CN116245900A - 一种基于投影的电子元器件边缘瑕疵检测方法 - Google Patents

一种基于投影的电子元器件边缘瑕疵检测方法 Download PDF

Info

Publication number
CN116245900A
CN116245900A CN202310011725.XA CN202310011725A CN116245900A CN 116245900 A CN116245900 A CN 116245900A CN 202310011725 A CN202310011725 A CN 202310011725A CN 116245900 A CN116245900 A CN 116245900A
Authority
CN
China
Prior art keywords
projection
affine transformation
coordinates
electronic component
picture
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
CN202310011725.XA
Other languages
English (en)
Inventor
郑道勤
齐文博
王建力
章齐
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.)
Chongqing Zhongke Rowing Ship Information Technology Co ltd
Original Assignee
Chongqing Zhongke Rowing Ship Information 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 Chongqing Zhongke Rowing Ship Information Technology Co ltd filed Critical Chongqing Zhongke Rowing Ship Information Technology Co ltd
Priority to CN202310011725.XA priority Critical patent/CN116245900A/zh
Publication of CN116245900A publication Critical patent/CN116245900A/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • 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
    • 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
    • G06T2207/30148—Semiconductor; IC; Wafer
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于投影的电子元器件边缘瑕疵检测方法，包括：获取电子元器件的待处理图片，并对待处理图片进行二值化处理，得到二值化图片；通过查找连通分量的方式，获取二值化图片中的最大连通分量；采用最小外接矩形算法，查找最大连通分量的最小外接矩形，获取最小外接矩形的长边和短边；获取最小外接矩形的顶点坐标，并将对顶点坐标进行仿射变换，得到变换坐标，根据变换坐标得到仿射变换矩阵；根据仿射变换矩阵对最大连通分量的所有点进行仿射变换，得到仿射变换结果；将仿射变换结果通过X轴进行投影，得到投影结果，根据投影结果判定电子元器件的边缘是否正常。本发明能够实现对电子元器件边缘的精准检测，提升了检测精度。

Description

一种基于投影的电子元器件边缘瑕疵检测方法
技术领域
本发明涉及产品检测技术领域，尤其涉及一种基于投影的电子元器件边缘瑕疵检测方法。
背景技术
在机器视觉的电子元器件边缘瑕疵检测任务中，传统算法是利用模板匹配算法找到待匹配图像中的目标，进行一定的图像处理，然后逐个像素值进行对，最后根据对比的差异大小，结合阈值，得出是否异常的结论。
但是，在上述瑕疵检测流程中，由于打光的影响，元器件周围常常会出现一圈阴影，且电子元器件多为深色，从视觉角度上看，就造成了阴影和元器件的边缘无法分辨的情况，从而造成了模板匹配的不准确，导致电子元器件边缘瑕疵检测结果不准确的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种基于投影的电子元器件边缘瑕疵检测方法。
一种基于投影的电子元器件边缘瑕疵检测方法，包括以下步骤：获取电子元器件的待处理图片，并对所述待处理图片进行二值化处理，得到二值化图片；通过查找连通分量的方式，获取所述二值化图片中的最大连通分量，所述最大连通分量包含电子元器件的阴影；采用最小外接矩形算法，查找所述最大连通分量的最小外接矩形，获取所述最小外接矩形的长边和短边；获取所述最小外接矩形的顶点坐标，并对所述顶点坐标进行仿射变换，得到变换坐标，根据所述变换坐标得到仿射变换矩阵；根据所述仿射变换矩阵对所述最大连通分量的所有点进行仿射变换，得到仿射变换结果；将所述仿射变换结果通过X轴进行投影，得到投影结果，根据所述投影结果判定电子元器件的边缘是否正常。
在其中一个实施例中，所述获取电子元器件的待处理图片，并对所述待处理图片进行二值化处理，得到二值化图片，包括：获取电子元器件的待处理图片，得到所述待处理图片所有点的灰度值；根据所述待处理图片所有点的灰度值，计算所述灰度值的均值；将所述灰度值均值作为二值化处理的阈值，对所述待处理图片进行二值化处理，得到二值化图片。
在其中一个实施例中，所述通过查找连通分量的方式，获取所述二值化图片中的最大连通分量，所述最大连通分量包含电子元器件的阴影，包括：设二值化图片为IB，且对应有n个连通分量，每一个所述连通分量CDi(i＝1，2，..，n)的面积表示为属于所述连通分量的像素值个数，则第i个连通分量的面积Si表示为：
Si＝|{f(x，y)|(x，y)∈CDi}|(i＝1，2，..，n)
式中，f(x，y)表示在所述二值化图片上坐标(x，y)位置的值，||表示求集合元素的个数，则最大连通分量Smax表示为：
Smax＝argmaxiSi(i＝1，2，..n)
式中，Smax表示最大连通分量，且所述最大连通分量包含有电子元器件的阴影。
在其中一个实施例中，所述获取所述最小外接矩形的顶点坐标，并对顶点坐标进行仿射变换，得到变换坐标，根据所述变换坐标得到仿射变换矩阵，包括：令最小外接矩形Rectmax，长边表示为Rectlong_side，短边表示为Rectshort_side，且最小外接矩形的三个顶点坐标分别为p1、p2和p3，其中，p1和p2分别表示长边Rectlong_side对应的两个顶点，p3表示通过一条短边和ps1连接的第3个顶点；设所述三个顶点坐标对应的变换坐标分别为p1′(0，0)，p2′(Rectlong_side，0)和p3′(0，Rectshort_side)，仿射变换矩阵为M，则有：
(p′i，1)T＝M·(pi，1)T，(i＝1，2，3)
Figure BDA0004039033770000021
式中，(pi，1)表示对向量pi进行增广，联立上式解得仿射变换矩阵M的参数，获取仿射变换矩阵。
在其中一个实施例中，所述将所述仿射变换结果通过X轴进行投影，得到投影结果，根据所述投影结果判定电子元器件的边缘是否正常，包括：获取所述仿射变换结果中点的坐标，并将仿射变换结果中的点通过X轴进行投影，得到投影结果；在所述投影结果存在平行于X轴的线条时，认定所述电子元器件的边缘正常；在所述投影结果为波动的线条时，认定所述电子元器件的边缘异常。
在其中一个实施例中，在认定所述电子元器件的边缘异常之后，还包括：根据所述投影结果获取对应投影点的坐标，采用小二乘法对所述投影点进行直线拟合，得到直线参数，并根据所述直线参数计算得到平均偏差；获取预设阈值，比较所述平均偏差与预设阈值的关系，获取比较结果，根据所述比较结果判断所述电子元器件的边缘是否正常。
在其中一个实施例中，所述根据所述投影结果获取对应投影点的坐标，采用小二乘法对所述投影点进行直线拟合，得到直线参数，并根据所述直线参数计算得到平均偏差，包括：设通过X轴进行投影的为N个点，N个点的坐标分别为(x1，y1)、(x2，y2)、(x3，y3)……(xN，yN)；采用最小二乘法，根据所述N个点的坐标进行直线拟合，获取直线参数k和b；根据所述N个点的坐标和直线参数计算得到平均偏差，公式为：
Figure BDA0004039033770000031
在其中一个实施例中，所述获取预设阈值，比较所述平均偏差与预设阈值的关系，获取比较结果，根据所述比较结果判断所述电子元器件的边缘是否正常，包括：在所述平均偏差小于所述预设阈值时，认定所述电子元器件的边缘存在瑕疵；在所述平均偏差大于或等于所述预设阈值时，认定所述电子元器件的边缘正常。
相比于现有技术，本发明的优点及有益效果在于：通过获取电子元器件的待处理图片，并对其进行二值化处理，得到二值化图片；通过查找连通分量的方式，获取二值化图片中的最大连通分量，最大连通分量中包含电子元器件的阴影，采用最小外接矩形算法，查找最大连通分量的最小外接矩形，获取最小外接矩形的长边和短边，通过最小外接矩形去除阴影，从而能够消除阴影对边缘检测的影响，获取最小外接矩形的顶点坐标，并对顶点坐标进行仿射变换，得到变换坐标，根据变换坐标计算得到仿射变换矩阵，并用于对最大连通分量的所有点进行仿射变换，得到仿射变换结果，将仿射变换中的点通过X轴进行投影，得到投影结果，根据投影结果判断电子元器件的边缘是否正常，从而能够消除阴影对边缘检测的影响，实现对电子元器件边缘的精准检测，提升了边缘检测精度。
附图说明
图1为一个实施例中一种基于投影的电子元器件边缘瑕疵检测方法的流程示意图；
图2为一个实施例中电子元器件的待处理图片；
图3为图2的二值化图片；
图4为图3中的最大连通分量；
图5为图4中最大连通分量的最小外接矩形；
图6为图5仿射变换后的结果示意图；
图7为图6的投影结果示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图对本发明做进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
在一个实施例中，如图1至7所示，提供了一种基于投影的电子元器件边缘瑕疵检测方法，包括以下步骤：
步骤S101，获取电子元器件的待处理图片，并对待处理图片进行二值化处理，得到二值化图片。
具体地，对需要进行边缘瑕疵检测的电子元器件进行拍照，获取对应电子元器件的待处理图片，如图2所示，对该待处理图片进行二值化处理，得到二值化图片，如图3所示。
其中，步骤S101包括：获取电子元器件的待处理图片，得到待处理图片所有点的灰度值；根据待处理图片所有点的灰度值，计算灰度值的均值；将灰度值均值作为二值化处理的阈值，对待处理图片进行二值化处理，得到二值化图片。
具体地，在对待处理图片进行二值化处理时，通过获取待处理图片中所有像素点的灰度值，并根据所有像素点的灰度值计算得到灰度值的均值，以便于将该灰度值的均值作为二值化处理的阈值，对待处理图片进行二值化处理，得到对应的二值化图片，从而能够减弱待处理图片中的噪声的影响，提高检测精度。
步骤S102，通过查找连通分量的方式，获取二值化图片中的最大连通分量，最大连通分量包含电子元器件的阴影。
具体地，在二值化图片中，由于噪声或阴影遮挡的影响，会导致二值化图片中出现多个连通分量，且多个连通分量出现在电子元器件的四周。因此，可以采用查找连通分量的方式，获取电子元器件对应的连通分量，即最大连通分量，如图4所示，该最大连通分量包含有电子元器件的阴影，从而能够精准查找到电子元器件的分量。
其中，步骤S102具体包括：设二值化图片为IB，且对应有n个连通分量，每一个连通分量CDi(i＝1，2，..，n)的面积表示为属于连通分量的像素值个数，则第i个连通分量的面积Si表示为：
Si＝|{f(x，y)|(x，y)∈CDi}|(i＝1，2，..，n)
式中，f(x，y)表示在二值化图片上坐标(x，y)位置的值，||表示求集合元素的个数，则最大连通分量Smax表示为：
Smax＝argmaxiSi(i＝1，2，..n)
式中，Smax表示最大连通分量，且最大连通分量包含有电子元器件的阴影。
具体地，通过上述方式定位待处理图片中电子元器件的连通分量，得到最大连通分量，且该最大连通分量包含有电子元器件的阴影。
步骤S103，采用最小外接矩形算法，查找最大连通分量的最小外接矩形，获取最小外接矩形的长边和短边。
具体地，由于正常的电子元器件是规则的凸多边形，存在明确的长边和短边，因此，即使最大连通分量中存在阴影的干扰，但其长边和短边的长度不受阴影的干扰，始终保持不变。因此，采用最小外接矩形算法(smallest minimum bounding rectangle，SMBR)，查找目标特征区域(即电子元器件)的最小外接矩形，如图5所示，灰色矩形框即为图中最大连通分量的最小矩形框，同时，获取最小外接矩形的长边和短边，依据矩形的位置及方向来定位电子元器件的位置与姿态，从而消除了阴影对电子元器件瑕疵检测的影响。
在一个实施例中，最小外接矩形算法可以采用等间隔旋转搜索方法，将图像中的最大连通分量在90°范围内等间隔地旋转，每次记录其轮廊在坐标系方向上的外接矩形参数，通过计算外接矩形面积求取最小外接矩形。
步骤S104，获取最小外接矩形的顶点坐标，并对顶点坐标进行仿射变换，得到变换坐标，根据变换坐标得到仿射变换矩阵。
具体地，在获取小外接矩形后，通过获取最小外接矩形的顶点坐标，对顶点坐标进行仿射变换，从而得到变换坐标，根据变换坐标计算得到对应的仿射变换矩阵，便于后续投影。
其中，步骤S104包括：令最小外接矩形Rectmax，长边表示为Rectlong_side，短边表示为Rectshort_side，且最小外接矩形的三个顶点坐标分别为p1、p2和p3，其中，p1和p2分别表示长边Rectlong_side对应的两个顶点，p3表示通过一条短边和ps1连接的第3个顶点；设三个顶点坐标对应的变换坐标分别为p1(0，0)，p2′(Rectlong_side，0)和p3′(0，Rectshort_side)，仿射变换矩阵为M，则有：
(p′i，1)T＝M·(pi，1)T，(i＝1，2，3)
Figure BDA0004039033770000061
式中，(pi，1)表示对向量pi进行增广，联立上式解得仿射变换矩阵M的参数，获取仿射变换矩阵。
具体地，通过获取最小外接矩形长边的两个端点坐标及另一顶点坐标，并对上述三点的坐标进行仿射变换，得到三个点的变换坐标，根据获取的变换坐标求解仿射变换矩阵，得到对应的仿射变换矩阵，以便于根据求解的仿射变换矩阵对最大连通分量的所有点进行仿射变换。
步骤S105，根据仿射变换矩阵对最大连通分量的所有点进行仿射变换，得到仿射变换结果。
具体地，在求解得到仿射变换矩阵后，根据该仿射变换矩阵对最大连通分量中的所有点进行仿射变换，得到仿射变换结果，如图6所示。
步骤S106，将仿射变换结果通过X轴进行投影，得到投影结果，根据投影结果判定电子元器件的边缘是否正常。
具体地，在仿射变换后，将仿射变换中的所有点根据X轴进行投影，得到对应的投影结果，根据投影结果是否存在波动，能够对电子元器件的边缘是否存在瑕疵进行初步判断。
此外，也可以根据仿射变换结果中选取位于最小外接矩形同一边上的若干点，并将若干点通过坐标轴进行投影，例如在选取长边的点时，通过X轴进行投影；在选取短边的点时，通过Y轴进行投影，得到投影结果，从而能够对电子元器件每一边的瑕疵情况进行精准判定。
其中，步骤S106包括：获取仿射变换结果中点的坐标，并将仿射变换结果中的点通过X轴进行投影，得到投影结果；在投影结果存在平行于X轴的线条时，认定电子元器件的边缘正常；在投影结果为波动的线条时，认定电子元器件的边缘异常。
具体地，获取仿射变换结果中所有点的坐标，并将所有点通过X轴进行投影，得到对应的投影结果，从而能够对对应边的瑕疵情况进行判断，在投影结果中存在平行为X轴的线条时，认定电子元器件的边缘正常，在投影结果为上下起伏较大的波动线条时，认定电子元器件的边缘异常。如图7所示，投影线条存在起伏波动，因此可以初步认定为该电子元器件的边缘异常，需要对其进行进一步的精准判定。
在一个实施例中，在电子元器件的边缘异常时，进一步判定的步骤为：根据投影结果获取对应投影点的坐标，采用最小二乘法进行直线拟合，得到直线参数，并根据直线参数计算得到平均偏差；获取预设阈值，比较平均偏差与预设阈值的关系，获取比较结果，根据比较结果判断电子元器件的边缘是否正常。
具体地，由于投影线条本身可能会存在微小的上下波动，而非瑕疵造成的波动，因此，为了进一步通过投影结果精准判定电子元器件的边缘检测结果，获取投影结果对应投影点的坐标，采用最小二乘法根据投影点坐标进行直线拟合，得到对应的直线参数，并根据直线参数计算得到直线的平均偏差，根据预设阈值与平均偏差之间的关系，判断电子元器件的边缘是否正常，提升判断结果的准确性。
其中，平均偏差的计算步骤具体为：设通过X轴进行投影的为N个点，N个点的坐标分别为(x1，y1)、(x2，y2)、(x3，y3)……(xN，yN)；采用最小二乘法，根据N个点的坐标进行直线拟合，获取直线参数k和b；根据N个点的坐标和直线参数计算得到平均偏差，公式为：
Figure BDA0004039033770000071
具体地，通过获取投影点的坐标，采用最小二乘法对投影点进行直线拟合，得到拟合的直线，根据拟合得到的直线计算直线参数，基于直线参数和投影点坐标，计算得到平均偏差，以便于根据平均偏差判断电子元器件的边缘是否正常。
其中，根据比较结果判断电子元器件边缘是否正常的步骤具体为：在平均偏差小于预设阈值时，认定电子元器件的边缘存在瑕疵；在平均偏差大于或等于预设阈值时，认定电子元器件的边缘正常。
具体地，在计算得到的平均偏差小于预设阈值时，认定投影结果的波动异常，即波动是由边缘瑕疵造成的，电子元器件的边缘存在瑕疵；在平均偏差大于或等于预设阈值时，认定投影结果的波动正常，即电子元器件的边缘正常，从而实现对电子元器件边缘瑕疵的精准检测，避免了由于投影或其他误差造成的不良影响，提升了边缘瑕疵检测的精度。
在本实施例中，通过获取电子元器件的待处理图片，并对其进行二值化处理，得到二值化图片；通过查找连通分量的方式，获取二值化图片中的最大连通分量，最大连通分量中包含电子元器件的阴影，采用最小外接矩形算法，查找最大连通分量的最小外接矩形，获取最小外接矩形的长边和短边，通过最小外接矩形去除阴影，从而能够消除阴影对边缘检测的影响，获取最小外接矩形的顶点坐标，并对顶点坐标进行仿射变换，得到变换坐标，根据变换坐标计算得到仿射变换矩阵，并用于对最大连通分量的所有点进行仿射变换，得到仿射变换结果，将仿射变换中的点通过X轴进行投影，得到投影结果，根据投影结果判断电子元器件的边缘是否正常，从而能够消除阴影对边缘检测的影响，实现对电子元器件边缘的精准检测，提升了边缘检测精度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
显然，本领域的技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以，本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所做的进一步详细说明，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 (8)

1.一种基于投影的电子元器件边缘瑕疵检测方法，其特征在于，包括：
获取电子元器件的待处理图片，并对所述待处理图片进行二值化处理，得到二值化图片；
通过查找连通分量的方式，获取所述二值化图片中的最大连通分量，所述最大连通分量包含电子元器件的阴影；
采用最小外接矩形算法，查找所述最大连通分量的最小外接矩形，获取所述最小外接矩形的长边和短边；
获取所述最小外接矩形的顶点坐标，并将对所述顶点坐标进行仿射变换，得到变换坐标，根据所述变换坐标得到仿射变换矩阵；
根据所述仿射变换矩阵对所述最大连通分量的所有点进行仿射变换，得到仿射变换结果；
将所述仿射变换结果通过X轴进行投影，得到投影结果，根据所述投影结果判定电子元器件的边缘是否正常。
2.根据权利要求1所述的基于投影的电子元器件边缘瑕疵检测方法，其特征在于，所述获取电子元器件的待处理图片，并对所述待处理图片进行二值化处理，得到二值化图片，包括：
获取电子元器件的待处理图片，得到所述待处理图片所有点的灰度值；
根据所述待处理图片所有点的灰度值，计算所述灰度值的均值；
将所述灰度值均值作为二值化处理的阈值，对所述待处理图片进行二值化处理，得到二值化图片。
3.根据权利要求1所述的基于投影的电子元器件边缘瑕疵检测方法，其特征在于，所述通过查找连通分量的方式，获取所述二值化图片中的最大连通分量，所述最大连通分量包含电子元器件的阴影，包括：
设二值化图片为IB，且对应有n个连通分量，每一个所述连通分量CDi(i＝1,2,..,n)的面积表示为属于所述连通分量的像素值个数，则第i个连通分量的面积Si表示为：
Si＝|{f(x,y)|(x,y)∈CDi}|(i＝1,2,..,n)
式中，f(x,y)表示在所述二值化图片上坐标(x,y)位置的值，||表示求集合元素的个数，则最大连通分量Smax表示为：
Smax＝argmaxiSi(i＝1,2,..n)
式中，Smax表示最大连通分量，且所述最大连通分量包含有电子元器件的阴影。
4.根据权利要求1所述的基于投影的电子元器件边缘瑕疵检测方法，其特征在于，所述获取所述最小外接矩形的顶点坐标，并对顶点坐标进行仿射变换，得到变换坐标，根据所述变换坐标得到仿射变换矩阵，包括：
令最小外接矩形Rectmax，长边表示为Rectlong_side，短边表示为Rectshort_side，且最小外接矩形的三个顶点坐标分别为p1、p2和p3，其中，p1和p2分别表示长边Rectlong_side对应的两个顶点，p3表示通过一条短边和ps1连接的第3个顶点；
设所述三个顶点坐标对应的变换坐标分别为p′1(0,0)，p′2(Rectlong_side,0)和p′3(0,Rectshort_side)，仿射变换矩阵为M，则有：
(p′i,1)T＝M·(pi,1)T,(i＝1,2,3)
Figure FDA0004039033760000021
式中，(pi,1)表示对向量pi进行增广，联立上式解得仿射变换矩阵M的参数，获取仿射变换矩阵。
5.根据权利要求1所述的基于投影的电子元器件边缘瑕疵检测方法，其特征在于，所述将所述仿射变换结果通过X轴进行投影，得到投影结果，根据所述投影结果判定电子元器件的边缘是否正常，包括：
获取所述仿射变换结果中点的坐标，并将仿射变换结果中的点通过X轴进行投影，得到投影结果；
在所述投影结果存在平行于X轴的线条时，认定所述电子元器件的边缘正常；
在所述投影结果为波动的线条时，认定所述电子元器件的边缘异常。
6.根据权利要求5所述的基于投影的电子元器件边缘瑕疵检测方法，其特征在于，在认定所述电子元器件的边缘异常之后，还包括：
根据所述投影结果获取对应投影点的坐标，采用小二乘法对所述投影点进行直线拟合，得到直线参数，并根据所述直线参数计算得到平均偏差；
获取预设阈值，比较所述平均偏差与预设阈值的关系，获取比较结果，根据所述比较结果判断所述电子元器件的边缘是否正常。
7.根据权利要求6所述的基于投影的电子元器件边缘瑕疵检测方法，其特征在于，所述根据所述投影结果获取对应投影点的坐标，采用小二乘法对所述投影点进行直线拟合，得到直线参数，并根据所述直线参数计算得到平均偏差，包括：
设通过X轴进行投影的为N个点，N个点的坐标分别为(x1,y1)、(x2,y2)、(x3,y3)……(xN,yN)；
采用最小二乘法，根据所述N个点的坐标进行直线拟合，获取直线参数k和b；
根据所述N个点的坐标和直线参数计算得到平均偏差，公式为：
Figure FDA0004039033760000031
8.根据权利要求6所述的基于投影的电子元器件边缘瑕疵检测方法，其特征在于，所述获取预设阈值，比较所述平均偏差与预设阈值的关系，获取比较结果，根据所述比较结果判断所述电子元器件的边缘是否正常，包括：
在所述平均偏差小于所述预设阈值时，认定所述电子元器件的边缘存在瑕疵；
在所述平均偏差大于或等于所述预设阈值时，认定所述电子元器件的边缘正常。
CN202310011725.XA 2023-01-05 2023-01-05 一种基于投影的电子元器件边缘瑕疵检测方法 Pending CN116245900A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310011725.XA CN116245900A (zh) 2023-01-05 2023-01-05 一种基于投影的电子元器件边缘瑕疵检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310011725.XA CN116245900A (zh) 2023-01-05 2023-01-05 一种基于投影的电子元器件边缘瑕疵检测方法

Publications (1)

Publication Number Publication Date
CN116245900A true CN116245900A (zh) 2023-06-09

Family

ID=86627011

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310011725.XA Pending CN116245900A (zh) 2023-01-05 2023-01-05 一种基于投影的电子元器件边缘瑕疵检测方法

Country Status (1)

Country Link
CN (1) CN116245900A (zh)

Similar Documents

Publication Publication Date Title
US20090110295A1 (en) Product identification apparatus, product identification method, and program
US20070098264A1 (en) Method and image processing device for analyzing an object contour image, method and image processing device for detecting an object, industrial vision apparatus, smart camera, image display, security system, and computer program product
US20180253852A1 (en) Method and device for locating image edge in natural background
CN113592886B (zh) 建筑图纸的审图方法、装置、电子设备及介质
TWI765442B (zh) 瑕疵等級判定的方法及存儲介質
Sovetkin et al. Automatic processing and solar cell detection in photovoltaic electroluminescence images
CN115953373B (zh) 玻璃缺陷检测方法、装置、电子设备及存储介质
WO2023109557A1 (zh) 连接器件检测方法、电子设备及存储介质
US10074551B2 (en) Position detection apparatus, position detection method, information processing program, and storage medium
CN111898610B (zh) 卡片缺角检测方法、装置、计算机设备及存储介质
CN116228780B (zh) 基于计算机视觉的硅片缺陷检测方法及系统
CN112085709A (zh) 一种图像对比方法及设备
CN115482186A (zh) 瑕疵检测方法、电子设备及存储介质
CN110288040B (zh) 一种基于拓扑验证的图像相似评判方法及设备
CN115690104B (zh) 一种晶圆裂缝检测方法、装置及存储介质
CN116342585A (zh) 一种产品缺陷检测方法、装置、设备及存储介质
US20030185432A1 (en) Method and system for image registration based on hierarchical object modeling
CN116245900A (zh) 一种基于投影的电子元器件边缘瑕疵检测方法
US11978197B2 (en) Inspection method for inspecting an object and machine vision system
CN110874837B (zh) 一种基于局部特征分布的缺陷自动检测方法
CN112559342A (zh) 一种画面测试图像的获取方法、装置、设备及存储介质
CN117115275B (zh) 畸变参数的确定方法、装置和计算机设备
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质
US20220335651A1 (en) Methods and Systems for Determining Pre-Determined Points in an Input Image
CN113808136B (zh) 一种基于最近邻算法的液晶屏幕缺陷检测方法和系统

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