CN115841488B - 一种基于计算机视觉的pcb板的检孔方法 - Google Patents
一种基于计算机视觉的pcb板的检孔方法 Download PDFInfo
- Publication number
- CN115841488B CN115841488B CN202310140002.XA CN202310140002A CN115841488B CN 115841488 B CN115841488 B CN 115841488B CN 202310140002 A CN202310140002 A CN 202310140002A CN 115841488 B CN115841488 B CN 115841488B
- Authority
- CN
- China
- Prior art keywords
- pcb
- drilling
- cluster
- detected
- suspected
- 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
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims description 51
- 238000005553 drilling Methods 0.000 claims abstract description 342
- 238000011156 evaluation Methods 0.000 claims abstract description 166
- 230000000694 effects Effects 0.000 claims abstract description 99
- 238000012797 qualification Methods 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 31
- 230000001186 cumulative effect Effects 0.000 claims description 30
- 238000012216 screening Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 28
- 238000007621 cluster analysis Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 206
- 238000004458 analytical method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000003064 k means clustering Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种基于计算机视觉的PCB板的检孔方法,包括:利用图像处理技术,识别获得待检测PCB板的各个钻孔对应的各疑似圆心,将各个钻孔对应的各疑似圆心进行聚类分析,得到各个钻孔对应的第一、第二预设聚类K值的各疑似圆心聚类簇,确定待检测PCB板的各个钻孔圆区域;确定待检测PCB板的各钻孔圆区域聚类簇,根据各钻孔圆区域聚类簇的图像特征,确定待检测PCB板对应的聚类效果评价值,进而判断聚类结果是否合理,若合理,则根据钻孔孔径合格程度指标,判断各个钻孔孔径是否合格。本发明应用于PCB板的检孔,有效提高了PCB板的检孔效率和检孔准确度。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种基于计算机视觉的PCB板的检孔方法。
背景技术
现有的PCB(Printed Circuit Board,印制电路板)板钻孔大小的检测方法,通常为采用塞规结合人工目视菲林套检比对方法,该方法通过塞规可以重点检查钻孔的大小情况,但是该方法在实际应用时的检测效果折扣很大,主要问题体现在:无法满足小尺寸孔径的检查要求,生产实践表明,人工检查效果受最小可识别视角、目视距离以及注意力可持续时间等因素的影响,对于孔径小于0.5毫米的PCB板钻孔,人工检测能力会迅速降低,导致PCB板检孔结果的准确性较差;人工检查效率低,人工检查的效率与PCB板的钻孔的数量和孔径大小有着直接关系,实际生产表明,当PCB板的钻孔的数量大于10000、最小孔径小于0.5毫米时,人工检查效率会显著降低,且无法保证PCB板钻孔的检查效果。
现有还提出了公开号为CN112529902A,一种PCB板的检孔方法,该方法通过对PCB板的透光图像进行分割处理,提取分割后图像的钻孔的图像特征,采用时空环数据结构对钻孔的图像特征进行对比检测,实现PCB板的检孔。该方法在获取透光图像时需要使用背景光源,获取钻孔投影进行分析,该步骤对检测场景的要求高,且容易出现投影重影的异常情况,降低PCB板检孔结果的准确度。另外,高清摄像头位于PCB板的上方,可能会因为拍摄角度为问题导致提取的钻孔变形,可能无法实现对比检测,进一步降低检测准确度,且对比检测过程较为复杂,容易降低PCB板的检孔效率。
发明内容
为了解决上述现有PCB板钻孔检测方法的检测准确度低的技术问题,本发明的目的在于提供一种基于计算机视觉的PCB板的检孔方法。
本发明提供了一种基于计算机视觉的PCB板的检孔方法,包括以下步骤:
获取待检测PCB板的表面图像,根据所述表面图像获得待检测PCB板的灰度图像,对所述灰度图像进行图像处理,获得待检测PCB板的各个钻孔对应的各疑似圆心及其对应的半径、圆心累计值、疑似圆心位置和半径累计值;
根据预先获取的第一预设聚类K值和第二预设聚类K值、各个钻孔对应的各疑似圆心及其对应的半径、圆心累计值和疑似圆心位置,得到各个钻孔对应的第一预设聚类K值的疑似圆心聚类簇和第二预设聚类K值的各疑似圆心聚类簇;
根据第一预设聚类K值的疑似圆心聚类簇和第二预设聚类K值的各疑似圆心聚类簇,确定待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇;根据待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心对应的半径和半径累计值,确定待检测PCB板的各个钻孔圆区域;
获取标准PCB板的各钻孔圆区域聚类簇,根据标准PCB板的各钻孔圆区域聚类簇的个数以及待检测PCB板的各个钻孔圆区域,确定待检测PCB板的各钻孔圆区域聚类簇;
根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇内每个钻孔圆区域的半径、各钻孔圆区域聚类簇对应的聚类中心位置,确定待检测PCB板对应的钻孔孔径合格程度指标;
根据待检测PCB板对应的钻孔孔径合格程度指标、各钻孔圆区域聚类簇内每个钻孔圆区域的圆心位置和半径,确定待检测PCB板对应的聚类效果评价值;
根据待检测PCB板对应的聚类效果评价值,判断待检测PCB板的各钻孔圆区域的聚类结果是否合理,若合理,则根据待检测PCB板的钻孔孔径合格程度指标,判断待检测PCB板的各个钻孔孔径是否合格。
