内的各个预设边缘像素点的坐标位置，确定各组预设边缘像素点对应的各横向边缘差值和各纵向边缘差值，进而确定各组预设边缘像素点对应的横向边缘差值均值和纵向边缘差值均值，其步骤包括：
（3-2-1）根据各组预设边缘像素点内每个预设边缘像素点的坐标位置，确定各组预设边缘像素点对应的各横向边缘差值和各纵向边缘差值。
在本实施例中，根据待检测PCB板的第二导线通路边缘图像，构建第二导线通路边缘图像的平面直角坐标系，通过平面直角坐标系，可确定各组预设边缘像素点内的每个预设边缘像素点的坐标位置，将各组预设边缘像素点内的两两相邻的预设边缘像素点的坐标位置对应相减，得到各组预设边缘像素点对应的各横向边缘差值和各纵向边缘差值。构建图像平面直角坐标系的过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
（3-2-2）根据各组预设边缘像素点对应的各横向边缘差值和各纵向边缘差值，确定各组预设边缘像素点对应的横向边缘差值均值和纵向边缘差值均值。
在本实施例中，通过计算各组预设边缘像素点对应的各横向边缘差值和各纵向边缘差值，来确定各组预设边缘像素点的像素位置变化规律，以便于后续边缘稳定度。以确定第a组预设边缘像素点对应的横向边缘差值均值和纵向边缘差值均值为例，根据第a组预设边缘像素点对应的各横向边缘差值和各纵向边缘差值，计算第a组预设边缘像素点对应的横向边缘差值均值和纵向边缘差值均值，其计算公式为：
Figure 298938DEST_PATH_IMAGE002
其中，
Figure 489748DEST_PATH_IMAGE003
为第a组预设边缘像素点对应的横向边缘差值均值，
Figure 245214DEST_PATH_IMAGE004
为第a组预设边缘像素点内的第j个预设边缘像素点的横坐标，
Figure 650919DEST_PATH_IMAGE005
为第a组预设边缘像素点内的第j+1个预设边缘像素点的横坐标，k为第a组预设边缘像素点内相邻预设边缘像素点的对数。
Figure 466428DEST_PATH_IMAGE007
其中，
Figure 410114DEST_PATH_IMAGE008
为第a组预设边缘像素点对应的纵向边缘差值均值，
Figure 438112DEST_PATH_IMAGE009
为第a组预设边缘像素点内第j个预设边缘像素点的纵坐标，
Figure 901586DEST_PATH_IMAGE010
为第a组预设边缘像素点内的第j+1个预设边缘像素点的纵坐标，k为第a组预设边缘像素点内相邻预设边缘像素点的对数。
当第a组预设边缘像素点对应的各个横向边缘差值越小时，第a组预设边缘像素点对应的横向边缘差值均值越小，当第a组预设边缘像素点对应的各个纵向边缘差值越小时，第a组预设边缘像素点对应的纵向边缘差值均值越小。参考第a组预设边缘像素点对应的横向边缘差值均值和纵向边缘差值均值的确定过程，可以得到各组预设边缘像素点对应的横向边缘差值均值和纵向边缘差值均值。
（3-3）根据各组预设边缘像素点对应的各横向边缘差值、各纵向边缘差值、横向边缘差值均值以及纵向边缘差值均值，确定各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度。
在本实施例中，通过计算各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，可以确定后续需要的横向偏差值和纵向偏差值，以偏差值为基础进行分析，就可以得到第二导线通路边缘图像中的各个初始结点。以确定第a组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度为例，根据第a组预设边缘像素点对应的各横向边缘差值、各纵向边缘差值、横向边缘差值均值以及纵向边缘差值均值，计算各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，其计算公式为：
Figure 887997DEST_PATH_IMAGE050
其中，
Figure 318978DEST_PATH_IMAGE013
为第a组预设边缘像素点对应的横向边缘稳定度，
Figure 416247DEST_PATH_IMAGE003
为第a组预设边缘像素点对应的横向边缘差值均值，
Figure 530965DEST_PATH_IMAGE014
为经验值，
Figure DEST_PATH_IMAGE051
为第a组预设边缘像素点内的第j个预设边缘像素点的横坐标，
Figure 953856DEST_PATH_IMAGE005
为第a组预设边缘像素点内的第j+1个预设边缘像素点的横坐标，k为第a组预设边缘像素点内相邻预设边缘像素点的对数。
Figure 622865DEST_PATH_IMAGE016
其中，
Figure 258246DEST_PATH_IMAGE017
为第a组预设边缘像素点对应的纵向边缘稳定度，
Figure 945579DEST_PATH_IMAGE008
为第a组预设边缘像素点对应的纵向边缘差值均值，
Figure 362873DEST_PATH_IMAGE014
为经验值，
Figure 50338DEST_PATH_IMAGE009
为第a组预设边缘像素点内的第j个预设边缘像素点的纵坐标，
Figure 754989DEST_PATH_IMAGE010
