CN115861327A - 一种pcb颜色变化缺陷检测方法、装置、设备及介质 - Google Patents
一种pcb颜色变化缺陷检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115861327A CN115861327A CN202310181535.2A CN202310181535A CN115861327A CN 115861327 A CN115861327 A CN 115861327A CN 202310181535 A CN202310181535 A CN 202310181535A CN 115861327 A CN115861327 A CN 115861327A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional matrix
- color change
- matrix image
- pixel
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 165
- 230000008859 change Effects 0.000 title claims abstract description 110
- 238000001514 detection method Methods 0.000 title claims abstract description 70
- 239000011159 matrix material Substances 0.000 claims abstract description 127
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000011218 segmentation Effects 0.000 claims abstract description 32
- 230000015654 memory Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 229910000679 solder Inorganic materials 0.000 claims description 3
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 230000003647 oxidation Effects 0.000 description 6
- 238000007254 oxidation reaction Methods 0.000 description 6
- 230000000903 blocking effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请公开了一种PCB颜色变化缺陷检测方法、装置、设备及介质，涉及电路板图像处理领域，旨在解决现有印刷电路板颜色变化缺陷检测效率较低的技术问题。所述PCB颜色变化缺陷检测方法，包括以下步骤：获取目标电路板的待检测图像；所述待检测图像为包含目标颜色变化缺陷的电路板图像；对所述待检测图像中的颜色变化缺陷种类进行语义分割处理，获得二维矩阵图像；将所述二维矩阵图像进行平铺处理，获得一维向量图像；将所述一维向量图像中多余区域去除后，获得最小区域二维矩阵图像；将所述最小区域二维矩阵图像中的像素值，按照预设阈值进行卡控，获得缺陷检测结果。
Description
技术领域
本申请涉及电路板图像处理领域，尤其涉及一种PCB颜色变化缺陷检测方法、装置、设备及介质。
背景技术
PCB（Printed Circuit Board，印刷电路板）在制造过程中由于工艺波动、机台差异等因素会产生各种各样形态的缺陷，如线路生锈、氧化等造成的电路板颜色变化缺陷使用人工或现有自动缺陷分类系统不易被检出，或由于背景误判而导致大量过检现象发生，进而造成缺陷检测效率较低。
发明内容
本申请的主要目的是提供一种PCB颜色变化缺陷检测方法、装置、设备及介质，旨在解决现有印刷电路板颜色变化缺陷检测效率较低的技术问题。
为解决上述技术问题，本申请实施例提出了：一种PCB颜色变化缺陷检测方法，包括以下步骤：
获取目标电路板的待检测图像；所述待检测图像为包含目标颜色变化缺陷的电路板图像；
对所述待检测图像中的颜色变化缺陷种类进行语义分割处理，获得二维矩阵图像；
将所述二维矩阵图像进行平铺处理，获得一维向量图像；
将所述一维向量图像中多余区域去除后，获得最小区域二维矩阵图像；
将所述最小区域二维矩阵图像中的像素值，按照预设阈值进行卡控，获得缺陷检测结果。
