CN116907341A - 一种pcb板智能检测方法及系统 - Google Patents

一种pcb板智能检测方法及系统 Download PDF

Info

Publication number
CN116907341A
CN116907341A CN202310823937.8A CN202310823937A CN116907341A CN 116907341 A CN116907341 A CN 116907341A CN 202310823937 A CN202310823937 A CN 202310823937A CN 116907341 A CN116907341 A CN 116907341A
Authority
CN
China
Prior art keywords
burr
aperture
value
hole
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.)
Granted
Application number
CN202310823937.8A
Other languages
English (en)
Other versions
CN116907341B (zh
Inventor
尹联群
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.)
Shenzhen Talian Technology Co ltd
Original Assignee
Shenzhen Talian 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 Shenzhen Talian Technology Co ltd filed Critical Shenzhen Talian Technology Co ltd
Priority to CN202310823937.8A priority Critical patent/CN116907341B/zh
Publication of CN116907341A publication Critical patent/CN116907341A/zh
Application granted granted Critical
Publication of CN116907341B publication Critical patent/CN116907341B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
    • G01B11/12—Measuring arrangements characterised by the use of optical techniques for measuring diameters internal diameters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
    • G01N2021/95653—Through-holes
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及PCB板智能检测技术领域，特别涉及一种PCB板智能检测方法及系统，本发明通过判断孔径差值是否超过预设孔偏阈值，若孔径差值未超过预设孔偏阈值，则将待检测PCB板标定为待确定微弱缺陷产品，然后再判断待确定微弱缺陷产品的相对毛刺数差值是否超过预设毛刺数阈值，若待确定微弱缺陷产品的相对毛刺数差值未超过预设毛刺数阈值，则将所述待确定微弱缺陷产品标定为微弱缺陷产品，这样便于挑选出待检测PCB板中的孔偏以及孔内毛刺方面虽然存在微弱缺陷但是孔径差值以及相对毛刺数差值均未超过预设阈值的合格PCB板投入使用，从而可以避免资源消耗。