为第a组预设边缘像素点内的第j+1个预设边缘像素点的纵坐标，k为第a组预设边缘像素点内相邻预设边缘像素点的对数。
需要说明的是，由于横向边缘稳定度与纵向边缘稳定度的计算公式大致相似，横向边缘稳定度与纵向边缘稳定度就会具有相同特征，以横向边缘稳定度为例进行说明，第a组预设边缘像素点对应的横向边缘稳定度计算公式中的
Figure 31249DEST_PATH_IMAGE014
为大于零的极小常数，其作用是为了防止分母为零的情况，经验值
Figure 484358DEST_PATH_IMAGE014
为0.01，
Figure 111649DEST_PATH_IMAGE052
的作用是为了获得第a组预设边缘像素点的横坐标的方向，当第a组预设边缘像素点的横坐标与平面直角坐标系横坐标正方向相同时，
Figure 88832DEST_PATH_IMAGE052
取正值，否则为负值。
参考第a组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度的确定过程，得到各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度。当第a组预设边缘像素点对应的横向边缘差值与横向边缘差值均值相差越小时，第a组预设边缘像素点对应的横向边缘稳定度越大，当第a组预设边缘像素点对应的纵向边缘差值与纵向边缘差值均值相差越大时，第a组预设边缘像素点对应的纵向边缘稳定度越小，由此可知，横向边缘稳定度和纵向边缘稳定度均是根据坐标位置的变化得到的。
（4）根据各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，确定每N组预设边缘像素点对应的横向偏差值和纵向偏差值。
需要说明的是，由于PCB板的导线通路边缘为现实中存在的物体，导线通路边缘会有一定的偏差，那么步骤（3-3）确定的边缘稳定度在合理范围内也会存在一定偏差，为了确定预设边缘像素点的偏差程度，需要确定每N组预设边缘像素点对应的横向偏差值和纵向偏差值，其步骤包括：
本实施例将组数N设置为5，也就是将相邻连续的5组预设边缘像素点划分在一起，计算每N组预设边缘像素点对应的横向偏差值和纵向偏差值，基于各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，确定每N组预设边缘像素点对应的中值、最大值以及最小值。例如，第一个5组预设边缘像素点对应的横向边缘稳定度分别为
Figure DEST_PATH_IMAGE053
，
Figure 767069DEST_PATH_IMAGE054
，
Figure DEST_PATH_IMAGE055
，
Figure 968243DEST_PATH_IMAGE056
，
Figure DEST_PATH_IMAGE057
，计算
Figure 364721DEST_PATH_IMAGE053
，
Figure 942333DEST_PATH_IMAGE054
，
Figure 943918DEST_PATH_IMAGE055
，
Figure 784835DEST_PATH_IMAGE056
，
Figure 386718DEST_PATH_IMAGE057
中的中值、最大值以及最小值，
Figure 518753DEST_PATH_IMAGE053
为第1组预设边缘像素点对应的横向边缘稳定度。根据每N组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度的中值、最大值以及最小值，确定每N组预设边缘像素点对应的横向偏差值和纵向偏差值，其计算公式为：
Figure 889691DEST_PATH_IMAGE019
其中，
Figure 901510DEST_PATH_IMAGE020
为每N组预设边缘像素点对应的横向偏差值，
Figure 725109DEST_PATH_IMAGE021
为每N组预设边缘像素点对应的最大横向边缘稳定度，
Figure 858238DEST_PATH_IMAGE022
为每N组预设边缘像素点对应的中值横向边缘稳定度，
Figure 818104DEST_PATH_IMAGE023
为每N组预设边缘像素点对应的最小横向边缘稳定度，
Figure 824DEST_PATH_IMAGE024
为调节系数，max( )为求最大值函数。
Figure 577298DEST_PATH_IMAGE058
其中，
Figure 51136DEST_PATH_IMAGE027
为每N组预设边缘像素点对应的纵向偏差值，
Figure 131088DEST_PATH_IMAGE028
为每N组预设边缘像素点对应的最大纵向边缘稳定度，
Figure 986174DEST_PATH_IMAGE029
为每N组预设边缘像素点对应的中值纵向边缘稳定度，
Figure 331835DEST_PATH_IMAGE030
为每N组预设边缘像素点对应的最小纵向边缘稳定度，
Figure 530735DEST_PATH_IMAGE024
为调节系数，max( )为求最大值函数。
需要说明的是，横向偏差值和纵向偏差值的计算公式中的调节系数的作用是为了防止预设边缘像素点没有出现合理偏差，预设边缘像素点应存在合理范围内的偏差，增加调节系数可以提高缺陷检测的准确性。
