CN115496747A - 一种判断钢网与pcb标志点重合度及检测对位平台效果的方法 - Google Patents
一种判断钢网与pcb标志点重合度及检测对位平台效果的方法 Download PDFInfo
- Publication number
- CN115496747A CN115496747A CN202211290548.5A CN202211290548A CN115496747A CN 115496747 A CN115496747 A CN 115496747A CN 202211290548 A CN202211290548 A CN 202211290548A CN 115496747 A CN115496747 A CN 115496747A
- Authority
- CN
- China
- Prior art keywords
- point
- pcb
- steel mesh
- image
- mark
- 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
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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种判断钢网与PCB标志点重合度及检测对位平台效果的方法,包括以下步骤:步骤1,开始;步骤2,制作Mark模版,包括钢网模版和PCB板模版;步骤3,等待软件TCP通讯通知;步骤4,实时采集图片,并分别获取对应钢网和PCB板的Mark点中心;步骤5,计算钢网Mark点中心和PCB板Mark点中心之间的偏差值;步骤6,判断每次收集的产品与参考点重合次数是否大于n,如果是,则自动计算输出对位效果的CPK值,并保存在文件中,否则返回步骤3。本发明的有益效果是:本发明的方法正常情况下每次获取的结果可保持在0.3‑0.5个像素以内,偏差值在1个像素值以内,数据精度高、稳定,可以把结果以数据形式保存在文件中。
Description
技术领域
本发明涉及锡膏印刷机领域,尤其涉及一种判断钢网与PCB标志点重合度及检测对位平台效果的方法。
背景技术
随着机器自动化的不断发展,出现了很多自动化产品,而全自动锡膏印刷机就是其中的一种,而印刷机印刷精度很大程度取决于相机采图的质量,利用人眼观察已经无法满足要求。
现有技术主要是通过人眼去观察,判断上下(钢网与PCB)的标志点的重合度,这种方式存在严重的问题,首先,人眼观察数据精度比较差,无法准确判断两个标志位的偏差值而做出校正;其二,人眼观察的稳定性比较差,同一个不同时间可能得到两个不同的数据,不同人的观察,稳定性更差;其次,现有技术不方便以数据方式保存结果值。
发明内容
本发明提供了一种判断钢网与PCB标志点重合度及检测对位平台效果的方法,包括以下步骤:
步骤1,初始化相机,打开光源。
步骤2,制作Mark模版,包括钢网模版和PCB板模版。
步骤3,等待软件TCP通讯通知。
步骤4,实时采集图片,并分别获取对应钢网和PCB板的Mark点中心。
步骤5,计算钢网Mark点中心和PCB板Mark点中心之间的偏差值;
步骤6,判断每次收集的产品与参考点重合次数是否大于n,如果是,则自动计算输出对位效果的CPK值,并保存在文件中,否则返回步骤3。
作为本发明的进一步改进,在所述步骤4中,还包括:
步骤40,采集图片。
步骤41,匹配钢网的Mark点中心。
步骤42,再一次采集图片。
步骤43,匹配PCB板的Mark点中心。
作为本发明的进一步改进,在所述步骤4中,获取PCB板或钢网的Mark点中心的具体步骤如下:
步骤A1,控制相机获取一张实时图片。
步骤A2,对图像进行灰度处理。
步骤A3,对图像进行均值滤波和高斯滤波,消除噪点部分和图像畸变部分,再对图像进行二值化,获取图像的轮廓点。
步骤A4,通过轮廓点集找到钢网或PCB板的Mark点集。
步骤A5,对钢网或PCB板的Mark点集进行最小二乘法和拟合。
步骤A6,获取钢网或PCB板的Mark点中心坐标。
作为本发明的进一步改进,在所述步骤A2中,对图像进行灰度处理后为减少图像数据处理量,可缩小图像比例,然后利用模板匹配进行一次定位,对图像进行裁剪,只保留模板匹配位置。
作为本发明的进一步改进,在所述步骤A2中,采用NCC模版匹配图像的方式进行一次定。
作为本发明的进一步改进,在所述步骤A4中,所述轮廓包括包括轮廓点的面积、形状、圆率。