Description

一种PCB板智能检测方法及系统
技术领域
本发明涉及PCB板孔位检测技术领域，特别涉及一种PCB板智能检测方法及系统。
背景技术
随着电子制造业的发展，电子产品趋于多功能化、智能化和小型化。而PCB板上元器件作为电子产品中的重要精密部件，其质量直接影响了产品的性能，PCB中文名称为印制电路板，又称印刷线路板，是重要的电子部件，是电子元器件的支撑体，是电子元器件电气相互连接的载体，由于它是采用电子印刷术制作的，故被称为“印刷”电路板，因此质量的把控变得尤为重要，PCB板由于作用以及安装位置的不同，PCB板上有不同位置的孔，在生产过程中需要一种设备或者系统对孔位进行检测。
然而现有技术中对PCB板的孔位进行检测时，只能得到孔位是否有缺陷，却不能判断该缺陷孔位是在使用接受范围内还是需要回收重新生产，进而导致一些PCB板虽然有微弱缺陷，不影响使用，但是仍被回收重新生产的现象，很大程度上造成资源消耗。
发明内容
本发明的主要目的为提供一种PCB板智能检测方法及系统，旨在解决现有技术中的技术问题。
本发明提出一种PCB板智能检测方法，包括：
获取待检测PCB板的第一色彩图像，并对所述第一色彩图像进行信息提取，得到第一孔偏信息和第一孔内毛刺信息；
获取标准PCB板的第二色彩图像，并对所述第二色彩图像进行信息提取，得到第二孔偏信息和第二孔内毛刺信息；
根据所述第一孔偏信息和第二孔偏信息计算孔径差值；
判断所述孔径差值是否超出预设孔偏阈值；
若所述孔径差值不小于预设孔偏阈值，将所述待检测PCB板标定为孔径不合格产品；
若所述孔径差值未超过预设孔偏阈值，将所述待检测PCB板标定为待确定微弱缺陷产品；
获取待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息；
根据所述待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息计算相对毛刺数差值；
判断所述相对毛刺数差值是否超出预设毛刺数阈值；
若所述相对毛刺数差值不小于预设毛刺数阈值，将所述待确定微弱缺陷产品标定为毛刺不合格产品；
若所述相对毛刺数差值不超过预设毛刺数阈值，将所述待确定微弱缺陷产品标定为微弱缺陷产品；
回收所述孔径不合格产品和毛刺不合格产品。
优选的，所述对所述第一色彩图像进行信息提取的步骤，包括：
对第一色彩图像进行灰度化处理，得到单通道图像；
对单通道图像进行去噪处理，得到无噪图像；
对无噪图像进行画质增强处理，得到清晰图像；
对清晰图像的边缘多余区域进行分切处理，得到完整色彩图像；
对所述完整色彩图像进行信息提取，得到第一孔偏信息和第一孔内毛刺信息。
优选的，所述根据所述第一孔偏信息和第二孔偏信息计算孔径差值的步骤，包括：
获取所述待检测PCB板上每一个孔的孔径检测值；
获取所述标准PCB板的孔径标准值；
根据所述孔径检测值和孔径标准值计算孔径差值，其中，计算公式为：
其中，X1表示孔径差值，Ty表示待检测PCB板上的每一个孔的孔径检测值，y表示待检测PCB板上每一个孔位的序列号，N表示待检测PCB板上的孔位总数，t表示标准PCB板的孔径标准值。
优选的，所述将所述待检测PCB板标定为孔径不合格产品的步骤之后，还包括：
设立孔偏阈值区间，其中，所述孔偏阈值区间的下限值与预设孔偏阈值相同；
判断所述孔径差值是否在孔偏阈值区间的范围内；
若孔径差值在孔偏阈值区间范围内，则标定该孔径不合格产品为孔径返工产品；
若孔径差值不在孔偏阈值区间的范围内，则标定该孔径不合格产品为孔径报废产品。
优选的，所述设立孔偏阈值区间的步骤，包括：
获取预设孔偏阈值，以预设孔偏阈值为起始值，设立孔偏阈值区间下限值；
根据所述孔径不合格产品每个孔的第一孔偏信息计算孔径平均值；
将所述孔径平均值作为孔偏阈值区间的上限值。
优选的，所述根据所述孔径不合格产品每个孔的第一孔偏信息计算孔径平均值的步骤，包括：
获取所述待检测PCB板上每一个孔的孔径检测值；
根据多个所述孔径检测值计算孔径平均值，其中，计算公式为：
其中，ω表示孔径平均值，L1、、、Ln表示每一个孔的孔径检测值，n表示待检测PCB板上的孔位总数。
优选的，所述根据所述待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息计算相对毛刺数差值的步骤，包括：
获取所述待确定微弱缺陷产品上每一个孔的检测毛刺数值；
获取所述标准PCB板的标准毛刺数值；
根据所述检测毛刺数值和标准毛刺数值计算相对毛刺数差值，其中，计算公式为：
其中，X2表示相对毛刺数差值，K1、K2、、、Kn表示待确定微弱缺陷产品上每一个孔的检测毛刺数值，k表示标准PCB板的标准毛刺数信息，N表示待确定微弱缺陷产品上的孔位总数。
优选的，所述将所述待确定微弱缺陷产品标定为毛刺不合格产品的步骤之后，还包括：
设立毛刺数阈值区间，其中，所述毛刺数阈值区间的下限值与预设毛刺数阈值相同；