（5）根据每N组预设边缘像素点对应的横向偏差值和纵向偏差值、各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，确定第二导线通路边缘图像中的各个初始结点。
需要说明的是，PCB板的导线通路边缘的方向较为固定，通常情况下导线通路边缘对应直线倾斜角分别为0°，45°，90°以及135°。对于各个导线通路来讲，为避免不同的导线通路边缘的相连接所造成的短路缺陷改变导线通路边缘方向的情况，需要将同一个导线通路边缘中不同方向的导线通路断开，本实施例将断开不同方向的边缘像素点称为结点。其次，需要说明的是，对于计算机来说，组成一个导线通路边缘的所有边缘像素点是一个整体，对于同一个会发生方向改变的导线通路边缘来讲，无法将不同方向的导线通路边缘划分出来进行单独分析，而对不同方向的导线通路边缘进行整体分析，不容易衡量导线通路边缘的特征信息，容易将方向发生改变的导线通路边缘区域判定为缺陷区域。所以在缺陷检测时，需要将每一个导线通路边缘方向发生改变的边缘像素点以结点的形式标注出来，以便于后续使基准PCB板和待检测PCB板可以按照角度特征进行匹配，本实施例将以结点划分开的每一个整体称为一个结。确定第二导线通路边缘图像中的各个初始结点的流程图如图2所示，确定第二导线通路边缘图像中的各个初始结点的步骤包括：
（5-1）根据各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，确定每N组预设边缘像素点对应的横向边缘稳定度均值和纵向边缘稳定度均值。
需要说明的是，计算横向边缘稳定度均值和纵向边缘稳定度均值是为了便于后续确定横向边缘稳定度和纵向边缘稳定度的标准区间范围，计算均值的过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
（5-2）根据每N组预设边缘像素点对应的横向偏差值、纵向偏差值、横向边缘稳定度均值以及纵向边缘稳定度均值，确定各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度的标准区间范围。
在本实施例中，基于每N组预设边缘像素点对应的横向偏差值、纵向偏差值、横向边缘稳定度均值以及纵向边缘稳定度均值，可确定每N组预设边缘像素点对应的横向边缘稳定度的标准区间范围，也就是确定每组预设边缘像素点对应的横向边缘稳定度的标准区间范围，将其记为
Figure DEST_PATH_IMAGE059
，并确定每N组预设边缘像素点对应的纵向边缘稳定度的标准区间范围，也就是确定每组为预设边缘像素点对应的纵向边缘稳定度的标准区间范围，将其记为
Figure 543822DEST_PATH_IMAGE060
，每组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度均有其对应的标准区间范围，标准区间范围是指位于同一方向的预设边缘像素点对应的边缘稳定度应位于的数值范围区域。
（5-3）根据各组预设边缘像素点对应的横向边缘稳定度、纵向边缘稳定度以及横向边缘稳定度和纵向边缘稳定度的标准区间范围，确定第二导线通路边缘图像中的各个初始结点，其步骤包括：
根据各组预设边缘像素点对应的横向边缘稳定度、纵向边缘稳定度以及横向边缘稳定度和纵向边缘稳定度的标准区间范围，不断判断各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度是否均超出对应的标准区间范围。
若出现连续预设值组对应的横向边缘稳定度和纵向边缘稳定度均超出对应的标准区间范围，且该预设值组的前预设数目组对应的横向边缘稳定度和纵向边缘稳定度均处于对应的标准区间范围内，则将该预设值组内位于中位数处的预设边缘像素点作为初始结点，不断重复初始结点确定步骤，直至得到第二导线通路边缘图像中的各个初始结点。
例如，当连续出现3组预设边缘像素点对应的横向和纵向边缘稳定度均超出该3组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度的标准区间范围，这里的超出是指边缘稳定度不在标准区间范围内，超出标准区间范围可以表征该3组预设边缘像素点很有可能不在同一个方向，并且该3组预设边缘像素点的前5组或5组以上的预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度均处于对应标准区间范围，处于标准区间范围可以表征该5组预设边缘像素点很有可能在同一个方向，则将上述3组预设边缘像素点内的位于中位数处的预设边缘像素点作为初始结点，不断重复初始结点确定步骤，直至得到第二导线通路边缘图像中的各个初始结点。
（6）根据第二导线通路边缘图像中的各个初始结点对应的各预设边缘像素点的位置，确定各个初始结点对应的导线边缘平整度，进而确定待检测PCB板的第三导线通路边缘图像，其步骤包括：
首先，根据第二导线通路边缘图像中的各个初始结点对应的各预设边缘像素点的位置，确定各个初始结点对应的导线边缘平整度，其步骤包括：
（6-1）根据第二导线通路边缘图像中的各个初始结点对应的各预设边缘像素点的位置，确定各个初始结点对应的拟合直线以及拟合直线的拟合优度，进而确定各个初始结点对应的拟合直线的倾斜角。
在本实施例中，各个初始结点对应的各预设边缘像素点，例如，第二导线通路边缘图像中的共有3个初始结点，第一个初始结点对应的各预设边缘像素点为对应导线通路边缘内位于第一个初始结点之前的各预设边缘像素点，第二个初始结点对应的各预设边缘像素点为对应导线通路边缘中位于第一个初始结点和第二个初始结点之间的各预设边缘像素点，第三个初始结点对应的各预设边缘像素点为对应导线通路边缘中位于第二个初始结点和第三个初始结点之间的各预设边缘像素点，至此，得到了3个初始结点对应的各预设边缘像素点。