作为本申请一些可选实施方式，所述对所述待检测图像中的颜色变化缺陷种类进行语义分割处理，获得二维矩阵图像，包括：
将所述待检测图像输入至语义分割模型进行语义标注处理和语义分割处理，获得待检测区域图像；
将所述待检测区域图像中的像素点映射在RGB颜色空间，获得二维矩阵图像。
在实际应用中，将所述待检测图像输入至语义分割模型进行语义标注处理后，获得带有颜色变化缺陷种类标注信息的待检测图像；并基于所述带有颜色变化缺陷种类标注信息的待检测图像进行分割，从而获得若干待检测区域图像，并且每张待检测区域图像中只包含一种颜色变化缺陷，从而降低后续检测过程中干扰因素，进而提高检测效率和精准度。并且在获得若干待检测区域图像之后，将所述待检测区域图像中的像素点映射在RGB颜色空间，获得二维矩阵图像，以便后续进行颜色阈值卡控。
作为本申请一些可选实施方式，所述语义分割模型通过U-Net算法、Deeplab算法和SegFormer算法中至少一种算法训练获得。
在实际应用中，所述语义分割模型可以是R-CNN、YOLO、SSD等网络模型，本申请不限定网络模型类型，以使用Faster-rcnn网络模型为例，可以基于训练样本集和测试集，使用Faster-rcnn网络模型在tensorflow框架下进行训练并验证，生成用于语义标注处理和语义分割处理的语义分割模型。具体的，由于原始图片经过归一化后转化为灰度图像信息后，包含着目标电路板的颜色变化缺陷特征信息，基于这些颜色变化缺陷特征信息进行颜色变化缺陷区域提取可以避免环境光或其他造成普通灰度图像异常的干扰，从而提升颜色变化缺陷区域提取的准确度。并且将所述语义分割模型通过U-Net算法、Deeplab算法和SegFormer算法中至少一种算法训练获得，以提高所述语义分割模型的训练效率和精准度。
作为本申请一些可选实施方式，所述颜色变化缺陷包括线路缺陷、锡球缺陷和切割道缺陷。
在实际应用中，所述电路板图像在制作过程中，由于工艺波动、机台差异等因素会产生各种各样形态的缺陷，如线路生锈、氧化等造成的电路板颜色变化缺陷，具体的，所述颜色变化缺陷包括线路缺陷、锡球缺陷和切割道缺陷。
作为本申请一些可选实施方式，所述将所述二维矩阵图像进行平铺处理，获得一维向量图像；将所述一维向量图像中多余区域去除后，获得最小区域二维矩阵图像，包括：
基于所述二维矩阵图像，获取各像素点的颜色值；
将所述二维矩阵图像进行平铺处理，去除颜色值为0的像素点，获得一维向量图像；
基于所述一维向量图像的长度像素尺寸和宽度像素尺寸，获得所述长度像素尺寸和所述宽度像素尺寸的最大公约数或其倍数；
基于所述长度像素尺寸和所述宽度像素尺寸的最大公约数或其倍数，获得最小区域二维矩阵图像。
在实际应用中，通过将所述二维矩阵图像中的非颜色变化区域去除，并基于去除后图像的长度像素尺寸和宽度像素尺寸，获得最大公约数或其倍数，对所述二维矩阵图像进行裁切，获得最小区域二维矩阵图像；所述最小区域二维矩阵图像中只包含一个颜色变化区域。
作为本申请一些可选实施方式，所述基于所述长度像素尺寸和所述宽度像素尺寸的最大公约数或其倍数，获得最小区域二维矩阵图像，包括：
基于所述长度像素尺寸和所述宽度像素尺寸的最大公约数，获得对应像素尺寸的二维矩阵图像；
基于所述对应像素尺寸的二维矩阵图像中的缺陷区域，获得最小区域二维矩阵图像。
在实际应用中，通过上述步骤，获得只包含一个颜色变化缺陷区域的最小区域二维矩阵图像，从而提高后续的检测效率。
作为本申请一些可选实施方式，所述将所述最小区域二维矩阵图像中的像素值，按照预设阈值进行卡控，获得缺陷检测结果，包括：
获取所述最小区域二维矩阵图像中像素最小值、像素均值和像素最大值；
并基于预设像素最小阈值、预设像素均阈值和预设像素最大阈值，对所述最小区域二维矩阵图像进行颜色卡控，获得颜色变化缺陷检测结果。
在实际应用中，通过所述最小区域二维矩阵图像中的各像素点对应的RGB值点在RGB空间坐标系中的坐标值，获取所述最小区域二维矩阵图像中像素最小值、像素均值和像素最大值。所述预设像素最小阈值、预设像素均阈值和预设像素最大阈值可根据实际需要进行设置。
为更好地对颜色变化缺陷进行卡控，以便提高检测效率，本申请对预设像素最小阈值进行了限定，即作为本申请一些可选实施方式，所述预设像素最小阈值Amix通过如下关系式获得：
Amix=min/mean
其中，所述Amix为预设像素最小阈值，所述min为所述最小区域二维矩阵图像中像素最小值，所述mean为所述最小区域二维矩阵图像中像素均值。
在本申请中，为更好地对颜色变化缺陷进行卡控，以便提高检测效率，本申请对预设像素均阈值进行了限定，作为本申请一些可选实施方式，所述预设像素均阈值Amean通过如下关系式获得：
