CN116416181A - 一种插针缺陷的检测方法、检测设备和存储介质 - Google Patents

一种插针缺陷的检测方法、检测设备和存储介质 Download PDF

Info

Publication number
CN116416181A
CN116416181A CN202111636777.3A CN202111636777A CN116416181A CN 116416181 A CN116416181 A CN 116416181A CN 202111636777 A CN202111636777 A CN 202111636777A CN 116416181 A CN116416181 A CN 116416181A
Authority
CN
China
Prior art keywords
pin
detected
area
image
standard
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
CN202111636777.3A
Other languages
English (en)
Inventor
赵政
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.)
Guangzhou Luchen Intelligent Equipment Technology Co ltd
Original Assignee
Guangzhou Luchen Intelligent Equipment 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 Guangzhou Luchen Intelligent Equipment Technology Co ltd filed Critical Guangzhou Luchen Intelligent Equipment Technology Co ltd
Priority to CN202111636777.3A priority Critical patent/CN116416181A/zh
Publication of CN116416181A publication Critical patent/CN116416181A/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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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

Abstract

本申请公开一种插针缺陷的检测方法、检测设备和存储介质，涉及芯片插针检测领域。该插针包括插针本体和插针针尖；所述检测方法包括：在待检测电路板的检测图中提取插针区域图像，得到包括待检测插针轮廓的二值化图像；对二值化图像进行图像去噪处理，得到待检测电路板的第二图像；基于第二图像确定每个待检测插针的插针针尖面积和插针本体面积；将检测图中的每个待检测插针的插针针尖面积和插针本体面积分别与预设标准模板图中对应的插针针尖标准面积和插针本体标准面积进行比对，根据预设判断原则对待检测插针进行缺陷判定。从而可以对待检测插针进行缺陷判定，判定精度高，稳定性好，操作简单，缩短了操作时间，提升了AOI设备制作程序的灵活性。