将各个初始结点对应的各预设边缘像素点作为一个整体，基于第二导线通路边缘图像中的各个初始结点对应的各预设边缘像素点的位置，使各个初始结点对应的各预设边缘像素点进行拟合，得到各个初始结点对应的拟合直线及其拟合优度，将拟合优度记为
Figure 333923DEST_PATH_IMAGE034
。然后，根据各个初始结点对应的拟合直线，计算各个初始结点对应的拟合直线的倾斜角。拟合直线的过程、确定拟合优度和拟合直线的斜率的过程为现有技术，不在本发明保护范围内，此处不再进行详细阐述。
（6-2）获取各个初始结点对应的预设直线的倾斜角，根据各个初始结点对应的拟合直线的倾斜角和拟合优度、预设直线的倾斜角，确定各个初始结点对应的导线边缘平整度。
需要说明的是，在确定各个初始结点对应的预设直线的倾斜角时，需要根据每N组预设边缘像素点对应的原始偏差值数值的正负情况，原始偏差值数值是指在取绝对值之前的原始数值，也就是根据各个初始结点对应的横坐标偏差相对方向值和纵坐标偏差相对方向值，来确定各个初始结点对应的预设直线的倾斜角。首先，参考上述步骤（4）中的确定每N组预设边缘像素点对应的横向偏差值和纵向偏差值的过程，基于各个初始结点对应的各预设边缘像素点，得到各个初始结点对应的横向偏差值和纵向偏差值，各个初始结点对应的横向偏差值和纵向偏差值的确定步骤与每N组预设边缘像素点对应的横向偏差值和纵向偏差值的确定过程是保持一致的，此处不再进行详细描述。根据各个初始结点对应的横向偏差值和纵向偏差值，确定各个初始结点对应的横坐标偏差相对方向值和纵坐标偏差相对方向值，其计算公式为：
Figure 895443DEST_PATH_IMAGE062
Figure 429192DEST_PATH_IMAGE064
其中，
Figure DEST_PATH_IMAGE065
为各个初始结点对应的横坐标偏差相对方向值，
Figure 749315DEST_PATH_IMAGE020
为各个初始结点对应的横向偏差值，
Figure 195471DEST_PATH_IMAGE066
为各个初始结点对应的纵坐标偏差相对方向值，
Figure 764993DEST_PATH_IMAGE027
为各个初始结点对应的纵向偏差值，r{ }为取值函数。
需要说明的是，取值函数r{ }的作用是选取括号内数值的原始值，例如，
Figure 836854DEST_PATH_IMAGE020
为
Figure DEST_PATH_IMAGE067
，那么
Figure 762216DEST_PATH_IMAGE068
，也就是
Figure DEST_PATH_IMAGE069
。
获取各个初始结点对应的预设直线的倾斜角，预设直线是指在标准情况下由各个初始结点对应的预设边缘像素点拟合而成的直线，标准情况是指不受噪声因素等外界干扰因素影响的状态。根据PCB板的通路设置规律，各个初始结点对应的预设直线的倾斜角可以为四个角度值中的一个，这四个角度值分别为：0°，45°，90°以及135°。由于初始结点对应的偏差相对方向值与预设直线的倾斜角存在关联，所以根据各个初始结点对应的横坐标偏差相对方向值和纵坐标偏差相对方向值，可以确定各个初始结点对应的预设直线的倾斜角，各个初始结点对应的预设直线的倾斜角为：
Figure DEST_PATH_IMAGE071
其中，
Figure 503907DEST_PATH_IMAGE035
为各个初始结点对应的预设直线的倾斜角，
Figure 232828DEST_PATH_IMAGE072
为各个初始结点对应的横坐标偏差相对方向值，
Figure DEST_PATH_IMAGE073
为各个初始结点对应的纵坐标偏差相对方向值，
Figure 187009DEST_PATH_IMAGE074
为调节系数，经验值为0.25。
根据各个初始结点对应的拟合直线的倾斜角和拟合优度、预设直线的倾斜角，确定各个初始结点对应的导线边缘平整度，其计算公式为：
Figure DEST_PATH_IMAGE075
其中，
Figure 747303DEST_PATH_IMAGE033
为各个初始结点对应的导线边缘平整度，
Figure 535262DEST_PATH_IMAGE034
为各个初始结点对应的拟合直线的拟合优度，
Figure 282638DEST_PATH_IMAGE035
为各个初始结点对应的预设直线的倾斜角，
Figure 430723DEST_PATH_IMAGE036
为各个初始结点对应的拟合直线的倾斜角，
Figure 314365DEST_PATH_IMAGE014
为经验值，经验值为0.01，
Figure 273225DEST_PATH_IMAGE037
为拟合优度的预设下限值，
Figure 242318DEST_PATH_IMAGE038
为拟合优度的预设上限值。
需要说明的是，对拟合优度
Figure 256410DEST_PATH_IMAGE034