Amean=mean/max
其中，所述Amean为预设像素均阈值，所述max为所述最小区域二维矩阵图像中像素最大值，所述mean为所述最小区域二维矩阵图像中像素均值。
在本申请中，为更好地对颜色变化缺陷进行卡控，以便提高检测效率，本申请对预设像素最大阈值进行了限定，作为本申请一些可选实施方式，所述预设像素最大阈值Amax通过如下关系式获得：
Amax=min/max
其中，所述Amax为预设像素最大阈值，所述min为所述最小区域二维矩阵图像中像素最小值，所述max为所述最小区域二维矩阵图像中像素最大值。
作为本申请一些可选实施方式，所述获取目标电路板的待检测图像，包括：
获取目标电路板的原始图片；
基于所述原始图片进行灰度处理，获得待检测灰度图像。
所述目标电路板是指需要检测是否具有缺陷的电路板，所述目标电路板的原始图片是指所述目标电路板的实际拍摄AOI图像。因此，所述目标电路板的原始图片为彩色图片，以及所述电路板图像构造本身较为复杂，而为了后续特征提取，将所述原始图片进行灰度处理，以更精准地对灰度图像中的颜色变化缺陷进行分类以及提取。
为解决上述技术问题，本申请实施例还提出了：一种PCB颜色变化缺陷的检测装置，包括：
获取模块，用于获取目标电路板的待检测图像；所述待检测图像为包含目标颜色变化缺陷的电路板图像；
标注模块，用于对所述待检测图像中的颜色变化缺陷种类进行语义分割处理，获得二维矩阵图像；
缩图模块，用于将所述二维矩阵图像进行平铺处理，获得一维向量图像；将所述一维向量图像中多余区域去除后，获得最小区域二维矩阵图像；
检测模块，用于将所述最小区域二维矩阵图像中的像素值，按照预设阈值进行卡控，获得缺陷检测结果。
为解决上述技术问题，本申请实施例还提出了：一种电子设备，该电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现如上所述PCB颜色变化缺陷的检测方法。
为解决上述技术问题，本申请实施例还提出了：一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现如上所述PCB颜色变化缺陷的检测方法。
与现有技术相比，本申请实施例所述PCB颜色变化缺陷检测方法包括：获取目标电路板的待检测图像；所述待检测图像为包含目标颜色变化缺陷的电路板图像；所述目标电路板在制造过程中由于工艺波动、机台差异等因素会产生各种各样形态的缺陷，如线路生锈、氧化等造成的电路板颜色变化缺陷；因此为后续检测效率的提升，对所述待检测图像中的颜色变化缺陷种类进行语义分割处理，获得二维矩阵图像；其中所述二维矩阵图像中除颜色变化缺陷区域，其他区域的颜色均设置为0，以便在将所述二维矩阵图像进行平铺处理获得一维向量图像后，将其他区域进行去除处理，以获得最小区域二维矩阵图像；其中，所述最小区域二维矩阵图像是指按照颜色变化缺陷大小进行设置的；将所述最小区域二维矩阵图像中的像素值，按照预设阈值进行卡控，获得缺陷检测结果。由此可见，本申请所述缺陷检测方法通过将包含多种目标颜色变化缺陷的电路板图像按照缺陷特征进行语义分割后，获得若干包含不同种类颜色变化缺陷的二维矩阵图像，并将其进行平铺处理后，获得一维向量图像并将图像中的非颜色变化缺陷区域去除，有效降低了多余的干扰因素，以提高后续检测效率；在去除图像中的非颜色变化缺陷区域后，对图像中的像素值按照预设阈值进行卡控，若卡控通过，则缺陷检测结果为通过；若卡控不通过，则缺陷检测结果为不通过。
附图说明
图1是本申请的实施例涉及的硬件运行环境的电子设备结构示意图；
图2是本申请的实施例提供的一种PCB颜色变化缺陷检测方法的流程示意图；
图3是本申请的实施例提供的一种PCB颜色变化缺陷检测装置的功能模块示意图；
其中，1001-处理器，1002-通信总线、1003-用户接口，1004-网络接口，1005-存储器。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例的主要解决方案是：提供一种PCB颜色变化缺陷检测方法、装置、设备及介质，通过获取目标电路板的待检测图像；所述待检测图像为包含目标颜色变化缺陷的电路板图像；对所述待检测图像中的颜色变化缺陷种类进行语义分割处理，获得二维矩阵图像；将所述二维矩阵图像进行平铺处理，获得一维向量图像；将所述一维向量图像中多余区域去除后，获得最小区域二维矩阵图像；将所述最小区域二维矩阵图像中的像素值，按照预设阈值进行卡控，获得缺陷检测结果。
