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 PDF

Info

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
Application number
CN202211206971.2A
Other languages
English (en)
Inventor
成骁
陈成
陆丹华
刘小虎
景红艳
姜建梅
王新峰
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.)
Jilin Chenyi Technology Co ltd
Original Assignee
Jiangsu Baoyi Communication 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 Jiangsu Baoyi Communication Technology Co ltd filed Critical Jiangsu Baoyi Communication Technology Co ltd
Priority to CN202211206971.2A priority Critical patent/CN115272349A/zh
Publication of CN115272349A publication Critical patent/CN115272349A/zh
Pending legal-status Critical Current

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
    • 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

一种计算机PCB主板焊接缺陷检测方法
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
Figure 590098DEST_PATH_IMAGE001
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：
Figure 585736DEST_PATH_IMAGE002
Figure 51352DEST_PATH_IMAGE003
其中，
Figure 575874DEST_PATH_IMAGE004
表示的是某等势区间的梯度幅值非均匀度，
Figure 126942DEST_PATH_IMAGE005
表示的是该等势区间的梯度幅值均值，
Figure 660691DEST_PATH_IMAGE006
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，
Figure 715235DEST_PATH_IMAGE007
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，
Figure 941817DEST_PATH_IMAGE008
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，
Figure 980180DEST_PATH_IMAGE009
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：
Figure 786462DEST_PATH_IMAGE010
其中，
Figure 226670DEST_PATH_IMAGE011
代表的是某等势区间对应的角度离散度，
Figure 92995DEST_PATH_IMAGE012
代表的是该等势区间包含的角度区间的数目，
Figure 618655DEST_PATH_IMAGE013
表示的是在该等势区间包含的
Figure 228627DEST_PATH_IMAGE012
个角度区间中第
Figure 523343DEST_PATH_IMAGE014
个角度区间的频率，
Figure 826148DEST_PATH_IMAGE015
代表的是
Figure 579383DEST_PATH_IMAGE012
个角度区间的平均频率，
Figure 586523DEST_PATH_IMAGE016
代表的是在该等势区间包含的
Figure 735744DEST_PATH_IMAGE012
个角度区间中第
Figure DEST_PATH_IMAGE017
个角度区间的序号，
Figure 271768DEST_PATH_IMAGE018
代表的是该等势区间包含的所有角度区间的序号均值，
Figure 240861DEST_PATH_IMAGE019
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：
Figure 458215DEST_PATH_IMAGE020
其中，
Figure 461944DEST_PATH_IMAGE021
代表等势区间对应的坡度，
Figure 372131DEST_PATH_IMAGE022
代表该等势区间对应的第
Figure 828520DEST_PATH_IMAGE023
级梯度圈的平均梯度幅值，
Figure 583986DEST_PATH_IMAGE024
，
Figure 442221DEST_PATH_IMAGE005
表示的是该等势区间的梯度幅值均值，
Figure 257730DEST_PATH_IMAGE025
为该等势区间对应的第
Figure 466995DEST_PATH_IMAGE023
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。
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：
Figure 26152DEST_PATH_IMAGE026
其中，
Figure 4472DEST_PATH_IMAGE027
为某等势区域的缩放因子，
Figure 725304DEST_PATH_IMAGE028
为该等势区间的丰富度，
Figure 421864DEST_PATH_IMAGE021
为该等势区间的坡度；
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
Figure 519133DEST_PATH_IMAGE029
和最小的缩放因子
Figure 617539DEST_PATH_IMAGE030
，将阈值置信度区间缩放因子调节到
Figure DEST_PATH_IMAGE031
区间内，对阈值置信度区间缩放因子
Figure 40430DEST_PATH_IMAGE027
进行操作得到调节后的缩放因子
Figure 224287DEST_PATH_IMAGE032
，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
Figure 142825DEST_PATH_IMAGE033
，
Figure 830158DEST_PATH_IMAGE034
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：
利用
Figure 158371DEST_PATH_IMAGE035