设置下限是为了限制初始结点对应的拟合直线的拟合程度，现实生活中导线通路边缘要求为直线，当某个初始结点对应的拟合优度达到下限时，说明该初始结点对应的拟合直线与直线较为相似。由于PCB板的表面图像中的细节问题较多，很有可能将非导线边缘的结点识别为导线通路边缘的结点，将非导线边缘的结点识别称为假性结点，假性结点对应的预设边缘像素点的数目比较少，拟合优度比较高，为了排除假性结点的这种情况，本实施例为拟合优度设置上限。当拟合优度
Figure 479712DEST_PATH_IMAGE034
越大，拟合直线的倾斜角
Figure 124320DEST_PATH_IMAGE036
应与预设直线的倾斜角
Figure 552282DEST_PATH_IMAGE035
越接近时，导线边缘平整度
Figure 307749DEST_PATH_IMAGE033
越大。
最后，根据各个初始结点对应的导线边缘平整度，确定待检测PCB板的第三导线通路边缘图像，其步骤包括：
当任意一个初始结点对应的边缘平整度
Figure 900404DEST_PATH_IMAGE033
大于设定阈值时，设定阈值是通过大量的历史数据的计算分析得到的，设定阈值的经验值为0.16，判定该初始结点为最终结点，各个初始结点对应的边缘平整度
Figure 715913DEST_PATH_IMAGE033
均与设定阈值进行比较，从而得到第二导线通路边缘图像中的各个最终结点。将各个最终结点作为分割点，以便于将不同方向的导线通路边缘断开，将经过导线通路边缘断开处理的第二导线通路边缘图像作为第三导线通路边缘图像。至此，本实施例得到待检测PCB板的第三导线通路边缘图像。
（7）获取基准PCB板的第三导线通路边缘图像，根据基准PCB板和待检测PCB板的第三导线通路边缘图像，判断待检测PCB板内是否存在缺陷以及存在缺陷的类型。
参考上述步骤（6）中的确定待检测PCB板的第三导线通路边缘图像的过程，根据基准PCB板的表面图像，得到基准PCB板的第三导线通路边缘图像，基准PCB板的第三导线通路边缘图像的确定步骤与待检测PCB板的第三导线通路边缘图像的确定步骤是保持一致的，此处不再进行详细描述。根据基准PCB板和待检测PCB板的第三导线通路边缘图像，判断待检测PCB板内是否存在缺陷以及存在缺陷的类型，其步骤包括：
（7-1）将基准PCB板和待检测PCB板的第三导线通路边缘图像相减，若得到差异区域，则判定待检测PCB板内存在缺陷。
在本实施例中，由基准PCB板和待检测PCB板的第三导线通路边缘图像相减得到的差异区域可以为待检测PCB板的缺陷区域，若相减得到差异区域说明待检测PCB板存在缺陷，若相减没有得到差异区域说明待检测PCB板不存在缺陷。差异区域可以为多个，也可以为单个，差异区域的个数可以表征待检测PCB板上存在缺陷的个数。
（7-2）若差异区域在某个导线通路边缘区域内，且差异区域的边缘像素点与该导线通路边缘区域的两个支路均相连接，则判定待检测PCB板存在开路缺陷；若差异区域在某个导线通路边缘区域内，且差异区域的边缘像素点与该导线通路边缘区域的一个支路相连接，则判定待检测PCB板存在缺口缺陷；若差异区域在导线通路边缘区域外，且差异区域的边缘像素点与两个不同的导线通路边缘区域的一个支路相连接，则判定待检测PCB板存在短路缺陷；若差异区域在导线通路边缘区域外，且差异区域的边缘像素点与某个导线通路边缘区域的一个支路相连接，则判定待检测PCB板存在毛刺缺陷。
需要说明的是，待检测PCB板的第三导线通路边缘图像内存在多个导线通路边缘区域，导线通路边缘区域为断开后的不同方向的导线通路边缘，导线通路边缘区域的两个支路为断开的同方向的导线通路边缘的最终结点对应的两个平行的拟合直线。
本发明基于待检测PCB板的表面图像的图像特征，利用材料测试和分析技术，不断地对待检测PCB板的边缘图像进行更新，解决了PCB板图像细节丰富、干扰性强的问题，准确判断出待检测PCB板是否存在缺陷，并确定所存在缺陷的缺陷类型，有效提高了缺陷检测的准确性。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种PCB板表面缺陷检测方法，其特征在于，包括以下步骤：
获取待检测PCB板的表面图像，并对该待检测PCB板的表面图像进行预处理操作；
根据预处理后的待检测PCB板的表面图像，确定待检测PCB板的第一导线通路边缘图像和焊点区域图像，进而确定待检测PCB板的第二导线通路边缘图像及其各个预设边缘像素点的坐标位置；
根据待检测PCB板的第二导线通路边缘图像中的各个预设边缘像素点的坐标位置，确定各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度；
根据各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，确定每N组预设边缘像素点对应的横向偏差值和纵向偏差值；
根据每N组预设边缘像素点对应的横向偏差值和纵向偏差值、各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，确定第二导线通路边缘图像中的各个初始结点；
根据第二导线通路边缘图像中的各个初始结点对应的各预设边缘像素点的位置，确定各个初始结点对应的导线边缘平整度，进而确定待检测PCB板的第三导线通路边缘图像；
获取基准PCB板的第三导线通路边缘图像，根据基准PCB板和待检测PCB板的第三导线通路边缘图像，判断待检测PCB板内是否存在缺陷以及存在缺陷的类型。
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，确定各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度的步骤包括：
