CN115272349A - 一种计算机pcb主板焊接缺陷检测方法 - Google Patents
一种计算机pcb主板焊接缺陷检测方法 Download PDFInfo
- Publication number
- CN115272349A CN115272349A CN202211206971.2A CN202211206971A CN115272349A CN 115272349 A CN115272349 A CN 115272349A CN 202211206971 A CN202211206971 A CN 202211206971A CN 115272349 A CN115272349 A CN 115272349A
- Authority
- CN
- China
- Prior art keywords
- equipotential
- interval
- gradient
- image
- computer pcb
- 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
Links
- 238000003466 welding Methods 0.000 title claims abstract description 60
- 230000007547 defect Effects 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000006185 dispersion Substances 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 15
- 238000011179 visual inspection Methods 0.000 abstract description 6
- 238000012360 testing method Methods 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 8
- 238000003708 edge detection Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30141—Printed circuit board [PCB]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种计算机PCB主板焊接缺陷检测方法,属于测试缺陷的存在技术领域。该计算机PCB主板焊接缺陷检测方法利用可见光手段获取了待检测的计算机PCB主板图像,通过将该计算机PCB主板图像对应的灰度图像上焊点区域与对应的标准焊点区域进行比较,实现了对待检测的计算机PCB主板是否存在焊接缺陷的判断。本发明实现了对计算机PCB主板是否存在焊接缺陷的检测,属于一种自动检测方法,相较于现有的基于人工目检的方式提高了检测效率。
Description
技术领域
本发明涉及测试缺陷的存在技术领域,具体为一种计算机PCB主板焊接缺陷检测方法。
背景技术
在焊接过程中,由于生产环境不佳或操作不当的原因会出现焊点质量不高的情况,严重影响了计算机PCB主板的电气性能的稳定性和机械持续的性能。然而由于一块计算机PCB主板上焊点数量较多,且焊点对应的面积往往较小,采用人工目检的方式效率往往比较低,由此,为了提高对计算机PCB主板焊接质量的检测效率,有必要提出一种能够实现对计算机PCB主板焊接缺陷进行自动检测的方法。
发明内容
为了解决现有采用人工目检的方式对计算机PCB主板焊接缺陷进行检测时存在的检测效率较低的问题,本发明的目的在于提供一种计算机PCB主板焊接缺陷检测方法,包括以下步骤:
获取计算机PCB主板图像,对所述计算机PCB主板图像进行灰度化处理,得到对应的计算机PCB主板灰度图像;
计算所述计算机PCB主板灰度图像上各像素点对应的梯度幅值和梯度方向,根据所述各像素点对应的梯度幅值对所述计算机PCB主板灰度图像进行划分,得到多个等势区域;
