CN115330761B - 一种用于电子产品的表面印刷移位缺陷识别方法 - Google Patents

一种用于电子产品的表面印刷移位缺陷识别方法 Download PDF

Info

Publication number
CN115330761B
CN115330761B CN202211244739.8A CN202211244739A CN115330761B CN 115330761 B CN115330761 B CN 115330761B CN 202211244739 A CN202211244739 A CN 202211244739A CN 115330761 B CN115330761 B CN 115330761B
Authority
CN
China
Prior art keywords
printing
pixel block
sub
edge line
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
Application number
CN202211244739.8A
Other languages
English (en)
Other versions
CN115330761A (zh
Inventor
程伟
杨丽丹
杨顺作
杨丽香
杨金燕
杨丽霞
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.)
Shenzhen Shenchuang High Tech Electronic Co ltd
Original Assignee
Shenzhen Shenchuang High Tech Electronic 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 Shenzhen Shenchuang High Tech Electronic Co ltd filed Critical Shenzhen Shenchuang High Tech Electronic Co ltd
Priority to CN202211244739.8A priority Critical patent/CN115330761B/zh
Publication of CN115330761A publication Critical patent/CN115330761A/zh
Application granted granted Critical
Publication of CN115330761B publication Critical patent/CN115330761B/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
    • 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
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V10/74—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
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30141—Printed circuit board [PCB]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及图像数据处理技术领域，具体涉及一种用于电子产品的表面印刷移位缺陷识别方法，该方法包括：获取待检测电子产品的表面印刷图像；对表面印刷图像进行超像素块分割处理；从超像素块集合中筛选出印刷像素块集合；对印刷像素块集合中的每个印刷像素块进行移位缺陷识别处理，确定印刷像素块对应的移位缺陷显著度；生成印刷像素块对应的像素块信息；生成待检测电子产品表面印刷的移位缺陷信息。本发明通过对表面印刷图像进行图像处理，解决了对电子产品的表面印刷进行移位缺陷识别的准确度低下的技术问题，提高了对电子产品的表面印刷进行移位缺陷识别的准确度，主要应用于对电子产品的表面印刷进行移位缺陷识别。