Description

一种插针缺陷的检测方法、检测设备和存储介质
技术领域
本申请涉及芯片检测领域，尤其涉及一种插针缺陷的检测方法、检测设备和存储介质。
背景技术
自动光学检测(Automated Optical Inspection，AOI)设备，是基于光学原理来对电路板板卡焊接生产中遇到的常见缺陷进行检测的设备。
在AOI设备实际应用中，通常会遇到检测芯片(例如CPU)的插针是否存在缺陷的需求。如图1所示，CPU的插针规律排列在一起，每个插针是一模一样的。AOI设备的检测目标是需要找出图像中的CPU存在缺陷的插针及其位置、缺陷类型。目前，一般是通过对CPU的所有插针进行单独画ROI(Region Of Interest，感兴趣区域)区域，采用相似度计算的方法去检测CPU插针是否存在缺陷。这种检测算法操作复杂度高、精度差，操作时间长，很难满足实际使用要求。
发明内容
本申请实施例旨在提供一种插针缺陷的检测方法、检测设备和存储介质，可以解决现有的插针检测方法操作复杂度高、精度差，操作时间长，很难满足实际使用要求的问题。
为解决上述技术问题，本申请实施例提供以下技术方案：一种插针缺陷的检测方法，所述插针包括插针本体和插针针尖；所述检测方法包括：
在待检测电路板的检测图中提取插针区域图像，得到包括待检测插针轮廓的二值化图像；
对所述二值化图像进行图像去噪处理，得到所述待检测电路板的第二图像；
基于所述第二图像确定每个待检测插针的插针针尖面积和插针本体面积；
将所述检测图中的每个待检测插针的插针针尖面积和插针本体面积分别与预设标准模板图中对应的插针针尖标准面积和插针本体标准面积进行比对，根据预设判断原则对所述待检测插针进行缺陷判定。
可选地，所述在待检测电路板的检测图中提取插针区域图像，得到包括待检测插针轮廓的二值化图像，包括：
对待检测电路板的检测图进行图像分割，提取包含有待检测插针的插针区域图像；
对所述插针区域图像进行二值化处理，得到包括待检测插针轮廓的二值化图像。
可选地，所述基于所述第二图像确定每个待检测插针的插针针尖面积，包括：
统计所述待检测电路板在去噪过程中被过滤的所有插针针尖面积，得到每个待检测插针的插针针尖面积。
可选地，所述基于所述第二图像确定每个待检测插针的插针本体面积，包括：
根据所述第二图像，通过统计方式得到每个待检测插针的插针本体面积。
可选地，所述预设标准模板图的插针针尖标准面积和插针本体标准面积，采用以下方法得到：
在标准电路板的检测图中提取插针区域图像，得到包括插针轮廓的二值化图像；
对所述二值化图像进行图像去噪处理，得到所述标准电路板的第四图像；
基于所述第四图像确定每个插针的插针针尖标准面积和插针本体标准面积。
可选地，所述将所述检测图中的每个待检测插针的插针针尖面积和插针本体面积分别与预设标准模板图中对应的插针针尖标准面积和插针本体标准面积进行比对，根据预设判断原则对所述待检测插针进行缺陷判定，包括：
根据标准模板图，对待检测电路板的检测图中的待检测插针进行再定位；
计算待检测插针的插针针尖面积与标准模板图的插针针尖标准面积的第一比值和待检测插针的插针本体面积与标准模板图的插针本体标准面积的第二比值，根据预设判断原则对所述待检测插针进行缺陷判定。
可选地，所述根据标准模板图，对待检测电路板的检测图中的待检测插针进行再定位，包括：
利用标准模板图中的插针外接标准矩形的位置信息在检测图对应坐标直接邻域搜索，找出对应的待检测插针；或
先进行上述邻域搜索后，得到若干组检测图插针与对应标准模板图插针的偏移值；取上述若干组插针偏移值的平均值作为偏移量，利用所述偏移量和插针外接矩形在检测图的相应位置找出待检测插针。
可选地，所述预设判断原则包括：当所述第一比值和所述第二比值中有一个不满足预设阈值时，判定待检测插针存在缺陷。
为解决上述技术问题，本申请实施例还提供以下技术方案：一种检测设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现本申请任一实施例所述的一种插针缺陷的检测方法的步骤。
为解决上述技术问题，本申请实施例还提供以下技术方案：一种存储介质，所述存储介质上存储有一种插针缺陷的检测方法的程序，所述一种插针缺陷的检测方法的程序被处理器执行时实现本申请任一实施例所述的一种插针缺陷的检测方法的步骤。
与现有技术相比较，本申请实施例提供的一种插针缺陷的检测方法、检测设备和存储介质，通过在待检测电路板的检测图中提取插针区域图像，得到包括待检测插针轮廓的二值化图像；对二值化图像进行图像去噪处理，得到第二图像；基于去噪处理后的第二图像确定每个待检测插针的插针针尖面积和插针本体面积；将检测图中的每个待检测插针的插针针尖面积和插针本体面积分别与预设标准模板图中对应的插针针尖标准面积和插针本体标准面积进行比对，根据预设判断原则对所述待检测插针进行缺陷判定。从而可以对待检测电路板上的待检测插针进行缺陷判定，判定精度高，稳定性好，操作简单，且很大程度上简化了操作人员制作程序的操作步骤，缩短了操作时间，提升了AOI设备制作程序的灵活性，满足实际使用要求。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是本申请提供的一种CPU芯片的插针规律排列的结构示意图；