根据各等势区间内像素点对应的梯度幅值计算各等势区间与相邻的等势区间的梯度幅值差异,并根据所述梯度幅值差异计算各等势区间的梯度幅值非均匀度;根据各等势区间内像素点对应的梯度角度计算各等势区间对应的角度离散度,并根据各等势区间对应的梯度幅度非均匀度和角度离散度计算各等势区间对应的丰富度;
根据各等势区间对应的中心位置坐标和各等势区间内像素点对应的梯度幅值计算各等势区间对应的坡度;
根据各等势区间对应的丰富度和坡度计算各等势区间对应的阈值的置信度区间长度,根据所述计算机PCB主板灰度图像上各像素点对应的梯度幅值计算阈值的置信度区间的中值,并根据各等势区间对应的阈值的置信度区间长度和所述中值对所述计算机PCB主板灰度图像上各像素点是否为边缘点进行判别;根据判别结果对所述计算机PCB主板灰度图像上的点进行定位,定位后将焊点区域与对应的标准焊点区域进行比较,根据比较结果判断所述计算机PCB主板灰度图像是否存在焊接缺陷。
进一步地,所述根据所述各像素点对应的梯度幅值对所述计算机PCB主板灰度图像进行划分,得到多个等势区域,包括:
以设定步长在所述计算机PCB主板灰度图像中选取等势区域初始生长点,对于任一等势区域初始点,将该等势区域初始点作为生长点,在该生长点的周围的八邻域中的像素点中寻找是否有像素点的梯度幅值小于幅值阈值,如果有这样的像素点则将像素点合并到等势区域初始点所在的等势区间,并将新加入的像素点作为新的生长点继续生长,直到没有新加入的像素点为止;
判断各等势区间包含的像素点数目,对于包含像素点数目小于设定数目的等势区间进行滤除,滤除后得到多个等势区域。
进一步地,所述根据各等势区间内像素点对应的梯度幅值计算各等势区间与相邻的等势区间的梯度幅值差异,并根据所述梯度幅值差异计算各等势区间的梯度幅值非均匀度,包括:
利用如下公式计算各等势区间对应的梯度幅值非均匀度:
其中,表示的是某等势区间的梯度幅值非均匀度,表示的是该等势区间的梯度幅值均值,表示的是该等势区间的第i个相邻的等势区间的梯度幅值均值,的是该等势区间与第i个相邻的等势区间的中心位置坐标的欧式距离,表示的是该等势区间与所有相邻的等势区间的中心位置坐标的欧式距离的均值,为该等势区间对应的相邻的等势区间的数目。
进一步地,所述根据各等势区间内像素点对应的梯度角度计算各等势区间对应的角度离散度,包括:
利用如下公式计算各等势区间对应的角度离散度:
其中,代表的是某等势区间对应的角度离散度,代表的是该等势区间包含的角度区间的数目,表示的是在该等势区间包含的个角度区间中第个角度区间的频率,代表的是个角度区间的平均频率,代表的是在该等势区间包含的个角度区间中第个角度区间的序号,代表的是该等势区间包含的所有角度区间的序号均值,为调节参数。
进一步地,所述根据各等势区间对应的中心位置坐标和各等势区间内像素点对应的梯度幅值计算各等势区间对应的坡度,包括:
对于任一等势区间,判断出在各象限中距离该等势区间距离最近的等势区间,将这些距离最近的等势区间进行合并,得到该等势区间对应的第一级梯度圈;判断出在各象限中距离该等势区间距离第二近的等势区间,将这些距离第二近的等势区间进行合并,得到该等势区间对应的第二级梯度圈;判断出在各象限中距离该等势区间距离第三近的等势区间,将这些距离第三近的等势区间进行合并,得到该等势区间对应的第三级梯度圈;分别计算第一、二和三级梯度圈与该等势区间的平均欧式距离,以及第一、二、三级梯度圈的平均梯度幅值,并按照如下公式计算该等势区间对应的坡度:
进一步地,所述根据各等势区间对应的丰富度和坡度计算各等势区间对应的阈值的置信度区间长度,包括:
利用如下公式计算各等势区域的缩放因子:
对所述计算机PCB板灰度图像中所有的等势区域进行均衡化操作,求出等势区域最大的缩放因子和最小的缩放因子,将阈值置信度区间缩放因子调节到区间内,对阈值置信度区间缩放因子进行操作得到调节后的缩放因子,计算得到所述计算机PCB板灰度图像中各等势区域的阈值的置信度区间长度,为最大阈值置信度区间长度。
进一步地,所述根据所述计算机PCB主板灰度图像上各像素点对应的梯度幅值计算阈值的置信度区间的中值,并根据各等势区间对应的阈值的置信度区间长度和所述中值对所述计算机PCB主板灰度图像上各像素点是否为边缘点进行判别,包括:
分析像素点是否在某一等势区域内,如果像素点在等势区域内,则基于该等势区域的阈值置信度区间长度计算该像素点的阈值区间,如果像素点不在某一等势区域内,则计算与该像素点空间位置距离最近的等势区域,将最近的等势区域的阈值置信度区间长度作为该像素点的阈值置信度区间长度,并进行阈值区间计算;
构建所述计算机PCB板灰度图像对应的二值图像,二值图像中边缘像素点的灰度值为0,非边缘像素点的灰度值为255;将所述计算机PCB板灰度图像对应的二值图像作为霍夫梯度圆算法的输入,得到圆形边缘;
进一步地,所述定位后将焊点区域与对应的标准焊点区域进行比较,根据比较结果判断所述计算机PCB主板灰度图像是否存在焊接缺陷,包括:
计算所述计算机PCB板灰度图像中焊点区域与标准焊点区域的结构相似性;如果结构相似性小于,则判定所述计算机PCB板灰度图像中该焊点区域是缺陷区域;如果不小于,则判定所述计算机PCB板灰度图像中该焊点区域是正常区域。
本发明的有益效果:本发明实现了对计算机PCB主板是否存在焊接缺陷的检测,属于一种自动检测方法,相较于现有的基于人工目检的方式提高了检测效率。
而且,本发明在判断计算机PCB灰度图像中像素点是否为边缘像素点的过程中,对于图像中细节较少且变化比较平缓的区域采用比较有弹性的阈值,对于图像中细节较多且变化比较剧烈的区域采用相对比较固定弹性较低的阈值,提高了提取的边缘的精度和完整性,进一步提高了图像定位的精度,进而提高缺陷检测的准确率。
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是本发明的计算机PCB主板焊接缺陷检测方法的流程图;
图2为本发明的计算机PCB主板对应的工程图纸示意图。
具体实施方式
为了更进一步阐述本发明,下面结合附图及较佳实施例对本发明进行详细说明。
为了解决现有采用人工目检的方式对计算机PCB主板焊接缺陷进行检测时存在的检测效率较低的问题,如图1所示,本实施例的计算机PCB主板焊接缺陷检测方法包括以下步骤:
步骤1,获取计算机PCB主板图像,对所述计算机PCB主板图像进行灰度化处理,得到对应的计算机PCB主板灰度图像;
本实施例采用直方图均衡化对转化得到的灰度图像进行图像增强,将增强后的图像作为最终的计算机PCB主板灰度图像。采用直方图均衡化对灰度图像进行图像增强的过程是现有技术,此处不再赘述。作为其它实施方式,也可以不进行直方图均衡化处理,而是直接将上述转化得到的灰度图像直接作为最终的计算机PCB主板灰度图像,为了简便,接下来将该计算机PCB主板灰度图像简写为图像。
步骤2,计算所述计算机PCB主板灰度图像上各像素点对应的梯度幅值和梯度方向,根据所述各像素点对应的梯度幅值对所述计算机PCB主板灰度图像进行划分,得到多个等势区域;
具体的,本实施例采用算子计算图像中每个像素点的梯度幅值和梯度方向,分别采用水平方向和竖直方向的的卷积核和计算每个像素点在水平方向和竖直方向的梯度幅值和,并计算得到各像素点对应的梯度幅值和梯度方向=,其中,卷积核和的表达式如下:
至此,可得到了图像P中每个像素点的梯度幅值和方向,传统的边缘检测算法采用的是基于阈值将图像上的像素点分为非边缘点和边缘点,但这种方式对噪声比较敏感而且在一幅图像中使用全局的固定的阈值会使得到的边缘出现断裂和分叉的现象,对细节、边缘轮廓丰富的计算机PCB主板图像来说效果较差。由此,本实施例提出一种自适应局部阈值的选择方法,其基本原则是在图像中细节较少且变化比较平缓的区域采用比较有弹性的阈值,即阈值可在一定范围内选择,在图像中细节较多且变化比较剧烈的区域采用相对比较固定弹性较低的阈值。
为了实现上述在不同特点的区域采用不同阈值的目的,本实施例先对图像P划分等势区域。等势区域是指图像中像素点梯度幅值较为相似的同质区域,位于同质区域中的像素点在图像中具有相似的边缘属性,如果同质区域中像素点的梯度幅值都较大,那么该同质区域属于图像边缘的可能性就越高。由此,将图像P中梯度幅值相近的像素点划分为图像的等势区间,具体的,以步长为在图像P中选取等势区域初始生长点,设置幅值阈值,首先将等势区域初始点作为生长点,在其周围的八邻域中的像素点中寻找是否有像素点的梯度幅值小于幅值阈值,如果有这样的像素点则将像素点合并到等势区域初始点所在的等势区间,并将新加入的像素点作为新的生长点继续生长,直到没有新加入的像素点为止。判断各等势区间包含的像素点数目,对于包含像素点数目小于10的等势区间进行滤除,由此得到了个等势区间,并将各等势区间中所有像素点的行坐标和列坐标均值求出来作为对应等势区间的中心位置坐标。作为其他实施方式,可以以其他步长在图像P中选取等势区域初始生长点,也可以设置其他的幅值阈值,也可以将包含像素点数目小于其他设定数目的等势区间进行滤除。