作为本发明的进一步改进,在所述步骤A4中,采用滤波的方式获取准确的Mark点轮廓,并设置好阈值。
作为本发明的进一步改进,在所述步骤A3中,采用Zernik矩获取图像的轮廓点,其步骤如下:
步骤B1,首先利用步骤A2的模板位置图像进行中值滤波。
步骤B2,进行自适应二值化。
步骤B3,进行高斯滤波,得到一条光滑的圆环,然后与Zernik矩的模板矩阵进行卷积运算,得到每个像素点的七个Zernike矩,对于每个点,根据它的七个Zernike矩,求得距离参数l和灰度差参数k,当l和k都满足设定的条件时,则判读该点为边缘点,并进一步利用上述七个Zernike矩求出该点的亚像素级坐标,如果l或k不满足设定的条件,则该点不是边缘点,转到下一个点求解距离参数l和灰度差参数k,从而求出图像的轮廓点。
作为本发明的进一步改进,在所述步骤B2中,在进行自适应二值化时不需要手动设置阈值。
本发明的有益效果是:本发明的方法可以很简单解决现有技术存在的稳定性差、不方便以数据方式保存结果值等问题,本发明的方法正常情况下每次获取的结果可以保持在0.3-0.5个像素以内,偏差值在1个像素值以内,数据精度高、稳定,并且可以把结果以数据形式保存在文件中,同时也可以利用这些数据计算出对位的CPK值,使用起来也非常方便。
附图说明
图1是本发明方法的流程图;
图2是本发明获取PCB板或钢网的Mark点中心流程图。
具体实施方式
本发明方法解决的是钢网和PCB板的Mark点重合度的问题,本发明通过首先做好Mark点的模板,然后再实时采集图像,获取两点中心,便可以计算中心偏差值,从而判断重合度。
如图1所示,本发明公开了一种判断钢网与PCB标志点重合度及检测对位平台效果的方法,包括以下步骤:
步骤1,初始化相机,打开光源。
步骤2,制作Mark模版,包括钢网模版和PCB板模版。
步骤3,等待软件TCP通讯通知。
步骤4,实时采集图片,并分别获取对应钢网和PCB板的Mark点中心。
步骤5,计算钢网Mark点中心和PCB板Mark点中心之间的偏差值;
步骤6,判断每次收集的产品与参与点重合的次数(要求收集50组以上)是否大于n,如果是,则自动计算输出对位效果的CPK值(行业统计数据量都要求在50组以上,在收集统计过程中,如果数据不满足50组以上,是会进行重复收集动作,一直操作大与50次),并保存在文件中,否则返回步骤3。对位效果是图像处理对产品mark与参考点mark进行定位识别的X-Y像素坐标数据,进行一个数据比较。
在所述步骤4中,还包括:
步骤40,采集图片。
步骤41,匹配钢网的Mark点中心。
步骤42,再一次采集图片。
步骤43,匹配PCB板的Mark点中心。
如图2所示,在所述步骤4中,获取PCB板或钢网的Mark点中心的具体步骤如下:
步骤A1,控制相机获取一张实时图片。
步骤A2,对图像进行灰度处理。
在所述步骤A2中,对图像进行灰度处理后为减少图像数据处理量,可缩小图像比例,然后利用模板匹配进行一次定位,对图像进行裁剪,只保留模板匹配位置(目的是为了减少数据量,提高时间效率)。
步骤A3,对图像进行均值滤波和高斯滤波,消除噪点部分和图像畸变部分,再对图像进行二值化,获取图像的轮廓点。通过轮廓点的面积、形状、圆率等判断。
在所述步骤A3中,采用Zernik矩获取图像的轮廓点,Zernik矩是基于Zernike多项式的正交化函数,是一组正交矩,具有旋转不变性的特性,即旋转目标并不改变其模值,其步骤如下:
步骤B1,首先利用步骤A2的模板位置图像进行中值滤波;
步骤B2,进行自适应二值化(这种方式不需要手动设置阈值),在进行高斯滤波,得到一条较为光滑的圆环。
步骤B3,然后与Zernik矩的模板矩阵进行卷积运算,得到每个像素点的七个Zernike矩,对于每个点,根据它的七个Zernike矩,求得距离参数l和灰度差参数k,当l和k都满足设定的条件时,则判读该点为边缘点,并进一步利用上述七个Zernike矩求出该点的亚像素级坐标,如果l或k不满足设定的条件,则该点不是边缘点,转到下一个点求解距离参数l和灰度差参数k,从而求出图像的轮廓点。
步骤A4,通过轮廓点集找到钢网或PCB板的Mark点集。在所述步骤A4中,在所述步骤A4中,采用滤波的方式获取准确的Mark点轮廓,并设置好阈值。阈值是调节参数,有滑动条进行修改的,光源亮度不变的情况下,通常设定后不需要改动。图像处理阈值的作用:求出Mark点的轮廓,是二值化的一个参数{大于阈值的像素,设置为白色,小于阈值的像素点,设为黑色}
步骤A5,对钢网或PCB板的Mark点集进行最小二乘法和拟合。