进一步的,根据第一预设聚类K值的疑似圆心聚类簇和第二预设聚类K值的各疑似圆心聚类簇,确定待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇,包括:
根据各疑似圆心聚类簇内每个疑似圆心的半径、圆心累计值和疑似圆心位置,确定第一预设聚类K值和第二预设聚类K值对应的第一类内差异评价指标、第一类间差异评价指标;
根据第一预设聚类K值和第二预设聚类K值对应的第一类内差异评价指标、第一类间差异评价指标,计算第一类内差异评价指标和第一类间差异评价指标之间的比值,根据所述比值确定各个钻孔对应的第一预设聚类K值的聚类效果评价值和第二预设聚类K值的聚类效果评价值;
若某个钻孔对应的第一预设聚类K值的聚类效果评价值大于第二预设聚类K值的聚类效果评价值,则将第一预设聚类K值的疑似圆心聚类簇作为目标疑似圆心聚类簇,否则,将第二预设聚类K值对应的平均半径最小的疑似圆心聚类簇作为目标疑似圆心聚类簇。
进一步的,所述第一预设聚类K值为1,所述第二预设聚类K值为2。
进一步的,根据待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心对应的半径和半径累计值,确定待检测PCB板的各个钻孔圆区域,包括:
根据待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心对应的半径,计算各疑似圆心对应的半径与预设参数之和;
根据各疑似圆心对应的半径与预设参数之和以及各疑似圆心对应的半径累计值,确定待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心的优选程度;
从各疑似圆心的优选程度中筛选出最大优选程度对应的疑似圆心,将该疑似圆心和该疑似圆心的半径构建的圆区域作为对应钻孔的钻孔圆区域。
进一步的,根据标准PCB板的各钻孔圆区域聚类簇的个数以及待检测PCB板的各个钻孔圆区域,确定待检测PCB板的各钻孔圆区域聚类簇,包括:
将标准PCB板的各钻孔圆区域聚类簇的个数作为待检测PCB板的各个钻孔圆区域的聚类K值,根据待检测PCB板的各个钻孔圆区域的聚类K值,对待检测PCB板的各个钻孔圆区域进行聚类,得到待检测PCB板的各钻孔圆区域聚类簇。
进一步的,根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇内每个钻孔圆区域的半径、各钻孔圆区域聚类簇对应的聚类中心位置,确定待检测PCB板对应的钻孔孔径合格程度指标,包括:
根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇内每个钻孔圆区域的半径,计算标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的半径均值;
根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的聚类中心位置,计算标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的横坐标差异值和纵坐标差异值;
根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的半径均值、横坐标差异值和纵坐标差异值,确定待检测PCB板对应的钻孔孔径合格程度指标。
进一步的,所述钻孔孔径合格程度指标的计算公式为:
其中,E为待检测PCB板对应的钻孔孔径合格程度指标,K为标准PCB板或待检测PCB
板的所有钻孔圆区域聚类簇的个数,k为标准PCB板或待检测PCB板的各钻孔圆区域聚类簇
的序号,为待检测PCB板的第k个钻孔圆区域聚类簇对应的半径均值,为标准PCB板的第
k个钻孔圆区域聚类簇对应的半径均值,为标准PCB板和待检测PCB板的第k个钻孔圆区
域聚类簇对应的横坐标差异值,为标准PCB板和待检测PCB板的第k个钻孔圆区域聚类簇
对应的纵坐标差异值。
进一步的,根据待检测PCB板对应的钻孔孔径合格程度指标、各钻孔圆区域聚类簇内每个钻孔圆区域的圆心位置和半径,确定待检测PCB板对应的聚类效果评价值,包括:
根据待检测PCB板对应的各钻孔圆区域聚类簇内每个钻孔圆区域的圆心位置和半径,确定待检测PCB板对应的第二类内差异评价指标和第二类间差异评价指标;
根据待检测PCB板对应的钻孔孔径合格程度指标、第二类内差异评价指标和第二类间差异评价指标,确定待检测PCB板对应的聚类效果评价值。
进一步的,所述聚类效果评价值的计算公式为:
其中,为待检测PCB板对应的聚类效果评价值,E为待检测PCB板对应的钻孔孔径
合格程度指标,为待检测PCB板对应的第二类内差异评价指标,为待检测PCB板对应的
第二类间差异评价指标,exp( )为以自然常数e为底的指数函数。
进一步的,根据待检测PCB板对应的聚类效果评价值,判断待检测PCB板的各钻孔圆区域的聚类结果是否合理,若合理,则根据待检测PCB板的钻孔孔径合格程度指标,判断待检测PCB板的各个钻孔孔径是否合格,包括:
若待检测PCB板对应的聚类效果评价值大于评价阈值,则判定待检测PCB板的各钻孔圆区域的聚类结果合理,若合理,则判断待检测PCB板的钻孔孔径合格程度指标是否大于预设合格阈值,若钻孔孔径合格程度指标大于预设合格阈值,则判定待检测PCB板的各个钻孔孔径合格,否则,判定待检测PCB板的各个钻孔孔径不合格。
本发明具有如下有益效果:
本发明提供了一种计算机视觉的PCB板的检孔方法,该方法利用计算机视觉技术,对待检测PCB板的表面图像进行图像处理,识别得到待检测PCB板的各个钻孔对应的各疑似圆心。为了避免PCB板钻孔自身图像特征对后续所获取的钻孔圆区域的不良影响,基于各疑似圆心的图像特征,确定不同预设聚类K值对应的各疑似圆心聚类簇,通过对各疑似圆心聚类簇的分析,得到各个钻孔对应的目标疑似圆心聚类簇,进而得到待检测PCB板的各个钻孔圆区域,其有效提高了待检测PCB板的钻孔圆区域的参考价值,大大增加了PCB板孔检结果的准确率。待检测PCB板对应的钻孔孔径合格程度指标是通过标准PCB板和待检测PCB板的各钻孔圆区域聚类簇之间的对比得到,该钻孔孔径合格程度指标从两个角度分析标准PCB板和待检测PCB板的各钻孔圆区域之间的相似性,有助于提高钻孔孔径合格程度指标的准确度。另外,相比PCB板的各钻孔和待检测PCB板的各钻孔一一进行比对检测,将各钻孔划分为各个聚类簇再进行比对,减少了计算量,有助于提高PCB板孔检的效率,降低因检孔效率低所导致的成本损失。基于待检测PCB板对应的聚类效果评价值,判断待检测PCB板的各钻孔圆区域的聚类结果是否合理,若合理,则基于钻孔孔径合格程度指标,判断待检测PCB板的各个钻孔孔径是否合格,确定聚类效果评价值是为了筛选出最优的各钻孔圆区域的聚类结果,基于最优的各钻孔圆区域的聚类结果可以得到更准确的钻孔孔径合格程度指标,进而提高PCB板钻孔合格率的检测结果的准确性。
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为本发明一种基于计算机视觉的PCB板的检孔方法的流程图;
图2为本发明实施例中的待检测PCB板的灰度图像示意图。
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。