由于在现有技术中，PCB（Printed Circuit Board，印刷电路板）在制造过程中由于工艺波动、机台差异等因素会产生各种各样形态的缺陷，如线路生锈、氧化等造成的电路板颜色变化缺陷，这些颜色变化缺陷在后续AOI（Automated Optical Inspection，自动光学检测）、ADC（Analog-to-Digital Converter，模/数转换器或者模拟/数字转换器）等智能化缺陷检测系统对PCB产品进行自动缺陷识别时，不易被检出，且由于背景误判而导致大量过检现象发生，进而造成缺陷检测效率较低。且如果对上述PCB产品上的颜色变化缺陷无法识别，极易在将PCB产品投入实际应用时出现线路相连、短路，导致整块PCB板报废等故障。因此，亟需一种能高效检测PCB颜色变化缺陷的方法。
参照图1，图1为本申请实施例方案涉及的硬件运行环境的电子设备结构示意图。
如图1所示，该电子设备可以包括：处理器1001，例如中央处理器（CentralProcessing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及电子程序。
在图1所示的电子设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明电子设备中的处理器1001、存储器1005可以设置在电子设备中，所述电子设备通过处理器1001调用存储器1005中存储的PCB颜色变化缺陷检测装置，并执行本申请实施例提供的PCB颜色变化缺陷检测方法。
参照图2，本申请的实施例提供了一种PCB颜色变化缺陷检测方法，包括以下步骤：
步骤S10、获取目标电路板的待检测图像；所述待检测图像为包含目标颜色变化缺陷的电路板图像。其中，所述颜色变化缺陷包括线路缺陷、锡球缺陷和切割道缺陷；所述颜色变化缺陷是由于所述电路板图像在制作过程中，由于工艺波动、机台差异等因素会产生各种各样形态的缺陷，如线路生锈、氧化等造成的电路板颜色变化缺陷。
在具体应用中，所述获取目标电路板的待检测图像，包括：获取目标电路板的原始图片；基于所述原始图片进行灰度处理，获得待检测灰度图像。其中，所述目标电路板是指需要检测是否具有缺陷的电路板，所述目标电路板的原始图片是指所述目标电路板的实际拍摄AOI图像。因此，所述目标电路板的原始图片为彩色图片，以及所述电路板图像构造本身较为复杂，而为了后续特征提取，将所述原始图片进行灰度处理，以更精准地对灰度图像中的颜色变化缺陷进行分类以及提取。所述灰度处理是为了简化信息，比如彩色图有三色值以及通明度等，但是灰度化以后就只剩下一个灰度值了（其实也就是三色值相等），这样便于进行进一步处理。当然，灰度处理并不影响图像的轮廓等主要信息，只是去除了彩色信息。所述原始图片中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其一个像素点的变化范围为255种，所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。通常来说，图像的灰度化处理可用两种方法来实现：第一种方法使求出每个像素点的R、G、B三个分量的平均值，然后将这个平均值赋予给这个像素的三个分量；或第二种方法是根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。
步骤S20、对所述待检测图像中的颜色变化缺陷种类进行语义分割处理，获得二维矩阵图像。具体来说，这里的待检测图像是指上述经过灰度处理后的待检测灰度图像。
在具体应用中，步骤S20所述对所述待检测图像中的颜色变化缺陷种类进行语义分割处理，获得二维矩阵图像，包括：
步骤S21、将所述待检测图像输入至语义分割模型进行语义标注处理和语义分割处理，获得待检测区域图像。
具体地，所述语义分割模型通过U-Net算法、Deeplab算法和SegFormer算法中至少一种算法训练获得；所述语义分割模型可以是R-CNN、YOLO、SSD等网络模型，本申请不限定网络模型类型，以使用Faster-rcnn网络模型为例，可以基于训练样本集和测试集，使用Faster-rcnn网络模型在tensorflow框架下进行训练并验证，生成用于语义标注处理和语义分割处理的语义分割模型。具体的，由于原始图片经过归一化后转化为灰度图像信息后，包含着目标电路板的颜色变化缺陷特征信息，基于这些颜色变化缺陷特征信息进行颜色变化缺陷区域提取可以避免环境光或其他造成普通灰度图像异常的干扰，从而提升颜色变化缺陷区域提取的准确度。