判断所述相对毛刺数差值是否在毛刺数阈值区间的范围内；
若相对毛刺数差值在毛刺数阈值区间范围内，则标定该毛刺不合格产品为毛刺返工产品；
若相对毛刺数差值不在毛刺数阈值区间范围内，则标定该毛刺不合格产品为毛刺报废产品。
优选的，所述回收所述孔径不合格产品和毛刺不合格产品的步骤之前，还包括：
设立孔径分类区域和毛刺分类区域；
对所述孔径不合格产品按照孔径差值与预设孔偏阈值之间的差值大小顺序进行排序，得到第一排序数据；
根据所述第一排序数据从大到小的顺序将孔径不合格产品排列至孔径分类区域内；
对所述毛刺不合格产品按照相对毛刺数差值与预设毛刺数阈值之间的差值大小顺序进行排序，得到第二排序数据；
根据所述第二排序数据从大到小的顺序将毛刺不合格产品排列至毛刺分类区域内。
本申请还提供一种PCB板智能检测系统，包括：
第一获取模块，用于获取待检测PCB板的第一色彩图像，并对所述第一色彩图像进行信息提取，得到第一孔偏信息和第一孔内毛刺信息；
第二获取模块，获取标准PCB板的第二色彩图像，并对所述第二色彩图像进行信息提取，得到第二孔偏信息和第二孔内毛刺信息；
第一计算模块，用于根据所述第一孔偏信息和第二孔偏信息计算孔径差值；
第一判断模块，用于判断所述孔径差值是否超出预设孔偏阈值；
若所述孔径差值不小于预设孔偏阈值，将所述待检测PCB板标定为孔径不合格产品；
若所述孔径差值未超过预设孔偏阈值，将所述待检测PCB板标定为待确定微弱缺陷产品；
第三获取模块，用于获取待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息；
第二计算模块，用于根据所述待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息计算相对毛刺数差值；
第二判断模块，用于判断所述相对毛刺数差值是否超出预设毛刺数阈值；
若所述相对毛刺数差值不小于预设毛刺数阈值，将所述待确定微弱缺陷产品标定为毛刺不合格产品；
若所述相对毛刺数差值不超过预设毛刺数阈值，将所述待确定微弱缺陷产品标定为微弱缺陷产品；
回收模块，用于回收所述孔径不合格产品和毛刺不合格产品。
本发明的有益效果为：
本发明通过判断孔径差值是否超过预设孔偏阈值，若孔径差值未超过预设孔偏阈值，则将待检测PCB板标定为待确定微弱缺陷产品，然后再判断待确定微弱缺陷产品的相对毛刺数差值是否超过预设毛刺数阈值，若待确定微弱缺陷产品的相对毛刺数差值未超过预设毛刺数阈值，则将所述待确定微弱缺陷产品标定为微弱缺陷产品，这样便于挑选出待检测PCB板中的孔偏以及孔内毛刺方面虽然存在微弱缺陷但是孔径差值以及相对毛刺数差值均未超过预设阈值的合格PCB板投入使用，从而可以避免资源消耗。
附图说明
图1为本发明一实施例的方法流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
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发明，并不用于限定本发明。
如图1所示，本申请提供一种PCB板智能检测方法，包括：
S1、获取待检测PCB板的第一色彩图像，并对所述第一色彩图像进行信息提取，得到第一孔偏信息和第一孔内毛刺信息；
S2、获取标准PCB板的第二色彩图像，并对所述第二色彩图像进行信息提取，得到第二孔偏信息和第二孔内毛刺信息；
S3、根据所述第一孔偏信息和第二孔偏信息计算孔径差值；
S4、判断所述孔径差值是否超出预设孔偏阈值；
若所述孔径差值不小于预设孔偏阈值，将所述待检测PCB板标定为孔径不合格产品；
若所述孔径差值未超过预设孔偏阈值，将所述待检测PCB板标定为待确定微弱缺陷产品；
S5、获取待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息；
S6、根据所述待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息计算相对毛刺数差值；
S7、判断所述相对毛刺数差值是否超出预设毛刺数阈值；
若所述相对毛刺数差值不小于预设毛刺数阈值，将所述待确定微弱缺陷产品标定为毛刺不合格产品；
若所述相对毛刺数差值不超过预设毛刺数阈值，将所述待确定微弱缺陷产品标定为微弱缺陷产品；
S8、回收所述孔径不合格产品和毛刺不合格产品。
如上述步骤S1-S8所述，随着现代电子工业迅猛发展，电子技术不断革新，PCB密集度不断增大，层级越来越多，生产中因打孔缺陷的等各种原因，导致电路板的合格率降低影响整机质量的事故屡见不鲜。对于PCB板的检测，现有技术一般通过二维的方法进行扫描，对扫描形成的二维图像进行图像处理和检测来找出缺陷，但是对于某些三维上的缺陷存在着检测不出的情况，本发明通过判断孔径差值是否超过预设孔偏阈值，若孔径差值未超过预设孔偏阈值，则将待检测PCB板标定为待确定微弱缺陷产品，然后再判断待确定微弱缺陷产品的相对毛刺数差值是否超过预设毛刺数阈值，若待确定微弱缺陷产品的相对毛刺数差值未超过预设毛刺数阈值，则将所述待确定微弱缺陷产品标定为微弱缺陷产品，这样便于挑选出待检测PCB板中的孔偏以及孔内毛刺方面虽然存在微弱缺陷但是孔径差值以及相对毛刺数差值均未超过预设阈值的合格PCB板投入使用，从而可以避免资源消耗。