Description

一种用于电子产品的表面印刷移位缺陷识别方法
技术领域
本发明涉及图像数据处理技术领域，具体涉及一种用于电子产品的表面印刷移位缺陷识别方法。
背景技术
随着科技的发展，电子产品的应用越来越广泛，由于多种原因，往往对电子产品的表面进行印刷。如，对印刷电路板表面进行锡膏印刷。由于印刷结果往往受多种因素影响，所以电子产品的表面的印刷可能会存在缺陷，因此，对电子产品的表面印刷进行缺陷识别至关重要。目前，对电子产品的表面印刷进行缺陷识别时，通常采用的方式为：获取电子产品的表面图像，提取表面图像中的印刷区域，并对印刷区域进行缺陷识别。
然而，当采用上述方式时，经常会存在如下技术问题：
对提取出的印刷区域进行缺陷识别，往往只分析印刷区域轮廓形状等方面的缺陷，忽略了印刷区域的位置，所以往往可以识别出漏印、桥连、坍塌或拉尖等与正常印刷区域形态差异较大的缺陷，由于移位缺陷往往是发生移位的正常印刷区域，所以移位缺陷往往需要关注印刷区域的位置，因此，对提取出的印刷区域进行缺陷识别，往往导致对电子产品的表面印刷进行移位缺陷识别的准确度低下。
发明内容
本发明的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本发明的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
为了解决对电子产品的表面印刷进行移位缺陷识别的准确度低下的技术问题，本发明提出了一种用于电子产品的表面印刷移位缺陷识别方法。
本发明提供了一种用于电子产品的表面印刷移位缺陷识别方法，该方法包括：
获取待检测电子产品的表面印刷图像；
对所述表面印刷图像进行超像素块分割处理，得到超像素块集合；
根据预先获取的标准图像，从所述超像素块集合中筛选出印刷像素块集合；
对所述印刷像素块集合中的每个印刷像素块进行移位缺陷识别处理，确定所述印刷像素块对应的移位缺陷显著度；
根据预先设置的缺陷阈值和所述印刷像素块集合中的每个印刷像素块对应的移位缺陷显著度，生成所述印刷像素块对应的像素块信息；
根据所述印刷像素块集合中的各个印刷像素块对应的像素块信息，生成待检测电子产品表面印刷的移位缺陷信息。
进一步的，所述根据预先获取的标准图像，从所述超像素块集合中筛选出印刷像素块集合，包括：
获取多个样本电子产品的样本表面印刷图像，得到样本表面印刷图像集合；
对于样本表面印刷图像集合中的每个样本表面印刷图像，对所述样本表面印刷图像进行印刷模板划分处理，得到所述样本表面印刷图像对应的印刷模板区域集合；
根据所述样本表面印刷图像集合中的样本表面印刷图像对应的印刷模板区域集合中的印刷模板区域的位置，对样本表面印刷图像进行合并，得到所述标准图像，其中，所述标准图像包括：目标印刷模板区域集合；
根据所述标准图像包括的目标印刷模板区域集合中的目标印刷模板区域中的各个像素点对应的像素值，从所述超像素块集合中筛选出印刷像素块集合。
进一步的，所述对所述印刷像素块集合中的每个印刷像素块进行移位缺陷识别处理，确定所述印刷像素块对应的移位缺陷显著度，包括：
对所述印刷像素块进行规整识别处理，得到所述印刷像素块对应的规整外形显著度；
对所述印刷像素块进行印刷喷溅散落识别处理，得到所述印刷像素块对应的喷溅散落显著度；
对所述印刷像素块进行印刷偏移识别处理，得到所述印刷像素块对应的偏移显著度；
根据所述印刷像素块对应的规整外形显著度、喷溅散落显著度和偏移显著度，确定所述印刷像素块对应的移位缺陷显著度。
进一步的，所述对所述印刷像素块进行规整识别处理，得到所述印刷像素块对应的规整外形显著度，包括：
确定所述印刷像素块对应的最小外接矩形的四个顶点，得到所述印刷像素块对应的顶点集合；
根据所述印刷像素块对应的顶点集合中的每个顶点的位置，从所述印刷像素块的边缘中筛选出所述顶点对应的目标曲线，得到所述印刷像素块对应的目标曲线集合；
根据所述印刷像素块对应的目标曲线集合，将所述印刷像素块对应的边缘，划分为4个第一子边缘线，得到所述印刷像素块对应的第一子边缘线集合；
对所述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线进行直线拟合，确定所述第一子边缘线对应的拟合直线、第一拟合优度和第一倾斜角；
根据所述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线和所述第一子边缘线对应的拟合直线，确定所述第一子边缘线对应的离群点数量；
将所述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线均分为预先设置的目标数目个第二子边缘线，得到所述第一子边缘线对应的第二子边缘线集合；
对于所述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线对应的第二子边缘线集合中的每个第二子边缘线，对所述第二子边缘线进行直线拟合，确定所述第二子边缘线对应的第二倾斜角，得到所述第一子边缘线对应的第二倾斜角集合；
根据所述印刷像素块对应第一子边缘线集合中的各个第一子边缘线对应的第一拟合优度、第一倾斜角、离群点数量和第二倾斜角集合，确定所述印刷像素块对应的规整外形显著度。
进一步的，所述根据所述印刷像素块对应的顶点集合中的每个顶点的位置，从所述印刷像素块的边缘中筛选出所述顶点对应的目标曲线，包括：
从所述印刷像素块的边缘中筛选出与所述顶点最近的预先设置的预设数目个相邻的像素点，得到所述顶点对应的像素点集合；
将所述顶点对应的像素点集合中的各个像素点相连得到的曲线，确定为所述顶点对应的目标曲线。
进一步的，所述根据所述印刷像素块对应的目标曲线集合，将所述印刷像素块对应的边缘，划分为4个第一子边缘线，得到所述印刷像素块对应的第一子边缘线集合，包括：
将所述印刷像素块对应的目标曲线集合中的第一个目标曲线与第二个目标曲线之间的边缘，确定为所述印刷像素块对应的第一子边缘线集合中的第一个第一子边缘线；
将所述印刷像素块对应的目标曲线集合中的第二个目标曲线与第三个目标曲线之间的边缘，确定为所述印刷像素块对应的第一子边缘线集合中的第二个第一子边缘线；
将所述印刷像素块对应的目标曲线集合中的第三个目标曲线与第四个目标曲线之间的边缘，确定为所述印刷像素块对应的第一子边缘线集合中的第三个第一子边缘线；
将所述印刷像素块对应的目标曲线集合中的第一个目标曲线与第四个目标曲线之间的边缘，确定为所述印刷像素块对应的第一子边缘线集合中的第四个第一子边缘线。
进一步的，所述根据所述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线和所述第一子边缘线对应的拟合直线，确定所述第一子边缘线对应的离群点数量，包括：
将所述第一子边缘线中的像素点与所述第一子边缘线对应的拟合直线中的像素点的交集，确定为所述第一子边缘线对应的共同像素点集合；
将所述第一子边缘线对应的共同像素点集合中的各个共同像素点对应的预先设置的目标区域中的第一边缘像素点，确定为紧密点，得到所述第一子边缘线对应的紧密点集合，其中，目标区域是以共同像素点为中心点的方形区域，第一边缘像素点是第一子边缘线中的像素点；
将所述第一子边缘线中除了紧密点集合之外的像素点，确定为离散点，得到所述第一子边缘线对应的离散点集合；
将所述第一子边缘线对应的离散点集合中的离散点的数量，确定为所述第一子边缘线对应的离群点数量。
进一步的，所述对所述印刷像素块进行印刷喷溅散落识别处理，得到所述印刷像素块对应的喷溅散落显著度，包括：
根据所述印刷像素块对应的最小外接矩形，构建所述印刷像素块对应的目标矩形；
从所述印刷像素块对应的目标矩形中筛选出喷溅散落像素块，得到所述印刷像素块对应的喷溅散落像素块集合；
对所述印刷像素块对应的喷溅散落像素块集合中的各个像素点进行聚类，得到所述印刷像素块对应的类别数量；
根据所述印刷像素块对应的喷溅散落像素块集合中的喷溅散落像素块的数量和所述印刷像素块对应的类别数量，确定所述印刷像素块对应的喷溅散落显著度。
进一步的，所述对所述印刷像素块进行印刷偏移识别处理，得到所述印刷像素块对应的偏移显著度，包括：
对所述印刷像素块中的像素点进行主成分分析，得到所述印刷像素块对应的主成分方向；
将所述印刷像素块对应的主成分方向与水平方向的夹角，确定为所述印刷像素块对应的主成分倾斜角；
将与所述印刷像素块对应的主成分方向垂直的方向，确定为所述印刷像素块对应的宽度方向；
根据所述印刷像素块对应的宽度方向，确定所述印刷像素块对应的目标宽度；
根据所述标准图像，确定所述印刷像素块对应的目标印刷模板区域；
确定所述印刷像素块对应的目标印刷模板区域对应的主成分倾斜角和目标宽度；
根据所述印刷像素块和所述印刷像素块对应的目标印刷模板区域，确定所述印刷像素块对应的目标差值；
根据所述印刷像素块对应的目标差值、主成分倾斜角和目标宽度，所述印刷像素块对应的目标印刷模板区域对应的主成分倾斜角和目标宽度，确定所述印刷像素块对应的偏移显著度。
进一步的，所述根据预先设置的缺陷阈值和所述印刷像素块集合中的每个印刷像素块对应的移位缺陷显著度，生成所述印刷像素块对应的像素块信息，包括：
当印刷像素块对应的移位缺陷显著度大于缺陷阈值时，生成表征印刷像素块发生了移位的像素块信息；
当印刷像素块对应的移位缺陷显著度小于或等于缺陷阈值时，生成表征印刷像素块未发生移位的像素块信息。
本发明具有如下有益效果：
本发明的一种用于电子产品的表面印刷移位缺陷识别方法，通过对表面印刷图像进行图像处理，解决了对电子产品的表面印刷进行移位缺陷识别的准确度低下的技术问题，提高了对电子产品的表面印刷进行移位缺陷识别的准确度。首先，获取待检测电子产品的表面印刷图像。实际情况中，往往存在采用人工的方式，对电子产品的表面印刷进行移位缺陷识别。当采用人工的方式，对电子产品的表面印刷进行移位缺陷识别时，往往是凭借检测者的主观感受进行检测识别，往往受人工经验、疲劳度等影响较大，作出的识别判断往往不准确，因此，当采用人工的方式对电子产品的表面印刷进行移位缺陷识别时，往往会导致对电子产品的表面印刷进行移位缺陷识别的准确度低下。并且，现有的技术往往存在利用神经网络进行缺陷识别的方法，当利用神经网络进行缺陷识别时，往往需要大量有缺陷电子产品表面图像和无缺陷电子产品表面图像，这些图像的收集往往需要耗费大量的时间，并且训练神经网络的时间往往也较长，因此，往往导致对电子产品的表面印刷进行移位缺陷识别的效率低下。因此，通过获取包含有待检测电子产品表面信息的表面印刷图像，可以便于后续通过对表面印刷图像进行图像处理，分析待检测电子产品的表面印刷缺陷情况，可以提高对电子产品的表面印刷进行移位缺陷识别的准确度。接着，对上述表面印刷图像进行超像素块分割处理，得到超像素块集合。实际情况中，印刷区域的纹理、颜色、亮度等特征往往与未印刷区域的纹理、颜色、亮度等特征不相似。因此，通过超像素块分割处理，可以把纹理、颜色、亮度等特征相似的像素点划分到同一个超像素块，可以便于后续确定待检测电子产品的表面印刷移位缺陷情况。然后，根据预先获取的标准图像，从上述超像素块集合中筛选出印刷像素块集合。由于移位缺陷可以是发生移位的正常印刷区域，所以通过对比标准图像，可以提高对印刷像素块集合筛选的准确度。之后，对上述印刷像素块集合中的每个印刷像素块进行移位缺陷识别处理，确定上述印刷像素块对应的移位缺陷显著度。由于移位缺陷可以是发生移位的正常印刷区域，所以对印刷像素块进行移位缺陷识别，相较于对表面印刷图像包括的超像素块集合中的各个超像素块进行移位缺陷识别，提高了对待检测电子产品的表面印刷进行移位缺陷识别的效率。而后，根据预先设置的缺陷阈值和上述印刷像素块集合中的每个印刷像素块对应的移位缺陷显著度，生成上述印刷像素块对应的像素块信息。根据量化的移位缺陷显著度，生成印刷像素块对应的像素块信息，可以提高生成的像素块信息的准确度。最后，根据上述印刷像素块集合中的各个印刷像素块对应的像素块信息，生成待检测电子产品表面印刷的移位缺陷信息。因此，本发明通过对表面印刷图像进行图像处理，解决了对电子产品的表面印刷进行移位缺陷识别的准确度低下的技术问题，提高了对电子产品的表面印刷进行移位缺陷识别的准确度。
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为根据本发明的一种用于电子产品的表面印刷移位缺陷识别方法的流程图；
图2为根据本发明的对样本表面印刷图像进行合并的示意图；
图3为根据本发明的顶点对应的像素点集合的示意图；
图4为根据本发明的目标印刷模板区域和参考矩形的示意图。
其中，图2中的附图标记包括：第一样本表面印刷图像201、第一印刷模板区域202、第二印刷模板区域203、第二样本表面印刷图像204、第三印刷模板区域205、第四印刷模板区域206、标准图像207、第一目标印刷模板区域208和第二目标印刷模板区域209。
图3中的附图标记包括：顶点301。
图4中的附图标记包括：第一目标印刷模板区域401、第二目标印刷模板区域402、第三目标印刷模板区域403、第四目标印刷模板区域404、第五目标印刷模板区域405、参考矩形406、第七目标印刷模板区域407、第八目标印刷模板区域408、第九目标印刷模板区域409和第十目标印刷模板区域410。
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。
本发明提供了一种用于电子产品的表面印刷移位缺陷识别方法，该方法包括以下步骤：
获取待检测电子产品的表面印刷图像；
对表面印刷图像进行超像素块分割处理，得到超像素块集合；
根据预先获取的标准图像，从超像素块集合中筛选出印刷像素块集合；
对印刷像素块集合中的每个印刷像素块进行移位缺陷识别处理，确定印刷像素块对应的移位缺陷显著度；
根据预先设置的缺陷阈值和印刷像素块集合中的每个印刷像素块对应的移位缺陷显著度，生成印刷像素块对应的像素块信息；
根据印刷像素块集合中的各个印刷像素块对应的像素块信息，生成待检测电子产品表面印刷的移位缺陷信息。
下面对上述各个步骤进行详细展开：
参考图1，示出了根据本发明的一种用于电子产品的表面印刷移位缺陷识别方法的一些实施例的流程。该用于电子产品的表面印刷移位缺陷识别方法，包括以下步骤：
步骤S1，获取待检测电子产品的表面印刷图像。
在一些实施例中，可以获取待检测电子产品的表面印刷图像。
其中，待检测电子产品可以是待检测表面印刷矩形图案移位缺陷情况的电子产品。例如，待检测电子产品可以是印刷有锡膏的PCB（Printed Circuit Board，印刷电路板）。PCB中的锡膏区域往往是矩形区域。矩形图案可以是矩形区域。移位缺陷可以表征发生移位的正常印刷区域。如，移位缺陷可以表征PCB中发生偏移的正常的锡膏区域。表面印刷图像可以是拍摄有待检测电子产品表面的图像。
作为示例，可以通过CCD（Charge Coupled Device，电荷耦合元件）相机，获取待检测电子产品的表面印刷图像。
步骤S2，对表面印刷图像进行超像素块分割处理，得到超像素块集合。
在一些实施例中，可以对上述表面印刷图像进行超像素块分割处理，得到超像素块集合。
其中，超像素块集合中的超像素块可以是由纹理、颜色、亮度等特征相似的像素点组成的区域。
作为示例，可以通过超像素分割算法，从表面印刷图像分割出预先设置的超像素数量个超像素块，得到超像素块集合。其中，超像素数量可以是50。
步骤S3，根据预先获取的标准图像，从超像素块集合中筛选出印刷像素块集合。
在一些实施例中，可以根据预先获取的标准图像，从上述超像素块集合中筛选出印刷像素块集合。
其中，标准图像可以是预先获取的与待检测电子产品的规格型号相同的没有缺陷的电子产品的图像。印刷像素块集合中的印刷像素块可以表征待检测电子产品表面被印刷的区域。
作为示例，本步骤可以包括以下步骤：
第一步，获取多个样本电子产品的样本表面印刷图像，得到样本表面印刷图像集合。
其中，样本电子产品可以是与待检测电子产品的规格型号相同的没有缺陷的电子产品。样本表面印刷图像可以是拍摄有样本电子产品表面的图像。
例如，可以通过CCD相机，获取多个样本电子产品的样本表面印刷图像，得到样本表面印刷图像集合。其中，获取样本表面印刷图像时，可以调节CCD相机的拍摄角度与拍摄表面印刷图像时相同、并且调节样本电子产品与待检测电子产品的摆放方向、光源强度等相同。
第二步，对于样本表面印刷图像集合中的每个样本表面印刷图像，对上述样本表面印刷图像进行印刷模板划分处理，得到上述样本表面印刷图像对应的印刷模板区域集合。
其中，印刷模板区域集合中的印刷模板区域可以表征样本电子产品表面印刷所在的区域。如，当样本电子产品是印刷有锡膏的PCB时，印刷模板区域集合中的印刷模板区域可以表征PCB表面锡膏所在的区域。
本步骤可以通过现有技术实现，在此不再赘述。
第三步，根据上述样本表面印刷图像集合中的样本表面印刷图像对应的印刷模板区域集合中的印刷模板区域的位置，对样本表面印刷图像进行合并，得到上述标准图像。
其中，上述标准图像可以包括：目标印刷模板区域集合。
例如，可以对样本表面印刷图像集合中的各个样本表面印刷图像对应的印刷模板区域集合中相同位置的印刷模板区域进行合并，得到目标印刷模板区域。比如，如图2所示，样本表面印刷图像集合可以包括：第一样本表面印刷图像201和第二样本表面印刷图像204。第一样本表面印刷图像201对应的印刷模板区域集合可以包括：第一印刷模板区域202和第二印刷模板区域203。第二样本表面印刷图像204对应的印刷模板区域集合可以包括：第三印刷模板区域205和第四印刷模板区域206。可以将第一印刷模板区域202和第三印刷模板区域205的并集，确定为标准图像207包括的第一目标印刷模板区域208。可以将第二印刷模板区域203和第四印刷模板区域206的并集，确定为标准图像207包括的第二目标印刷模板区域209。第一目标印刷模板区域208和第二目标印刷模板区域209可以组成目标印刷模板区域集合。
其中，由于第一印刷模板区域202和第三印刷模板区域205分别是第一样本表面印刷图像201和第二样本表面印刷图像204中的第一个印刷模板区域，所以可以认为第一印刷模板区域202和第三印刷模板区域205是第一样本表面印刷图像201和第二样本表面印刷图像204对应的印刷模板区域集合中相同位置的印刷模板区域。同样的，由于第二印刷模板区域203和第四印刷模板区域206分别是第一样本表面印刷图像201和第二样本表面印刷图像204中的第二个印刷模板区域，所以可以认为第二印刷模板区域203和第四印刷模板区域206是第一样本表面印刷图像201和第二样本表面印刷图像204对应的印刷模板区域集合中相同位置的印刷模板区域。
实际情况中，对电子产品表面进行印刷时，往往允许存在一定的误差，所以不同样本电子产品对应的样本表面印刷图像往往可以不同，因此，对样本表面印刷图像进行合并，可以使标准图像涵盖尽可能多的样本电子产品对应的印刷模板区域集合。
第四步，根据上述标准图像包括的目标印刷模板区域集合中的目标印刷模板区域中的各个像素点对应的像素值，从上述超像素块集合中筛选出印刷像素块集合。
其中，印刷像素块集合中的印刷像素块中的各个像素点对应的像素值可以属于目标像素值范围。目标像素值范围可以包括目标印刷模板区域集合中的各个目标印刷模板区域中的各个像素点对应的像素值。
例如，本步骤可以包括以下子步骤：
第一子步骤，对标准图像进行灰度化，得到灰度图像。
第二子步骤，可以通过MSD（Mean Square Differences，基于灰度的模板匹配）算法，对目标印刷模板区域与超像素块进行匹配，将匹配成功的超像素块，确定为印刷像素块。
步骤S4，对印刷像素块集合中的每个印刷像素块进行移位缺陷识别处理，确定印刷像素块对应的移位缺陷显著度。
在一些实施例中，可以对上述印刷像素块集合中的每个印刷像素块进行移位缺陷识别处理，确定上述印刷像素块对应的移位缺陷显著度。
其中，印刷像素块对应的移位缺陷显著度可以表征该印刷像素块存在移位缺陷的可能性。
作为示例，本步骤可以包括以下步骤：
第一步，对上述印刷像素块进行规整识别处理，得到上述印刷像素块对应的规整外形显著度。
其中，印刷像素块对应的规整外形显著度可以表征该印刷像素块为矩形区域的可能性。
例如，本步骤可以包括以下子步骤：
第一子步骤，确定上述印刷像素块对应的最小外接矩形的四个顶点，得到上述印刷像素块对应的顶点集合。
其中，印刷像素块对应的最小外接矩形可以是印刷像素块的最小外接矩形。
本子步骤可以通过现有技术实现，在此不再赘述。
第二子步骤，根据上述印刷像素块对应的顶点集合中的每个顶点的位置，从上述印刷像素块的边缘中筛选出上述顶点对应的目标曲线，得到上述印刷像素块对应的目标曲线集合。
比如，本子步骤可以包括以下步骤：
首先，从上述印刷像素块的边缘中筛选出与上述顶点最近的预先设置的预设数目个相邻的像素点，得到上述顶点对应的像素点集合。
其中，预设数目可以是30。
如图3所示，圆角矩形可以表征印刷像素块。圆角矩形的最小外接矩形可以表征印刷像素块对应的最小外接矩形。空心圆可以表征像素点。当预设数目为5时，图3中的5个空心圆可以表征顶点301对应的像素点集合中的像素点。
接着，将上述顶点对应的像素点集合中的各个像素点相连得到的曲线，确定为上述顶点对应的目标曲线。
第三子步骤，根据上述印刷像素块对应的目标曲线集合，将上述印刷像素块对应的边缘，划分为4个第一子边缘线，得到上述印刷像素块对应的第一子边缘线集合。
比如，本子步骤可以包括以下步骤：
首先，将上述印刷像素块对应的目标曲线集合中的第一个目标曲线与第二个目标曲线之间的边缘，确定为上述印刷像素块对应的第一子边缘线集合中的第一个第一子边缘线。
接着，将上述印刷像素块对应的目标曲线集合中的第二个目标曲线与第三个目标曲线之间的边缘，确定为上述印刷像素块对应的第一子边缘线集合中的第二个第一子边缘线。
然后，将上述印刷像素块对应的目标曲线集合中的第三个目标曲线与第四个目标曲线之间的边缘，确定为上述印刷像素块对应的第一子边缘线集合中的第三个第一子边缘线。
最后，将上述印刷像素块对应的目标曲线集合中的第一个目标曲线与第四个目标曲线之间的边缘，确定为上述印刷像素块对应的第一子边缘线集合中的第四个第一子边缘线。
第四子步骤，对上述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线进行直线拟合，确定上述第一子边缘线对应的拟合直线、第一拟合优度和第一倾斜角。
其中，第一子边缘线对应的拟合直线可以是对该第一子边缘线进行直线拟合后得到的直线。第一子边缘线对应的第一拟合优度可以表征该第一子边缘线拟合为拟合直线的拟合程度。第一子边缘线对应的第一倾斜角可以是该第一子边缘线与水平方向的夹角。
本子步骤可以通过现有技术实现，在此不再赘述。
第五子步骤，根据上述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线和上述第一子边缘线对应的拟合直线，确定上述第一子边缘线对应的离群点数量。
比如，本子步骤可以包括以下步骤：
首先，将上述第一子边缘线中的像素点与上述第一子边缘线对应的拟合直线中的像素点的交集，确定为上述第一子边缘线对应的共同像素点集合。
接着，将上述第一子边缘线对应的共同像素点集合中的各个共同像素点对应的预先设置的目标区域中的第一边缘像素点，确定为紧密点，得到上述第一子边缘线对应的紧密点集合。
其中，目标区域可以是以共同像素点为中心点的方形区域。如，目标区域可以是包括中心点的5×5邻域。第一边缘像素点是第一子边缘线中的像素点。
然后，将上述第一子边缘线中除了紧密点集合之外的像素点，确定为离散点，得到上述第一子边缘线对应的离散点集合。
其中，离散点集合中的离散点可以是发生异常的像素点。
最后，将上述第一子边缘线对应的离散点集合中的离散点的数量，确定为上述第一子边缘线对应的离群点数量。
实际情况中，当第一子边缘线越接近直线时，该第一子边缘线对应的离群点数量往往越少，该第一子边缘线往往越可能是正常的边缘线或发生移位的边缘线。由于对电子产品表面进行印刷时，往往允许存在一定的误差，正常的印刷区域的4个边缘往往不一定是非常规整的直线段。所以将第一子边缘线中除了紧密点集合之外的像素点，确定为离散点，相较于直接将第一子边缘线中除了共同像素点集合之外的像素点，确定为离散点，考虑了正常范围下的误差情况，可以使确定的离群点更加符合实际情况。
第六子步骤，将上述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线均分为预先设置的目标数目个第二子边缘线，得到上述第一子边缘线对应的第二子边缘线集合。
其中，目标数目可以是预先设置的数目。如，目标数目可以是6。第二子边缘线可以是边缘线段。
第七子步骤，对于上述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线对应的第二子边缘线集合中的每个第二子边缘线，对上述第二子边缘线进行直线拟合，确定上述第二子边缘线对应的第二倾斜角，得到上述第一子边缘线对应的第二倾斜角集合。
其中，第二子边缘线对应的第二倾斜角可以是该第二子边缘线与水平方向的夹角。
本子步骤可以通过现有技术实现，在此不再赘述。
第八子步骤，根据上述印刷像素块对应第一子边缘线集合中的各个第一子边缘线对应的第一拟合优度、第一倾斜角、离群点数量和第二倾斜角集合，确定上述印刷像素块对应的规整外形显著度。
比如，确定印刷像素块对应的规整外形显著度对应的公式可以为：
Figure 900324DEST_PATH_IMAGE002
其中，srs是印刷像素块对应的规整外形显著度。
Figure DEST_PATH_IMAGE003
是印刷像素块对应第一子边缘线集合中的第i个第一子边缘线对应的第一拟合优度。i是印刷像素块对应第一子边缘线集合中的第第一子边缘线的序号。
Figure 131848DEST_PATH_IMAGE004
是印刷像素块对应第一子边缘线集合中的第i个第一子边缘线对应的离群点数量。t是第二倾斜角集合中的第二倾斜角的数量。
Figure DEST_PATH_IMAGE005
是印刷像素块对应第一子边缘线集合中的第i个第一子边缘线对应的第二倾斜角集合中的第u个第二倾斜角。u是印刷像素块对应第一子边缘线集合中的第i个第一子边缘线对应的第二倾斜角集合中的第二倾斜角的序号。
Figure 925360DEST_PATH_IMAGE006
是印刷像素块对应第一子边缘线集合中的第i个第一子边缘线对应的第一倾斜角。
实际情况中，由于印刷像素块对应的规整外形显著度可以表征该印刷像素块为矩形区域的可能性。所以当印刷像素块对应第一子边缘线集合中的各个第一子边缘线对应的第一拟合优度越大、印刷像素块对应第一子边缘线集合中的各个第一子边缘线对应的离群点数量越小、
Figure 981041DEST_PATH_IMAGE005
与
Figure 92960DEST_PATH_IMAGE006
越相似，即
Figure 892289DEST_PATH_IMAGE005
与
Figure 212412DEST_PATH_IMAGE006
的差值的绝对值越小时，印刷像素块对应的规整外形显著度srs往往越大。并且考虑
Figure 704573DEST_PATH_IMAGE005
与
Figure 680619DEST_PATH_IMAGE006
之间的相似情况，可以避免忽略第一子边缘线的局部存在与该第一子边缘线整体不相似的情况，确定印刷像素块对应的规整外形显著度对应的公式并不限于以上公式，只要符合以上规律的公式，往往均可作为确定印刷像素块对应的规整外形显著度对应的公式。
第二步，对上述印刷像素块进行印刷喷溅散落识别处理，得到上述印刷像素块对应的喷溅散落显著度。
其中，印刷像素块对应的喷溅散落显著度可以表征该印刷像素块周围存在喷溅散落印刷的可能性。如，印刷像素块对应的喷溅散落显著度可以表征该印刷像素块周围存在喷溅散落锡膏的可能性。
例如，本步骤可以包括以下子步骤：
第一子步骤，根据上述印刷像素块对应的最小外接矩形，构建上述印刷像素块对应的目标矩形。
其中，目标矩形可以是比印刷像素块对应的最小外接矩形大的矩形。印刷像素块对应的目标矩形与最小外接矩形的中心可以是同一个点。
比如，首先，可以以印刷像素块的质心为中心，作该印刷像素块对应的最小外接矩形。接着，可以以印刷像素块的质心为中心，将该印刷像素块对应的最小外接矩形等比例放大，得到该印刷像素块对应的目标矩形，使目标矩形的尺寸为最小外接矩形的尺寸的预先设置的目标倍数。其中，目标倍数可以是根据标准图像可以包括的目标印刷模板区域集合中位置相邻的目标印刷模板区域之间的距离设置的。如，目标倍数可以3倍。
又如，首先，从目标印刷模板区域集合中筛选出与印刷像素块位置最近的目标印刷模板区域。其中，与印刷像素块位置最近的目标印刷模板区域可以是目标印刷模板区域集合中的中心点在标准图像中的位置与该印刷像素块的中心点在表面印刷图像中的位置之间的距离最短的目标印刷模板区域。如图4所示，与印刷像素块位置最近的目标印刷模板区域可以是第五目标印刷模板区域405。
接着，可以根据第五目标印刷模板区域405与多个相邻印刷模板区域之间的距离，确定第五目标印刷模板区域405的参考矩形406。其中，多个相邻印刷模板区域可以包括：第一目标印刷模板区域401、第二目标印刷模板区域402、第三目标印刷模板区域403、第四目标印刷模板区域404、第七目标印刷模板区域407、第八目标印刷模板区域408、第九目标印刷模板区域409和第十目标印刷模板区域410。参考矩形406中不包含除了第五目标印刷模板区域405之外的目标印刷模板区域。
最后，可以根据第五目标印刷模板区域405的参考矩形406，确定该印刷像素块对应的目标矩形。其中，可以以该印刷像素块的质心为中心，作该印刷像素块对应的目标矩形。该印刷像素块对应的目标矩形的尺寸可以与参考矩形406的尺寸相同。
第二子步骤，从上述印刷像素块对应的目标矩形中筛选出喷溅散落像素块，得到上述印刷像素块对应的喷溅散落像素块集合。
其中，喷溅散落像素块集合中的喷溅散落像素块可以是印刷像素块对应的目标矩形中包括的像素点的数量小于或等于该印刷像素块中的像素点的数量的目标比值的印刷像素块。如，目标比值可以为1/3。
第三子步骤，对上述印刷像素块对应的喷溅散落像素块集合中的各个像素点进行聚类，得到上述印刷像素块对应的类别数量。
比如，可以以2为最小数目，以5为半径，通过DBSCAN（Density-Based SpatialClustering of Applications with Noise，基于密度的聚类算法），对印刷像素块对应的喷溅散落像素块集合中的各个像素点进行聚类，得到该印刷像素块对应的多个类别，确定多个类别中类别的数量，将多个类别中类别的数量，确定为印刷像素块对应的类别数量。
第四子步骤，根据上述印刷像素块对应的喷溅散落像素块集合中的喷溅散落像素块的数量和上述印刷像素块对应的类别数量，确定上述印刷像素块对应的喷溅散落显著度。
比如，可以将印刷像素块对应的喷溅散落像素块集合中的喷溅散落像素块的数量与该印刷像素块对应的类别数量的乘积，确定为该印刷像素块对应的喷溅散落显著度。
实际情况中，由于印刷像素块对应的喷溅散落显著度可以表征该印刷像素块周围存在喷溅散落印刷的可能性。所以当印刷像素块对应的喷溅散落像素块集合中的喷溅散落像素块的数量或该印刷像素块对应的类别数量越大时，该印刷像素块对应的喷溅散落显著度往往越大。由于，移位缺陷往往表征发生移位的正常印刷区域，所以只发生移位缺陷的印刷像素块周围往往不存在喷溅散落的印刷，因此印刷像素块对应的喷溅散落显著度越大，印刷像素块存在移位缺陷的可能性往往越小。
第三步，对上述印刷像素块进行印刷偏移识别处理，得到上述印刷像素块对应的偏移显著度。
其中，印刷像素块对应的偏移显著度可以表征该印刷像素块发生偏移的可能性。
例如，本步骤可以包括以下子步骤：
第一子步骤，对上述印刷像素块中的像素点进行主成分分析，得到上述印刷像素块对应的主成分方向。
比如，可以通过PCA算法（Principle Compoent Analysis，主元成分分析算法），对印刷像素块中的像素点对应的坐标进行主成分分析，得到上述印刷像素块对应的主成分方向。
第二子步骤，将上述印刷像素块对应的主成分方向与水平方向的夹角，确定为上述印刷像素块对应的主成分倾斜角。
第三子步骤，将与上述印刷像素块对应的主成分方向垂直的方向，确定为上述印刷像素块对应的宽度方向。
第四子步骤，根据上述印刷像素块对应的宽度方向，确定上述印刷像素块对应的目标宽度。
比如，首先，可以通过PCA算法，对印刷像素块中的像素点进行主成分分析，得到上述印刷像素块对应的主成分。接着，可以作印刷像素块对应的主成分的最小外接矩形。其中，主成分的最小外接矩形可以是框住主成分的最小的矩形。最后，可以作与印刷像素块对应的宽度方向相同方向的直线，使该直线穿过该主成分的最小外接矩形，得到两个交点，并将这两个交点之间的距离，确定为该印刷像素块对应的目标宽度。当该主成分的最小外接矩形的宽所在的方向与印刷像素块对应的宽度方向相同时，可以将该主成分的最小外接矩形的宽度，确定为该印刷像素块对应的目标宽度。
第五子步骤，根据上述标准图像，确定上述印刷像素块对应的目标印刷模板区域。
比如，可以从目标印刷模板区域集合中筛选出与印刷像素块位置最近的目标印刷模板区域，作为该印刷像素块对应的目标印刷模板区域。其中，与印刷像素块位置最近的目标印刷模板区域可以是目标印刷模板区域集合中的中心点在标准图像中的位置与该印刷像素块的中心点在表面印刷图像中的位置之间的距离最短的目标印刷模板区域。
第六子步骤，确定上述印刷像素块对应的目标印刷模板区域对应的主成分倾斜角和目标宽度。
本子步骤的具体实现方式可以参考步骤S4包括的第三步包括的第一子步骤至第四子步骤，可以将印刷像素块对应的目标印刷模板区域，作为印刷像素块，执行步骤S4包括的第三步包括的第一子步骤至第四子步骤，得到的印刷像素块对应的主成分倾斜角和目标宽度，即为印刷像素块对应的目标印刷模板区域对应的主成分倾斜角和目标宽度。