图2是本申请提供的一种插针缺陷的检测方法的流程示意图；
图3是本申请提供的一种插针缺陷的检测方法中对二值化图像进行图像去噪处理得到第二图像的流程示意图；
图4是本申请提供的一种插针缺陷的检测方法中经过图像分割后的电路板的示意图；
图5是本申请提供的一种插针缺陷的检测方法中经过图像去噪后的电路板的示意图；
图6是本申请提供的一种插针缺陷的检测方法对标准电路板进行检测得到插针位置的流程示意图；
图7是本申请提供的一种插针缺陷的检测方法中对待检测插针进行缺陷判定的流程示意图；
图8是本申请提供的一种插针缺陷的检测方法中插针的图像结构示意图；
图9是本申请提供的一种插针缺陷的检测方法中确定插针的最小外接矩形示意图；
图10是本申请提供的一种插针缺陷的检测系统的结构示意图。
具体实施方式
为了便于理解本申请，下面结合附图和具体实施例，对本申请进行更详细的说明。需要说明的是，当元件被表述“固定于”另一个元件，它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件，它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“上”、“下”、“内”、“外”、“底部”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。
除非另有定义，本说明书所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本说明书中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是用于限制本申请。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外，下面所描述的本申请不同实施例中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
AOI(Automated Optical Inspection，自动光学检测)设备是用于产线上对被测产品(例如电路板)进行可见缺陷的检测(如元件、丝印的错、漏、反，波峰焊、回流焊的焊点的虚焊、假焊、少锡、短路等)，通过预先编辑好的程序，对以上不良进行判断、报警，并对判定结果进行存储、发送等。
在一个实施例中，如图2所示，本申请提供一种插针缺陷的检测方法，该插针包括插针本体和插针针尖；该检测方法包括：
S1、在待检测电路板的检测图中提取插针区域图像，得到包括待检测插针轮廓的二值化图像I1；
S2、对二值化图像进行图像去噪处理，得到第二图像I2；
S3、基于去噪处理后的第二图像I2确定每个待检测插针的插针针尖面积Stesthead和插针本体面积Stestbody；
S4、将检测图中的每个待检测插针的插针针尖面积Stesthead和插针本体面积Stestbody分别与预设标准模板图中对应的插针针尖标准面积Shead和插针本体标准面积Sbody进行比对，根据预设判断原则对所述待检测插针进行缺陷判定。
通过上述检测方法，可以对待检测电路板上的一个芯片或多个芯片上的待检测插针进行缺陷判定，判定精度高，稳定性好，操作简单，且很大程度上简化了操作人员制作程序的操作步骤，缩短了操作时间，提升了AOI设备制作程序的灵活性，满足实际使用要求。
在一个实施例中，如图3所示，步骤S1中，在待检测电路板的检测图中提取插针区域图像，得到包括待检测插针轮廓的二值化图像I1，可以通过如下步骤实现，包括：
S11、对待检测电路板的检测图进行图像分割，提取包含有待检测插针的插针区域图像。
在本步骤中，在获得的待检测电路板的检测图中，包括有待检测电路板的各种元件的图像，其中，有很多并不是需要进行缺陷检测的图像，这就需要根据检测需求，对待检测电路板的检测图进行图像分割，从中提取出符合检测需求的区域图像。
在本实施例中，由于检测需求是检测插针缺陷的，所以，从所述检测图中提取出包含有待检测插针的插针区域图像，以供后续进行图像处理和缺陷判定。
S12、对插针区域图像进行二值化处理，得到包括待检测插针轮廓的二值化图像I1。
图像二值化是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程，即0是黑，255是白。在数字图像处理中，二值化图像占有非常重要的地位，首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。其次，要进行二值化图像的处理与分析，首先要把灰度图像二值化，得到二值化图像。所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。