步骤S22、将所述待检测区域图像中的像素点映射在RGB颜色空间，获得二维矩阵图像。其中，所述待检测区域图像为基于颜色变化缺陷特征进行提取以及分割后获得的，所述待检测区域图像包含颜色变化缺陷的种类标注。因此在获得所述待检测区域图像后，将其像素点映射在RGB颜色空间，获得二维矩阵图像，以便后续进行颜色阈值卡控。所述将所述待检测区域图像中的像素点映射在RGB颜色空间是指：将所述待检测区域图像中的各像素点的RGB值进行提取，映射在RGB空间坐标系；根据RGB值将各像素点映射在RGB空间坐标系中，获得像素点对应的RGB值点在RGB空间坐标系中的坐标，从而获得二维矩阵图像。
步骤S30、将所述二维矩阵图像进行平铺处理，获得一维向量图像；将所述一维向量图像中多余区域去除后，获得最小区域二维矩阵图像。具体来说，所述将所述二维矩阵图像进行平铺处理，获得一维向量图像；将所述一维向量图像中多余区域去除后，获得最小区域二维矩阵图像，包括：
步骤S31、基于所述二维矩阵图像，获取各像素点的颜色值。即通过二维矩阵图像，分别获得各像素点对应的RGB值点在RGB空间坐标系中的坐标值。
步骤S32、将所述二维矩阵图像进行平铺处理，去除颜色值为0的像素点，获得一维向量图像。具体来说，在将所述二维矩阵图像进行平铺处理之后，将非颜色变化区域的颜色设置为0，并去除该区域像素点，以降低干扰因素，从而获得只包含颜色变化缺陷区域的一维向量图像。
步骤S33、基于所述一维向量图像的长度像素尺寸和宽度像素尺寸，获得所述长度像素尺寸和所述宽度像素尺寸的最大公约数或其倍数。具体来说，为将所述二维矩阵图像缩小至最小尺寸，提取获得上述一维向量图像的长度像素尺寸和宽度像素尺寸，并获得上述长度像素尺寸和宽度像素尺寸的最大公约数或其倍数，以便于后续基于所述长度像素尺寸和所述宽度像素尺寸的最大公约数或其倍数，获得最小区域二维矩阵图像。
具体来说，所述基于所述长度像素尺寸和所述宽度像素尺寸的最大公约数或其倍数，获得最小区域二维矩阵图像，包括：基于所述长度像素尺寸和所述宽度像素尺寸的最大公约数，获得对应像素尺寸的二维矩阵图像；基于所述对应像素尺寸的二维矩阵图像中的缺陷区域，获得最小区域二维矩阵图像。以使得最终所获得的最小区域二维矩阵图像只包含一个缺陷区域，从而提高后续的检测效率。
步骤S40、将所述最小区域二维矩阵图像中的像素值，按照预设阈值进行卡控，获得缺陷检测结果。具体的，所述将所述最小区域二维矩阵图像中的像素值，按照预设阈值进行卡控，获得缺陷检测结果，包括：
步骤S41、获取所述最小区域二维矩阵图像中像素最小值、像素均值和像素最大值。具体来说，通过所述最小区域二维矩阵图像中的各像素点对应的RGB值点在RGB空间坐标系中的坐标值，获取所述最小区域二维矩阵图像中像素最小值、像素均值和像素最大值。
步骤S42、并基于预设像素最小阈值、预设像素均阈值和预设像素最大阈值，对所述最小区域二维矩阵图像进行颜色卡控，获得颜色变化缺陷检测结果。具体来说，所述预设像素最小阈值、预设像素均阈值和预设像素最大阈值可根据实际需要进行设置；但在本申请中，为更好地对颜色变化缺陷进行卡控，以便提高检测效率，本申请对预设像素最小阈值、预设像素均阈值和预设像素最大阈值进行了限定，即：
所述预设像素最小阈值Amix通过如下关系式获得：
Amix=min/mean
其中，所述Amix为预设像素最小阈值，所述min为所述最小区域二维矩阵图像中像素最小值，所述mean为所述最小区域二维矩阵图像中像素均值。
所述预设像素均阈值Amean通过如下关系式获得：
Amean=mean/max
其中，所述Amean为预设像素均阈值，所述max为所述最小区域二维矩阵图像中像素最大值，所述mean为所述最小区域二维矩阵图像中像素均值。
所述预设像素最大阈值Amax通过如下关系式获得：
Amax=min/max
其中，所述Amax为预设像素最大阈值，所述min为所述最小区域二维矩阵图像中像素最小值，所述max为所述最小区域二维矩阵图像中像素最大值。
在实际应用中，通过上述预设像素最小阈值、预设像素均阈值和预设像素最大阈值三个阈值可以控制目标电路板图像和标准电路板图像的差距，所述标准电路板图像是指不包含任何颜色变化缺陷的电路板图像；并基于目标电路板图像和标准电路板图像的差距值，判断所述目标电路板是否含有颜色变化缺陷。
与现有技术相比，本申请实施例所述PCB颜色变化缺陷检测方法包括：获取目标电路板的待检测图像；所述待检测图像为包含目标颜色变化缺陷的电路板图像；所述目标电路板在制造过程中由于工艺波动、机台差异等因素会产生各种各样形态的缺陷，如线路生锈、氧化等造成的电路板颜色变化缺陷；因此为后续检测效率的提升，对所述待检测图像中的颜色变化缺陷种类进行语义分割处理，获得二维矩阵图像；其中所述二维矩阵图像中除颜色变化缺陷区域，其他区域的颜色均设置为0，以便在将所述二维矩阵图像进行平铺处理获得一维向量图像后，将其他区域进行去除处理，以获得最小区域二维矩阵图像；其中，所述最小区域二维矩阵图像是指按照颜色变化缺陷大小进行设置的；将所述最小区域二维矩阵图像中的像素值，按照预设阈值进行卡控，获得缺陷检测结果。由此可见，本申请所述缺陷检测方法通过将包含多种目标颜色变化缺陷的电路板图像按照缺陷特征进行语义分割后，获得若干包含不同种类颜色变化缺陷的二维矩阵图像，并将其进行平铺处理后，获得一维向量图像并将图像中的非颜色变化缺陷区域去除，有效降低了多余的干扰因素，以提高后续检测效率；在去除图像中的非颜色变化缺陷区域后，对图像中的像素值按照预设阈值进行卡控，若卡控通过，则缺陷检测结果为通过；若卡控不通过，则缺陷检测结果为不通过。