第七子步骤，根据上述印刷像素块和上述印刷像素块对应的目标印刷模板区域，确定上述印刷像素块对应的目标差值。
比如，首先，可以将印刷像素块对应的主成分与印刷像素块对应的目标印刷模板区域对应的主成分之间的重合成分，确定为重合区域。接着，可以作重合区域的最小外接矩形，并将重合区域的最小外接矩形的宽度，作为该印刷像素块对应的目标差值。
第八子步骤，根据上述印刷像素块对应的目标差值、主成分倾斜角和目标宽度，上述印刷像素块对应的目标印刷模板区域对应的主成分倾斜角和目标宽度，确定上述印刷像素块对应的偏移显著度。
比如，确定印刷像素块对应的偏移显著度对应的公式可以为：
Figure 253945DEST_PATH_IMAGE008
其中，spd是印刷像素块对应的偏移显著度。
Figure DEST_PATH_IMAGE009
是印刷像素块对应的主成分倾斜角。
Figure 818788DEST_PATH_IMAGE010
是印刷像素块对应的目标印刷模板区域对应的主成分倾斜角。
Figure DEST_PATH_IMAGE011
是印刷像素块对应的目标宽度。
Figure 685113DEST_PATH_IMAGE012
是印刷像素块对应的目标印刷模板区域对应的目标宽度。
Figure DEST_PATH_IMAGE013
是印刷像素块对应的目标差值。min( )是求最小值函数。
实际情况中，由于印刷像素块对应的偏移显著度可以表征该印刷像素块发生偏移的可能性。所以当印刷像素块对应的主成分倾斜角与该印刷像素块对应的目标印刷模板区域对应的主成分倾斜角之间的差异越大、印刷像素块对应的目标宽度相对印刷像素块对应的目标宽度或该印刷像素块对应的目标印刷模板区域对应的目标宽度越小时，印刷像素块对应的偏移显著度spd往往越大。并且确定印刷像素块对应的偏移显著度对应的公式并不限于以上公式，只要符合以上规律的公式，往往均可作为确定印刷像素块对应的偏移显著度对应的公式。
第四步，根据上述印刷像素块对应的规整外形显著度、喷溅散落显著度和偏移显著度，确定上述印刷像素块对应的移位缺陷显著度。
例如，确定印刷像素块对应的移位缺陷显著度对应的公式可以为：
Figure DEST_PATH_IMAGE015
其中，spp是印刷像素块对应的移位缺陷显著度。e是自然常数。srs是印刷像素块对应的规整外形显著度。spd是印刷像素块对应的偏移显著度。sps是印刷像素块对应的喷溅散落显著度。
Figure 833941DEST_PATH_IMAGE016
、
Figure DEST_PATH_IMAGE017
和
Figure 538854DEST_PATH_IMAGE018
分别是根据实际情况，预先设置的印刷像素块对应的规整外形显著度、偏移显著度和喷溅散落显著度的权重。比如，
Figure DEST_PATH_IMAGE019
。如，
Figure 958203DEST_PATH_IMAGE020
。
Figure DEST_PATH_IMAGE021
。
Figure 353019DEST_PATH_IMAGE022
。
Figure DEST_PATH_IMAGE023
是预先设置的防止分母为0的数值。比如，
Figure 631553DEST_PATH_IMAGE024
。
实际情况中，由于印刷像素块对应的规整外形显著度可以表征该印刷像素块为矩形区域的可能性。印刷像素块对应的喷溅散落显著度可以表征该印刷像素块周围存在喷溅散落印刷的可能性。印刷像素块对应的偏移显著度可以表征该印刷像素块发生偏移的可能性。所以，当印刷像素块对应的规整外形显著度越大、喷溅散落显著度越小或偏移显著度越大时，印刷像素块对应的移位缺陷显著度往往越大，进而导致印刷像素块发生移位的可能性往往越大。并且
Figure DEST_PATH_IMAGE025
可以使印刷像素块对应的移位缺陷显著度spp的取值范围为[0，1]，可以便于后续判断印刷像素块是否发生了偏移。其次，分别为印刷像素块对应的规整外形显著度、偏移显著度和喷溅散落显著度设置权重，可以使确定的印刷像素块对应的移位缺陷显著度更加符合实际情况。确定印刷像素块对应的移位缺陷显著度对应的公式并不限于以上公式，只要符合以上规律的公式，往往均可作为确定印刷像素块对应的移位缺陷显著度对应的公式。
步骤S5，根据预先设置的缺陷阈值和印刷像素块集合中的每个印刷像素块对应的移位缺陷显著度，生成印刷像素块对应的像素块信息。
在一些实施例中，可以根据预先设置的缺陷阈值和上述印刷像素块集合中的每个印刷像素块对应的移位缺陷显著度，生成上述印刷像素块对应的像素块信息。
其中，缺陷阈值可以是预先设置的印刷像素块正常未移位时，所允许的印刷像素块对应的最大的移位缺陷显著度。例如，缺陷阈值可以是0.6。
作为示例，本步骤可以包括以下步骤：
第一步，当印刷像素块对应的移位缺陷显著度大于缺陷阈值时，生成表征印刷像素块发生了移位的像素块信息。
第二步，当印刷像素块对应的移位缺陷显著度小于或等于缺陷阈值时，生成表征印刷像素块未发生移位的像素块信息。
步骤S6，根据印刷像素块集合中的各个印刷像素块对应的像素块信息，生成待检测电子产品表面印刷的移位缺陷信息。
在一些实施例中，可以根据上述印刷像素块集合中的各个印刷像素块对应的像素块信息，生成待检测电子产品表面印刷的移位缺陷信息。
其中，移位缺陷信息可以包括印刷像素块集合中的各个印刷像素块对应的像素块信息。
作为示例，可以将印刷像素块集合中的各个印刷像素块对应的像素块信息，组合为待检测电子产品表面印刷的移位缺陷信息。
本发明的一种用于电子产品的表面印刷移位缺陷识别方法，通过对表面印刷图像进行图像处理，解决了对电子产品的表面印刷进行移位缺陷识别的准确度低下的技术问题，提高了对电子产品的表面印刷进行移位缺陷识别的准确度。首先，获取待检测电子产品的表面印刷图像。实际情况中，往往存在采用人工的方式，对电子产品的表面印刷进行移位缺陷识别。当采用人工的方式，对电子产品的表面印刷进行移位缺陷识别时，往往是凭借检测者的主观感受进行检测识别，往往受人工经验、疲劳度等影响较大，作出的识别判断往往不准确，因此，当采用人工的方式对电子产品的表面印刷进行移位缺陷识别时，往往会导致对电子产品的表面印刷进行移位缺陷识别的准确度低下。并且，现有的技术往往存在利用神经网络进行缺陷识别的方法，当利用神经网络进行缺陷识别时，往往需要大量有缺陷电子产品表面图像和无缺陷电子产品表面图像，这些图像的收集往往需要耗费大量的时间，并且训练神经网络的时间往往也较长，因此，往往导致对电子产品的表面印刷进行移位缺陷识别的效率低下。因此，通过获取包含有待检测电子产品表面信息的表面印刷图像，可以便于后续通过对表面印刷图像进行图像处理，分析待检测电子产品的表面印刷缺陷情况，可以提高对电子产品的表面印刷进行移位缺陷识别的准确度。接着，对上述表面印刷图像进行超像素块分割处理，得到超像素块集合。实际情况中，印刷区域的纹理、颜色、亮度等特征往往与未印刷区域的纹理、颜色、亮度等特征不相似。因此，通过超像素块分割处理，可以把纹理、颜色、亮度等特征相似的像素点划分到同一个超像素块，可以便于后续确定待检测电子产品的表面印刷移位缺陷情况。然后，根据预先获取的标准图像，从上述超像素块集合中筛选出印刷像素块集合。由于移位缺陷可以是发生移位的正常印刷区域，所以通过对比标准图像，可以提高对印刷像素块集合筛选的准确度。之后，对上述印刷像素块集合中的每个印刷像素块进行移位缺陷识别处理，确定上述印刷像素块对应的移位缺陷显著度。由于移位缺陷可以是发生移位的正常印刷区域，所以对印刷像素块进行移位缺陷识别，相较于对表面印刷图像包括的超像素块集合中的各个超像素块进行移位缺陷识别，提高了对待检测电子产品的表面印刷进行移位缺陷识别的效率。而后，根据预先设置的缺陷阈值和上述印刷像素块集合中的每个印刷像素块对应的移位缺陷显著度，生成上述印刷像素块对应的像素块信息。根据量化的移位缺陷显著度，生成印刷像素块对应的像素块信息，可以提高生成的像素块信息的准确度。最后，根据上述印刷像素块集合中的各个印刷像素块对应的像素块信息，生成待检测电子产品表面印刷的移位缺陷信息。因此，本发明通过对表面印刷图像进行图像处理，解决了对电子产品的表面印刷进行移位缺陷识别的准确度低下的技术问题，提高了对电子产品的表面印刷进行移位缺陷识别的准确度。
以上上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范围，均应包含在本申请的保护范围之内。

Claims (6)

1.一种用于电子产品的表面印刷移位缺陷识别方法，其特征在于，包括以下步骤：
获取待检测电子产品的表面印刷图像；
对所述表面印刷图像进行超像素块分割处理，得到超像素块集合；
根据预先获取的标准图像，从所述超像素块集合中筛选出印刷像素块集合；
对所述印刷像素块集合中的每个印刷像素块进行移位缺陷识别处理，确定所述印刷像素块对应的移位缺陷显著度；
根据预先设置的缺陷阈值和所述印刷像素块集合中的每个印刷像素块对应的移位缺陷显著度，生成所述印刷像素块对应的像素块信息；
根据所述印刷像素块集合中的各个印刷像素块对应的像素块信息，生成待检测电子产品表面印刷的移位缺陷信息；
所述对所述印刷像素块集合中的每个印刷像素块进行移位缺陷识别处理，确定所述印刷像素块对应的移位缺陷显著度，包括：
对所述印刷像素块进行规整识别处理，得到所述印刷像素块对应的规整外形显著度；
对所述印刷像素块进行印刷喷溅散落识别处理，得到所述印刷像素块对应的喷溅散落显著度；
对所述印刷像素块进行印刷偏移识别处理，得到所述印刷像素块对应的偏移显著度；
根据所述印刷像素块对应的规整外形显著度、喷溅散落显著度和偏移显著度，确定所述印刷像素块对应的移位缺陷显著度；
所述对所述印刷像素块进行规整识别处理，得到所述印刷像素块对应的规整外形显著度，包括：
确定所述印刷像素块对应的最小外接矩形的四个顶点，得到所述印刷像素块对应的顶点集合；
根据所述印刷像素块对应的顶点集合中的每个顶点的位置，从所述印刷像素块的边缘中筛选出所述顶点对应的目标曲线，得到所述印刷像素块对应的目标曲线集合；
根据所述印刷像素块对应的目标曲线集合，将所述印刷像素块对应的边缘，划分为4个第一子边缘线，得到所述印刷像素块对应的第一子边缘线集合；
对所述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线进行直线拟合，确定所述第一子边缘线对应的拟合直线、第一拟合优度和第一倾斜角；
根据所述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线和所述第一子边缘线对应的拟合直线，确定所述第一子边缘线对应的离群点数量；
将所述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线均分为预先设置的目标数目个第二子边缘线，得到所述第一子边缘线对应的第二子边缘线集合；
对于所述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线对应的第二子边缘线集合中的每个第二子边缘线，对所述第二子边缘线进行直线拟合，确定所述第二子边缘线对应的第二倾斜角，得到所述第一子边缘线对应的第二倾斜角集合；
根据所述印刷像素块对应第一子边缘线集合中的各个第一子边缘线对应的第一拟合优度、第一倾斜角、离群点数量和第二倾斜角集合，确定所述印刷像素块对应的规整外形显著度；
所述对所述印刷像素块进行印刷喷溅散落识别处理，得到所述印刷像素块对应的喷溅散落显著度，包括：
根据所述印刷像素块对应的最小外接矩形，构建所述印刷像素块对应的目标矩形；
从所述印刷像素块对应的目标矩形中筛选出喷溅散落像素块，得到所述印刷像素块对应的喷溅散落像素块集合；
对所述印刷像素块对应的喷溅散落像素块集合中的各个像素点进行聚类，得到所述印刷像素块对应的类别数量；
根据所述印刷像素块对应的喷溅散落像素块集合中的喷溅散落像素块的数量和所述印刷像素块对应的类别数量，确定所述印刷像素块对应的喷溅散落显著度；
所述对所述印刷像素块进行印刷偏移识别处理，得到所述印刷像素块对应的偏移显著度，包括：
对所述印刷像素块中的像素点进行主成分分析，得到所述印刷像素块对应的主成分方向；
将所述印刷像素块对应的主成分方向与水平方向的夹角，确定为所述印刷像素块对应的主成分倾斜角；
将与所述印刷像素块对应的主成分方向垂直的方向，确定为所述印刷像素块对应的宽度方向；
根据所述印刷像素块对应的宽度方向，确定所述印刷像素块对应的目标宽度；
根据所述标准图像，确定所述印刷像素块对应的目标印刷模板区域；
确定所述印刷像素块对应的目标印刷模板区域对应的主成分倾斜角和目标宽度；
根据所述印刷像素块和所述印刷像素块对应的目标印刷模板区域，确定所述印刷像素块对应的目标差值；
根据所述印刷像素块对应的目标差值、主成分倾斜角和目标宽度，所述印刷像素块对应的目标印刷模板区域对应的主成分倾斜角和目标宽度，确定所述印刷像素块对应的偏移显著度。
2.根据权利要求1所述的一种用于电子产品的表面印刷移位缺陷识别方法，其特征在于，所述根据预先获取的标准图像，从所述超像素块集合中筛选出印刷像素块集合，包括：
获取多个样本电子产品的样本表面印刷图像，得到样本表面印刷图像集合；
对于样本表面印刷图像集合中的每个样本表面印刷图像，对所述样本表面印刷图像进行印刷模板划分处理，得到所述样本表面印刷图像对应的印刷模板区域集合；
根据所述样本表面印刷图像集合中的样本表面印刷图像对应的印刷模板区域集合中的印刷模板区域的位置，对样本表面印刷图像进行合并，得到所述标准图像，其中，所述标准图像包括：目标印刷模板区域集合；
根据所述标准图像包括的目标印刷模板区域集合中的目标印刷模板区域中的各个像素点对应的像素值，从所述超像素块集合中筛选出印刷像素块集合。
3.根据权利要求1所述的一种用于电子产品的表面印刷移位缺陷识别方法，其特征在于，所述根据所述印刷像素块对应的顶点集合中的每个顶点的位置，从所述印刷像素块的边缘中筛选出所述顶点对应的目标曲线，包括：
从所述印刷像素块的边缘中筛选出与所述顶点最近的预先设置的预设数目个相邻的像素点，得到所述顶点对应的像素点集合；
将所述顶点对应的像素点集合中的各个像素点相连得到的曲线，确定为所述顶点对应的目标曲线。
4.根据权利要求1所述的一种用于电子产品的表面印刷移位缺陷识别方法，其特征在于，所述根据所述印刷像素块对应的目标曲线集合，将所述印刷像素块对应的边缘，划分为4个第一子边缘线，得到所述印刷像素块对应的第一子边缘线集合，包括：
将所述印刷像素块对应的目标曲线集合中的第一个目标曲线与第二个目标曲线之间的边缘，确定为所述印刷像素块对应的第一子边缘线集合中的第一个第一子边缘线；
将所述印刷像素块对应的目标曲线集合中的第二个目标曲线与第三个目标曲线之间的边缘，确定为所述印刷像素块对应的第一子边缘线集合中的第二个第一子边缘线；
将所述印刷像素块对应的目标曲线集合中的第三个目标曲线与第四个目标曲线之间的边缘，确定为所述印刷像素块对应的第一子边缘线集合中的第三个第一子边缘线；
将所述印刷像素块对应的目标曲线集合中的第一个目标曲线与第四个目标曲线之间的边缘，确定为所述印刷像素块对应的第一子边缘线集合中的第四个第一子边缘线。
5.根据权利要求1所述的一种用于电子产品的表面印刷移位缺陷识别方法，其特征在于，所述根据所述印刷像素块对应的第一子边缘线集合中的每个第一子边缘线和所述第一子边缘线对应的拟合直线，确定所述第一子边缘线对应的离群点数量，包括：
将所述第一子边缘线中的像素点与所述第一子边缘线对应的拟合直线中的像素点的交集，确定为所述第一子边缘线对应的共同像素点集合；
将所述第一子边缘线对应的共同像素点集合中的各个共同像素点对应的预先设置的目标区域中的第一边缘像素点，确定为紧密点，得到所述第一子边缘线对应的紧密点集合，其中，目标区域是以共同像素点为中心点的方形区域，第一边缘像素点是第一子边缘线中的像素点；
将所述第一子边缘线中除了紧密点集合之外的像素点，确定为离散点，得到所述第一子边缘线对应的离散点集合；
将所述第一子边缘线对应的离散点集合中的离散点的数量，确定为所述第一子边缘线对应的离群点数量。
6.根据权利要求1所述的一种用于电子产品的表面印刷移位缺陷识别方法，其特征在于，所述根据预先设置的缺陷阈值和所述印刷像素块集合中的每个印刷像素块对应的移位缺陷显著度，生成所述印刷像素块对应的像素块信息，包括：
当印刷像素块对应的移位缺陷显著度大于缺陷阈值时，生成表征印刷像素块发生了移位的像素块信息；
当印刷像素块对应的移位缺陷显著度小于或等于缺陷阈值时，生成表征印刷像素块未发生移位的像素块信息。
CN202211244739.8A 2022-10-12 2022-10-12 一种用于电子产品的表面印刷移位缺陷识别方法 Active CN115330761B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211244739.8A CN115330761B (zh) 2022-10-12 2022-10-12 一种用于电子产品的表面印刷移位缺陷识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211244739.8A CN115330761B (zh) 2022-10-12 2022-10-12 一种用于电子产品的表面印刷移位缺陷识别方法