在本实施例中，图4为在待检测电路板的检测图中提取插针区域图像，得到包括待检测插针轮廓的二值化图像的示意图。将电路板的灰度值设置为0(黑色)，电路板上的芯片插针的灰度值设置为255(白色)，对所述插针区域图像进行二值化处理，得到包括待检测插针轮廓的二值化图像I1。
在一个实施例中，步骤S2中，可以通过如下方式得到第二图像I2，包括：
对所述二值化图像I1进行形态学处理等操作，消除所述二值化图像中的噪声，得到第二图像I2，如图5所示，是经过去噪处理后的电路板示意图。
其中，对二值化图像I1进行消除噪声处理，可以采用现有的消除噪声方法来处理，具体的消除噪声过程在此不赘述。
在一个实施例中，步骤S3中，基于去噪处理后的第二图像I2确定每个待检测插针的插针针尖面积Stesthead和插针本体面积Stestbody。
在图5中，经过去噪处理后第二图像I2，所述插针针尖已经被消除，图中消除部分面积就是插针针尖面积。
所以，在经过去噪处理后的第二图像I2中，统计待检测电路板在去噪过程中被过滤的所有插针针尖面积，就可以得到每个待检测插针的插针针尖面积Stesthead。
其中，所述插针针尖面积Stesthead可以通过以下两种方法统计得到：
方法1：取排序后的中间值为插针针尖面积Stesthead。
在去噪过程中，将被消除的所有插针针尖汇总后，按照一定的排序规则(例如从小到大，或从大到小)进行排序后，取排序后的中间值作为插针针尖面积Stesthead。
方法2：采用聚类的方法，聚类计算结果为插针针尖面积Stesthead。
在去噪过程中，将被消除的所有插针针尖汇总后，按照一定的聚类方法对汇总后的插针针尖进行聚类计算，聚类计算结果作为插针针尖面积Stesthead。其中，对对汇总后的插针针尖进行聚类计算，可以采用现有的聚类计算方法来进行计算，具体的计算过程在此不赘述。
在经过去噪处理后的第二图像I2中，可以通过统计方式得到插针针尖的最小外接矩形Rtesthead。其中，所述插针针尖的最小外接矩形Rtesthead可以通过以下方式统计得到：
由于连通域与插针针尖面积Stesthead是对应关联的，一个连通域可以反应一个插针针尖面积Stesthead。而该连通域与插针针尖的最小外接矩形Rtesthead也是对应关联，所以，根据插针针尖面积Stesthead，通过统计可以得到插针针尖的最小外接矩形Rtesthead。其中，通过统计得到最小外接矩形Rtesthead时，也同时得到该最小外接矩形Rtesthead的中心点坐标、长度和宽度。
同理，基于去噪处理后的第二图像I2确定每个待检测插针的插针本体面积Stestbody。插针本体面积Stestbody所采用的统计方法与上述得到插针针尖面积Stesthead的方法相同，在此不再赘述。
在一个实施例中，如图6所示，步骤S4中，预设标准模板图的插针针尖标准面积和插针本体标准面积，可以采用以下方法得到：
A1、在标准电路板的检测图中提取插针区域图像，得到包括插针轮廓的二值化图像I3。
A2、对二值化图像I3进行图像去噪处理，得到第四图像I4。
A3、基于去噪处理后的第四图像I4每个插针的插针针尖标准面积Sthead和插针本体标准面积Sbody。
在步骤A1-A3的方法中，与上述步骤S1-S3的方法是相同的，目的都是为了分别获得标准模板图的每个插针的插针针尖标准面积Sthead和插针本体标准面积Sbody。具体的实现过程可以参考上述步骤S1-S3的实现过程。
如图7所示，步骤S4中，将检测图中的每个待检测插针的插针针尖面积Stesthead和插针本体面积Stestbody分别与标准模板图中对应的插针位置信息进行比对，根据预设判断原则对所述待检测插针进行缺陷判定，具体包括：
S41、根据标准模板图，对待检测电路板的检测图中的待检测插针进行再定位。再定位方式包括以下之一：
方式1：利用标准模板图中的插针外接标准矩形Rpin的位置信息在检测图对应坐标直接邻域搜索，找出对应的待检测插针。
其中，如图6所示，标准模板图中的插针外接标准矩形Rpin可以采用以下方法得到：
A4、基于去噪处理后的第四图像I4，分别确定每个插针的角度θ、插针针尖的最小外接标准矩形Rhead以及插针本体的最小外接标准矩形Rbody。
具体地，在经过去噪处理后的第四图像I4中，可以通过统计方式得到插针针尖的最小外接标准矩形Rhead。其中，所述插针针尖的最小外接标准矩形Rhead可以通过以下方式统计得到：
由于连通域与插针针尖标准面积Shead是对应关联的，一个连通域可以反应一个插针针尖标准面积Shead。而该连通域与插针针尖的最小外接标准矩形Rhead也是对应关联，所以，根据插针针尖标准面积Shead，通过统计可以得到插针针尖的最小外接标准矩形Rhead。其中，通过统计得到最小外接标准矩形Rhead时，也同时得到该最小外接标准矩形Rhead的中心点坐标、长度和宽度。
同理，基于去噪处理后的第二图像I2确定每个插针的插针本体的最小外接标准矩形Rbody。插针本体的最小外接标准矩形Rbody所采用的统计方法与上述得到最小外接标准矩形Rhead的方法相同，在此不再赘述。