大津法对所述计算机PCB板灰度图像上所有像素点的梯度幅值求出最佳阈值，将所述最佳阈值作为所述计算机PCB板灰度图像中各像素点对应的置信度区间的中值
Figure 563945DEST_PATH_IMAGE036
；
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
Figure 268596DEST_PATH_IMAGE037
计算该像素点的阈值区间
Figure 76015DEST_PATH_IMAGE038
，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；
如果某一像素点的梯度幅值不小于对应的阈值区间，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
Figure 840708DEST_PATH_IMAGE039
的最小值，则将该像素点归类于非边缘点。
进一步地，所述根据判别结果对所述计算机PCB主板灰度图像上的
Figure 467999DEST_PATH_IMAGE001
点进行定位，包括：
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；
设置圆心位置距离阈值，将所述计算机PCB板灰度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，并将圆心坐标作为所述计算机PCB板灰度图像的
Figure 976341DEST_PATH_IMAGE001
点位置。
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
Figure 638266DEST_PATH_IMAGE040
，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
Figure 308282DEST_PATH_IMAGE040
，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；
为了实现对计算机PCB主板是否存在焊接缺陷的判断，本实施例获取了待测的计算机PCB主板图像，并对计算机PCB主板图像进行图像预处理，将其从彩色
Figure 688448DEST_PATH_IMAGE041
图像转化为灰度图像。
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
Figure 734901DEST_PATH_IMAGE042
。
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
Figure 516912DEST_PATH_IMAGE043
算子计算图像
Figure 623408DEST_PATH_IMAGE042
中每个像素点的梯度幅值
Figure 490870DEST_PATH_IMAGE044
和梯度方向
Figure 341015DEST_PATH_IMAGE045
，分别采用水平方向和竖直方向的
Figure 711953DEST_PATH_IMAGE046
的卷积核
Figure 723771DEST_PATH_IMAGE047
和
Figure 812950DEST_PATH_IMAGE048
计算每个像素点在水平方向和竖直方向的梯度幅值
Figure 466785DEST_PATH_IMAGE049
和
Figure 692230DEST_PATH_IMAGE050
，并计算得到各像素点对应的梯度幅值
Figure 874950DEST_PATH_IMAGE051
和梯度方向
Figure 717004DEST_PATH_IMAGE045
=
Figure 643372DEST_PATH_IMAGE052
，其中，卷积核
Figure 729183DEST_PATH_IMAGE047
和
Figure 613962DEST_PATH_IMAGE048
的表达式如下：
Figure 412154DEST_PATH_IMAGE053
Figure 407792DEST_PATH_IMAGE054
。
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
Figure 342250DEST_PATH_IMAGE055
在图像P中选取等势区域初始生长点，设置幅值阈值
Figure 397930DEST_PATH_IMAGE056
，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
Figure 683418DEST_PATH_IMAGE057
，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
Figure 217168DEST_PATH_IMAGE058
个等势区间
Figure DEST_PATH_IMAGE059
，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
Figure 334028DEST_PATH_IMAGE060
。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
Figure 295031DEST_PATH_IMAGE028
可由表示梯度幅值复杂度的梯度幅值非均匀度
Figure 802236DEST_PATH_IMAGE004
和表示梯度方向复杂度的角度离散度
Figure 139676DEST_PATH_IMAGE011
表示。
对于等势区间
Figure 579885DEST_PATH_IMAGE059
中的任一等势区间，其梯度幅值非均匀度
Figure 446210DEST_PATH_IMAGE004
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
Figure 971869DEST_PATH_IMAGE058
个等势区间
Figure 581842DEST_PATH_IMAGE059
计算各等势区间对应的中心位置坐标
Figure 876557DEST_PATH_IMAGE060
，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
Figure 913783DEST_PATH_IMAGE009
，由此该等势区间对应的梯度幅值非均匀度
Figure 926738DEST_PATH_IMAGE004
可表示为：
Figure 605981DEST_PATH_IMAGE002
Figure 489624DEST_PATH_IMAGE003
其中，
Figure 228910DEST_PATH_IMAGE005
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，
Figure 198003DEST_PATH_IMAGE006
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，
Figure 415357DEST_PATH_IMAGE007
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，