Publications (2)

Publication Number Publication Date
CN115330761A CN115330761A (zh) 2022-11-11
CN115330761B true CN115330761B (zh) 2022-12-23

Family

ID=83914426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211244739.8A Active CN115330761B (zh) 2022-10-12 2022-10-12 一种用于电子产品的表面印刷移位缺陷识别方法

Country Status (1)

Country Link
CN (1) CN115330761B (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6613214B2 (ja) * 2016-07-29 2019-11-27 富士フイルム株式会社 印刷物検査装置、印刷物検査方法及びプログラム
CN112489002B (zh) * 2020-11-24 2024-05-31 广东省电子技术研究所 一种缺陷检测方法、装置、设备及存储介质
CN112348126B (zh) * 2021-01-06 2021-11-02 北京沃东天骏信息技术有限公司 一种印刷物品中目标对象的识别方法和装置
US11508058B2 (en) * 2021-03-23 2022-11-22 Xerox Corporation System and method for evaluating impacts of defects in printed images
CN114943736B (zh) * 2022-07-21 2022-10-25 山东嘉翔汽车散热器有限公司 一种汽车散热翅片生产质量检测方法及系统
CN115018838B (zh) * 2022-08-08 2022-11-29 和诚精密管业(南通)有限公司 用于被氧化钢管材料表面麻点瑕疵的识别方法
CN115049835B (zh) * 2022-08-16 2022-11-29 众烁精密模架(南通)有限公司 基于压铸模具缺陷识别的数据预处理方法
CN115170567B (zh) * 2022-09-07 2022-11-25 山东创乾海洋科技有限公司 一种船舶用的防水钢板缺陷检测方法

Also Published As

Publication number Publication date
CN115330761A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN111275697B (zh) 一种基于orb特征匹配和lk光流法的电池丝印质量检测方法
CN115115644B (zh) 一种基于人工智能的车辆焊接缺陷检测方法
CN107610111B (zh) 一种基于深度学习的焊点图像检测方法
US7869644B2 (en) Methods of and apparatus for inspecting substrate
CN111899241B (zh) 一种定量化的炉前pcb贴片缺陷在线检测方法及系统
CN104851085B (zh) 自动获取图像中检测区的方法及系统
CN109520706B (zh) 一种汽车保险丝盒的螺孔坐标提取方法
CN109615609A (zh) 一种基于深度学习的焊点瑕疵检测方法
CN115239727B (zh) 一种pcb板表面缺陷检测方法
CN117788467B (zh) 一种钛金属板材缺陷图像分类方法
CN109886960A (zh) 基于机器视觉的玻璃边缘缺陷检测的方法
CN111724375B (zh) 一种屏幕检测方法及系统
CN116309409A (zh) 一种焊缝缺陷检测方法、系统和存储介质
CN113706525B (zh) 一种基于图像处理的印刷电路板贴片缺陷智能识别方法
CN111861979A (zh) 一种定位方法、设备及计算机可读存储介质
CN111354047A (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN114972575A (zh) 一种基于轮廓边缘的直线拟合算法
CN112561875A (zh) 一种基于人工智能的光伏电池板粗栅检测方法
CN114255212A (zh) 一种基于cnn的fpc表面缺陷检测方法及其系统
CN114092448B (zh) 一种基于深度学习的插件电解电容混合检测方法
CN115272350A (zh) 一种计算机pcb主板生产质量检测方法
CN111539927A (zh) 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法
JP3009205B2 (ja) 検査方法及びその装置
CN115330761B (zh) 一种用于电子产品的表面印刷移位缺陷识别方法
CN108898584B (zh) 一种基于图像分析的全自动贴面电容装焊极性判别方法

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