将待检测PCB板的第二导线通路边缘图像中的各个预设边缘像素点划分成不同的组，得到各组预设边缘像素点；
根据各组预设边缘像素点内的各个预设边缘像素点的坐标位置，确定各组预设边缘像素点对应的各横向边缘差值和各纵向边缘差值，进而确定各组预设边缘像素点对应的横向边缘差值均值和纵向边缘差值均值；
根据各组预设边缘像素点对应的各横向边缘差值、各纵向边缘差值、横向边缘差值均值以及纵向边缘差值均值，确定各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度。
3.根据权利要求2所述的一种PCB板表面缺陷检测方法，其特征在于，进而确定各组预设边缘像素点对应的横向边缘差值均值的计算公式为：
Figure 735392DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
为第a组预设边缘像素点对应的横向边缘差值均值，
Figure 167599DEST_PATH_IMAGE004
为第a组预设边缘像素点内的第j个预设边缘像素点的横坐标，
Figure DEST_PATH_IMAGE005
为第a组预设边缘像素点内的第j+1个预设边缘像素点的横坐标，k为第a组预设边缘像素点内相邻预设边缘像素点的对数；
进而确定各组预设边缘像素点对应的纵向边缘差值均值的计算公式为：
Figure DEST_PATH_IMAGE007
其中，
Figure 308861DEST_PATH_IMAGE008
为第a组预设边缘像素点对应的纵向边缘差值均值，
Figure DEST_PATH_IMAGE009
为第a组预设边缘像素点内的第j个预设边缘像素点的纵坐标，
Figure 58642DEST_PATH_IMAGE010
为第a组预设边缘像素点内的第j+1个预设边缘像素点的纵坐标，k为第a组预设边缘像素点内相邻预设边缘像素点的对数。
4.根据权利要求2所述的一种PCB板表面缺陷检测方法，其特征在于，确定各组预设边缘像素点对应的横向边缘稳定度的计算公式为：
Figure 435397DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE013
为第a组预设边缘像素点对应的横向边缘稳定度，
Figure 259128DEST_PATH_IMAGE003
为第a组预设边缘像素点对应的横向边缘差值均值，
Figure 820559DEST_PATH_IMAGE014
为经验值，
Figure 651112DEST_PATH_IMAGE004
为第a组预设边缘像素点内的第j个预设边缘像素点的横坐标，
Figure 706924DEST_PATH_IMAGE005
为第a组预设边缘像素点内的第j+1个预设边缘像素点的横坐标，k为第a组预设边缘像素点内相邻预设边缘像素点的对数；
确定各组预设边缘像素点对应的纵向边缘稳定度的计算公式为：
Figure 634428DEST_PATH_IMAGE016
其中，
Figure DEST_PATH_IMAGE017
为第a组预设边缘像素点对应的纵向边缘稳定度，
Figure 586335DEST_PATH_IMAGE008
为第a组预设边缘像素点对应的纵向边缘差值均值，
Figure 373025DEST_PATH_IMAGE014
为经验值，
Figure 747375DEST_PATH_IMAGE009
为第a组预设边缘像素点内的第j个预设边缘像素点的纵坐标，
Figure 201490DEST_PATH_IMAGE010
为第a组预设边缘像素点内的第j+1个预设边缘像素点的纵坐标，k为第a组预设边缘像素点内相邻预设边缘像素点的对数。
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，确定每N组预设边缘像素点对应的横向偏差值和纵向偏差值的计算公式为：
Figure DEST_PATH_IMAGE019
其中，
Figure 324298DEST_PATH_IMAGE020
为每N组预设边缘像素点对应的横向偏差值，
Figure DEST_PATH_IMAGE021
为每N组预设边缘像素点对应的最大横向边缘稳定度，
Figure 530108DEST_PATH_IMAGE022
为每N组预设边缘像素点对应的中值横向边缘稳定度，
Figure DEST_PATH_IMAGE023
为每N组预设边缘像素点对应的最小横向边缘稳定度，
Figure 645832DEST_PATH_IMAGE024
为调节系数，max( )为求最大值函数；
Figure 33082DEST_PATH_IMAGE026
其中，
Figure DEST_PATH_IMAGE027
为每N组预设边缘像素点对应的纵向偏差值，
Figure 841638DEST_PATH_IMAGE028
为每N组预设边缘像素点对应的最大纵向边缘稳定度，
Figure DEST_PATH_IMAGE029
为每N组预设边缘像素点对应的中值纵向边缘稳定度，
Figure 212708DEST_PATH_IMAGE030
为每N组预设边缘像素点对应的最小纵向边缘稳定度，
Figure 600964DEST_PATH_IMAGE024
为调节系数，max( )为求最大值函数。