步骤3,根据各等势区间内像素点对应的梯度幅值计算各等势区间与相邻的等势区间的梯度幅值差异,并根据所述梯度幅值差异计算各等势区间的梯度幅值非均匀度;根据各等势区间内像素点对应的梯度角度计算各等势区间对应的角度离散度,并根据各等势区间对应的梯度幅度非均匀度和角度离散度计算各等势区间对应的丰富度;
丰富度表征的是图像中梯度幅值和梯度方向复杂度,如果图像中梯度幅值分布越复杂,即在相邻等势区间的变化不是均匀一致的,在同一等势区间中像素点的梯度方向角分布越复杂,则表明图像的丰富度越大。对于本实施例图像P中的任一等势区间,其丰富度可由表示梯度幅值复杂度的梯度幅值非均匀度和表示梯度方向复杂度的角度离散度表示。
对于等势区间中的任一等势区间,其梯度幅值非均匀度表征的是其与相邻的等势区间的波动变化大小。为了计算各等势区间对应的梯度幅值非均匀度,先对图像P对应的个等势区间计算各等势区间对应的中心位置坐标,然后求取各等势区间对应的相邻的等势区间,具体的,对于任一等势区间:以该等势区间的中心位置坐标为坐标原点,构建笛卡尔坐标系,将图像P以该等势区间中心位置为原点划分四个象限区域,在每个象限区域中寻找与该坐标原点距离最近的等势区间的中心位置坐标,并将该距离最近的等势区间作为对应象限区域对应的相邻的等势区间,并计算各象限区域对应的相邻的等势区间中心位置坐标距离坐标原点的欧式距离。对于某一等势区间,若其在某个象限里没有找到等势区间的中心位置,则视为该等势区间在该象限中不存在相邻的等势区间;统计该等势区间对应的相邻的等势区间的数目,记为,由此该等势区间对应的梯度幅值非均匀度可表示为:
其中,表示的是该等势区间的梯度幅值均值,即该等势区间中所有像素点的梯度幅值的均值,表示的是该等势区间的第i个相邻的等势区间的梯度幅值均值,的是该等势区间与第i个相邻的等势区间的中心位置坐标的欧式距离,表示的是该等势区间与所有相邻的等势区间的中心位置坐标的欧式距离的均值。表示该等势区间与第i个相邻的等势区间之间在单位空间距离上的梯度幅值变化程度,称为梯度幅值变化率。如果该等势区间与其相邻的等势区间在四个象限中的梯度幅值变化率差距较大,即表明其在四个象限上分布越不均衡,梯度幅值非均匀度越大。
对于等势区间中的任一等势区间,其对应的角度离散度表征的是该等势区间中梯度方向角分布的杂散度。具体的,对于任一等势区间,在该等势区间中每隔设置一个角度区间,共36个角度区间,分别为:,,,,将这个角度区间按照顺序分别表示为序号,在该等势区间中计算每个角度区间出现的像素点的频率,由此可计算出该等势区间的角度离散度:
其中,代表的是某等势区间包含的角度区间的数目,表示的是在该等势区间包含的个角度区间中第个角度区间的频率,代表的是个角度区间的平均频率。代表的是在该等势区间包含的个角度区间中第个角度区间的序号,代表的是该等势区间包含的所有角度区间的序号均值,为调节参数,本实施例根据经验设置。当等势区间包含的角度区间的个数越多,且在这些角度区间中角度区间分布越分散,则表明梯度方向越复杂,角度离散度越大。表明对频率与差值越大的角度区间来说,其与的距离对整体的角度区间的分散评价权重越大。
步骤4,根据各等势区间对应的中心位置坐标和各等势区间内像素点对应的梯度幅值计算各等势区间对应的坡度;
坡度表征的是图像中梯度的变化的程度,相邻的等势区间中平均梯度幅值在单位空间长度上的变化越大,说明图像的坡度越大。接下来对各等势区间对应的坡度的计算过程进行说明:
对于个等势区间中的任一等势区间,按照上述判断其是否在各象限存在相邻的等势区间的方法,可以判断出在各象限中距离其距离最近的等势区间(即相邻的等势区间),将这些距离其最近的等势区间进行合并,可得到该等势区间对应的第一级梯度圈;按照同样的方法,可以判断出在各象限中距离其距离第二近的等势区间,将这些距离其第二近的等势区间进行合并,可得到该等势区间对应的第二级梯度圈;按照同样的方法,可以判断出在各象限中距离其距离第三近的等势区间,将这些距离其第三近的等势区间进行合并,可得到该等势区间对应的第三级梯度圈,分别计算第一、二、三级梯度圈与该等势区间的平均欧式距离,以及第一、二、三级梯度圈的平均梯度幅值,其中为对应级梯度圈中的所有像素点与该等势区间的中心位置的欧式距离的均值;并按照如下公式计算该等势区间对应的坡度:
其中,代表该等势区间对应的第级梯度圈的平均梯度幅值,,表示的是该等势区间的梯度幅值均值,为该等势区间对应的第级梯度圈中的所有像素点与该等势区间的中心位置的欧式距离的均值。如果该等势区间与其最近邻梯度圈之间,以及相邻梯度圈之间的平均梯度幅值变化越大,说明该等势区间处在梯度变化较为剧烈的图像区域,坡度较大。
步骤5,根据各等势区间对应的丰富度和坡度计算各等势区间对应的阈值的置信度区间长度,根据所述计算机PCB主板灰度图像上各像素点对应的梯度幅值计算阈值的置信度区间的中值,并根据各等势区间对应的阈值的置信度区间长度和所述中值对所述计算机PCB主板灰度图像上各像素点是否为边缘点进行判别;根据判别结果对所述计算机PCB主板灰度图像上的点进行定位,定位后将焊点区域与对应的标准焊点区域进行比较,根据比较结果判断所述计算机PCB主板灰度图像是否存在焊接缺陷。
本实施例根据上述得到的各等势区间的丰富度和坡度,求出各等势区间对应的阈值的置信度区间长度和中值。本实施例对于图像中细节较少且变化比较平缓的区域采用比较有弹性的阈值,即对于丰富度小和坡度小的区域选择较大的阈值置信度区间;对于图像中细节较多且变化比较剧烈的区域采用相对比较固定弹性较低的阈值,即对于丰富度大和坡度大的区域选择较小的阈值置信度区间。
具体的,设置图像P中最大阈值置信度区间长度,设置阈值置信度区间缩放因子,根据丰富度和坡度决定,当丰富度小和坡度小的时候,缩放因子就越大,得到的阈值置信度区间长度就越大。对图像P中所有的等势区域计算其丰富度和坡度,得到各等势区域的缩放因子:
对图像P中所有的等势区域进行均衡化操作,求出等势区域最大的缩放因子和最小的缩放因子,将阈值置信度区间缩放因子调节到区间内,对阈值置信度区间缩放因子进行操作得到调节后的缩放因子,由此得到图像P中各等势区域的阈值的置信度区间长度。
根据各等势区间对应的阈值的置信度区间长度和中值,对图像P上所有像素点进行边缘检测。首先分析像素点是否在某一等势区域内,如果像素点在等势区域内,则基于该等势区域的阈值置信度区间长度计算该像素点的阈值区间,如果像素点不在某一等势区域内,则计算与该像素点空间位置距离最近的等势区域(即计算像素点与哪一等势区域的中心位置距离最近),将最近的等势区域的阈值置信度区间长度作为该像素点的阈值置信度区间长度。得到了各像素点对应的阈值区间之后即可进行判别:如果某一像素点的梯度幅值不小于阈值区间,则将该像素点归类于边缘点,如果像素点的梯度幅值小于阈值区间的最小值,则将该像素点归类于非边缘点。
由此可以判断图像P中各像素点是否为边缘像素点。接下来本实施例基于霍夫梯度圆算法将待测PCB板和标准PCB板进行匹配校准,并进行缺陷检测。具体过程如下:
通过对待测PCB板图像和标准PCB板的工艺边上的点定位,将图像(待测PCB板对应的灰度图像)与图像(标准PCB板对应的灰度图像)进行配准,其中点为同心圆结构,如图2所示,标准PCB板是根据待测PCB主板对应的工程图纸做出来的标准的PCB板。
具体的,根据上述对灰度图像P的边缘像素点判断结果构建二值图像,二值图像中边缘像素点的灰度值为0,非边缘像素点的灰度值为255;将灰度图像P对应的二值图像作为霍夫梯度圆算法的输入,得到图像中的圆形边缘。按照同样的方法,将图像N对应的二值图像作为霍夫梯度圆算法的输入,得到图像中的圆形边缘。设置圆心位置距离阈值,分别将图像与图像中的圆心点坐标之差小于圆心位置距离阈值的同心的圆形边缘提取出来,并将圆心坐标(即两个圆形边缘圆心坐标的行坐标的均值和列坐标的均值)分别作为图像与图像的点位置,由此实现了对待测PCB板图像和标准PCB板的定位和校准。并通过标准PCB板中元器件与点的相对位置对待测PCB板图像中的焊点位置进行定位和焊点区域提取,计算待测PCB板图像和标准PCB板图像中对应位置的焊点区域和的结构相似性,如果则判断该焊点区域是缺陷区域,如果则判断该焊点区域是正常区域。结构相似性是衡量两幅图像相似度的指标,其计算方法为现有技术,此处不再赘述。