在一个实施例中，所述对所述第一色彩图像进行信息提取的步骤S1，包括：
S11、对第一色彩图像进行灰度化处理，得到单通道图像；
S12、对单通道图像进行去噪处理，得到无噪图像；
S13、对无噪图像进行画质增强处理，得到清晰图像；
S14、对清晰图像的边缘多余区域进行分切处理，得到完整色彩图像；
S15、对所述完整色彩图像进行信息提取，得到第一孔偏信息和第一孔内毛刺信息。
如上述步骤S1-S15所述，现有的获取PCB板的色彩图像后，然后依赖人工直观观察或者通过电脑系统分析检测，但是缺少会色彩图像进行预处理，这里的校正处理包括去噪处理、增加亮度处理、灰度处理、放大处理、分切处理、外观轮廓配合处理等，通过对色彩图像进行校正处理，可以使得提取得到的孔偏信息和孔内毛刺信息更加接近实际数据信息，从而使得检测数据更加贴合实际。
在一个实施例中，所述根据所述第一孔偏信息和第二孔偏信息计算孔径差值的步骤S3，包括：
S31、获取所述待检测PCB板上每一个孔的孔径检测值；
S32、获取所述标准PCB板的孔径标准值；
S33、根据所述孔径检测值和孔径标准值计算孔径差值，其中，计算公式为：
其中，X1表示孔径差值，Ty表示待检测PCB板上的每一个孔的孔径检测值，y表示待检测PCB板上每一个孔位的序列号，N表示待检测PCB板上的孔位总数，t表示标准PCB板的孔径标准值。
如上述步骤S31-S33所述，由于PCB板质检要求严格，孔缺陷必须满足可控范围内才能投入使用，因此，计算待检测PCB板的孔径差值是非常重要的，在本实施例中，所述孔径差值由孔径检测值和孔径标准值计算得出，通过先计算待检测PCB板上每一个孔的孔径检测值与标准PCB板的孔径标准值之间的差值，可以使得通过多个差值之间计算的标准差更加具有准确性和代表性，避免存在只测量一个孔的孔径差而导致的不稳定性，从而可以有效的筛选出孔径差值未超过预设孔偏阈值的待检测PCB板。
在一个实施例中，所述将所述待检测PCB板标定为孔径不合格产品的步骤S4之后，还包括：
S41、设立孔偏阈值区间，其中，所述孔偏阈值区间的下限值与预设孔偏阈值相同；
S42、判断所述孔径差值是否在孔偏阈值区间的范围内；
若孔径差值在孔偏阈值区间范围内，则标定该孔径不合格产品为孔径返工产品；
若孔径差值不在孔偏阈值区间的范围内，则标定该孔径不合格产品为孔径报废产品。
如上述步骤S41-S42所述，对待检测PCB板检测时，通过计算待检测PCB板的第一孔偏信息分别与对应标准PCB板的第二孔偏信息之间的孔径差值，然后可以根据计算得出的孔径差值来判断其是否处于孔偏阈值区间，从而可以检测出孔径不合格产品具体是孔径返工产品还是孔径报废产品，进而可以实现对不同的孔径不合格产品根据实际情况进行合理的返工或报废处理。
在一个实施例中，所述设立孔偏阈值区间的步骤S41，包括：
S411、获取预设孔偏阈值，以预设孔偏阈值为起始值，设立孔偏阈值区间下限值；
S412、根据所述孔径不合格产品每个孔的第一孔偏信息计算孔径平均值；
S413、将所述孔径平均值作为孔偏阈值区间的上限值；
所述根据所述孔径不合格产品每个孔的第一孔偏信息计算孔径平均值的步骤，包括：
S414、获取所述待检测PCB板上每一个孔的孔径检测值；
S415、根据多个所述孔径检测值计算孔径平均值，其中，计算公式为：
其中，ω表示孔径平均值，L1、、、Ln表示每一个孔的孔径检测值，n表示待检测PCB板上的孔位总数。
如上述步骤S411-S415所述，通过以预设孔偏阈值为起始值，以所述孔径平均值为终止值来设立孔偏阈值区间，通过以预设孔偏阈值为下限值的设置，从而可以对只要孔径差值超过预设孔偏阈值的待检测PCB板都可以进一步进行判断孔径不合格产品为孔径返工产品还是孔径报废产品，通过以每一个孔的孔径检测值计算得出的平均值作为上限值，可以使得孔径返工产品和孔径报废产品之间的界限更加客观，更具代表性。
在一个实施例中，所述根据所述待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息计算相对毛刺数差值的步骤S6，包括：
S61、获取所述待确定微弱缺陷产品上每一个孔的检测毛刺数值；
S62、获取所述标准PCB板的标准毛刺数值；
S63、根据所述检测毛刺数值和标准毛刺数值计算相对毛刺数差值，其中，计算公式为：
其中，X2表示相对毛刺数差值，K1、K2、、、Kn表示待确定微弱缺陷产品上每一个孔的检测毛刺数值，k表示标准PCB板的标准毛刺数信息，N表示待确定微弱缺陷产品上的孔位总数。