A5、结合角度θ，通过中心点坐标Pcenter和重心点坐标Pgravity，确定插针倾斜方向。
其中，中心点坐标Pcenter和重心点坐标Pgravity采用现有的图像矩(Hu矩)方法得到，具体的消除噪声过程在此不赘述。
根据插针的角度θ，再结合中心点坐标Pcenter和重心点坐标Pgravity得到插针倾斜方向。插针倾斜方向是插针本体指向插针针尖的方向，具体方向是从重心点坐标Pgravity指向中心点坐标Pcenter。本实施例中，插针倾斜方向的角度值是没有方向维度的特征，相同插针角度值的两个插针对应的插针倾斜方向可能会相差180°。
A6、根据得到的插针针尖的最小外接标准矩形Rhead、插针倾斜方向和插针本体的最小外接标准矩形Rbody，确定完整一个插针的插针外接标准矩形Rpin。
如图8所示，在成像中，所述插针包括插针本体82、插针针尖81和中间的黑色部分83。
确定完整一个插针的插针外接标准矩形Rpin，需要知道该插针外接标准矩形Rpin对应的Rpin的旋转角度、Rpin长度、Rpin宽度和Rpin中心点坐标。
其中：
插针外接标准矩形Rpin的旋转角度θRpin为步骤A3计算得到的角度θ，即：
θRpin＝θ (1)
插针外接标准矩形Rpin长度为黑色部分长度LH、插针针尖的最小外接标准矩形Rhead长度LRhead与插针本体的最小外接标准矩形Rbody长度LRbody之和。即：
LRpin＝LH+LRhead+LRbody (2)
其中，所述黑色部分长度LH为插针针尖的最小外接标准矩形Rhead中心点与插针本体的最小外接标准矩形Rbody中心点之间的长度L，减去一半的插针针尖的最小外接标准矩形Rhead长度LRhead与一半的插针本体的最小外接标准矩形Rbody长度LRbody。即：
LH＝L-(LRhead+LRbody)/2 (3)
插针外接标准矩形Rpin宽度WRpin为插针本体的最小外接标准矩形Rbody宽度WRbody。即：
WRpin＝WRbody (4)
插针外接标准矩形Rpin的Rpin中心点坐标，可以通过以下方法得到。
1)确定插针外接标准矩形Rpin与插针本体的平移量。
在本实施例中，插针外接标准矩形Rpin与插针本体的平移量ΔL为插针针尖的最小外接标准矩形Rhead中心点与插针本体的最小外接标准矩形Rbody中心点之间的长度L的一半，即：
ΔL＝L/2 (5)
2)根据坐标投影关系，分别确定平移量在X轴的偏移量Δx和Y轴的偏移量Δy。
Δx＝ΔL*sinθ (6)
Δy＝ΔL*cosθ (7)
3)根据插针本体的中心点坐标Pcenter和插针倾斜方向，确定插针外接标准矩形Rpin的Rpin中心点坐标(XRpin,YRpin)。
当插针倾斜方向在坐标轴的右上方时：
XRpin＝Xbody+Δx (8)
YRpin＝Ybody-Δy (9)
其中，Xbody为插针本体的中心点坐标Pcenter的X坐标，Ybody为插针本体的中心点坐标Pcenter的y坐标。
当插针倾斜方向在坐标轴的右下方时：
XRpin＝Xbody+Δx (10)
YRpin＝Ybody+Δy (11)
当插针倾斜方向在坐标轴的左上方时：
XRpin＝Xbody-Δx (12)
YRpin＝Ybody-Δy (13)
当插针倾斜方向在坐标轴的左下方时：
XRpin＝Xbody-Δx (14)
YRpin＝Ybody+Δy (15)
A7、依照步骤A4-A6的方法，确定所述连通域的每个外接标准矩形Ri(i＝1,…,n，n为插针数量)。如图9所示。
方式2：先进行方式1的邻域搜索后，得到若干组检测图插针与对应标准模板图插针的偏移值；取上述若干组插针偏移值的平均值作为偏移量，利用所述偏移量和插针外接标准矩形Rpin在检测图的相应位置找出待检测插针。
S42、计算待检测插针的插针针尖面积StestHead与标准模板图的插针针尖标准面积Shead的第一比值Nhead和待检测插针的插针本体面积StestBody与标准模板图的插针本体标准面积Sbody的第二比值Nbody，根据预设判断原则对所述待检测插针进行缺陷判定。其中，所述预设判断原则包括：若第一比值Nhead、第二比值Nbody中有一个不满足预设阈值时，判定待检测插针存在缺陷。优选地，所述预设阈值包括60％-160％。
基于同一构思，在一个实施例中，如图10所示，本申请提供一种插针缺陷的检测设备，所述检测设备900包括：存储器902、处理器901及存储在所述存储器902中并可在所述处理器901上运行的一个或者多个计算机程序，所述存储器902和所述处理器901通过总线系统903耦合在一起，所述一个或者多个计算机程序被所述处理器901执行时以实现本申请实施例提供的一种插针缺陷的检测方法的以下步骤：
S1、在待检测电路板的检测图中提取插针区域图像，得到包括待检测插针轮廓的二值化图像I1；
S2、对二值化图像进行图像去噪处理，得到第二图像I2；
S3、基于去噪处理后的第二图像I2确定每个待检测插针的插针针尖面积Stesthead和插针本体面积Stestbody；