基于同样的发明思路，如图3所示，本申请实施例还提出了：一种PCB颜色变化缺陷的检测装置，包括：
获取模块，用于获取目标电路板的待检测图像；所述待检测图像为包含目标颜色变化缺陷的电路板图像；
标注模块，用于对所述待检测图像中的颜色变化缺陷种类进行语义分割处理，获得二维矩阵图像；
缩图模块，用于将所述二维矩阵图像进行平铺处理，获得一维向量图像；将所述一维向量图像中多余区域去除后，获得最小区域二维矩阵图像；
检测模块，用于将所述最小区域二维矩阵图像中的像素值，按照预设阈值进行卡控，获得缺陷检测结果。
需要说明的是，本实施例中PCB颜色变化缺陷的检测装置中各模块是与前述实施例中的PCB颜色变化缺陷的检测方法中的各步骤一一对应，因此，本实施例的具体实施方式可参照前述PCB颜色变化缺陷的检测方法的实施方式，这里不再赘述。
此外，在一种实施例中，本申请的实施例还提供一种计算机程序产品，所述计算机程序产品在被处理器时，实现前述的方法。
此外，在一种实施例中，本申请的实施例还提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现前述实施例中方法的步骤。
在一些实施例中，计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。
在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言（包括编译或解释语言，或者声明性或过程性语言）来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言（HTML，Hyper TextMarkup Language）文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件（例如，存储一个或多个模块、子程序或代码部分的文件）中。
作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该计算机软件产品存储在一个存储介质（如只读存储器/随机存取存储器、磁碟、光 盘）中，包括若干指令用以使得一台多媒体终端设备(可以是手机，计算机，电视接收机，或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (14)
1.一种PCB颜色变化缺陷检测方法，其特征在于，包括以下步骤：
获取目标电路板的待检测图像；所述待检测图像为包含目标颜色变化缺陷的电路板图像；
对所述待检测图像中的颜色变化缺陷种类进行语义分割处理，获得二维矩阵图像；
将所述二维矩阵图像进行平铺处理，获得一维向量图像；
将所述一维向量图像中多余区域去除后，获得最小区域二维矩阵图像；
将所述最小区域二维矩阵图像中的像素值，按照预设阈值进行卡控，获得缺陷检测结果。
2.根据权利要求1所述PCB颜色变化缺陷检测方法，其特征在于，所述对所述待检测图像中的颜色变化缺陷种类进行语义分割处理，获得二维矩阵图像，包括：
将所述待检测图像输入至语义分割模型进行语义标注处理和语义分割处理，获得待检测区域图像；
将所述待检测区域图像中的像素点映射在RGB颜色空间，获得二维矩阵图像。
3.根据权利要求2所述PCB颜色变化缺陷检测方法，其特征在于，所述语义分割模型通过U-Net算法、Deeplab算法和SegFormer算法中至少一种算法训练获得。
4.根据权利要求1所述PCB颜色变化缺陷检测方法，其特征在于，所述颜色变化缺陷包括线路缺陷、锡球缺陷和切割道缺陷。
5.根据权利要求1所述PCB颜色变化缺陷检测方法，其特征在于，所述将所述二维矩阵图像进行平铺处理，获得一维向量图像；将所述一维向量图像中多余区域去除后，获得最小区域二维矩阵图像，包括：
基于所述二维矩阵图像，获取各像素点的颜色值；
将所述二维矩阵图像进行平铺处理，去除颜色值为0的像素点，获得一维向量图像；
基于所述一维向量图像的长度像素尺寸和宽度像素尺寸，获得所述长度像素尺寸和所述宽度像素尺寸的最大公约数或其倍数；
