CN116309518A - 一种基于计算机视觉的pcb电路板检测方法及系统 - Google Patents

一种基于计算机视觉的pcb电路板检测方法及系统 Download PDF

Info

Publication number
CN116309518A
CN116309518A CN202310337588.9A CN202310337588A CN116309518A CN 116309518 A CN116309518 A CN 116309518A CN 202310337588 A CN202310337588 A CN 202310337588A CN 116309518 A CN116309518 A CN 116309518A
Authority
CN
China
Prior art keywords
component
image
region
component image
pcb
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.)
Withdrawn
Application number
CN202310337588.9A
Other languages
English (en)
Inventor
张春南
党国庆
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.)
Foshan Shunde Haoshuojie Electronic Technology Co ltd
Original Assignee
Foshan Shunde Haoshuojie Electronic 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 Foshan Shunde Haoshuojie Electronic Technology Co ltd filed Critical Foshan Shunde Haoshuojie Electronic Technology Co ltd
Priority to CN202310337588.9A priority Critical patent/CN116309518A/zh
Publication of CN116309518A publication Critical patent/CN116309518A/zh
Withdrawn legal-status Critical Current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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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]
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (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

本申请实施例提供一种基于计算机视觉的PCB电路板检测方法及系统，应用于计算机视觉技术领域。在该PCB电路板检测方法中，首先在采集的PCB电路板图像中设定特征区域，采集所述特征区域内的图像，并将所述特征区域内的图像进行拼接，得到元器件图像；其次根据导入的坐标数据文件，在所述元器件图像中生成元器件特征区域检测框；最后通过调整元器件特征区域检测框，根据元器件图像的黑色像素数量判断元器件是否存在；或根据元器件图像极性区域的总像素平均值和非极性区域的总像素平均值判断元器件的极性方向；或根据提取元器件图像中的插座的缺口的边缘判断插座的方向，解决了直插元器件的检测存在检测精度低、易误报的问题。

Description

一种基于计算机视觉的PCB电路板检测方法及系统
技术领域
本申请涉及计算机视觉技术领域，尤其涉及一种基于计算机视觉的PCB电路板检测方法及系统。
背景技术
PCB电路板为电子设备的重要组成部分，在PCB电路板的生产过程中，不可避免的会出现短路、错件、焊桥、开路等缺陷，因此对PCB电路板的检测至关重要。目前对PCB电路板检测通常由人工或机械臂对PCB电路板进行抓取运送至检测台上方，同时在检测台正上方放置相机，使用相机拍摄PCB电路板图像，根据拍摄的PCB电路板图像的图像进行检测。
对于PCB元器件面的缺陷检测的过程中检测框的生成至关重要，检测框是在进行图像预处理之前的操作。检测框所选择的区域决定图像处理的质量。
近年来电子制造产业发展迅速，很多电子制造业公司在电路板的生产中，引进了贴片机和插件机结合人工操作将元器件放置电路板焊盘上。在人工操作中由于工作疲劳可能会出现一些操作错误，例如元器件误插、漏插和极性插反等。目前针对在线检测电路板的自动光学设备都是基于焊点质量检测，对直插元器件的检测存在检测精度低、易误报的问题。
发明内容
本申请实施例提供了一种基于计算机视觉的PCB电路板检测方法及系统，通过调整元器件特征区域检测框，根据元器件图像的黑色像素数量判断元器件是否存在；或根据元器件图像极性区域的总像素平均值和非极性区域的总像素平均值判断元器件的极性方向；或根据提取元器件图像中的插座的缺口的边缘判断插座的方向，解决了直插元器件的检测存在检测精度低、易误报的问题。
为达到上述目的，本申请的实施例采用如下技术方案：
第一方面，提供了一种基于计算机视觉的PCB电路板检测方法，该方法包括：
在采集的PCB电路板图像中设定特征区域，采集特征区域内的图像，并将特征区域内的图像进行拼接，得到元器件图像；
根据导入的坐标数据文件，在元器件图像中生成元器件特征区域检测框；
调整元器件特征区域检测框，根据元器件图像的黑色像素数量判断元器件是否存在；或根据元器件图像极性区域的总像素平均值和非极性区域的总像素平均值判断元器件的极性方向；或根据提取元器件图像中的插座的缺口的边缘判断插座的方向。
在一种可能的实施方式中，将特征区域内的图像进行拼接，包括：
判断特征区域的边框像素是否发生变化，若发生变化，分配多个工作线程对特征区域内的图像进行拼接处理；
多个线程包括第一工作线程和第二工作线程；
第一工作线程，用于循环采集特征区域内的图像，并记录采集数量；判断特征区域内的图像是否离开特征区域，若离开，则结束第一工作线程，若未离开，则将采集数量加一后继续采集；
第二工作线程，用于判断采集数量是否大于第一数值，若是则将采集到的特征区域内的图像进行拼接，直至拼接完所有的特征区域内的图像，结束第二工作线程。
在一种可能的实施方式中，在将采集到的特征区域内的图像进行拼接之前，包括：
将待拼接的图像进行灰度处理，得到灰度图；
在灰度图中设置初始矩形检测区，获取初始矩形检测区内的图像信息；
计算待拼接的图像的结构相似度，并根据结构相似度计算质量评价指标；
判断质量评价指标的标志位是否等于1，若标志位等于1，判断质量评价指标是否小于设定阈值，若是输出质量评价指标的最大值和最大值对应的纵坐标；若标志位不等于1，判断质量评价指标是否大于设定阈值，若是，则将质量评价指标的标志位赋值为1，若否，则重新计算结构相似度。
在一种可能的实施方式中，在元器件图像中生成元器件特征区域检测框，包括：
获取PCB电路板的装配文件和元器件封装报告，将装配文件转换为坐标数据文件；
根据坐标数据文件提取坐标数据；
将图像坐标系转换为像素坐标系，在元器件图像中生成元器件特征区域检测框。
在一种可能的实施方式中，根据元器件图像的黑色像素数量判断元器件是否存在，包括：
根据元器件图像中元器件的颜色，调整RGB通道；
将元器件图像进行彩色阈值分割，得到二值化图像；
根据二值化图像的黑色像素数量判断元器件是否存在，若黑色像素数量接近1且大于设定阈值，则元器件存在；若黑色像素数量小于设定阈值，则元器件不存在。
在一种可能的实施方式中，根据元器件图像的黑色像素数量判断元器件是否存在，还包括：
将元器件图像中元器件颜色、元器件形作为检测的目标图像；
分析目标图像的直方图，并在元器件图像中进行匹配，生成与匹配结果对应的匹配值；
根据匹配值判断元器件是否存在，若匹配值大于设定阈值，则元器件存在；若匹配值小于设定阈值，则元器件不存在。
在一种可能的实施方式中，根据元器件图像的黑色像素数量判断元器件是否存在，还包括：
将元器件图像进行灰度化处理，得到元器件的尺寸参数、极性信息和非极性信息；
根据极性信息得到极性区域坐标，根据非极性信息得到非极性区域坐标；
计算极性区域的灰度均值和非极性区域的灰度均值，判断极性区域的灰度均值是否大于非极性区域的灰度均值，若是，则元器件存在，若否，则元器件插反或不存在。
在一种可能的实施方式中，根据元器件图像极性区域的总像素平均值和非极性区域的总像素平均值判断元器件的极性方向，包括：
将元器件图像进行圆检测，确定拟合圆的圆心和半径；
确定元器件图像中元器件的极性区域和非极性区域；极性区域在元器件图像中呈灰色，非极性区域在元器件图像中呈黑色；
将极性区域的元器件图像和非极性区域的元器件图像进行阈值分割，得到极性区域二值化图和非极性区域二值化图；
判断极性区域二值化图的总像素平均值是否大于非极性区域二值化图像的总像素平均值，若是，则元器件的极性方向正确，若否，则元器件的极性方向错误。
在一种可能的实施方式中，根据元器件图像中插座缺口的边缘判断插座的方向，包括：
将元器件图像中插座缺口的边缘进行边缘处理，得到元器件二值化图像；
将元器件二值化图像根据最小二乘法拟合，得到拟合直线；
根据拟合直线的角度，保留水平方向的拟合直线，消除垂直方向的拟合直线；
若拟合直线的长度与设定拟合长度相等，则插座方向正确，否则相反。
第二方面，提供了一种BB，包括拼接单元、生成单元、检测单元；
拼接单元，用于在采集的PCB电路板图像中设定特征区域，采集特征区域内的图像，并将特征区域内的图像进行拼接，得到元器件图像；
生成单元，用于根据导入的坐标数据文件，在元器件图像中生成元器件特征区域检测框；
检测单元，用于调整元器件特征区域检测框，根据元器件图像的黑色像素数量判断元器件是否存在；或根据元器件图像极性区域的总像素平均值和非极性区域的总像素平均值判断元器件的极性方向；或根据提取元器件图像中的插座的缺口的边缘判断插座的方向。
第三方面，提供了一种电子设备，包括存储器、处理器；处理器中包括上述的BB；
存储器，用于存储计算机程序；处理器执行计算机程序时，实现上述的方法。
第四方面，提供了一种计算机可读存储介质，计算机可读存储介质上存储有指令，当指令在上述的电子设备上执行，用于实现上述的方法。
关于上述第二方面、第三方面、第四方面技术效果的描述与第一方面相同。
附图说明
图1为本申请实施例提供的PCB电路板检测方法流程示意框图；
图2为本申请实施例提供的图像坐标系与像素坐标系转换关系示意图。
具体实施方式
需要说明的是，本申请实施例涉及的术语“第一”、“第二”等仅用于区分同一类型特征的目的，不能理解为用于指示相对重要性、数量、顺序等。
本申请实施例涉及的术语“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本申请实施例涉及的术语“耦合”、“连接”应做广义理解，例如，可以指物理上的直接连接，也可以指通过电子器件实现的间接连接，例如通过电阻、电感、电容或其他电子器件实现的连接。
本申请实施例提供了一种基于计算机视觉的PCB电路板检测方法，如图1所示，该方法包括：
在采集的PCB电路板图像中设定特征区域，采集特征区域内的图像，并将特征区域内的图像进行拼接，得到元器件图像；
根据导入的坐标数据文件，在元器件图像中生成元器件特征区域检测框；
调整元器件特征区域检测框，根据元器件图像的黑色像素数量判断元器件是否存在；或根据元器件图像极性区域的总像素平均值和非极性区域的总像素平均值判断元器件的极性方向；或根据提取元器件图像中的插座的缺口的边缘判断插座的方向。
在一种可能的实施方式中，将特征区域内的图像进行拼接，包括：
判断特征区域的边框像素是否发生变化，若发生变化，分配多个工作线程对特征区域内的图像进行拼接处理；
多个线程包括第一工作线程和第二工作线程；
第一工作线程，用于循环采集特征区域内的图像，并记录采集数量；判断特征区域内的图像是否离开特征区域，若离开，则结束第一工作线程，若未离开，则将采集数量加一后继续采集；
第二工作线程，用于判断采集数量是否大于第一数值，若是则将采集到的特征区域内的图像进行拼接，直至拼接完所有的特征区域内的图像，结束第二工作线程。
示例性地，针对直插式的元器件，对元器件图像的上亮度的分布和清晰度更高，单次采集会因为直插式元器件本身的高度造成元器件图像上出现阴影的问题，为了得到一张中央区域反光程度强、四周元器件成像暗淡模糊的元器件图像，采用多线程的工作模式将采集的元器件图像进行拼接，可以很好地解决。
在一种可能的实施方式中，在将采集到的特征区域内的图像进行拼接之前，包括：
将待拼接的图像进行灰度处理，得到灰度图；
在灰度图中设置初始矩形检测区，获取初始矩形检测区内的图像信息；
计算待拼接的图像的结构相似度，并根据结构相似度计算质量评价指标；
判断质量评价指标的标志位是否等于1，若标志位等于1，判断质量评价指标是否小于设定阈值，若是输出质量评价指标的最大值和最大值对应的纵坐标；若标志位不等于1，判断质量评价指标是否大于设定阈值，若是，则将质量评价指标的标志位赋值为1，若否，则重新计算结构相似度。
在一种可能的实施方式中，在元器件图像中生成元器件特征区域检测框，包括：
获取PCB电路板的装配文件和元器件封装报告，将装配文件转换为坐标数据文件；
根据坐标数据文件提取坐标数据；
如图2所示，将图像坐标系转换为像素坐标系，在元器件图像中生成元器件特征区域检测框。
图2中图像坐标系为oxy，像素坐标系为ouv。
在一种可能的实施方式中，根据元器件图像的黑色像素数量判断元器件是否存在，包括：
根据元器件图像中元器件的颜色，调整RGB通道；
将元器件图像进行彩色阈值分割，得到二值化图像；
根据二值化图像的黑色像素数量判断元器件是否存在，若黑色像素数量接近1且大于设定阈值，则元器件存在；若黑色像素数量小于设定阈值，则元器件不存在。
在一种可能的实施方式中，根据元器件图像的黑色像素数量判断元器件是否存在，还包括：
将元器件图像中元器件颜色、元器件形作为检测的目标图像；
分析目标图像的直方图，并在元器件图像中进行匹配，生成与匹配结果对应的匹配值；
根据匹配值判断元器件是否存在，若匹配值大于设定阈值，则元器件存在；若匹配值小于设定阈值，则元器件不存在。
在一种可能的实施方式中，根据元器件图像的黑色像素数量判断元器件是否存在，还包括：
将元器件图像进行灰度化处理，得到元器件的尺寸参数、极性信息和非极性信息；
根据极性信息得到极性区域坐标，根据非极性信息得到非极性区域坐标；
计算极性区域的灰度均值和非极性区域的灰度均值，判断极性区域的灰度均值是否大于非极性区域的灰度均值，若是，则元器件存在，若否，则元器件插反或不存在。
在一种可能的实施方式中，根据元器件图像极性区域的总像素平均值和非极性区域的总像素平均值判断元器件的极性方向，包括：
将元器件图像进行圆检测，确定拟合圆的圆心和半径；
确定元器件图像中元器件的极性区域和非极性区域；极性区域在元器件图像中呈灰色，非极性区域在元器件图像中呈黑色；
将极性区域的元器件图像和非极性区域的元器件图像进行阈值分割，得到极性区域二值化图和非极性区域二值化图；
判断极性区域二值化图的总像素平均值是否大于非极性区域二值化图像的总像素平均值，若是，则元器件的极性方向正确，若否，则元器件的极性方向错误。
在一种可能的实施方式中，根据元器件图像中插座缺口的边缘判断插座的方向，包括：
将元器件图像中插座缺口的边缘进行边缘处理，得到元器件二值化图像；
将元器件二值化图像根据最小二乘法拟合，得到拟合直线；
根据拟合直线的角度，保留水平方向的拟合直线，消除垂直方向的拟合直线；
若拟合直线的长度与设定拟合长度相等，则插座方向正确，否则相反。
本申请实施例还提供了一种BB，包括拼接单元、生成单元、检测单元；
拼接单元，用于在采集的PCB电路板图像中设定特征区域，采集特征区域内的图像，并将特征区域内的图像进行拼接，得到元器件图像；
生成单元，用于根据导入的坐标数据文件，在元器件图像中生成元器件特征区域检测框；
检测单元，用于调整元器件特征区域检测框，根据元器件图像的黑色像素数量判断元器件是否存在；或根据元器件图像极性区域的总像素平均值和非极性区域的总像素平均值判断元器件的极性方向；或根据提取元器件图像中的插座的缺口的边缘判断插座的方向。
本申请实施例还提供了一种电子设备，包括存储器、处理器；处理器中包括上述的BB；
存储器，用于存储计算机程序；处理器执行计算机程序时，实现上述的方法。
本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有指令，当指令在上述的电子设备上执行，用于实现上述的方法。
本申请实施例涉及的处理器可以是一个芯片。例如，可以是现场可编程门阵列(field programmable gate array，FPGA)，可以是专用集成芯片(application specificintegrated circuit，ASIC)，还可以是系统芯片(system on chip，SoC)，还可以是中央处理器(central processor unit，CPU)，还可以是网络处理器(network processor，NP)，还可以是数字信号处理电路(digital signal processor，DSP)，还可以是微控制器(microcontroller unit，MCU)，还可以是可编程控制器(programmable logic device，PLD)或其他集成芯片。
本申请实施例涉及的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-onlymemory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(directrambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个设备，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，设备或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个设备，或者也可以分布到多个设备上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个设备中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个设备中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(Digital Subscriber Line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (12)

1.一种基于计算机视觉的PCB电路板检测方法，其特征在于，包括：
在采集的PCB电路板图像中设定特征区域，采集所述特征区域内的图像，并将所述特征区域内的图像进行拼接，得到元器件图像；
根据导入的坐标数据文件，在所述元器件图像中生成元器件特征区域检测框；
调整所述元器件特征区域检测框，根据所述元器件图像的黑色像素数量判断所述元器件是否存在；或根据所述元器件图像极性区域的总像素平均值和非极性区域的总像素平均值判断所述元器件的极性方向；或根据提取所述元器件图像中的插座的缺口的边缘判断所述插座的方向。
2.根据权利要求1所述的一种基于计算机视觉的PCB电路板检测方法，其特征在于，所述将所述特征区域内的图像进行拼接，包括：
判断所述特征区域的边框像素是否发生变化，若发生变化，分配多个工作线程对所述特征区域内的图像进行拼接处理；
所述多个线程包括第一工作线程和第二工作线程；
所述第一工作线程，用于循环采集特征区域内的图像，并记录采集数量；判断所述特征区域内的图像是否离开所述特征区域，若离开，则结束所述第一工作线程，若未离开，则将所述采集数量加一后继续采集；
所述第二工作线程，用于判断所述采集数量是否大于第一数值，若是则将采集到的所述特征区域内的图像进行拼接，直至拼接完所有的所述特征区域内的图像，结束所述第二工作线程。
3.根据权利要求2所述的一种基于计算机视觉的PCB电路板检测方法，其特征在于，在将采集到的所述特征区域内的图像进行拼接之前，包括：
将待拼接的图像进行灰度处理，得到灰度图；
在所述灰度图中设置初始矩形检测区，获取所述初始矩形检测区内的图像信息；
计算所述待拼接的图像的结构相似度，并根据所述结构相似度计算质量评价指标；
判断所述质量评价指标的标志位是否等于1，若所述标志位等于1，判断所述质量评价指标是否小于设定阈值，若是输出所述质量评价指标的最大值和所述最大值对应的纵坐标；若所述标志位不等于1，判断所述质量评价指标是否大于设定阈值，若是，则将所述质量评价指标的标志位赋值为1，若否，则重新计算所述结构相似度。
4.根据权利要求1所述的一种基于计算机视觉的PCB电路板检测方法，其特征在于，所述在所述元器件图像中生成元器件特征区域检测框，包括：
获取所述PCB电路板的装配文件和元器件封装报告，将所述装配文件转换为坐标数据文件；
根据所述坐标数据文件提取坐标数据；
将图像坐标系转换为像素坐标系，在所述元器件图像中生成元器件特征区域检测框。
5.根据权利要求4所述的一种基于计算机视觉的PCB电路板检测方法，其特征在于，所述根据所述元器件图像的黑色像素数量判断所述元器件是否存在，包括：
根据所述元器件图像中元器件的颜色，调整RGB通道；
将所述元器件图像进行彩色阈值分割，得到二值化图像；
根据所述二值化图像的黑色像素数量判断所述元器件是否存在，若所述黑色像素数量接近1且大于设定阈值，则所述元器件存在；若所述黑色像素数量小于所述设定阈值，则所述元器件不存在。
6.根据权利要求5所述的一种基于计算机视觉的PCB电路板检测方法，其特征在于，所述根据所述元器件图像的黑色像素数量判断所述元器件是否存在，还包括：
将所述元器件图像中元器件颜色、元器件形作为检测的目标图像；
分析所述目标图像的直方图，并在所述元器件图像中进行匹配，生成与匹配结果对应的匹配值；
根据所述匹配值判断所述元器件是否存在，若所述匹配值大于设定阈值，则所述元器件存在；若所述匹配值小于设定阈值，则所述元器件不存在。
7.根据权利要求6所述的一种基于计算机视觉的PCB电路板检测方法，其特征在于，所述根据所述元器件图像的黑色像素数量判断所述元器件是否存在，还包括：
将所述元器件图像进行灰度化处理，得到所述元器件的尺寸参数、极性信息和非极性信息；
根据所述极性信息得到极性区域坐标，根据所述非极性信息得到非极性区域坐标；
计算所述极性区域的灰度均值和所述非极性区域的灰度均值，判断所述极性区域的灰度均值是否大于所述非极性区域的灰度均值，若是，则所述元器件存在，若否，则所述元器件插反或不存在。
8.根据权利要求1所述的一种基于计算机视觉的PCB电路板检测方法，其特征在于，所述根据所述元器件图像极性区域的总像素平均值和非极性区域的总像素平均值判断所述元器件的极性方向，包括：
将所述元器件图像进行圆检测，确定拟合圆的圆心和半径；
确定所述元器件图像中元器件的极性区域和非极性区域；所述极性区域在所述元器件图像中呈灰色，所述非极性区域在所述元器件图像中呈黑色；
将所述极性区域的元器件图像和所述非极性区域的元器件图像进行阈值分割，得到极性区域二值化图和非极性区域二值化图；
判断所述极性区域二值化图的总像素平均值是否大于非极性区域二值化图像的总像素平均值，若是，则所述元器件的极性方向正确，若否，则所述元器件的极性方向错误。
9.根据权利要求1所述的一种基于计算机视觉的PCB电路板检测方法，其特征在于，所述根据所述元器件图像中插座缺口的边缘判断所述插座的方向，包括：
将所述元器件图像中插座缺口的边缘进行边缘处理，得到元器件二值化图像；
将所述元器件二值化图像根据最小二乘法拟合，得到拟合直线；
根据所述拟合直线的角度，保留水平方向的拟合直线，消除垂直方向的拟合直线；
若所述拟合直线的长度与设定拟合长度相等，则所述插座方向正确，否则相反。
10.一种基于计算机视觉的PCB电路板检测系统，其特征在于，包括拼接单元、生成单元、检测单元；
所述拼接单元，用于在采集的PCB电路板图像中设定特征区域，采集所述特征区域内的图像，并将所述特征区域内的图像进行拼接，得到元器件图像；
所述生成单元，用于根据导入的坐标数据文件，在所述元器件图像中生成元器件特征区域检测框；
所述检测单元，用于调整所述元器件特征区域检测框，根据所述元器件图像的黑色像素数量判断所述元器件是否存在；或根据所述元器件图像极性区域的总像素平均值和非极性区域的总像素平均值判断所述元器件的极性方向；或根据提取所述元器件图像中的插座的缺口的边缘判断所述插座的方向。
11.一种电子设备，其特征在于，包括存储器、处理器；所述处理器中包括如权利要求10所述的BB；
所述存储器，用于存储计算机程序；所述处理器执行所述计算机程序时，实现如权利要求1-9中任一项所述的方法。
12.一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指令，当所述指令在如权利要求11所述的电子设备上执行，用于实现如权利要求1-9中任一项所述的方法。
CN202310337588.9A 2023-03-31 2023-03-31 一种基于计算机视觉的pcb电路板检测方法及系统 Withdrawn CN116309518A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310337588.9A CN116309518A (zh) 2023-03-31 2023-03-31 一种基于计算机视觉的pcb电路板检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310337588.9A CN116309518A (zh) 2023-03-31 2023-03-31 一种基于计算机视觉的pcb电路板检测方法及系统

Publications (1)

Publication Number Publication Date
CN116309518A true CN116309518A (zh) 2023-06-23

Family

ID=86828722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310337588.9A Withdrawn CN116309518A (zh) 2023-03-31 2023-03-31 一种基于计算机视觉的pcb电路板检测方法及系统

Country Status (1)

Country Link
CN (1) CN116309518A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116934745A (zh) * 2023-09-14 2023-10-24 创新奇智(浙江)科技有限公司 一种电子元器件插接卡子质量检测方法及检测系统
CN116958125A (zh) * 2023-09-18 2023-10-27 惠州市鑫晖源科技有限公司 基于图像处理的电竞主机电源元件缺陷视觉检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04236500A (ja) * 1991-01-21 1992-08-25 Nec Corp 有極性電子部品の実装極性方向検査装置
JPH07263517A (ja) * 1994-03-24 1995-10-13 Hitachi Electron Eng Co Ltd Ｉｃソケットの位置決め装置
WO2018010387A1 (zh) * 2016-07-13 2018-01-18 广州视源电子科技股份有限公司 元件反件检测方法和系统
TW201928763A (zh) * 2017-12-13 2019-07-16 英業達股份有限公司 利用影像判斷電解電容極性的方法及系統
JP2021028107A (ja) * 2019-08-09 2021-02-25 倉敷紡績株式会社 コネクタの向きの探索方法、コネクタの接続方法、ロボットハンド、制御装置、撮像装置、およびコネクタ接続システム
CN115479891A (zh) * 2022-08-12 2022-12-16 深圳市共进电子股份有限公司 基于图像识别的电路板载元器件自动检测系统和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04236500A (ja) * 1991-01-21 1992-08-25 Nec Corp 有極性電子部品の実装極性方向検査装置
JPH07263517A (ja) * 1994-03-24 1995-10-13 Hitachi Electron Eng Co Ltd Ｉｃソケットの位置決め装置
WO2018010387A1 (zh) * 2016-07-13 2018-01-18 广州视源电子科技股份有限公司 元件反件检测方法和系统
TW201928763A (zh) * 2017-12-13 2019-07-16 英業達股份有限公司 利用影像判斷電解電容極性的方法及系統
JP2021028107A (ja) * 2019-08-09 2021-02-25 倉敷紡績株式会社 コネクタの向きの探索方法、コネクタの接続方法、ロボットハンド、制御装置、撮像装置、およびコネクタ接続システム
CN115479891A (zh) * 2022-08-12 2022-12-16 深圳市共进电子股份有限公司 基于图像识别的电路板载元器件自动检测系统和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李天宇: "基于机器视觉的PCB元器件在线检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 13 - 17 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116934745A (zh) * 2023-09-14 2023-10-24 创新奇智(浙江)科技有限公司 一种电子元器件插接卡子质量检测方法及检测系统
CN116934745B (zh) * 2023-09-14 2023-12-19 创新奇智(浙江)科技有限公司 一种电子元器件插接卡子质量检测方法及检测系统
CN116958125A (zh) * 2023-09-18 2023-10-27 惠州市鑫晖源科技有限公司 基于图像处理的电竞主机电源元件缺陷视觉检测方法
CN116958125B (zh) * 2023-09-18 2023-12-26 惠州市鑫晖源科技有限公司 基于图像处理的电竞主机电源元件缺陷视觉检测方法

Similar Documents

Publication Publication Date Title
CN110119680B (zh) 一种基于图像识别的电气柜接线自动查错系统
CN116309518A (zh) 一种基于计算机视觉的pcb电路板检测方法及系统
CN110579479A (zh) 一种基于假点缺陷检测的pcb检修系统及检修方法
CN109816653B (zh) 一种用于导电粒子检测的方法
CN111612757A (zh) 一种屏幕裂纹的检测方法、装置、设备及存储介质
CN110517265A (zh) 一种产品表面缺陷的检测方法、装置及存储介质
CN115205223B (zh) 透明物体的视觉检测方法、装置、计算机设备及介质
CN113030121B (zh) 用于电路板元器件的自动光学检测方法、系统、及设备
CN116109635B (zh) 复合悬式绝缘子表面质量检测方法、装置、设备及介质
CN110879131B (zh) 目视光学系统的成像质量测试方法、成像质量测试装置和电子设备
TWI765442B (zh) 瑕疵等級判定的方法及存儲介質
CN111257329A (zh) 一种智能手机摄像头缺陷检测方法以及检测系统
CN112052730B (zh) 一种3d动态人像识别监控设备及方法
CN115775246A (zh) 一种pcb元器件缺陷检测的方法
CN115988750A (zh) 一种基于逆向技术的pcb电路板制作方法及系统
KR102174424B1 (ko) 서버 기반 부품 검사방법 및 그를 위한 시스템 및 장치
CN113705564B (zh) 一种指针式仪表识别读数方法
CN112967224A (zh) 一种基于人工智能的电子电路板检测系统、方法及介质
CN116993654B (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品
CN113379678A (zh) 一种电路板检测方法、装置、电子设备及存储介质
CN117095275A (zh) 一种数据中心资产盘点方法、系统、装置及存储介质
Mar et al. Design of automatic vision-based inspection system for solder joint segmentation
CN114155179A (zh) 光源缺陷检测方法、装置、设备和存储介质
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
US20030185432A1 (en) Method and system for image registration based on hierarchical object modeling

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20230623

WW01 Invention patent application withdrawn after publication