S4、将检测图中的每个待检测插针的插针针尖面积Stesthead和插针本体面积Stestbody分别与预设标准模板图中对应的插针针尖标准面积Shead和插针本体标准面积Sbody进行比对，根据预设判断原则对所述待检测插针进行缺陷判定。
上述本申请实施例揭示的方法可以应用于所述处理器901中，或者由所述处理器901实现。所述处理器901可能是一种集成电路芯片，具有信号处理能力。在实现过程中，上述方法的各步骤可以通过所述处理器901中的硬件的集成逻辑电路或软件形式的指令完成。所述处理器901可以是通用处理器、DSP、或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。所述处理器901可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器902，所述处理器901读取存储器902中的信息，结合其硬件完成前述方法的步骤。
可以理解，本申请实施例的存储器902可以是易失性存储器或者非易失性存储器，也可以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(ROM，Read-Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Read-Only Memory)、电可擦除只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，Ferromagnetic Random Access Memory)、闪存(Flash Memory)或其他存储器技术、光盘只读存储器(CD-ROM，Compact Disk Read-Only Memory)、数字多功能盘(DVD，Digital VideoDisk)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置；易失性存储器可以是随机存取存储器(RAM，Random Access Memory)，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(SRAM，Static Random Access Memory)、静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本申请实施例描述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。
需要说明的是，上述检测设备实施例与方法实施例属于同一构思，其具体实现过程详见方法实施例，且方法实施例中的技术特征在所述检测设备实施例中均对应适用，这里不再赘述。
另外，在示例性实施例中，本申请实施例还提供一种计算机存储介质，具体为计算机可读存储介质，例如包括存储计算机程序的存储器902，所述计算机存储介质上存储有一种插针缺陷的检测方法的一个或者多个程序，所述一种插针缺陷的检测方法的一个或者多个程序被处理器901执行时以实现本申请实施例提供的一种插针缺陷的检测方法的以下步骤：
S1、在待检测电路板的检测图中提取插针区域图像，得到包括待检测插针轮廓的二值化图像I1；
S2、对二值化图像进行图像去噪处理，得到第二图像I2；
S3、基于去噪处理后的第二图像I2确定每个待检测插针的插针针尖面积Stesthead和插针本体面积Stestbody；
S4、将检测图中的每个待检测插针的插针针尖面积Stesthead和插针本体面积Stestbody分别与预设标准模板图中对应的插针针尖标准面积Shead和插针本体标准面积Sbody进行比对，根据预设判断原则对所述待检测插针进行缺陷判定。
需要说明的是，上述计算机可读存储介质上的一种插针缺陷的检测方法程序实施例与方法实施例属于同一构思，其具体实现过程详见方法实施例，且方法实施例中的技术特征在上述计算机可读存储介质的实施例中均对应适用，这里不再赘述。
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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。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、物品或者装置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。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；在本申请的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本申请的不同方面的许多其它变化，为了简明，它们没有在细节中提供；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。

Claims (10)

1.一种插针缺陷的检测方法，其特征在于，所述插针包括插针本体和插针针尖；所述检测方法包括：
在待检测电路板的检测图中提取插针区域图像，得到包括待检测插针轮廓的二值化图像；
对所述二值化图像进行图像去噪处理，得到所述待检测电路板的第二图像；
基于所述第二图像确定每个待检测插针的插针针尖面积和插针本体面积；
将所述检测图中的每个待检测插针的插针针尖面积和插针本体面积分别与预设标准模板图中对应的插针针尖标准面积和插针本体标准面积进行比对，根据预设判断原则对所述待检测插针进行缺陷判定。
2.根据权利要求1所述的检测方法，其特征在于，所述在待检测电路板的检测图中提取插针区域图像，得到包括待检测插针轮廓的二值化图像，包括：
对待检测电路板的检测图进行图像分割，提取包含有待检测插针的插针区域图像；
对所述插针区域图像进行二值化处理，得到包括待检测插针轮廓的二值化图像。
3.根据权利要求1所述的检测方法，其特征在于，所述基于所述第二图像确定每个待检测插针的插针针尖面积，包括：
统计所述待检测电路板在去噪过程中被过滤的所有插针针尖面积，得到每个待检测插针的插针针尖面积。
4.根据权利要求1所述的检测方法，其特征在于，所述基于所述第二图像确定每个待检测插针的插针本体面积，包括：
根据所述第二图像，通过统计方式得到每个待检测插针的插针本体面积。
5.根据权利要求1所述的检测方法，其特征在于，所述预设标准模板图的插针针尖标准面积和插针本体标准面积，采用以下方法得到：
在标准电路板的检测图中提取插针区域图像，得到包括插针轮廓的二值化图像；
对所述二值化图像进行图像去噪处理，得到所述标准电路板的第四图像；
基于所述第四图像确定每个插针的插针针尖标准面积和插针本体标准面积。
6.根据权利要求5所述的检测方法，其特征在于，所述将所述检测图中的每个待检测插针的插针针尖面积和插针本体面积分别与预设标准模板图中对应的插针针尖标准面积和插针本体标准面积进行比对，根据预设判断原则对所述待检测插针进行缺陷判定，包括：
根据标准模板图，对待检测电路板的检测图中的待检测插针进行再定位；
计算待检测插针的插针针尖面积与标准模板图的插针针尖标准面积的第一比值和待检测插针的插针本体面积与标准模板图的插针本体标准面积的第二比值，根据预设判断原则对所述待检测插针进行缺陷判定。
7.根据权利要求6所述的检测方法，其特征在于，所述根据标准模板图，对待检测电路板的检测图中的待检测插针进行再定位，包括：
利用标准模板图中的插针外接标准矩形的位置信息在检测图对应坐标直接邻域搜索，找出对应的待检测插针；或
先进行上述邻域搜索后，得到若干组检测图插针与对应标准模板图插针的偏移值；取上述若干组插针偏移值的平均值作为偏移量，利用所述偏移量和插针外接矩形在检测图的相应位置找出待检测插针。
8.根据权利要求6所述的检测方法，其特征在于，所述预设判断原则包括：当所述第一比值和所述第二比值中有一个不满足预设阈值时，判定待检测插针存在缺陷。
9.一种检测设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的一种插针缺陷的检测方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有一种插针缺陷的检测方法的程序，所述一种插针缺陷的检测方法的程序被处理器执行时实现如权利要求1至8中任一项所述的一种插针缺陷的检测方法的步骤。
CN202111636777.3A 2021-12-29 2021-12-29 一种插针缺陷的检测方法、检测设备和存储介质 Pending CN116416181A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111636777.3A CN116416181A (zh) 2021-12-29 2021-12-29 一种插针缺陷的检测方法、检测设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111636777.3A CN116416181A (zh) 2021-12-29 2021-12-29 一种插针缺陷的检测方法、检测设备和存储介质