如上述步骤S61-S63所述，本计算方式中相对毛刺数差值由检测毛刺数信息和标准毛刺数信息计算得出，通过先计算待确定微弱缺陷产品的检测毛刺数值之和，然后再去算与对应标准PCB板的标准毛刺数值之和的差值，最后计算得出的相对毛刺数差值，这样计算得到的相对毛刺数差值更加客观准确，通过对每一个待检测PCB板首先进行孔偏检测，然后再对待确定微弱缺陷产品进行孔内毛刺检测，可防止产品检测疏漏，从而可以挑选出相对毛刺数差值未超过预设毛刺数阈值的微弱缺陷产品，进而将孔径差值和相对毛刺数差值均满足使用标准的PCB板投入使用，很大程度上降低了资源浪费。
在一个实施例中，所述将所述待确定微弱缺陷产品标定为毛刺不合格产品的步骤S7之后，还包括：
S71、设立毛刺数阈值区间，其中，所述毛刺数阈值区间的下限值与预设毛刺数阈值相同；
S72、判断所述相对毛刺数差值是否在毛刺数阈值区间的范围内；
若相对毛刺数差值在毛刺数阈值区间范围内，则标定该毛刺不合格产品为毛刺返工产品；
若相对毛刺数差值不在毛刺数阈值区间范围内，则标定该毛刺不合格产品为毛刺报废产品。
如上述步骤S71-S72所述，对待确定微弱缺陷产品检测时，通过计算待确定微弱缺陷产品的第一孔内毛刺信息分别与对应标准PCB板的第二孔内毛刺信息之间的相对毛刺数差值，然后可以根据计算得出的相对毛刺数差值来判断其是否处于毛刺数阈值区间，从而可以检测出毛刺不合格产品具体是毛刺返工产品还是毛刺报废产品，进而可以实现对不同的毛刺不合格产品根据实际情况进行合理的返工或报废处理。
在一个实施例中，所述设立毛刺数阈值区间的步骤S71，包括：
S711、获取预设毛刺数阈值，以预设毛刺数阈值为起始值，设立毛刺数阈值区间下限值；
S712、根据所述毛刺不合格产品每个孔的第一孔内毛刺信息计算毛刺平均值；
S713、将所述毛刺平均值作为毛刺数阈值区间上限值。
根据所述毛刺不合格产品每个孔的第一孔内毛刺信息计算毛刺平均值的步骤，包括：
S714、获取所述毛刺不合格产品上每一个孔的毛刺检测值，并根据多个所述毛刺检测值计算毛刺平均值，其中，计算公式为：
其中，ε表示毛刺平均值，P1、、、Pn表示每一个孔的检测毛刺数值，n表示毛刺不合格产品上的孔位总数。
如上述步骤S711-S714所述，通过以预设毛刺数阈值为起始值，以所述毛刺平均值为终止值来设立毛刺数阈值区间，通过以预设毛刺数阈值为下限值的设置，从而可以对只要相对毛刺数差值超过预设毛刺数阈值的待确定微弱缺陷产品都可以进一步进行判断毛刺不合格产品为毛刺返工产品还是毛刺报废产品，通过以每一个孔的检测毛刺数值计算得出的平均值作为上限值，可以使得毛刺返工产品和毛刺报废产品之间的界限更加客观，更具代表性。
在一个实施例中，所述回收所述孔径不合格产品和毛刺不合格产品的步骤S8之前，还包括：
S81、设立孔径分类区域和毛刺分类区域；
S82、对所述孔径不合格产品按照孔径差值与预设孔偏阈值之间的差值大小顺序进行排序，得到第一排序数据；
S83、根据所述第一排序数据从大到小的顺序将孔径不合格产品排列至孔径分类区域内；
S84、对所述毛刺不合格产品按照相对毛刺数差值与预设毛刺数阈值之间的差值大小顺序进行排序，得到第二排序数据；
S85、根据所述第二排序数据从大到小的顺序将毛刺不合格产品排列至毛刺分类区域内。
如上述步骤S81-S85所述，通过设立孔径分类区域和毛刺分类区域，然后根据差值大小分别对孔径不合格产品和毛刺不合格产品进行排列，从而可以使得回收系统在进行回收时，可以根据孔偏阈值区间或毛刺数阈值区间来对相对毛刺数差值在毛刺数阈值区间的孔径不合格产品或相对毛刺数差值在毛刺数阈值区间的毛刺不合格产品进行返工，对相对毛刺数差值不在毛刺数阈值区间的孔径不合格产品或相对毛刺数差值不在毛刺数阈值区间的毛刺不合格产品进行返工，避免了所有的不合格产品堆放在一起，通过对不合格产品的合理排列，极大的降低了工人回收PCB板的工作量。
本申请还提供一种PCB板智能检测系统，包括：
第一获取模块，用于获取待检测PCB板的第一色彩图像，并对所述第一色彩图像进行信息提取，得到第一孔偏信息和第一孔内毛刺信息；
第二获取模块，获取标准PCB板的第二色彩图像，并对所述第二色彩图像进行信息提取，得到第二孔偏信息和第二孔内毛刺信息；
第一计算模块，用于根据所述第一孔偏信息和第二孔偏信息计算孔径差值；
第一判断模块，用于判断所述孔径差值是否超出预设孔偏阈值；
若所述孔径差值不小于预设孔偏阈值，将所述待检测PCB板标定为孔径不合格产品；
若所述孔径差值未超过预设孔偏阈值，将所述待检测PCB板标定为待确定微弱缺陷产品；
第三获取模块，用于获取待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息；
第二计算模块，用于根据所述待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息计算相对毛刺数差值；
第二判断模块，用于判断所述相对毛刺数差值是否超出预设毛刺数阈值；