Figure 678805DEST_PATH_IMAGE008
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。
Figure 57834DEST_PATH_IMAGE061
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
Figure 514223DEST_PATH_IMAGE004
越大。
对于等势区间
Figure 535269DEST_PATH_IMAGE059
中的任一等势区间，其对应的角度离散度
Figure 659083DEST_PATH_IMAGE011
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
Figure 474592DEST_PATH_IMAGE062
设置一个角度区间，共36个角度区间，分别为：
Figure 683856DEST_PATH_IMAGE063
，
Figure 243014DEST_PATH_IMAGE064
，
Figure 221334DEST_PATH_IMAGE065
，
Figure 207744DEST_PATH_IMAGE066
，将这
Figure 904305DEST_PATH_IMAGE067
个角度区间按照顺序分别表示为序号
Figure 1574DEST_PATH_IMAGE068
，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
Figure 834401DEST_PATH_IMAGE011
：
Figure 991713DEST_PATH_IMAGE069
其中，
Figure 175569DEST_PATH_IMAGE012
代表的是某等势区间包含的角度区间的数目，
Figure 810950DEST_PATH_IMAGE013
表示的是在该等势区间包含的
Figure 763863DEST_PATH_IMAGE012
个角度区间中第
Figure 92076DEST_PATH_IMAGE014
个角度区间的频率，
Figure 497649DEST_PATH_IMAGE015
代表的是
Figure 467879DEST_PATH_IMAGE012
个角度区间的平均频率。
Figure 9719DEST_PATH_IMAGE016
代表的是在该等势区间包含的
Figure 774413DEST_PATH_IMAGE012
个角度区间中第
Figure 401703DEST_PATH_IMAGE017
个角度区间的序号，
Figure 644466DEST_PATH_IMAGE018
代表的是该等势区间包含的所有角度区间的序号均值，
Figure 577830DEST_PATH_IMAGE019
为调节参数，本实施例根据经验设置
Figure 779004DEST_PATH_IMAGE070
。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
Figure 893591DEST_PATH_IMAGE011
越大。
Figure 940044DEST_PATH_IMAGE071
表明对频率与
Figure 722055DEST_PATH_IMAGE018
差值越大的角度区间来说，其与
Figure 828551DEST_PATH_IMAGE018
的距离对整体的角度区间的分散评价权重越大。
在得到了各等势区间对应的梯度幅值非均匀度
Figure 696013DEST_PATH_IMAGE004
和角度离散度
Figure 546158DEST_PATH_IMAGE011
之后，计算各等势区间对应的丰富度
Figure 182675DEST_PATH_IMAGE072
，当某一等势区间对应的梯度幅值非均匀度
Figure 194494DEST_PATH_IMAGE004
和表示梯度角度离散度
Figure 283672DEST_PATH_IMAGE011
越大时，该等势区间对应的丰富度
Figure 671928DEST_PATH_IMAGE028
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
Figure 162953DEST_PATH_IMAGE058
个等势区间
Figure 611251DEST_PATH_IMAGE059
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
Figure 640256DEST_PATH_IMAGE073
；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
Figure 97782DEST_PATH_IMAGE074
；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
Figure 177734DEST_PATH_IMAGE075
，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
Figure 796934DEST_PATH_IMAGE076
，以及第一、二、三级梯度圈的平均梯度幅值
Figure 860705DEST_PATH_IMAGE077
，其中
Figure 342762DEST_PATH_IMAGE076
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
Figure 808379DEST_PATH_IMAGE021
：
Figure 598480DEST_PATH_IMAGE020
其中，
Figure 618389DEST_PATH_IMAGE022
代表该等势区间对应的第
Figure 417718DEST_PATH_IMAGE023
级梯度圈的平均梯度幅值，
Figure 472261DEST_PATH_IMAGE024
，
Figure 433264DEST_PATH_IMAGE005
表示的是该等势区间的梯度幅值均值，
Figure 206048DEST_PATH_IMAGE025
为该等势区间对应的第
Figure 543489DEST_PATH_IMAGE023
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
Figure 452539DEST_PATH_IMAGE021
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
Figure 771393DEST_PATH_IMAGE001
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
Figure 31473DEST_PATH_IMAGE028
和坡度
Figure 907026DEST_PATH_IMAGE021
，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
Figure 201741DEST_PATH_IMAGE028
小和坡度
Figure 504546DEST_PATH_IMAGE021
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