本实施例实现了对计算机PCB主板是否存在焊接缺陷的检测,属于一种自动检测方法,相较于现有的基于人工目检的方式提高了检测效率;而且本实施例在判断计算机PCB灰度图像中像素点是否为边缘像素点的过程中,对于图像中细节较少且变化比较平缓的区域采用比较有弹性的阈值,对于图像中细节较多且变化比较剧烈的区域采用相对比较固定弹性较低的阈值,提高了提取的边缘的精度和完整性,进一步提高了图像定位的精度,进而提高缺陷检测的准确率。
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 (9)
1.一种计算机PCB主板焊接缺陷检测方法,其特征在于,包括以下步骤:
获取计算机PCB主板图像,对所述计算机PCB主板图像进行灰度化处理,得到对应的计算机PCB主板灰度图像;
计算所述计算机PCB主板灰度图像上各像素点对应的梯度幅值和梯度方向,根据所述各像素点对应的梯度幅值对所述计算机PCB主板灰度图像进行划分,得到多个等势区域;
根据各等势区间内像素点对应的梯度幅值计算各等势区间与相邻的等势区间的梯度幅值差异,并根据所述梯度幅值差异计算各等势区间的梯度幅值非均匀度;根据各等势区间内像素点对应的梯度角度计算各等势区间对应的角度离散度,并根据各等势区间对应的梯度幅度非均匀度和角度离散度计算各等势区间对应的丰富度;
根据各等势区间对应的中心位置坐标和各等势区间内像素点对应的梯度幅值计算各等势区间对应的坡度;
2.根据权利要求1所述的计算机PCB主板焊接缺陷检测方法,其特征在于,所述根据所述各像素点对应的梯度幅值对所述计算机PCB主板灰度图像进行划分,得到多个等势区域,包括:
以设定步长在所述计算机PCB主板灰度图像中选取等势区域初始生长点,对于任一等势区域初始点,将该等势区域初始点作为生长点,在该生长点的周围的八邻域中的像素点中寻找是否有像素点的梯度幅值小于幅值阈值,如果有这样的像素点则将像素点合并到等势区域初始点所在的等势区间,并将新加入的像素点作为新的生长点继续生长,直到没有新加入的像素点为止;
判断各等势区间包含的像素点数目,对于包含像素点数目小于设定数目的等势区间进行滤除,滤除后得到多个等势区域。
5.根据权利要求1所述的计算机PCB主板焊接缺陷检测方法,其特征在于,所述根据各等势区间对应的中心位置坐标和各等势区间内像素点对应的梯度幅值计算各等势区间对应的坡度,包括:
对于任一等势区间,判断出在各象限中距离该等势区间距离最近的等势区间,将这些距离最近的等势区间进行合并,得到该等势区间对应的第一级梯度圈;判断出在各象限中距离该等势区间距离第二近的等势区间,将这些距离第二近的等势区间进行合并,得到该等势区间对应的第二级梯度圈;判断出在各象限中距离该等势区间距离第三近的等势区间,将这些距离第三近的等势区间进行合并,得到该等势区间对应的第三级梯度圈;分别计算第一、二和三级梯度圈与该等势区间的平均欧式距离,以及第一、二、三级梯度圈的平均梯度幅值,并按照如下公式计算该等势区间对应的坡度:
7.根据权利要求6所述的计算机PCB主板焊接缺陷检测方法,其特征在于,所述根据所述计算机PCB主板灰度图像上各像素点对应的梯度幅值计算阈值的置信度区间的中值,并根据各等势区间对应的阈值的置信度区间长度和所述中值对所述计算机PCB主板灰度图像上各像素点是否为边缘点进行判别,包括:
分析像素点是否在某一等势区域内,如果像素点在等势区域内,则基于该等势区域的阈值置信度区间长度计算该像素点的阈值区间,如果像素点不在某一等势区域内,则计算与该像素点空间位置距离最近的等势区域,将最近的等势区域的阈值置信度区间长度作为该像素点的阈值置信度区间长度,并进行阈值区间计算;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211206971.2A CN115272349A (zh) | 2022-09-30 | 2022-09-30 | 一种计算机pcb主板焊接缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211206971.2A CN115272349A (zh) | 2022-09-30 | 2022-09-30 | 一种计算机pcb主板焊接缺陷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115272349A true CN115272349A (zh) | 2022-11-01 |
Family
ID=83757934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211206971.2A Pending CN115272349A (zh) | 2022-09-30 | 2022-09-30 | 一种计算机pcb主板焊接缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115272349A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474909A (zh) * | 2023-12-27 | 2024-01-30 | 深圳市信来誉包装有限公司 | 基于机器视觉的包装纸盒瑕疵检测方法 |
CN117689662A (zh) * | 2024-02-04 | 2024-03-12 | 张家港长寿工业设备制造有限公司 | 一种换热器管头焊接质量视觉检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018214393A1 (zh) * | 2017-05-23 | 2018-11-29 | 惠州市金百泽电路科技有限公司 | 最小宽度为1 mil的PCB微型焊盘功能性缺陷的快速检测方法 |
CN211927728U (zh) * | 2020-04-15 | 2020-11-13 | 天津晓林汽车配件有限公司 | 一种汽车pcb主板检测装置 |
CN212340821U (zh) * | 2020-06-17 | 2021-01-12 | 郴州津地本电子有限公司 | 一种自动走线的软排线检测设备 |
CN115082444A (zh) * | 2022-07-25 | 2022-09-20 | 南通宏大实验仪器有限公司 | 一种基于图像处理的铜管焊缝缺陷检测方法及系统 |
-
2022
- 2022-09-30 CN CN202211206971.2A patent/CN115272349A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018214393A1 (zh) * | 2017-05-23 | 2018-11-29 | 惠州市金百泽电路科技有限公司 | 最小宽度为1 mil的PCB微型焊盘功能性缺陷的快速检测方法 |
CN211927728U (zh) * | 2020-04-15 | 2020-11-13 | 天津晓林汽车配件有限公司 | 一种汽车pcb主板检测装置 |
CN212340821U (zh) * | 2020-06-17 | 2021-01-12 | 郴州津地本电子有限公司 | 一种自动走线的软排线检测设备 |
CN115082444A (zh) * | 2022-07-25 | 2022-09-20 | 南通宏大实验仪器有限公司 | 一种基于图像处理的铜管焊缝缺陷检测方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474909A (zh) * | 2023-12-27 | 2024-01-30 | 深圳市信来誉包装有限公司 | 基于机器视觉的包装纸盒瑕疵检测方法 |
CN117474909B (zh) * | 2023-12-27 | 2024-04-05 | 深圳市信来誉包装有限公司 | 基于机器视觉的包装纸盒瑕疵检测方法 |
CN117689662A (zh) * | 2024-02-04 | 2024-03-12 | 张家港长寿工业设备制造有限公司 | 一种换热器管头焊接质量视觉检测方法及系统 |
CN117689662B (zh) * | 2024-02-04 | 2024-04-26 | 张家港长寿工业设备制造有限公司 | 一种换热器管头焊接质量视觉检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115272349A (zh) | 一种计算机pcb主板焊接缺陷检测方法 | |
CN113689428B (zh) | 基于图像处理的机械零件应力腐蚀检测方法及系统 | |
CN115018828B (zh) | 一种电子元器件的缺陷检测方法 | |
CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
CN111950330B (zh) | 一种基于目标检测的指针式仪表示数检测方法 | |
CN114972329A (zh) | 基于图像处理的表面缺陷检测仪的图像增强方法及系统 | |
CN115249246B (zh) | 一种光学玻璃表面缺陷检测方法 | |
CN115294159B (zh) | 金属紧固件腐蚀区域分割方法 | |
CN107292310A (zh) | 一种圆形指针式表盘视觉定位及自动读数方法 | |
CN111462066B (zh) | 一种基于机器视觉的螺纹参数检测方法 | |
CN108830899B (zh) | 一种基于几何特征的快速自适应角点结合的圆心检测方法 | |
CN115063400B (zh) | 利用视觉手段的乐器生产缺陷检测方法 | |
CN115578389A (zh) | 一种沟槽mos器件的缺陷检测方法 | |
CN114820625B (zh) | 一种汽车顶块缺陷检测方法 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN115841488B (zh) | 一种基于计算机视觉的pcb板的检孔方法 | |
CN114219773B (zh) | 一种桥梁裂缝检测数据集预筛选与标定方法 | |
CN116523913B (zh) | 一种丝杆质量智能检测方法 | |
CN115082444B (zh) | 一种基于图像处理的铜管焊缝缺陷检测方法及系统 | |
CN114894804A (zh) | 一种精密标准件表面裂纹检测方法 | |
CN112861870A (zh) | 指针式仪表图像矫正方法、系统及存储介质 | |
CN114881965A (zh) | 一种基于人工智能和图像处理的木板节子检测方法 | |
KR102366364B1 (ko) | 기하학적 패턴 매칭 방법 및 이러한 방법을 수행하는 장치 | |
CN117237747B (zh) | 基于人工智能的五金件缺陷分类识别方法 | |
CN106767467A (zh) | 一种基于机器视觉的可转位刀片钝圆检测系统 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230613 Address after: Room 1917, Block C, Yindu Building, 126 Xinfa Road, Nanguan District, Changchun City, 130000 Jilin Province Applicant after: Jilin Chenyi Technology Co.,Ltd. Address before: 226300 no.3333, xintongzao Road, Dongshe Town, Tongzhou District, Nantong City, Jiangsu Province Applicant before: JIANGSU BAOYI COMMUNICATION TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221101 |