若所述相对毛刺数差值不小于预设毛刺数阈值，将所述待确定微弱缺陷产品标定为毛刺不合格产品；
若所述相对毛刺数差值不超过预设毛刺数阈值，将所述待确定微弱缺陷产品标定为微弱缺陷产品；
回收模块，用于回收所述孔径不合格产品和毛刺不合格产品；
第三判断模块，用于判断所述孔径差值是否在孔偏阈值区间的范围内；
第四判断模块，用于判断所述相对毛刺数差值是否在毛刺数阈值区间的范围内。
在一个实施例中，第三判断模块，包括：
第一接收单元，用于接收孔径不合格产品的待检测PCB板所对应的孔径差值；
第一设定单元，用于设立孔偏阈值区间
在一个实施例中，第一设定单元，包括：
第一获取子单元，获取预设孔偏阈值，以预设孔偏阈值为起始值，设立孔偏阈值区间下限值；
第一计算子单元，用于根据所述孔径不合格产品每个孔的第一孔偏信息计算孔径平均值，其中，计算公式为：
其中，ω表示孔径平均值，L1、、、Ln表示每一个孔的孔径检测值，n表示待检测PCB板上的孔位总数；
第一设立单元，用于将所述孔径平均值作为孔偏阈值区间的上限值。
在一个实施例中，第四判断模块，包括：
第二接收单元，用于接收孔刺不合格产品的待确定微弱缺陷产品所对应的相对毛刺数差值；
第二设定单元，用于设立毛刺数阈值区间
在一个实施例中，第二设定单元，包括：
第二获取子单元，获取预设毛刺数阈值，以预设毛刺数阈值为起始值，设立毛刺数阈值区间下限值；
第二计算子单元，用于根据所述毛刺不合格产品每个孔的第一孔内毛刺信息计算毛刺平均值，其中，计算公式为：
其中，ε表示毛刺平均值，P1、、、Pn表示每一个孔的检测毛刺数值，n表示毛刺不合格产品上的孔位总数；
第二设立单元，用于将所述毛刺平均值作为毛刺数阈值区间的上限值。
在一个实施例中，分类模块，用于接收孔径不合格产品所对应的孔径差值以及毛刺不合格产品所对应的相对毛刺数差值。
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，所述的计算机程序可存储与一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。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、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明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，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种PCB板智能检测方法，其特征在于，包括：
获取待检测PCB板的第一色彩图像，并对所述第一色彩图像进行信息提取，得到第一孔偏信息和第一孔内毛刺信息；
获取标准PCB板的第二色彩图像，并对所述第二色彩图像进行信息提取，得到第二孔偏信息和第二孔内毛刺信息；
根据所述第一孔偏信息和第二孔偏信息计算孔径差值；
判断所述孔径差值是否超出预设孔偏阈值；
若所述孔径差值不小于预设孔偏阈值，将所述待检测PCB板标定为孔径不合格产品；
若所述孔径差值未超过预设孔偏阈值，将所述待检测PCB板标定为待确定微弱缺陷产品；
获取待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息；
根据所述待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息计算相对毛刺数差值；
判断所述相对毛刺数差值是否超出预设毛刺数阈值；
若所述相对毛刺数差值不小于预设毛刺数阈值，将所述待确定微弱缺陷产品标定为毛刺不合格产品；
若所述相对毛刺数差值不超过预设毛刺数阈值，将所述待确定微弱缺陷产品标定为微弱缺陷产品；
回收所述孔径不合格产品和毛刺不合格产品。
2.根据权利要求1所述的一种PCB板智能检测方法，其特征在于，所述对所述第一色彩图像进行信息提取的步骤，包括：
对第一色彩图像进行灰度化处理，得到单通道图像；
对单通道图像进行去噪处理，得到无噪图像；
对无噪图像进行画质增强处理，得到清晰图像；
对清晰图像的边缘多余区域进行分切处理，得到完整色彩图像；
对所述完整色彩图像进行信息提取，得到第一孔偏信息和第一孔内毛刺信息。
3.根据权利要求1所述的一种PCB板智能检测方法，其特征在于，所述根据所述第一孔偏信息和第二孔偏信息计算孔径差值的步骤，包括：
获取所述待检测PCB板上每一个孔的孔径检测值；
获取所述标准PCB板的孔径标准值；
根据所述孔径检测值和孔径标准值计算孔径差值，其中，计算公式为：
其中，X1表示孔径差值，Ty表示待检测PCB板上的每一个孔的孔径检测值，y表示待检测PCB板上每一个孔位的序列号，N表示待检测PCB板上的孔位总数，t表示标准PCB板的孔径标准值。
4.根据权利要求1所述的一种PCB板智能检测方法，其特征在于，所述将所述待检测PCB板标定为孔径不合格产品的步骤之后，还包括：