Figure 251922DEST_PATH_IMAGE028
大和坡度
Figure 931165DEST_PATH_IMAGE021
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
Figure 80387DEST_PATH_IMAGE078
，设置阈值置信度区间缩放因子
Figure 288514DEST_PATH_IMAGE027
，
Figure 257607DEST_PATH_IMAGE027
根据丰富度
Figure 740541DEST_PATH_IMAGE028
和坡度
Figure 484549DEST_PATH_IMAGE021
决定，当丰富度
Figure 129157DEST_PATH_IMAGE028
小和坡度
Figure 851126DEST_PATH_IMAGE021
小的时候，缩放因子
Figure 606592DEST_PATH_IMAGE027
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
Figure 730406DEST_PATH_IMAGE028
和坡度
Figure 545915DEST_PATH_IMAGE021
，得到各等势区域的缩放因子：
Figure 489600DEST_PATH_IMAGE026
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
Figure 48758DEST_PATH_IMAGE029
和最小的缩放因子
Figure 761499DEST_PATH_IMAGE030
，将阈值置信度区间缩放因子调节到
Figure 13489DEST_PATH_IMAGE031
区间内，对阈值置信度区间缩放因子
Figure 710049DEST_PATH_IMAGE027
进行操作得到调节后的缩放因子
Figure 807318DEST_PATH_IMAGE032
，由此得到图像P中各等势区域的阈值的置信度区间长度
Figure 374566DEST_PATH_IMAGE033
。
置信度区间的中值
Figure 797457DEST_PATH_IMAGE036
由
Figure 715734DEST_PATH_IMAGE035
大津法对图像P上所有像素点的梯度幅值
Figure 616694DEST_PATH_IMAGE044
求出最佳阈值得到，本实施将由
Figure 569607DEST_PATH_IMAGE035
大津法得到的最佳阈值作为图像P中各像素点对应的置信度区间的中值
Figure 897820DEST_PATH_IMAGE036
。
Figure 303393DEST_PATH_IMAGE035
大津法为现有技术，此处不再赘述。
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
Figure 742465DEST_PATH_IMAGE037
计算该像素点的阈值区间
Figure 549884DEST_PATH_IMAGE038
，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
Figure 314578DEST_PATH_IMAGE037
作为该像素点的阈值置信度区间长度
Figure 207447DEST_PATH_IMAGE037
。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
Figure 715789DEST_PATH_IMAGE039
，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
Figure 377715DEST_PATH_IMAGE039
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
Figure 573029DEST_PATH_IMAGE001
点定位，将图像
Figure 422037DEST_PATH_IMAGE042
（待测PCB板对应的灰度图像）与图像
Figure 468490DEST_PATH_IMAGE079
（标准PCB板对应的灰度图像）进行配准，其中
Figure 250501DEST_PATH_IMAGE001
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
Figure 356998DEST_PATH_IMAGE042
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
Figure 958880DEST_PATH_IMAGE079
中的圆形边缘。设置圆心位置距离阈值
Figure 74604DEST_PATH_IMAGE080
，分别将图像
Figure 711121DEST_PATH_IMAGE042
与图像
Figure 988519DEST_PATH_IMAGE079
中的圆心点坐标之差小于圆心位置距离阈值
Figure 77698DEST_PATH_IMAGE080
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
Figure 200375DEST_PATH_IMAGE042
与图像
Figure 691399DEST_PATH_IMAGE079
的
Figure 139698DEST_PATH_IMAGE001
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
Figure 716173DEST_PATH_IMAGE001
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
Figure 642540DEST_PATH_IMAGE081
和
Figure 253650DEST_PATH_IMAGE082
的结构相似性
Figure 607271DEST_PATH_IMAGE083
，如果
Figure 671042DEST_PATH_IMAGE084
则判断该焊点区域是缺陷区域，如果
Figure 666680DEST_PATH_IMAGE085
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；
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
Figure DEST_PATH_IMAGE001
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。
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。
3.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：
Figure DEST_PATH_IMAGE003
Figure DEST_PATH_IMAGE005
其中，
Figure 661406DEST_PATH_IMAGE006
表示的是某等势区间的梯度幅值非均匀度，
Figure DEST_PATH_IMAGE007
表示的是该等势区间的梯度幅值均值，