基于所述长度像素尺寸和所述宽度像素尺寸的最大公约数或其倍数，获得最小区域二维矩阵图像。
6.根据权利要求5所述PCB颜色变化缺陷检测方法，其特征在于，所述基于所述长度像素尺寸和所述宽度像素尺寸的最大公约数或其倍数，获得最小区域二维矩阵图像，包括：
基于所述长度像素尺寸和所述宽度像素尺寸的最大公约数，获得对应像素尺寸的二维矩阵图像；
基于所述对应像素尺寸的二维矩阵图像中的缺陷区域，获得最小区域二维矩阵图像。
7.根据权利要求1所述PCB颜色变化缺陷检测方法，其特征在于，所述将所述最小区域二维矩阵图像中的像素值，按照预设阈值进行卡控，获得缺陷检测结果，包括：
获取所述最小区域二维矩阵图像中像素最小值、像素均值和像素最大值；
并基于预设像素最小阈值、预设像素均阈值和预设像素最大阈值，对所述最小区域二维矩阵图像进行颜色卡控，获得颜色变化缺陷检测结果。
8.根据权利要求7所述PCB颜色变化缺陷检测方法，其特征在于，所述预设像素最小阈值Amix通过如下关系式获得：
Amix=min/mean
其中，所述Amix为预设像素最小阈值，所述min为所述最小区域二维矩阵图像中像素最小值，所述mean为所述最小区域二维矩阵图像中像素均值。
9.根据权利要求7所述PCB颜色变化缺陷检测方法，其特征在于，所述预设像素均阈值Amean通过如下关系式获得：
Amean=mean/max
其中，所述Amean为预设像素均阈值，所述max为所述最小区域二维矩阵图像中像素最大值，所述mean为所述最小区域二维矩阵图像中像素均值。
10.根据权利要求7所述PCB颜色变化缺陷检测方法，其特征在于，所述预设像素最大阈值Amax通过如下关系式获得：
Amax=min/max
其中，所述Amax为预设像素最大阈值，所述min为所述最小区域二维矩阵图像中像素最小值，所述max为所述最小区域二维矩阵图像中像素最大值。
11.根据权利要求1所述PCB颜色变化缺陷检测方法，其特征在于，所述获取目标电路板的待检测图像，包括：
获取目标电路板的原始图片；
基于所述原始图片进行灰度处理，获得待检测灰度图像。
12.一种PCB颜色变化缺陷的检测装置，其特征在于，包括：
获取模块，用于获取目标电路板的待检测图像；所述待检测图像为包含目标颜色变化缺陷的电路板图像；
标注模块，用于对所述待检测图像中的颜色变化缺陷种类进行语义分割处理，获得二维矩阵图像；
缩图模块，用于将所述二维矩阵图像进行平铺处理，获得一维向量图像；将所述一维向量图像中多余区域去除后，获得最小区域二维矩阵图像；
检测模块，用于将所述最小区域二维矩阵图像中的像素值，按照预设阈值进行卡控，获得缺陷检测结果。
13.一种电子设备，其特征在于，该电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现如权利要求1-11中任一项所述PCB颜色变化缺陷的检测方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现如权利要求1-11中任一项所述PCB颜色变化缺陷的检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310181535.2A CN115861327A (zh) | 2023-03-01 | 2023-03-01 | 一种pcb颜色变化缺陷检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310181535.2A CN115861327A (zh) | 2023-03-01 | 2023-03-01 | 一种pcb颜色变化缺陷检测方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115861327A true CN115861327A (zh) | 2023-03-28 |
Family
ID=85659446
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310181535.2A Pending CN115861327A (zh) | 2023-03-01 | 2023-03-01 | 一种pcb颜色变化缺陷检测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115861327A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117173200A (zh) * | 2023-11-03 | 2023-12-05 | 成都数之联科技股份有限公司 | 一种图像分割方法、装置、设备和介质 |