设立孔偏阈值区间，其中，所述孔偏阈值区间的下限值与预设孔偏阈值相同；
判断所述孔径差值是否在孔偏阈值区间的范围内；
若孔径差值在孔偏阈值区间范围内，则标定该孔径不合格产品为孔径返工产品；
若孔径差值不在孔偏阈值区间的范围内，则标定该孔径不合格产品为孔径报废产品。
5.根据权利要求4所述的一种PCB板智能检测方法，其特征在于，所述设立孔偏阈值区间的步骤，包括：
获取预设孔偏阈值，以预设孔偏阈值为起始值，设立孔偏阈值区间下限值；
根据所述孔径不合格产品每个孔的第一孔偏信息计算孔径平均值；
将所述孔径平均值作为孔偏阈值区间的上限值。
6.根据权利要求1所述的一种PCB板智能检测方法，其特征在于，所述根据所述孔径不合格产品每个孔的第一孔偏信息计算孔径平均值的步骤，包括：
获取所述待检测PCB板上每一个孔的孔径检测值；
根据多个所述孔径检测值计算孔径平均值，其中，计算公式为：
其中，ω表示孔径平均值，L1、、、Ln表示每一个孔的孔径检测值，n表示待检测PCB板上的孔位总数。
7.根据权利要求1所述的一种PCB板智能检测方法，其特征在于，所述根据所述待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息计算相对毛刺数差值的步骤，包括：
获取所述待确定微弱缺陷产品上每一个孔的检测毛刺数值；
获取所述标准PCB板的标准毛刺数值；
根据所述检测毛刺数值和标准毛刺数值计算相对毛刺数差值，其中，计算公式为：
其中，X2表示相对毛刺数差值，K1、K2、、、Kn表示待确定微弱缺陷产品上每一个孔的检测毛刺数值，k表示标准PCB板的标准毛刺数信息，N表示待确定微弱缺陷产品上的孔位总数。
8.根据权利要求1所述的一种PCB板智能检测方法，其特征在于，所述将所述待确定微弱缺陷产品标定为毛刺不合格产品的步骤之后，还包括：
设立毛刺数阈值区间，其中，所述毛刺数阈值区间的下限值与预设毛刺数阈值相同；
判断所述相对毛刺数差值是否在毛刺数阈值区间的范围内；
若相对毛刺数差值在毛刺数阈值区间范围内，则标定该毛刺不合格产品为毛刺返工产品；
若相对毛刺数差值不在毛刺数阈值区间范围内，则标定该毛刺不合格产品为毛刺报废产品。
9.根据权利要求1所述的一种PCB板智能检测方法，其特征在于，所述回收所述孔径不合格产品和毛刺不合格产品的步骤之前，还包括：
设立孔径分类区域和毛刺分类区域；
对所述孔径不合格产品按照孔径差值与预设孔偏阈值之间的差值大小顺序进行排序，得到第一排序数据；
根据所述第一排序数据从大到小的顺序将孔径不合格产品排列至孔径分类区域内；
对所述毛刺不合格产品按照相对毛刺数差值与预设毛刺数阈值之间的差值大小顺序进行排序，得到第二排序数据；
根据所述第二排序数据从大到小的顺序将毛刺不合格产品排列至毛刺分类区域内。
10.一种PCB板智能检测系统，其特征在于，包括：
第一获取模块，用于获取待检测PCB板的第一色彩图像，并对所述第一色彩图像进行信息提取，得到第一孔偏信息和第一孔内毛刺信息；
第二获取模块，获取标准PCB板的第二色彩图像，并对所述第二色彩图像进行信息提取，得到第二孔偏信息和第二孔内毛刺信息；
第一计算模块，用于根据所述第一孔偏信息和第二孔偏信息计算孔径差值；
第一判断模块，用于判断所述孔径差值是否超出预设孔偏阈值；
若所述孔径差值不小于预设孔偏阈值，将所述待检测PCB板标定为孔径不合格产品；
若所述孔径差值未超过预设孔偏阈值，将所述待检测PCB板标定为待确定微弱缺陷产品；
第三获取模块，用于获取待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息；
第二计算模块，用于根据所述待确定微弱缺陷产品的第一孔内毛刺信息和标准PCB板的第二孔内毛刺信息计算相对毛刺数差值；
第二判断模块，用于判断所述相对毛刺数差值是否超出预设毛刺数阈值；
若所述相对毛刺数差值不小于预设毛刺数阈值，将所述待确定微弱缺陷产品标定为毛刺不合格产品；
若所述相对毛刺数差值不超过预设毛刺数阈值，将所述待确定微弱缺陷产品标定为微弱缺陷产品；
回收模块，用于回收所述孔径不合格产品和毛刺不合格产品。
CN202310823937.8A 2023-07-06 2023-07-06 一种pcb板智能检测方法及系统 Active CN116907341B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310823937.8A CN116907341B (zh) 2023-07-06 2023-07-06 一种pcb板智能检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310823937.8A CN116907341B (zh) 2023-07-06 2023-07-06 一种pcb板智能检测方法及系统