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，确定第二导线通路边缘图像中的各个初始结点的步骤包括：
根据各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度，确定每N组预设边缘像素点对应的横向边缘稳定度均值和纵向边缘稳定度均值；
根据每N组预设边缘像素点对应的横向偏差值、纵向偏差值、横向边缘稳定度均值以及纵向边缘稳定度均值，确定各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度的标准区间范围；
根据各组预设边缘像素点对应的横向边缘稳定度、纵向边缘稳定度以及横向边缘稳定度和纵向边缘稳定度的标准区间范围，确定第二导线通路边缘图像中的各个初始结点。
7.根据权利要求6所述的一种PCB板表面缺陷检测方法，其特征在于，确定第二导线通路边缘图像中的各个初始结点的步骤包括：
根据各组预设边缘像素点对应的横向边缘稳定度、纵向边缘稳定度以及横向边缘稳定度和纵向边缘稳定度的标准区间范围，不断判断各组预设边缘像素点对应的横向边缘稳定度和纵向边缘稳定度是否均超出对应的标准区间范围；
若出现连续预设值组对应的横向边缘稳定度和纵向边缘稳定度均超出对应的标准区间范围，且该预设值组的前预设数目组对应的横向边缘稳定度和纵向边缘稳定度均处于对应的标准区间范围内，则将该预设值组内位于中位数处的预设边缘像素点作为初始结点，不断重复初始结点确定步骤，直至得到第二导线通路边缘图像中的各个初始结点。
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，确定各个初始结点对应的导线边缘平整度的步骤包括：
根据第二导线通路边缘图像中的各个初始结点对应的各预设边缘像素点的位置，确定各个初始结点对应的拟合直线以及拟合直线的拟合优度，进而确定各个初始结点对应的拟合直线的倾斜角；
获取各个初始结点对应的预设直线的倾斜角，根据各个初始结点对应的拟合直线的倾斜角和拟合优度、预设直线的倾斜角，确定各个初始结点对应的导线边缘平整度。
9.根据权利要求8所述的一种PCB板表面缺陷检测方法，其特征在于，确定各个初始结点对应的导线边缘平整度的计算公式为：
Figure 29671DEST_PATH_IMAGE032
其中，
Figure DEST_PATH_IMAGE033
为各个初始结点对应的导线边缘平整度，
Figure 759861DEST_PATH_IMAGE034
为各个初始结点对应的拟合直线的拟合优度，
Figure DEST_PATH_IMAGE035
为各个初始结点对应的预设直线的倾斜角，
Figure 946122DEST_PATH_IMAGE036
为各个初始结点对应的拟合直线的倾斜角，
Figure 810173DEST_PATH_IMAGE014
为经验值，
Figure DEST_PATH_IMAGE037
为拟合优度的预设下限值，
Figure 765491DEST_PATH_IMAGE038
为拟合优度的预设上限值。
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，判断待检测PCB板内是否存在缺陷以及存在缺陷的类型的步骤包括：
将基准PCB板和待检测PCB板的第三导线通路边缘图像相减，若得到差异区域，则判定待检测PCB板内存在缺陷；
若差异区域在某个导线通路边缘区域内，且差异区域的边缘像素点与该导线通路边缘区域的两个支路均相连接，则判定待检测PCB板存在开路缺陷；
若差异区域在某个导线通路边缘区域内，且差异区域的边缘像素点与该导线通路边缘区域的一个支路相连接，则判定待检测PCB板存在缺口缺陷；
若差异区域在导线通路边缘区域外，且差异区域的边缘像素点与两个不同的导线通路边缘区域的一个支路相连接，则判定待检测PCB板存在短路缺陷；
若差异区域在导线通路边缘区域外，且差异区域的边缘像素点与某个导线通路边缘区域的一个支路相连接，则判定待检测PCB板存在毛刺缺陷。
CN202211161199.7A 2022-09-23 2022-09-23 一种pcb板表面缺陷检测方法 Active CN115239727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211161199.7A CN115239727B (zh) 2022-09-23 2022-09-23 一种pcb板表面缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211161199.7A CN115239727B (zh) 2022-09-23 2022-09-23 一种pcb板表面缺陷检测方法

Publications (2)

Publication Number Publication Date
CN115239727A true CN115239727A (zh) 2022-10-25
CN115239727B CN115239727B (zh) 2022-12-27

Family

ID=83667298

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211161199.7A Active CN115239727B (zh) 2022-09-23 2022-09-23 一种pcb板表面缺陷检测方法