Publications (1)

Publication Number Publication Date
CN116416181A true CN116416181A (zh) 2023-07-11

Family

ID=87054803

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111636777.3A Pending CN116416181A (zh) 2021-12-29 2021-12-29 一种插针缺陷的检测方法、检测设备和存储介质

Country Status (1)

Country Link
CN (1) CN116416181A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101706458A (zh) * 2009-11-30 2010-05-12 中北大学 高分辨率印刷电路板自动检测系统及检测方法
WO2015149009A1 (en) * 2014-03-27 2015-10-01 Georgia Tech Research Corporation Systems and methods for identifying traffic control devices and testing the retroreflectivity of the same
WO2017067342A1 (zh) * 2015-10-21 2017-04-27 广州视源电子科技股份有限公司 板卡位置检测方法及装置
CN110766736A (zh) * 2019-10-29 2020-02-07 京东方科技集团股份有限公司 缺陷检测方法、装置、电子设备以及存储介质
CN112686858A (zh) * 2020-12-29 2021-04-20 熵智科技(深圳)有限公司 一种手机充电器视觉缺陷检测方法、装置、介质及设备
CN113533375A (zh) * 2021-08-26 2021-10-22 惠州市特创电子科技股份有限公司 一种印刷线路板正反向扫描建模检测方法
CN113808131A (zh) * 2021-11-16 2021-12-17 成都数联云算科技有限公司 一种连接器缺陷识别方法及系统及装置及介质
CN113822890A (zh) * 2021-11-24 2021-12-21 中科慧远视觉技术(北京)有限公司 一种微裂纹检测方法、装置、系统及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101706458A (zh) * 2009-11-30 2010-05-12 中北大学 高分辨率印刷电路板自动检测系统及检测方法
WO2015149009A1 (en) * 2014-03-27 2015-10-01 Georgia Tech Research Corporation Systems and methods for identifying traffic control devices and testing the retroreflectivity of the same
WO2017067342A1 (zh) * 2015-10-21 2017-04-27 广州视源电子科技股份有限公司 板卡位置检测方法及装置
CN110766736A (zh) * 2019-10-29 2020-02-07 京东方科技集团股份有限公司 缺陷检测方法、装置、电子设备以及存储介质
CN112686858A (zh) * 2020-12-29 2021-04-20 熵智科技(深圳)有限公司 一种手机充电器视觉缺陷检测方法、装置、介质及设备
CN113533375A (zh) * 2021-08-26 2021-10-22 惠州市特创电子科技股份有限公司 一种印刷线路板正反向扫描建模检测方法
CN113808131A (zh) * 2021-11-16 2021-12-17 成都数联云算科技有限公司 一种连接器缺陷识别方法及系统及装置及介质
CN113822890A (zh) * 2021-11-24 2021-12-21 中科慧远视觉技术(北京)有限公司 一种微裂纹检测方法、装置、系统及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李正明;黎宏;孙俊;: "基于数字图像处理的印刷电路板缺陷检测", 仪表技术与传感器, no. 08, 15 August 2012 (2012-08-15) *
魏东亮;周迪斌;张家瑜;马建峰;解利军;: "微型齿轮的机器视觉检测系统设计", 计算机测量与控制, no. 04 *

Similar Documents

Publication Publication Date Title
CN110826416B (zh) 一种基于深度学习的卫浴陶瓷表面缺陷检测方法及装置
CN111179243A (zh) 一种基于计算机视觉的小尺寸芯片裂纹检测方法及系统
CN112577969B (zh) 一种基于机器视觉的缺陷检测方法以及缺陷检测系统
CN110276295B (zh) 车辆识别号码检测识别方法及设备
CN101122953A (zh) 一种图片文字分割的方法
CN115984284A (zh) 一种用于船舶维护的x射线船体焊缝图像检测方法
CN112164050B (zh) 用于流水线上产品表面缺陷的检测方法、设备及存储介质
CN114627092A (zh) 缺陷检测方法、装置、电子设备及可读存储介质
CN115082394A (zh) 一种插件缺陷视觉检测识别方法、可读存储介质及设备
CN114399502A (zh) 一种适用于led芯片的外观缺陷检测方法、系统及存储介质
CN111861979A (zh) 一种定位方法、设备及计算机可读存储介质
CN114723677A (zh) 图像缺陷检测方法、检测装置、检测设备及存储介质
CN112419207A (zh) 一种图像矫正方法及装置、系统
TW202127372A (zh) 瑕疵等級判定的方法及存儲介質
US6128404A (en) Method of detecting defects in semiconductor package leads
CN114359161A (zh) 一种缺陷检测方法、装置、设备和存储介质
CN114677348A (zh) 一种基于视觉的ic芯片缺陷的检测方法、系统和存储介质
CN117152165B (zh) 感光芯片缺陷的检测方法、装置、存储介质及电子设备
CN117252861A (zh) 一种晶圆表面缺陷的检测方法、装置及系统
WO2024016686A1 (zh) 角点检测的方法和装置
CN116416181A (zh) 一种插针缺陷的检测方法、检测设备和存储介质
CN113378847B (zh) 字符分割方法、系统、计算机设备和存储介质
CN115511819A (zh) 一种x射线焊缝边界识别方法、装置、设备及存储介质
CN111508017B (zh) 一种弱对比度定位标记中心的方法和系统
CN114445405B (zh) 一种圆孔均匀性检测的方法和系统

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