| CN117269180A (zh) * | 2023-11-24 | 2023-12-22 | 成都数之联科技股份有限公司 | 车辆外观检测方法、装置、服务器和计算机可读存储介质 |
-
2023
- 2023-03-01 CN CN202310181535.2A patent/CN115861327A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117173200A (zh) * | 2023-11-03 | 2023-12-05 | 成都数之联科技股份有限公司 | 一种图像分割方法、装置、设备和介质 |
| CN117173200B (zh) * | 2023-11-03 | 2024-02-02 | 成都数之联科技股份有限公司 | 一种图像分割方法、装置、设备和介质 |
| CN117269180A (zh) * | 2023-11-24 | 2023-12-22 | 成都数之联科技股份有限公司 | 车辆外观检测方法、装置、服务器和计算机可读存储介质 |
| CN117269180B (zh) * | 2023-11-24 | 2024-03-12 | 成都数之联科技股份有限公司 | 车辆外观检测方法、装置、服务器和计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114266773B (zh) | 显示面板缺陷定位方法、装置、设备及存储介质 | |
| CN115861327A (zh) | 一种pcb颜色变化缺陷检测方法、装置、设备及介质 | |
| CN109753953B (zh) | 图像中定位文本的方法、装置、电子设备和存储介质 | |
| CN114202543B (zh) | Pcb板脏污缺陷检测方法、装置、设备及介质 | |
| CN108764352B (zh) | 重复页面内容检测方法和装置 | |
| CN114549512A (zh) | 一种电路板缺陷检测方法、装置、设备及介质 | |
| US8090184B2 (en) | Fault detection of a printed dot-pattern bitmap | |
| CN108615030B (zh) | 一种标题一致性检测方法、装置及电子设备 | |
| CN113870256B (zh) | Pcb板缺陷评估方法、装置、设备及介质 | |
| CN116109631B (zh) | 一种pcba虚焊缺陷检测方法、装置、设备和介质 | |
| CN116542975B (zh) | 一种玻璃面板的缺陷分类方法、装置、设备和介质 | |
| CN115063618B (zh) | 一种基于模板匹配的缺陷定位方法、系统、设备及介质 | |
| CN114677567B (zh) | 模型训练方法、装置、存储介质及电子设备 | |
| CN115239734A (zh) | 模型训练方法、装置、存储介质、设备及计算机程序产品 | |
| CN115578377A (zh) | 一种面板缺陷的检测方法、训练方法、装置、设备及介质 | |
| CN117871545A (zh) | 一种电路板元器件缺陷检测方法、装置、终端及存储介质 | |
| CN114842275A (zh) | 电路板缺陷判别方法、训练方法、装置、设备及存储介质 | |
| CN116091503B (zh) | 一种面板异物缺陷的判别方法、装置、设备及介质 | |
| CN117007600A (zh) | 缺陷检测方法、装置、设备及计算机可读存储介质 | |
| CN110619629B (zh) | 一种cpu插座检测方法和设备 | |
| CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
| CN114937037B (zh) | 产品缺陷检测方法、装置、设备及可读存储介质 | |
| CN116128823A (zh) | Ic载板的金点检测方法、装置和电子设备 | |
| CN115984244A (zh) | 面板缺陷标注方法、装置、存储介质、设备及程序产品 | |
| CN115830599A (zh) | 工业字符识别方法、模型训练方法、装置、设备和介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230328 |
|
| RJ01 | Rejection of invention patent application after publication |