本实施例的应用场景:对生产好的PCB板进行钻孔检测,避免由于钻孔孔径大小不合格而影响后续PCB板的使用。本实施例提供了一种基于计算机视觉的PCB板的检孔方法,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,根据表面图像获得待检测PCB板的灰度图像,对灰度图像进行图像处理,获得待检测PCB板的各个钻孔对应的各疑似圆心及其对应的半径、圆心累计值、疑似圆心位置和半径累计值。
(1-1)获取待检测PCB板的表面图像,根据表面图像获得待检测PCB板的灰度图像。
在本实施例中,使用工业相机,采集待检测PCB板的表面图像,为了便于后续对待检测PCB板的表面图像的图像特征进行分析,利用加权平均法对获取的待检测PCB板的表面图像进行灰度化处理,可以得到待检测PCB板的灰度图像,待检测PCB板的灰度图像示意图如图2所示。同时为了避免采集图像时的噪声对灰度图像的影响,利用高斯滤波对待检测PCB板的灰度图像进行去噪处理。加权平均法和高斯滤波的实现过程均为现有技术,不在本发明保护范围内,此处不再进行详细阐述。
(1-2)对灰度图像进行图像处理,获得待检测PCB板的各个钻孔对应的各疑似圆心及其对应的半径、圆心累计值、疑似圆心位置和半径累计值。
需要说明的是,在利用霍夫圆检测对待检测PCB板的灰度图像进行圆边缘提取时,由于待检测PCB板的钻孔周围存在覆铜,钻孔可能会对应内外两个圆边缘,当钻孔孔径较小时可能会检测到一个圆边缘,基于此时的圆边缘图像信息进行后续的PCB检孔处理的可信程度较低,为了避免上述待检测PCB板钻孔自身的图像特征对检孔准确性的影响,得到更准确的待检测PCB板钻孔的图像信息,本实施例利用霍夫圆检测中的霍夫圆梯度法对待检测PCB板灰度图像进行图像处理,获取待检测PCB板的各个钻孔对应的各疑似圆心及其对应的半径、圆心累计值、疑似圆心位置和半径累计值,其步骤可以包括:
(1-2-1)首先,对待检测PCB板的灰度图像进行边缘检测,得到待检测PCB板的边缘图像,边缘检测的方法可以包括但不限于Canny算子,Canny算子的检测过程为现有技术,此处不再进行详细阐述。
(1-2-2)然后,基于待检测PCB板的边缘图像中每个边缘像素点的坐标位置,计算每个边缘像素点的梯度,梯度的计算过程为现有技术,此处不再进行详细阐述。
(1-2-3)遍历待检测PCB板的边缘图像中所有非0像素点,即边缘像素点,沿着每个边缘像素点的梯度方向画线,边缘图像中每个点均会有一个累加器,有一个直线经过该点,该点的累加器加1,得到每个点的累计值,对每个点的累计值进行大小排序,根据预设累计值阈值,从边缘图像中筛选出大于预设累计值阈值的点,将这些点作为对应边缘的疑似圆心,也就是作为待检测PCB板的各个钻孔对应的各疑似圆心,预设累计值阈值可由实施者根据实际具体情况自行设置。至此,本实施例得到了待检测PCB板的各个钻孔对应的各疑似圆心及其对应的圆心累计值和疑似圆心位置。
(1-2-4)计算边缘图像中所有非0像素点到各疑似圆心的距离,对每个疑似圆心对应的多个距离进行大小排序,选择合适的半径作为各疑似圆心的半径,对于选取的半径设置累加器,对于满足半径的累加器加1,得到待检测PCB板的各个钻孔对应的各疑似圆心的半径和半径累计值。
需要说明的是,霍夫圆梯度法的实现方法为现有技术,不在本发明保护范围内,此处不再进行详细阐述。获得待检测PCB板的各个钻孔对应的各疑似圆心及其对应的半径、圆心累计值、疑似圆心位置和半径累计值,有助于对后续对各个钻孔对应的各疑似圆心进行图像特征分析,提高后续所确定的待检测PCB板的各个钻孔圆区域的准确性。
(2)根据预先获取的第一预设聚类K值和第二预设聚类K值、各个钻孔对应的各疑似圆心及其对应的半径、圆心累计值和疑似圆心位置,得到各个钻孔对应的第一预设聚类K值的疑似圆心聚类簇和第二预设聚类K值的各疑似圆心聚类簇。
需要说明的是,对于PCB板的钻孔而言,相比钻孔外圆的边缘像素点,钻孔内圆的边缘像素点的数量较少,故在获取各疑似圆心的半径时,选取的半径很有可能为外圆半径,其导致钻孔孔径过大,影响PCB板检孔的结果。为了提高PCB板检孔的精准性,本实施例从聚类分析的角度,对各个钻孔对应的各疑似圆心的圆心累计值和半径进行分析,其步骤包括:
本实施例使用K-means算法对各个钻孔对应的各疑似圆心进行聚类,由于各个钻孔可能会存在内外两个圆半径,或者因为内外差异过小而识别成一个圆半径,故需要获取两个预设聚类K值,通过聚类的方法分析每个钻孔对应的各疑似圆心的半径是否为内圆半径,其有助于得到准确的钻孔圆区域,一个预设聚类K值可以为1,即为第一预设聚类K值,另一个预设聚类K值可以为2,即为第二预设聚类K值。不同的聚类K值对应的聚类结果和聚类效果不同,基于各个钻孔对应的各疑似圆心的半径、圆心累计值和疑似圆心位置,可以计算得到第一预设聚类K值和第二预设聚类K值对应的各个钻孔对应的各疑似圆心的聚类距离,聚类距离的计算公式可以为:
其中,D为聚类距离,r1为各个钻孔对应的各疑似圆心的半径,r2为聚类中心的半径,s1为各个钻孔对应的各疑似圆心的圆心累计值,s2为聚类中心的圆心累计值,x1为各个钻孔对应的各疑似圆心的横坐标,x2为聚类中心的横坐标,y1为各个钻孔对应的各疑似圆心的纵坐标,y2为聚类中心的纵坐标。
在本实施例中,第一预设聚类K值的聚类距离和第二预设聚类K值的聚类距离的计算方式保持一致,基于第一预设聚类K值和第二预设聚类K值对应的各个钻孔对应的各疑似圆心的聚类距离,对各个钻孔对应的各疑似圆心进行K-means聚类运算,可以得到各个钻孔对应的第一预设聚类K值的疑似圆心聚类簇和第二预设聚类K值的各疑似圆心聚类簇。需要说明的是,K-means聚类算法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。
(3)根据第一预设聚类K值的疑似圆心聚类簇和第二预设聚类K值的各疑似圆心聚类簇,确定待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇;根据待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心对应的半径和半径累计值,确定待检测PCB板的各个钻孔圆区域,其步骤包括:
(3-1)根据第一预设聚类K值的疑似圆心聚类簇和第二预设聚类K值的各疑似圆心聚类簇,确定待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇,其步骤包括:
(3-1-1)根据各疑似圆心聚类簇内每个疑似圆心的半径、圆心累计值和疑似圆心位置,确定第一预设聚类K值和第二预设聚类K值对应的第一类内差异评价指标、第一类间差异评价指标。
需要说明的是,为了便于后续计算聚类效果评价值,需要对不同预设聚类K值的疑似圆心聚类簇进行分析,即从两个角度分析不同预设聚类K值的聚类效果,两个角度分别为类内差异和类间差异。在本实施例中,基于第一预设聚类K值的各疑似圆心聚类簇内每个疑似圆心的半径、圆心累计值和疑似圆心位置,可以计算出第一预设聚类K值对应的第一类内差异评价指标和第一类间差异评价指标,同样基于第二预设聚类K值的各疑似圆心聚类簇内每个疑似圆心的半径、圆心累计值和疑似圆心位置,也可以计算出第二预设聚类K值对应的第一类内差异评价指标和第一类间差异评价指标,不同预设聚类K值对应的第一类内差异评价指标、第一类间差异评价指标的计算方法相同,第一类内差异评价指标的计算公式可以为:
其中,为第一类内差异评价指标,K为疑似圆心聚类簇的个数,k为各疑似圆心聚
类簇的序号,n为各疑似圆心聚类簇内所有疑似圆心的个数,i为各疑似圆心聚类簇内各个
疑心圆心的序号,ri为第k个疑似圆心聚类簇内第i个疑似圆心的半径,为第k个疑似圆心
聚类簇的聚类中心的半径,si为第k个疑似圆心聚类簇内第i个疑似圆心的圆心累计值,
为第k个疑似圆心聚类簇的聚类中心的圆心累计值,xi为第k个疑似圆心聚类簇内第i个疑
似圆心的横坐标,为第k个疑似圆心聚类簇的聚类中心的横坐标,yi为第k个疑似圆心聚
类簇内第i个疑似圆心的纵坐标,为第k个疑似圆心聚类簇的聚类中心的纵坐标。
需要说明的是,在第一类内差异评价指标的计算公式中,第一类内差异评价指标
可以表征为疑似圆心聚类簇内各个疑似圆心的半径、累计值和位置与聚类簇的聚类中心的
差异,该差异可以评估该次聚类的聚类效果,当疑似圆心聚类簇内各个疑似圆心与该疑似
圆心聚类簇的聚类中心的差异越小,说明聚类效果越好。
在本实施例中,第一类间差异评价指标的计算公式可以为:
其中,W为第一类间差异评价指标,K为疑似圆心聚类簇的个数,q和p均为各疑似圆
心聚类簇的序号,为第q个疑似圆心聚类簇的聚类中心的半径,为第p个疑似圆心聚类簇
的聚类中心的半径,为第q个疑似圆心聚类簇的聚类中心的圆心累计值,为第p个疑似
圆心聚类簇的聚类中心的圆心累计值,为第q个疑似圆心聚类簇的聚类中心的横坐标,
为第p个疑似圆心聚类簇的聚类中心的横坐标,为第q个疑似圆心聚类簇的聚类中心的纵
坐标,为第p个疑似圆心聚类簇的聚类中心的纵坐标。
需要说明的是,在第一类间差异评价指标的计算公式中,第一类间差异评价指标W可以表征各个疑似圆心聚类簇的聚类中心的半径、累计值和坐标位置之间的差异,该差异可以评估该次聚类的聚类效果,各个疑似圆心聚类簇的聚类中心之间的差异越大,说明聚类效果越好。
(3-1-2)根据第一预设聚类K值和第二预设聚类K值对应的第一类内差异评价指标、第一类间差异评价指标,计算第一类内差异评价指标和第一类间差异评价指标之间的比值,根据比值确定各个钻孔对应的第一预设聚类K值的聚类效果评价值和第二预设聚类K值的聚类效果评价值。
在本实施例中,各个钻孔对应的第一预设聚类K值的聚类效果评价值和第二预设聚类K值的聚类效果评价值,可以用于评估第一预设聚类K值和第二预设聚类K值的聚类效果,基于第一类内差异评价指标和第一类间差异评价指标,得到第一类内差异评价指标和第一类间差异评价指标之间的比值,将该比值作为聚类效果评价值,聚类效果评价值的计算公式可以为:
其中,T为各个钻孔对应的第一预设聚类K值的聚类效果评价值或第二预设聚类K
值的聚类效果评价值,为各个钻孔对应的第一预设聚类K值的第一类内差异评价指标或第
二预设聚类K值对应的第一类内差异评价指标,W为各个钻孔对应的第一预设聚类K值的第
一类间差异评价指标或第二预设聚类K值对应的第一类间差异评价指标。
需要说明的是,在聚类效果评价值T的计算公式中,第一类内差异评价指标Q与聚类效果评价值T为负相关,即第一类内差异评价指标Q越大,聚类效果评价值T越小,说明此时的聚类效果不好;而第一类间差异评价指标W与聚类效果评价值T为正相关,即第一类间差异评价指标W越大,聚类效果评价值T越小,说明此时的聚类效果不好。从两个角度分析不同预设聚类K值对应的聚类效果评价值,有助于提高聚类效果评价值的准确性,有助于获取更准确的目标疑似圆心聚类簇。
(3-1-3)若某个钻孔对应的第一预设聚类K值的聚类效果评价值大于第二预设聚类K值的聚类效果评价值,则将第一预设聚类K值的疑似圆心聚类簇作为目标疑似圆心聚类簇,否则,将第二预设聚类K值对应的平均半径最小的疑似圆心聚类簇作为目标疑似圆心聚类簇。
本实施例基于各个钻孔对应的第一预设聚类K值的聚类效果评价值和第二预设聚类K值的聚类效果评价值,使每个钻孔对应的第一预设聚类K值的聚类效果评价值和第二预设聚类K值的聚类效果评价值进行比较:若任意一个钻孔对应的第一预设聚类K值的聚类效果评价值大于第二预设聚类K值的聚类效果评价值,则将第一预设聚类K值的疑似圆心聚类簇作为目标疑似圆心聚类簇,第一预设聚类K值可以为1,其说明该钻孔仅对应一个疑似圆心聚类簇,可以将第一预设聚类K值的疑似圆心聚类簇作为最终的目标疑似圆心聚类簇;若任意一个钻孔对应的第二预设聚类K值的聚类效果评价值大于第一预设聚类K值的聚类效果评价值,则获取第二预设聚类K值对应的平均半径最小的疑似圆心聚类簇作为目标疑似圆心聚类簇,第一预设聚类K值可以为2,其说明该钻孔对应两个疑似圆心聚类簇,即该钻孔存在内外两个圆边缘。由于不同的聚类K值对应的聚类簇数量不同,第二预设聚类K值的聚类效果评价值可以与第一预设聚类K值的聚类效果评价值不相等。
至此,本实施例得到了待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇,每个钻孔具有其对应的目标疑似圆心聚类簇。
(3-2)根据待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心对应的半径和半径累计值,确定待检测PCB板的各个钻孔圆区域,其步骤包括:
(3-2-1)根据待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心对应的半径,计算各疑似圆心对应的半径与预设参数之和。
在本实施例中,为了便于后续计算各疑似圆心的优选程度,基于待检测PCB板的各
个钻孔对应的目标疑似圆心聚类簇内各疑似圆心对应的半径,计算目标疑似圆心聚类簇内
各疑似圆心对应的半径与预设参数之和。预设参数是为了防止各疑似圆心的半径过小,导
致后续所确定的优选程度不准确,本实施例将预设参数记为,并将预设参数设置为1,实施
者可以根据疑似圆心半径的实际情况自行设置。
(3-2-2)根据各疑似圆心对应的半径与预设参数之和以及各疑似圆心对应的半径累计值,确定待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心的优选程度。
在本实施例中,各个孔径的大小与疑似圆心的半径大小相关,孔径越小越有可能是待检测PCB板的真实钻孔,半径累计值越高越有可能是真实钻孔的半径,因此,基于半径与预设参数之和以及半径累计值,可以获得各疑似圆心的优选程度的计算公式可以为:
其中,P为各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心的优选程度,fr为各
个钻孔对应的目标疑似圆心聚类簇内各疑似圆心的半径累计值,r为各个钻孔对应的目标
疑似圆心聚类簇内各疑似圆心的半径,为预设参数,为1。
在优选程度的计算公式中,疑似圆心的半径r越小,选取该半径时对应的边缘像素
点越多,即半径累计值fr越大,该疑似圆心越有可能是该钻孔的钻孔圆区域的圆心,预设参
数是为了防止半径过小导致所计算的优选程度不准确而设置的参数。