步骤A6,获取钢网或PCB板的Mark点中心坐标。
在处理是一次定位时,首先使用的简单的模板匹配方式,虽然在光源稳定下一次定位准确性是比较高,但是,当环境变化或者光源突然改变时,将无法找到Mark大概位置。后面尝试了一下NCC模板匹配方式,就简单的解决了光源带来的影响,NCC模板匹配方式是利用模板和原图的灰度值进行计算,找到最相似的地方,受光源影响较小。NCC模板匹配是一种匹配模板图像的方式,是进行一次定位的方式,找到原图像Mark的大致位置,属于一次定位的粗定位,原理是利用模板图像和原图,像素点的灰度值的相关性,求出模板位置。
另一个难点就是利用Mark的轮廓获取高精度的中心坐标,可以利用插值法获取亚像素的中心坐标点,这种方式先获取轮廓点集坐标和角度,然后再利用插值后的轮廓求中心,不过该方法较为复杂,受环境影响较大。本发明的方法利用Zernik矩获取的轮廓与原有的Mark点误差很小,可以得到一条光滑的轮廓点集,使用起来也比较简单。在Zernik矩后获取到的轮廓点中,还需要利用轮廓的长宽,半径,矩形率,圆率等条件进行筛选,过滤那些不需要的轮廓点集,找到真正的Mark点的轮廓,最后利用最小二乘法拟合,纠正一些干扰点的影响,得到的圆心误差非常小。
本发明的有益效果是:本发明的方法可以很简单解决现有技术存在的稳定性差、不方便以数据方式保存结果值,提高检查设备效率,本发明的方法正常情况下每次获取的结果可以保持在0.3-0.5个像素以内,偏差值在1个像素值以内,数据精度高、稳定,并且可以把结果以数据形式保存在文件中,同时也可以利用这些数据计算出对位的CPK值,使用起来也非常方便。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (9)
1.一种判断钢网与PCB标志点重合度及检测对位平台效果的方法,其特征在于,包括以下步骤:
步骤1,初始化相机,打开光源;
步骤2,制作Mark模版,包括钢网模版和PCB板模版;
步骤3,等待软件TCP通讯通知;
步骤4,实时采集图片,并分别获取对应钢网和PCB板的Mark点中心;
步骤5,计算钢网Mark点中心和PCB板Mark点中心之间的偏差值;
步骤6,判断每次收集的产品与参考点重合次数是否大于n,如果是,则自动计算输出对位效果的CPK值,并保存在文件中,否则返回步骤3。
2.根据权利要求1所述的方法,其特征在于,在所述步骤4中,还包括:
步骤40,采集图片;
步骤41,匹配钢网的Mark点中心;
步骤42,再一次采集图片;
步骤43,匹配PCB板的Mark点中心。
3.根据权利要求2所述的方法,其特征在于,在所述步骤4中,获取PCB板或钢网的Mark点中心的具体步骤如下:
步骤A1,控制相机获取一张实时图片;
步骤A2,对图像进行灰度处理;
步骤A3,对图像进行均值滤波和高斯滤波,消除噪点部分和图像畸变部分,再对图像进行二值化,获取图像的轮廓点;
步骤A4,通过轮廓点集找到钢网或PCB板的Mark点集;
步骤A5,对钢网或PCB板的Mark点集进行最小二乘法和拟合;
步骤A6,获取钢网或PCB板的Mark点中心坐标。
4.根据权利要求2所述的方法,其特征在于,在所述步骤A2中,对图像进行灰度处理后为减少图像数据处理量,可缩小图像比例,然后利用模板匹配进行一次定位,对图像进行裁剪,只保留模板匹配位置。
5.根据权利要求4所述的方法,其特征在于,在所述步骤A2中,采用NCC模版匹配图像的方式进行一次定位。
6.根据权利要求3所述的方法,其特征在于,在所述步骤A4中,所述轮廓包括轮廓点的面积、形状、圆率。
7.根据权利要求3所述的方法,其特征在于,在所述步骤A4中,采用滤波的方式获取准确的Mark点轮廓,并设置好阈值。
8.根据权利要求3所述的方法,其特征在于,在所述步骤A3中,采用Zernik矩获取图像的轮廓点,其步骤如下:
步骤B1,首先利用步骤A2的模板位置图像进行中值滤波;
步骤B2,进行自适应二值化;
步骤B3,进行高斯滤波,得到一条光滑的圆环,然后与Zernik矩的模板矩阵进行卷积运算,得到每个像素点的七个Zernike矩,对于每个点,根据它的七个Zernike矩,求得距离参数l和灰度差参数k,当l和k都满足设定的条件时,则判读该点为边缘点,并进一步利用上述七个Zernike矩求出该点的亚像素级坐标,如果l或k不满足设定的条件,则该点不是边缘点,转到下一个点求解距离参数l和灰度差参数k,从而求出图像的轮廓点。
9.根据权利要求7所述的方法,其特征在于,在所述步骤B2中,在进行自适应二值化时不需要手动设置阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211290548.5A CN115496747A (zh) | 2022-10-21 | 2022-10-21 | 一种判断钢网与pcb标志点重合度及检测对位平台效果的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211290548.5A CN115496747A (zh) | 2022-10-21 | 2022-10-21 | 一种判断钢网与pcb标志点重合度及检测对位平台效果的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115496747A true CN115496747A (zh) | 2022-12-20 |
Family
ID=84474046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211290548.5A Pending CN115496747A (zh) | 2022-10-21 | 2022-10-21 | 一种判断钢网与pcb标志点重合度及检测对位平台效果的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115496747A (zh) |
-
2022
- 2022-10-21 CN CN202211290548.5A patent/CN115496747A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10664992B2 (en) | Non-contact visual detection method for mark positioning of mobile phone touch screen | |
CN111289538B (zh) | 基于机器视觉的pcb板元件检测系统及检测方法 | |
CN112669394B (zh) | 一种用于视觉检测系统的自动标定方法 | |
CN110136120B (zh) | 一种基于机器视觉的丝网印刷样板尺寸测量方法 | |
CN110858899B (zh) | 一种摄像机机芯光轴中心和视场角的测量方法及系统 | |
CN109767445B (zh) | 一种高精度的pcb缺陷智能检测方法 | |
CN109520706B (zh) | 一种汽车保险丝盒的螺孔坐标提取方法 | |
CN110189314A (zh) | 基于机器视觉的汽车仪表盘图像定位方法 | |
CN108537772B (zh) | 贴片电阻正导体印刷缺陷的视觉检测方法 | |
CN116206381B (zh) | 一种基于机器视觉的摄像头模组生产管理监测分析系统 | |
CN114022370B (zh) | 一种振镜激光加工畸变校正方法及系统 | |
CN110992313A (zh) | 一种基于机器视觉的摄像头图像中心检测及中心调整方法 | |
CN112381827A (zh) | 基于视觉图像的快速高精度缺陷检测方法 | |
CN110967851B (zh) | 一种液晶面板array图像的线路提取方法及系统 | |
CN113222955A (zh) | 一种基于机器视觉的齿轮尺寸参数自动测量方法 | |
CN110695520A (zh) | 基于视觉的全自动振镜视场校准系统及其校准方法 | |
CN109712115B (zh) | 一种pcb板自动检测方法及系统 | |
CN111633360A (zh) | 基于视觉的智能化水平表面堆焊方法 | |
CN111402343A (zh) | 高精度标定板及标定方法 | |
CN115496747A (zh) | 一种判断钢网与pcb标志点重合度及检测对位平台效果的方法 | |
WO2024021803A9 (zh) | 标记孔的定位方法、装置、装配设备及存储介质 | |
CN115194323A (zh) | 一种激光焊接机的定位焊接方法 | |
CN112164018B (zh) | 一种机器视觉校准系统及其校准方法 | |
CN109186453B (zh) | 一种基于机器视觉的电纺直写喷头的定位方法 | |
CN117723563B (zh) | 一种基于点云配准的芯片引脚缺陷检测方法 |
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 |