Figure 605134DEST_PATH_IMAGE008
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，
Figure DEST_PATH_IMAGE009
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，
Figure 899849DEST_PATH_IMAGE010
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，
Figure DEST_PATH_IMAGE011
为该等势区间对应的相邻的等势区间的数目。
4.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：
Figure DEST_PATH_IMAGE013
其中，
Figure 796130DEST_PATH_IMAGE014
代表的是某等势区间对应的角度离散度，
Figure DEST_PATH_IMAGE015
代表的是该等势区间包含的角度区间的数目，
Figure 74665DEST_PATH_IMAGE016
表示的是在该等势区间包含的
Figure 753908DEST_PATH_IMAGE015
个角度区间中第
Figure 637550DEST_PATH_IMAGE018
个角度区间的频率，
Figure DEST_PATH_IMAGE019
代表的是
Figure 907994DEST_PATH_IMAGE015
个角度区间的平均频率，
Figure 877087DEST_PATH_IMAGE020
代表的是在该等势区间包含的
Figure 360021DEST_PATH_IMAGE015
个角度区间中第
Figure DEST_PATH_IMAGE021
个角度区间的序号，
Figure 629329DEST_PATH_IMAGE022
代表的是该等势区间包含的所有角度区间的序号均值，
Figure DEST_PATH_IMAGE023
为调节参数。
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：
Figure DEST_PATH_IMAGE025
其中，
Figure 601833DEST_PATH_IMAGE026
代表等势区间对应的坡度，
Figure DEST_PATH_IMAGE027
代表该等势区间对应的第
Figure 854960DEST_PATH_IMAGE028
级梯度圈的平均梯度幅值，
Figure DEST_PATH_IMAGE029
，
Figure 407164DEST_PATH_IMAGE007
表示的是该等势区间的梯度幅值均值，
Figure 530977DEST_PATH_IMAGE030
为该等势区间对应的第
Figure 80907DEST_PATH_IMAGE028
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。
6.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：
Figure 24593DEST_PATH_IMAGE032
其中，
Figure DEST_PATH_IMAGE033
为某等势区域的缩放因子，
Figure 771967DEST_PATH_IMAGE034
为该等势区间的丰富度，
Figure 750287DEST_PATH_IMAGE026
为该等势区间的坡度；
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
Figure DEST_PATH_IMAGE035
和最小的缩放因子
Figure 533436DEST_PATH_IMAGE036
，将阈值置信度区间缩放因子调节到
Figure DEST_PATH_IMAGE037
区间内，对阈值置信度区间缩放因子
Figure 495575DEST_PATH_IMAGE033
进行操作得到调节后的缩放因子
Figure 858424DEST_PATH_IMAGE038
，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
Figure DEST_PATH_IMAGE039
，
Figure 222409DEST_PATH_IMAGE040
为最大阈值置信度区间长度。
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：
利用
Figure DEST_PATH_IMAGE041
大津法对所述计算机PCB板灰度图像上所有像素点的梯度幅值求出最佳阈值，将所述最佳阈值作为所述计算机PCB板灰度图像中各像素点对应的置信度区间的中值
Figure 176458DEST_PATH_IMAGE042
；
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
Figure DEST_PATH_IMAGE043
计算该像素点的阈值区间
Figure 625894DEST_PATH_IMAGE044
，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；
如果某一像素点的梯度幅值不小于对应的阈值区间，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
Figure DEST_PATH_IMAGE045
的最小值，则将该像素点归类于非边缘点。
8.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，所述根据判别结果对所述计算机PCB主板灰度图像上的
Figure 323592DEST_PATH_IMAGE001
点进行定位，包括：
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；
设置圆心位置距离阈值，将所述计算机PCB板灰度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，并将圆心坐标作为所述计算机PCB板灰度图像的
Figure 16785DEST_PATH_IMAGE001
点位置。
9.根据权利要求8所述的计算机PCB主板焊接缺陷检测方法，其特征在于，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
Figure 577954DEST_PATH_IMAGE046
，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
Figure 717948DEST_PATH_IMAGE046
，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。
CN202211206971.2A 2022-09-30 2022-09-30 一种计算机pcb主板焊接缺陷检测方法 Pending CN115272349A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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