需要说明的是,本实施例从两个方面计算优选程度,有助于提高所计算的优选程度的准确性,进一步增强后续确定的各个钻孔的钻孔圆区域的参考价值。至此,本实施例得到了各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心的各疑似圆心的优选程度。
(3-2-3)从各疑似圆心的优选程度中筛选出最大优选程度对应的疑似圆心,将该疑似圆心和该疑似圆心的半径构建的圆区域作为对应钻孔的钻孔圆区域。
在本实施例中,按照一定的排列顺序将各疑似圆心的优选程度进行排序处理,从各疑似圆心的优选程度中筛选出最大优选程度对应的疑似圆心,将该疑似圆心和该疑似圆心的半径构建的圆区域作为对应钻孔的钻孔圆区域。构建圆区域的过程为现有技术,此处不再进行详细阐述。通过各个疑似圆心的优选程度所确定的钻孔圆区域的参考价值更大,其大大增加了PCB板孔检结果的准确率。
(4)获取标准PCB板的各钻孔圆区域聚类簇,根据标准PCB板的各钻孔圆区域聚类簇的个数以及待检测PCB板的各个钻孔圆区域,确定待检测PCB板的各钻孔圆区域聚类簇,其步骤包括:
(4-1)获取标准PCB板的各钻孔圆区域聚类簇。
在本实施例中,为了便于后续确定待检测PCB板的各钻孔圆区域聚类簇,基于标准PCB板的表面图像,参考待检测PCB板的各个钻孔圆区域的获取步骤,可以得到标准PCB板的各钻孔圆区域,此处不再详细描述标准PCB板的各钻孔圆区域的获取步骤,这里的标准PCB板是指检孔合格的PCB板,该标准PCB板与待检测PCB板属于一个类型的PCB板。利用DBSCAN算法,对标准PCB板的各钻孔圆区域进行聚类分析,可以获得标准PCB板的各钻孔圆区域聚类簇。DBSCAN算法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。
(4-2)根据标准PCB板的各钻孔圆区域聚类簇的个数以及待检测PCB板的各个钻孔圆区域,确定待检测PCB板的各钻孔圆区域聚类簇,其步骤包括:
在本实施例中,基于标准PCB板的各钻孔圆区域聚类簇的个数,将标准PCB板的各钻孔圆区域聚类簇的个数作为待检测PCB板的各个钻孔圆区域的聚类K值,根据待检测PCB板的各个钻孔圆区域的聚类K值,利用K-means聚类算法对待检测PCB板的各个钻孔圆区域进行聚类,可以得到待检测PCB板的各钻孔圆区域聚类簇。K-means聚类算法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。
(5)根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇内每个钻孔圆区域的半径、各钻孔圆区域聚类簇对应的聚类中心位置,确定待检测PCB板对应的钻孔孔径合格程度指标,其步骤包括:
(5-1)根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇内每个钻孔圆区域的半径,计算标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的半径均值。
本实施例为了便于后续计算待检测PCB板对应的钻孔孔径合格程度指标,基于标准PCB板和待检测PCB板的各钻孔圆区域聚类簇内每个钻孔圆区域的半径,计算各钻孔圆区域聚类簇对应的半径均值,该半径平均值可以从整体的角度表征钻孔圆区域聚类簇的半径大小情况。
(5-2)根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的聚类中心位置,计算标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的横坐标差异值和纵坐标差异值。
本实施例为了便于后续计算待检测PCB板对应的钻孔孔径合格程度指标,按照聚类中心的半径大小顺序,将标准PCB板和待检测PCB板的各钻孔圆区域聚类簇从大到小的顺序进行排列,标准PCB板和待检测PCB板的各钻孔圆区域聚类簇存在一一对应的关系。基于标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的聚类中心位置,计算各钻孔圆区域聚类簇对应的横坐标差异值和纵坐标差异值,差异值可以通过标准PCB板的各钻孔圆区域聚类簇的聚类中心的横坐标与待检测PCB板的各钻孔圆区域聚类簇的聚类中心的横坐标的差值计算得到的,纵坐标差异值的计算过程与横坐标差异值的计算过程一致,此处不再赘述。
至此,本实施例得到了标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的横坐标差异值和纵坐标差异值。
(5-3)根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的半径均值、横坐标差异值和纵坐标差异值,确定待检测PCB板对应的钻孔孔径合格程度指标。
需要说明的是,在标准PCB板和待检测PCB板的各钻孔圆区域聚类簇进行比对处理时,钻孔圆区域的半径和聚类中心的位置均会对钻孔孔径合格程度产生影响,从两个角度分析待检测PCB板对应的钻孔孔径合格程度,有助于提高后续PCB板检孔的质量。
在本实施例中,基于步骤(5-2)和步骤(5-3)获得的标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的半径均值、横坐标差异值和纵坐标差异值,可以计算待检测PCB板对应的钻孔孔径合格程度指标,钻孔孔径合格程度指标的计算公式可以为:
其中,E为待检测PCB板对应的钻孔孔径合格程度指标,K为标准PCB板或待检测PCB
板的所有钻孔圆区域聚类簇的个数,k为标准PCB板或待检测PCB板的各钻孔圆区域聚类簇
的序号,为待检测PCB板的第k个钻孔圆区域聚类簇对应的半径均值,为标准PCB板的第
k个钻孔圆区域聚类簇对应的半径均值,为标准PCB板和待检测PCB板的第k个钻孔圆区
域聚类簇对应的横坐标差异值,为标准PCB板和待检测PCB板的第k个钻孔圆区域聚类簇
对应的纵坐标差异值。
在钻孔孔径合格程度指标的计算公式中,可以表征待检测PCB板的各钻孔
圆区域聚类簇对应的半径均值与标准PCB板的各个钻孔圆区域聚类簇对应的半径均值的差
异,该差异越小,说明待检测PCB板的各钻孔圆区域聚类簇与标准PCB板的各个钻孔圆区域
聚类簇越相似。可以表征待检测PCB板的各钻孔圆区域聚类簇对应的半径
均值与标准PCB板的各个钻孔圆区域聚类簇对应的聚类中心位置的差异程度,该差异程度
越大,说明待检测PCB板的各钻孔圆区域聚类簇与标准PCB板的各个钻孔圆区域聚类簇越不
相似,分母中的1是为了防止过于小,影响钻孔孔径合格
程度指标的准确度。
(6)根据待检测PCB板对应的钻孔孔径合格程度指标、各钻孔圆区域聚类簇内每个钻孔圆区域的圆心位置和半径,确定待检测PCB板对应的聚类效果评价值,其步骤包括:
(6-1)根据待检测PCB板对应的各钻孔圆区域聚类簇内每个钻孔圆区域的圆心位置和半径,确定待检测PCB板对应的第二类内差异评价指标和第二类间差异评价指标。
为了便于后续计算待检测PCB板对应的聚类效果评价值,从各钻孔圆区域聚类簇内每个钻孔圆区域的圆心位置和半径的角度出发,计算待检测PCB板对应的第二类内差异评价指标和第二类间差异评价指标,其中,待检测PCB板对应的第二类内差异评价指标的计算公式可以为:
其中,为待检测PCB板对应的第二类内差异评价指标,为待检测PCB板对应的
所有钻孔圆区域聚类簇的个数,为待检测PCB板对应的各个钻孔圆区域聚类簇的序号,
为待检测PCB板对应的各钻孔圆区域聚类簇内所有钻孔圆区域的个数,为待检测PCB板对
应的各钻孔圆区域聚类簇内每个钻孔圆区域的序号,为待检测PCB板对应的第个钻孔
圆区域聚类簇内第个钻孔圆区域的半径,为待检测PCB板对应的第个钻孔圆区域聚类
簇的聚类中心的半径,为待检测PCB板对应的第个钻孔圆区域聚类簇内第个钻孔圆区
域的横坐标,为待检测PCB板对应的第个钻孔圆区域聚类簇的聚类中心的横坐标,
为待检测PCB板对应的第个钻孔圆区域聚类簇内第个钻孔圆区域的纵坐标,为待检测
PCB板对应的第个钻孔圆区域聚类簇的聚类中心的纵坐标。
在第二类内差异评价指标的计算公式中,第二类内差异评价指标可以表征钻孔
圆区域聚类簇内各个钻孔圆区域的半径和位置与该钻孔圆区域聚类簇的聚类中心的差异,
该差异可以评估待检测PCB板对应的各钻孔圆区域聚类簇的聚类效果,聚类簇内各个元素
与聚类簇的聚类中心的差异越小,说明聚类效果越好。
在本实施例中,待检测PCB板对应的第二类间差异评价指标的计算公式可以为:
其中,为待检测PCB板对应的第二类间差异评价指标,为待检测PCB板对应的
所有钻孔圆区域聚类簇的个数,和均为待检测PCB板对应的各个钻孔圆区域聚类簇的序
号,为待检测PCB板对应的第个钻孔圆区域聚类簇的聚类中心的半径,为待检测PCB
板对应的第个钻孔圆区域聚类簇的聚类中心的半径,为待检测PCB板对应的第个钻
孔圆区域聚类簇的聚类中心的横坐标,为待检测PCB板对应的第个钻孔圆区域聚类簇
的聚类中心的横坐标,为待检测PCB板对应的第个钻孔圆区域聚类簇的聚类中心的纵
坐标,为待检测PCB板对应的第个钻孔圆区域聚类簇的聚类中心的纵坐标。
在第二类间差异评价指标的计算公式中,第二类间差异评价指标可以表征各个
钻孔圆区域聚类簇对应的聚类中心的位置和半径之间的差异,该差异可以评估待检测PCB
板对应的各钻孔圆区域聚类簇的聚类效果,各个钻孔圆区域聚类簇对应的聚类中心之间的
差异越大,说明聚类效果越好。
(6-2)根据待检测PCB板对应的钻孔孔径合格程度指标、第二类内差异评价指标和第二类间差异评价指标,确定待检测PCB板对应的聚类效果评价值。
需要说明的是,从三个角度分析待检测PCB板对应的聚类效果评价值,三个角度分别为钻孔孔径合格程度指标、第二类内差异评价指标和第二类间差异评价指标,钻孔孔径合格程度指标、第二类内差异评价指标和第二类间差异评价指标与聚类效果评价值存在一定的关联。其中,钻孔孔径合格程度指标可以从待检测PCB板与标准PCB板之间的差异的角度,来分析待检测PCB板的各钻孔圆区域的聚类效果,钻孔孔径合格程度指标越高,说明聚类效果越好。第二类内差异评价指标从钻孔圆区域聚类簇内各钻孔圆区域与该钻孔圆区域聚类簇的聚类中心之间的差异的角度,来分析待检测PCB板的各钻孔圆区域的聚类效果,第二类内差异评价指标越小,说明钻孔圆区域聚类簇内各钻孔圆区域之间的差异越小,聚类效果评价值就会越高。第二类内差异评价指标从各钻孔圆区域聚类簇之间的差异的角度,来分析待检测PCB板的各钻孔圆区域的聚类效果,任意两个钻孔圆区域聚类簇之间的距离越远,第二类内差异评价指标就会越大,说明聚类效果越好。
在本实施例中,基于上述对钻孔孔径合格程度指标、第二类内差异评价指标和第二类间差异评价指标的分析,利用数学建模的相关知识内容,可以计算待检测PCB板对应的聚类效果评价值,聚类效果评价值的计算公式可以为:
其中,为待检测PCB板对应的聚类效果评价值,E为待检测PCB板对应的钻孔孔径
合格程度指标,为待检测PCB板对应的第二类内差异评价指标,为待检测PCB板对应的
第二类间差异评价指标,exp( )为以自然常数e为底的指数函数。
在聚类效果评价值的计算公式中,待检测PCB板对应的钻孔孔径合格程度指标E与
聚类效果评价值为正相关,即钻孔孔径合格程度指标E越大,聚类效果评价值越大。第
二类内差异评价指标与聚类效果评价值为负相关,即第二类内差异评价指标越小,
聚类效果评价值越大;第二类间差异评价指标与聚类效果评价值为正相关,即第二
类间差异评价指标越大,聚类效果评价值越大。为了便于后续判断待检测PCB板的各
钻孔圆区域的聚类结果是否合理,聚类效果评价值为归一化后的数值,聚类效果评价值的值域范围为0到1之间。
(7)根据待检测PCB板对应的聚类效果评价值,判断待检测PCB板的各钻孔圆区域的聚类结果是否合理,若合理,则根据待检测PCB板的钻孔孔径合格程度指标,判断待检测PCB板的各个钻孔孔径是否合格。
若待检测PCB板对应的聚类效果评价值大于评价阈值,则判定待检测PCB板的各钻孔圆区域的聚类结果合理,若合理,则判断待检测PCB板的钻孔孔径合格程度指标是否大于预设合格阈值,若钻孔孔径合格程度指标大于预设合格阈值,则判定待检测PCB板的各个钻孔孔径合格,否则,判定待检测PCB板的各个钻孔孔径不合格。
在本实施例中,使待检测PCB板对应的聚类效果评价值与评价阈值进行比较,将评价阈值设置为0.7,若待检测PCB板对应的聚类效果评价值不大于评价阈值0.7,则判定待检测PCB板的各钻孔圆区域的聚类结果不合理,重新确定聚类中心,基于该新的聚类中心对待检测PCB板对应的各钻孔圆区域进行聚类,并重复执行步骤(4)至步骤(7),直至待检测PCB板对应的聚类效果评价值大于评价阈值0.7;若待检测PCB板对应的聚类效果评价值大于评价阈值0.7,判定待检测PCB板的各钻孔圆区域的聚类结果合理,停止变换聚类中心,并使此时的钻孔孔径合格程度指标与预设合格阈值进行比较,将预设合格阈值设置为0.7,若钻孔孔径合格程度指标大于预设合格阈值,则判定待检测PCB板的各个钻孔孔径合格,否则,判定待检测PCB板的各个钻孔孔径不合格。至此,本实施例实现了PCB板的检孔。
本发明提供了一种基于计算机视觉的PCB板的检孔方法,该方法通过对待检测PCB板的灰度图像进行霍夫圆检测,获取了真实的钻孔圆区域,避免了进行检测时,可能会因为内外半径差异过小,导致检测获取的钻孔圆区域偏离真实,该方法大大增加了孔径检测的准确率。
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范围,均应包含在本申请的保护范围之内。
Claims (7)
1.一种基于计算机视觉的PCB板的检孔方法,其特征在于,包括以下步骤:
获取待检测PCB板的表面图像,根据所述表面图像获得待检测PCB板的灰度图像,对所述灰度图像进行图像处理,获得待检测PCB板的各个钻孔对应的各疑似圆心及其对应的半径、圆心累计值、疑似圆心位置和半径累计值;
根据预先获取的第一预设聚类K值和第二预设聚类K值、各个钻孔对应的各疑似圆心及其对应的半径、圆心累计值和疑似圆心位置,得到各个钻孔对应的第一预设聚类K值的疑似圆心聚类簇和第二预设聚类K值的各疑似圆心聚类簇;