Publications (2)

Publication Number Publication Date
CN116907341A true CN116907341A (zh) 2023-10-20
CN116907341B CN116907341B (zh) 2024-06-25

Family

ID=88354182

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310823937.8A Active CN116907341B (zh) 2023-07-06 2023-07-06 一种pcb板智能检测方法及系统

Country Status (1)

Country Link
CN (1) CN116907341B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117825411A (zh) * 2024-01-09 2024-04-05 江门市众阳电路科技有限公司 一种pcb板电镀后的电镀缺陷检测装置和检测方法
CN117893457A (zh) * 2024-03-18 2024-04-16 深圳市塔联科技有限公司 Pcb板智能检测方法、装置和计算机设备
CN118169144A (zh) * 2024-04-29 2024-06-11 苏州赫芯科技有限公司 一种基于多级匹配和ai复检的缺陷检测方法、系统及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005246434A (ja) * 2004-03-04 2005-09-15 Osaka Industrial Promotion Organization レーザスポット溶接における穴欠陥の防止または修復方法および装置
CN104764712A (zh) * 2015-04-29 2015-07-08 浙江工业大学 一种pcb过孔内壁质量的检测方法
CN108156759A (zh) * 2017-12-28 2018-06-12 广州兴森快捷电路科技有限公司 印制电路板激光孔径偏小的返工方法
CN110634140A (zh) * 2019-09-30 2019-12-31 南京工业大学 一种基于机器视觉的大直径管状物定位及内壁缺陷检测方法
CN111598832A (zh) * 2020-04-01 2020-08-28 江门荣信电路板有限公司 一种槽孔缺陷标注方法、装置和存储介质
KR102170352B1 (ko) * 2020-05-07 2020-10-27 이태희 인쇄회로기판의 홀 검사 장치 및 방법
CN112801106A (zh) * 2021-01-28 2021-05-14 安徽师范大学 一种基于机器视觉的牙齿修复制品的加工缺陷分类方法
CN114527146A (zh) * 2022-01-25 2022-05-24 珠海锐翔智能科技有限公司 一种柔性线路板mic孔毛刺检查系统
CN114565610A (zh) * 2022-04-28 2022-05-31 惠州威尔高电子有限公司 基于计算机视觉的pcb钻孔偏移检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005246434A (ja) * 2004-03-04 2005-09-15 Osaka Industrial Promotion Organization レーザスポット溶接における穴欠陥の防止または修復方法および装置
CN104764712A (zh) * 2015-04-29 2015-07-08 浙江工业大学 一种pcb过孔内壁质量的检测方法
CN108156759A (zh) * 2017-12-28 2018-06-12 广州兴森快捷电路科技有限公司 印制电路板激光孔径偏小的返工方法
CN110634140A (zh) * 2019-09-30 2019-12-31 南京工业大学 一种基于机器视觉的大直径管状物定位及内壁缺陷检测方法
CN111598832A (zh) * 2020-04-01 2020-08-28 江门荣信电路板有限公司 一种槽孔缺陷标注方法、装置和存储介质
KR102170352B1 (ko) * 2020-05-07 2020-10-27 이태희 인쇄회로기판의 홀 검사 장치 및 방법
CN112801106A (zh) * 2021-01-28 2021-05-14 安徽师范大学 一种基于机器视觉的牙齿修复制品的加工缺陷分类方法
CN114527146A (zh) * 2022-01-25 2022-05-24 珠海锐翔智能科技有限公司 一种柔性线路板mic孔毛刺检查系统
CN114565610A (zh) * 2022-04-28 2022-05-31 惠州威尔高电子有限公司 基于计算机视觉的pcb钻孔偏移检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨力帆: "PCB 孔质量检测技术的研究", 电声技术, 17 March 2015 (2015-03-17), pages 86 - 90 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117825411A (zh) * 2024-01-09 2024-04-05 江门市众阳电路科技有限公司 一种pcb板电镀后的电镀缺陷检测装置和检测方法
CN117825411B (zh) * 2024-01-09 2024-05-28 江门市众阳电路科技有限公司 一种pcb板电镀后的电镀缺陷检测装置和检测方法
CN117893457A (zh) * 2024-03-18 2024-04-16 深圳市塔联科技有限公司 Pcb板智能检测方法、装置和计算机设备
CN117893457B (zh) * 2024-03-18 2024-05-14 深圳市塔联科技有限公司 Pcb板智能检测方法、装置和计算机设备
CN118169144A (zh) * 2024-04-29 2024-06-11 苏州赫芯科技有限公司 一种基于多级匹配和ai复检的缺陷检测方法、系统及介质

Also Published As

Publication number Publication date
CN116907341B (zh) 2024-06-25

Similar Documents

Publication Publication Date Title
CN116907341B (zh) 一种pcb板智能检测方法及系统
CN108961236B (zh) 电路板缺陷检测方法及装置
CN114549512A (zh) 一种电路板缺陷检测方法、装置、设备及介质
CN114266773B (zh) 显示面板缺陷定位方法、装置、设备及存储介质
CN112651966A (zh) 一种基于acyolov4_csp的印刷电路板微小缺陷检测方法
CN113607742A (zh) 电芯极耳检测方法、装置、电子设备和存储介质
CN114842275B (zh) 电路板缺陷判别方法、训练方法、装置、设备及存储介质
CN115578377A (zh) 一种面板缺陷的检测方法、训练方法、装置、设备及介质
CN113222913A (zh) 一种电路板缺陷检测定位方法、装置和存储介质
CN112102242A (zh) 一种基于轻量级网络的pcb元器件检测方法
CN113077416A (zh) 一种基于图像处理的焊点焊接缺陷检测方法与系统
CN114078109A (zh) 图像处理方法、电子装置和存储介质
CN111421954B (zh) 智能判定回馈方法及装置
TW200512467A (en) System and method for classifying defects in and identifying process problems for an electrical circuit
CN116091503B (zh) 一种面板异物缺陷的判别方法、装置、设备及介质
CN112884018A (zh) 电网线路故障识别模型训练方法和电网线路巡检方法
CN116329738A (zh) 线路板靶标的定位方法、装置、电子设备及存储介质
CN112288782A (zh) 一种基于边界段数数值pcb缺陷检测方法
CN116128829A (zh) 异形孔检测方法、装置、电子设备及存储介质
CN111160073A (zh) 车牌类型识别方法、装置及计算机可读存储介质
CN111273155A (zh) 一种芯片烧录检测方法、系统和计算机可读存储介质
CN110188748B (zh) 图像内容识别方法、装置以及计算机可读存储介质
KR101570023B1 (ko) 인쇄 회로 기판 자동 분류 방법
DE112016006839T5 (de) Längenmessungskontrollvorrichtung, Fertigungssystem, Längenmessungskontrollverfahren und Längenmessungskontrollprogramm
CN111693533A (zh) 工件表面质量的检测方法及检测装置、外观机

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