Country Status (1)

Country Link
CN (1) CN115239727B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115855961A (zh) * 2023-02-16 2023-03-28 广东靖邦电器有限公司 一种用于运行中的配电箱故障检测方法
CN116152234A (zh) * 2023-04-18 2023-05-23 山东阁林板建材科技有限公司 基于图像处理的模板端面缺陷识别方法
CN116883446A (zh) * 2023-09-08 2023-10-13 鲁冉光电(微山)有限公司 一种车载摄像头镜片碾磨程度实时监测系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112634252A (zh) * 2020-12-30 2021-04-09 重庆凯歌电子股份有限公司 印刷电路的检测方法
CN113418561A (zh) * 2021-06-30 2021-09-21 南通海舟电子科技有限公司 一种双层电路板的智能检测系统及方法
CN115082466A (zh) * 2022-08-22 2022-09-20 江苏庆慈机械制造有限公司 一种pcb表面焊点缺陷检测方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112634252A (zh) * 2020-12-30 2021-04-09 重庆凯歌电子股份有限公司 印刷电路的检测方法
CN113418561A (zh) * 2021-06-30 2021-09-21 南通海舟电子科技有限公司 一种双层电路板的智能检测系统及方法
CN115082466A (zh) * 2022-08-22 2022-09-20 江苏庆慈机械制造有限公司 一种pcb表面焊点缺陷检测方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115855961A (zh) * 2023-02-16 2023-03-28 广东靖邦电器有限公司 一种用于运行中的配电箱故障检测方法
CN116152234A (zh) * 2023-04-18 2023-05-23 山东阁林板建材科技有限公司 基于图像处理的模板端面缺陷识别方法
CN116883446A (zh) * 2023-09-08 2023-10-13 鲁冉光电(微山)有限公司 一种车载摄像头镜片碾磨程度实时监测系统
CN116883446B (zh) * 2023-09-08 2023-11-21 鲁冉光电(微山)有限公司 一种车载摄像头镜片碾磨程度实时监测系统

Also Published As

Publication number Publication date
CN115239727B (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
CN115239727B (zh) 一种pcb板表面缺陷检测方法
CN107945184B (zh) 一种基于彩色图像分割和梯度投影定位的贴装元件检测方法
CN109472271B (zh) 印刷电路板图像轮廓提取方法及装置
CN113646801B (zh) 缺陷图像的缺陷检测方法、装置及计算机可读存储介质
US5774573A (en) Automatic visual inspection system
CN106651857B (zh) 一种印刷电路板贴片缺陷检测方法
CN113096130B (zh) 物件缺陷的检测方法、装置
CN113454445A (zh) 零件检查期间对于参考未对准进行补偿
CN115690108A (zh) 一种基于图像处理的铝合金杆生产质量评估方法
CN115775244A (zh) 线圈绕线的检测方法及装置、电子设备和存储介质
CN111861979A (zh) 一种定位方法、设备及计算机可读存储介质
CN116664570B (zh) 基于工业视觉的扁形连接器生产缺陷检测方法
CN106651802A (zh) 机器视觉焊锡定位检测方法
CN115620061A (zh) 一种基于图像识别技术的五金零件缺陷检测方法及系统
CN112634259A (zh) 一种键盘键帽自动建模定位方法
KR20060130109A (ko) 기판 검사 장치
CN116823755A (zh) 一种基于骨架生成和融合构型的柔性电路板缺陷检测方法
CN114937041B (zh) 一种汽车发动机油路铜套缺陷检测方法及系统
CN114092448B (zh) 一种基于深度学习的插件电解电容混合检测方法
CN115761257A (zh) 基于计算机视觉技术的零部件角度检测方法及装置
CN206470210U (zh) 机器视觉焊锡定位检测系统
CN108303640B (zh) 一种线路检测的方法和装置
CN115100166A (zh) 焊点缺陷检测方法及装置
JPH03175343A (ja) 外観検査による欠陥抽出方法
CN115375610A (zh) 检测方法及装置、检测设备和存储介质

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