根据第一预设聚类K值的疑似圆心聚类簇和第二预设聚类K值的各疑似圆心聚类簇,确定待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇;根据待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心对应的半径和半径累计值,确定待检测PCB板的各个钻孔圆区域;
获取标准PCB板的各钻孔圆区域聚类簇,根据标准PCB板的各钻孔圆区域聚类簇的个数以及待检测PCB板的各个钻孔圆区域,确定待检测PCB板的各钻孔圆区域聚类簇;
根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇内每个钻孔圆区域的半径、各钻孔圆区域聚类簇对应的聚类中心位置,确定待检测PCB板对应的钻孔孔径合格程度指标;
根据待检测PCB板对应的钻孔孔径合格程度指标、各钻孔圆区域聚类簇内每个钻孔圆区域的圆心位置和半径,确定待检测PCB板对应的聚类效果评价值;
根据待检测PCB板对应的聚类效果评价值,判断待检测PCB板的各钻孔圆区域的聚类结果是否合理,若合理,则根据待检测PCB板的钻孔孔径合格程度指标,判断待检测PCB板的各个钻孔孔径是否合格;
根据第一预设聚类K值的疑似圆心聚类簇和第二预设聚类K值的各疑似圆心聚类簇,确定待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇,包括:
根据各疑似圆心聚类簇内每个疑似圆心的半径、圆心累计值和疑似圆心位置,确定第一预设聚类K值和第二预设聚类K值对应的第一类内差异评价指标、第一类间差异评价指标;
根据第一预设聚类K值和第二预设聚类K值对应的第一类内差异评价指标、第一类间差异评价指标,计算第一类内差异评价指标和第一类间差异评价指标之间的比值,根据所述比值确定各个钻孔对应的第一预设聚类K值的聚类效果评价值和第二预设聚类K值的聚类效果评价值;
若某个钻孔对应的第一预设聚类K值的聚类效果评价值大于第二预设聚类K值的聚类效果评价值,则将第一预设聚类K值的疑似圆心聚类簇作为目标疑似圆心聚类簇,否则,将第二预设聚类K值对应的平均半径最小的疑似圆心聚类簇作为目标疑似圆心聚类簇;
所述钻孔孔径合格程度指标的计算公式为:
其中,E为待检测PCB板对应的钻孔孔径合格程度指标,K为标准PCB板或待检测PCB板的所有钻孔圆区域聚类簇的个数,k为标准PCB板或待检测PCB板的各钻孔圆区域聚类簇的序号,为待检测PCB板的第k个钻孔圆区域聚类簇对应的半径均值,/>为标准PCB板的第k个钻孔圆区域聚类簇对应的半径均值,/>为标准PCB板和待检测PCB板的第k个钻孔圆区域聚类簇对应的横坐标差异值,/>为标准PCB板和待检测PCB板的第k个钻孔圆区域聚类簇对应的纵坐标差异值;
根据待检测PCB板对应的钻孔孔径合格程度指标、各钻孔圆区域聚类簇内每个钻孔圆区域的圆心位置和半径,确定待检测PCB板对应的聚类效果评价值,包括:
根据待检测PCB板对应的各钻孔圆区域聚类簇内每个钻孔圆区域的圆心位置和半径,确定待检测PCB板对应的第二类内差异评价指标和第二类间差异评价指标;
根据待检测PCB板对应的钻孔孔径合格程度指标、第二类内差异评价指标和第二类间差异评价指标,确定待检测PCB板对应的聚类效果评价值。
2.根据权利要求1所述的一种基于计算机视觉的PCB板的检孔方法,其特征在于,所述第一预设聚类K值为1,所述第二预设聚类K值为2。
3.根据权利要求1所述的一种基于计算机视觉的PCB板的检孔方法,其特征在于,根据待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心对应的半径和半径累计值,确定待检测PCB板的各个钻孔圆区域,包括:
根据待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心对应的半径,计算各疑似圆心对应的半径与预设参数之和;
根据各疑似圆心对应的半径与预设参数之和以及各疑似圆心对应的半径累计值,确定待检测PCB板的各个钻孔对应的目标疑似圆心聚类簇内各疑似圆心的优选程度;
从各疑似圆心的优选程度中筛选出最大优选程度对应的疑似圆心,将该疑似圆心和该疑似圆心的半径构建的圆区域作为对应钻孔的钻孔圆区域。
4.根据权利要求1所述的一种基于计算机视觉的PCB板的检孔方法,其特征在于,根据标准PCB板的各钻孔圆区域聚类簇的个数以及待检测PCB板的各个钻孔圆区域,确定待检测PCB板的各钻孔圆区域聚类簇,包括:
将标准PCB板的各钻孔圆区域聚类簇的个数作为待检测PCB板的各个钻孔圆区域的聚类K值,根据待检测PCB板的各个钻孔圆区域的聚类K值,对待检测PCB板的各个钻孔圆区域进行聚类,得到待检测PCB板的各钻孔圆区域聚类簇。
5.根据权利要求1所述的一种基于计算机视觉的PCB板的检孔方法,其特征在于,根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇内每个钻孔圆区域的半径、各钻孔圆区域聚类簇对应的聚类中心位置,确定待检测PCB板对应的钻孔孔径合格程度指标,包括:
根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇内每个钻孔圆区域的半径,计算标准PCB板的各钻孔圆区域聚类簇对应的半径均值和待检测PCB板的各钻孔圆区域聚类簇对应的半径均值;
根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的聚类中心位置,计算标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的横坐标差异值和纵坐标差异值;
根据标准PCB板和待检测PCB板的各钻孔圆区域聚类簇对应的半径均值、横坐标差异值和纵坐标差异值,确定待检测PCB板对应的钻孔孔径合格程度指标。
7.根据权利要求1所述的一种基于计算机视觉的PCB板的检孔方法,其特征在于,根据待检测PCB板对应的聚类效果评价值,判断待检测PCB板的各钻孔圆区域的聚类结果是否合理,若合理,则根据待检测PCB板的钻孔孔径合格程度指标,判断待检测PCB板的各个钻孔孔径是否合格,包括:
若待检测PCB板对应的聚类效果评价值大于评价阈值,则判定待检测PCB板的各钻孔圆区域的聚类结果合理,若合理,则判断待检测PCB板的钻孔孔径合格程度指标是否大于预设合格阈值,若钻孔孔径合格程度指标大于预设合格阈值,则判定待检测PCB板的各个钻孔孔径合格,否则,判定待检测PCB板的各个钻孔孔径不合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310140002.XA CN115841488B (zh) | 2023-02-21 | 2023-02-21 | 一种基于计算机视觉的pcb板的检孔方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310140002.XA CN115841488B (zh) | 2023-02-21 | 2023-02-21 | 一种基于计算机视觉的pcb板的检孔方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115841488A CN115841488A (zh) | 2023-03-24 |
CN115841488B true CN115841488B (zh) | 2023-06-09 |
Family
ID=85579960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310140002.XA Active CN115841488B (zh) | 2023-02-21 | 2023-02-21 | 一种基于计算机视觉的pcb板的检孔方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115841488B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116168021B (zh) * | 2023-04-21 | 2023-08-29 | 中江立江电子有限公司 | 一种故障零件识别系统及方法 |
CN117237347B (zh) * | 2023-11-14 | 2024-03-29 | 深圳思谋信息科技有限公司 | Pcb板缺陷检测方法、装置、存储介质及电子设备 |
CN118071747B (zh) * | 2024-04-19 | 2024-07-19 | 宝鸡欣亚电气有限公司 | 基于计算机视觉的零件钻孔偏移检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022062812A1 (zh) * | 2020-09-28 | 2022-03-31 | 歌尔股份有限公司 | 屏幕缺陷检测方法、装置和电子设备 |
CN115049653A (zh) * | 2022-08-15 | 2022-09-13 | 凤芯微电子科技(聊城)有限公司 | 基于计算机视觉的集成电路板质量检测系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783805B (zh) * | 2019-04-04 | 2024-08-23 | 京东方科技集团股份有限公司 | 图像检索方法及装置、电子设备、可读存储介质 |
CN110567369B (zh) * | 2019-08-30 | 2021-01-08 | 苏州康代智能科技股份有限公司 | 一种基于上下钻孔电路板的孔位检测方法及检测设备 |
US11920202B2 (en) * | 2020-04-09 | 2024-03-05 | University Of Connecticut | Unbiased identification of tumor rejection mediating neoepitopes |
CN111862037A (zh) * | 2020-07-17 | 2020-10-30 | 华中科技大学无锡研究院 | 基于机器视觉的精密孔类零件几何特征检测方法及系统 |
CN114092379A (zh) * | 2020-08-04 | 2022-02-25 | 新智数字科技有限公司 | 晶圆缺陷数据的聚类方法及装置 |
CN115115621B (zh) * | 2022-08-24 | 2022-11-11 | 聊城市泓润能源科技有限公司 | 一种基于图像处理的润滑油污染程度检测方法 |
CN115659194B (zh) * | 2022-11-15 | 2024-07-12 | 杨童菲 | 一种人工智能云诊断终端平台数据管理方法及系统 |
CN115496692B (zh) * | 2022-11-17 | 2023-02-17 | 卡松科技股份有限公司 | 一种润滑油磨粒图像增强方法 |
-
2023
- 2023-02-21 CN CN202310140002.XA patent/CN115841488B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022062812A1 (zh) * | 2020-09-28 | 2022-03-31 | 歌尔股份有限公司 | 屏幕缺陷检测方法、装置和电子设备 |
CN115049653A (zh) * | 2022-08-15 | 2022-09-13 | 凤芯微电子科技(聊城)有限公司 | 基于计算机视觉的集成电路板质量检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115841488A (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115841488B (zh) | 一种基于计算机视觉的pcb板的检孔方法 | |
CN113724231B (zh) | 一种基于语义分割和目标检测融合模型的工业缺陷检测方法 | |
CN115351598A (zh) | 一种数控机床轴承检测方法 | |
CN115294140B (zh) | 一种五金零件缺陷检测方法及系统 | |
CN115249246B (zh) | 一种光学玻璃表面缺陷检测方法 | |
CN111612737B (zh) | 一种人造板表面瑕疵检测装置及检测方法 | |
CN115018850B (zh) | 基于图像处理的精密电子零部件冲压孔毛刺检测方法 | |
CN105279772B (zh) | 一种红外序列图像的可跟踪性判别方法 | |
CN113205063A (zh) | 一种输电导线缺陷的视觉识别及定位方法 | |
CN112766218B (zh) | 基于非对称联合教学网络的跨域行人重识别方法和装置 | |
CN112861870B (zh) | 指针式仪表图像矫正方法、系统及存储介质 | |
CN116523922B (zh) | 一种轴承表面缺陷识别方法 | |
CN116152242B (zh) | 一种篮球用天然皮革缺陷可视化检测系统 | |
CN111695373A (zh) | 斑马线的定位方法、系统、介质及设备 | |
CN115775246A (zh) | 一种pcb元器件缺陷检测的方法 | |
CN116977230B (zh) | 一种扫描电子显微镜图像优化增强方法 | |
CN116363136B (zh) | 一种机动车部件自动化生产在线筛选方法及系统 | |
CN116110006B (zh) | 一种用于智慧旅游系统的景区游客异常行为识别方法 | |
CN115841491B (zh) | 一种多孔金属材料的质量检测方法 | |
CN117237747A (zh) | 基于人工智能的五金件缺陷分类识别方法 | |
CN115311287B (zh) | 一种共轨喷油器生产异常检测方法 | |
CN111582332A (zh) | 一种高速铁路接触网吊弦部件的图片识别方法 | |
CN109087278B (zh) | 基于改进Canny算子的安全套正反面识别法 | |
CN112037193A (zh) | 一种电力线路特征标记方法及装置 | |
CN109886133A (zh) | 一种基于光学遥感图像的船只检测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |