CN117058143A - 一种电路板引脚智能检测方法及系统 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体涉及一种电路板引脚智能检测方法及系统。本发明对高频信息图像和电路板灰度图像综合分析，根据每个像素点滤波值的占比、局部滤波值分布情况和灰度值的波动情况，获得每个像素点受到噪声影响的噪声指标；通过噪声指标对电路板灰度图像进行直方图变换，获得优化灰度图像；最终通过优化灰度图像分割出更准确的引脚图像，根据引脚图像对电路板引脚进行检测。本发明通过噪声分析对灰度级进行优化，得到更可靠的引脚区域，更准确的检测结果，使得产品质量检测更可靠。

Description

一种电路板引脚智能检测方法及系统

技术领域

本发明涉及图像处理技术领域，具体涉及一种电路板引脚智能检测方法及系统。

背景技术

在电子制造工程中，电路板是关键元器件之一。电路板引脚检测可以保证电路板的稳定性和安全性，并且通过检测电路板引脚正常情况可以提高制造效率和降低成本。在电子制造工程中，检测是一个非常重要的环节，它可以帮助制造商在制造过程中及时发现和修复问题，从而避免了后期的重复制造和修复，降低了制造成本。通过引脚检测，可以减少制造中的错误率，提高制造效率和产品质量。

由于电路板中引脚部分相较于背景部分的灰度值和纹理具有明显差异，因此在现有检测技术中常常对电路板图像进行二值化后进行缺陷检测，但现有对电路板图像进行二值化分割时，仅仅通过正常滤波去噪后的图像进行分割，未能全面考虑每个像素点受到不同噪声影响程度，导致电路板图像中的灰度级分割结果不可信，使得分割得到的引脚区域可靠性不强，最终得到的检测结果误差较大，进而导致产品质量检测可信度低。

发明内容

为了解决现有技术中分割得到的引脚区域可靠性不强，最终得到的检测结果误差较大，进而导致产品质量检测可信度低的技术问题，本发明的目的在于提供一种电路板引脚智能检测方法及系统，所采用的技术方案具体如下：

本发明提供了一种电路板引脚智能检测方法，所述方法包括：

获取电路板灰度图像；对电路板灰度图像进行预处理获得高频信息图像，高频信息图像中每个像素点对应一个滤波值；

根据每个像素点在高频信息图像中的滤波值的占比程度和局部滤波值的分布情况，以及每个像素点在电路板灰度图像中的局部灰度值波动情况，获得每个像素点的噪声指标；

根据所有像素点的噪声指标对电路板灰度图像进行直方图变换，获得优化灰度图像；对优化灰度图像分割获得引脚图像，根据引脚图像对电路板引脚进行检测。

进一步地，所述噪声指标的获取方法包括：

对于任意一个像素点，将该像素点在高频信息图像中的滤波值与高频信息图像中所有滤波值总和的比值，作为该像素点的噪声显著性指标；

在高频信息图像中，将该像素点对应预设邻域范围内的像素点作为该像素点的检测点；统计滤波值大于预设正常滤波阈值的检测点的数量，获得该像素点的孤立特征值；

在电路板灰度图像中，计算该像素点对应预设邻域范围内灰度值的方差，获得该像素点的局部特征值；

根据每个像素点的噪声显著性指标、局部特征值和孤立特征值获得每个像素点的噪声指标。

进一步地，所述根据每个像素点的噪声显著性指标、局部特征值和孤立特征值获得每个像素点的噪声指标，包括：

计算每个像素点的局部特征值与孤立特征值的和值，将和值进行负相关映射并归一化处理获得每个像素点的噪声分布性指标；

根据每个像素点的噪声分布性指标和噪声显著性指标，获得每个像素点的噪声指标；噪声分布性指标和噪声显著性指标均与噪声指标呈正相关关系。

进一步地，所述根据所有像素点的噪声指标对电路板灰度图像进行直方图变换，获得优化灰度图像，包括：

将每个像素点的噪声指标进行负相关映射并归一化处理，获得每个像素点的有效程度值；计算每个灰度级对应所有像素点的有效程度值的平均值，获得每个灰度级的有效指标；

获取电路板灰度图像的灰度直方图，通过每个灰度级的有效指标更新灰度直方图中每个灰度级的频率；根据每个灰度级的频率通过直方图均衡化方法，更新电路板灰度图像中的像素值，获得优化灰度图像。

进一步地，所述通过每个灰度级的有效指标更新灰度直方图中每个灰度级的频率，包括：

将灰度直方图中每个灰度级的频率与有效指标的相乘，获得每个灰度级更新后的频率。

进一步地，所述引脚图像的获取方法包括：

通过大津阈值算法分割获得引脚二值化图像；获取引脚二值化图像中的连通域，对所有连通域采用形态学填充算法获得引脚图像。

进一步地，所述根据引脚图像对电路板引脚进行检测，包括：

将引脚图像与预设标准引脚图像进行差分，获得检测图像；统计检测图像中像素点对应值大于预设检测阈值的像素点的数量，获得异常点数量；

当异常点数量大于预设异常阈值时，将对应电路板引脚作为缺陷引脚；当异常点数量小于等于预设异常阈值时，将对应电路板引脚作为正常引脚。

进一步地，所述对电路板灰度图像进行预处理获得高频信息图像，高频信息图像中每个像素点对应一个滤波值，包括：

对电路板灰度图像进行滤波获得滤波图像，将电路板灰度图像与滤波图像进行差分，获得高频信息图像；

将每个像素点在电路板灰度图像中的灰度值与在滤波图像中的灰度值之间的差异，作为每个像素点在高频信息图像中的滤波值。

进一步地，所述直方图变换的方法为直方图均衡化法。

本发明提供了一种电路板引脚智能检测系统，包括存储器和处理器，处理器执行存储器存储的计算程序，以实现如上述一种电路板引脚智能检测方法。

本发明具有如下有益效果：

本发明对高频信息图像和电路板灰度图像综合分析，通过噪声显著孤立性的特点，根据每个像素点滤波值的占比、局部滤波值分布情况和灰度值的波动情况，获得每个像素点受到噪声影响的噪声指标，对每个像素点受到的噪声影响通过高频信息与原灰度信息多方面分析，使得到的每个像素点的噪声指标更可信。进一步通过噪声指标对电路板灰度图像进行直方图变换，对图像灰度值进行更新，获得优化灰度图像，在过滤噪声信息影响的同时，保证每个灰度级的可信度，提高后续图像分割的准确度。最终通过优化灰度图像分割出更准确的引脚图像，通过引脚图像进行检测，得到更可靠的引脚区域，进而得到更准确的检测结果，使得产品质量检测更可靠。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种电路板引脚智能检测方法流程图；

图2为本发明一个实施例所提供的一种电路板引脚图像去噪方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种电路板引脚智能检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

一种电路板引脚智能检测方法及系统实施例：

下面结合附图具体的说明本发明所提供的一种电路板引脚智能检测方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种电路板引脚智能检测方法流程图，该方法包括以下步骤：

S1：获取电路板灰度图像；对电路板灰度图像进行预处理获得高频信息图像，高频信息图像中每个像素点对应一个滤波值。

在电路板引脚检测时，需要先获取电路板引脚部分，由于电路板中引脚部分相较于背景部分的灰度值和纹理具有明显差异，因此可以通过大津阈值算法进行分割，获取引脚部分对应的图像。首先需要获取电路板表面图像，在电路板生产线上固定CCD相机，俯视拍摄电路板表面图像。其中相机通过有线传输的方式和数据处理中心连接，故当CCD相机采集到电路板表面图像后，将电路板表面图像发送至数据处理中心。数据处理中心对电路板表面图像进行灰度化处理后，通过模板匹配算法，获得仅包含电路板部分的电路板灰度图像，需要说明的是，灰度化处理和模板匹配算法均为本领域技术人员熟知的技术手段，在此不做赘述。

由于采集环境和压缩传输的影响，电路板灰度图像中整体会出现一定量的噪声分布，使得电路板灰度图像中的灰度分布情况并不准确，进而导致后续对电路板灰度图像分割时效果较差，因此本发明对每个像素点受到噪声影响的程度进行分析，通过不同灰度级整体受到噪声影响的程度，对电路板灰度图像中的灰度级分布情况进行优化，进而提高后续大津阈值算法分割时的抗干扰能力，使得在不同噪声程度的影响下，均能稳定获得准确的电路板引脚进行检测。需要说明的是，大津阈值算法为本领域技术人员熟知的技术手段，在此不再赘述。

由于在电路板灰度图像中像素点的灰度值分布不具有较强的规律性，也即为每个像素点的局部灰度值分布较为杂乱，仅通过灰度图像进行噪声分析时，并不能准确的分析出不同像素点受到噪声的影响程度。为了能对每个像素点受到的噪声影响进行更准确的分析，对电路板灰度图像进行预处理获得高频信息图像，高频信息图像中包含噪声信息和边缘信息，在本发明一个实施例中，对电路板灰度图像进行滤波获得滤波图像，通过滤波能够对图像进行去噪处理，将电路板灰度图像与滤波图像进行差分，获得高频信息图像。差分方法为将电路板灰度图像中对应位置的像素值减去滤波图像中对应位置的像素值，获得差分后的图像，即高频信息图像。

由于图像的大小位置均未发生改变，因此每个像素点在电路板灰度图像，滤波图像和高频信息图像中的位置均为一一对应的关系。每个像素点在电路板灰度图像中对应位置处有一个灰度值，在滤波图像中对应位置处有一个滤波后的灰度值，优选地，将每个像素点在电路板灰度图像中的灰度值与在滤波图像中的灰度值之间的差异作为滤波值，每个像素点在高频信息图像对应位置处有一个滤波值。在本发明实施例中，将灰度值之间的差值绝对值作为差异。

进一步可根据高频信息中像素点的特征分析，计算每个像素点的噪声可能性。

S2：根据每个像素点在高频信息图像中的滤波值的占比程度和局部滤波值的分布情况，以及每个像素点在电路板灰度图像中的局部灰度值波动情况，获得每个像素点的噪声指标。

虽然高频信息图像中像素点对应的滤波值表征高频信息，可以反映每个像素点被滤波平滑的情况，但是高频信息分为噪声信息和边缘信息两种，仅通过滤波无法进行准确的区分，因此根据噪声点的分布孤立性特征和数据显著特征进行分析，获得每个像素点的噪声指标，反映像素点为噪声的可能性。

首先根据噪声点的数据具有显著性特征进行分析，通过像素点在高频信息图像中的滤波值的占比程度反映噪声可能性，优选地，对于任意一个像素点而言，将该像素点在高频信息图像中的滤波值与高频信息图像中所有滤波值总和的比值，作为该像素点的噪声显著性指标，噪声显著性指标越大，说明该像素点所谓位置处被滤波平滑的值越大，越可能为噪声点且噪声程度越明显。

其次根据噪声点的数据分布具有孤立性特征进行分析，通过像素点在高频信息图像中局部滤波值的分布情况反映噪声可能性，依旧对任意一个像素点分析，优选地，在高频信息图像中，将该像素点对应预设邻域范围内的像素点作为该像素点的检测点，统计滤波值大于预设正常滤波阈值的检测点的数量，获得该像素点的孤立特征值。

在本发明实施例中，预设邻域范围为八邻域范围，预设正常滤波阈值为0，实施者可根据具体实施情况进行调整。检测点的获取方法也即为，在以每个像素点为中心点的八邻域范围内，将除中心点以外的其他像素点作为每个像素点的检测点。通过每个像素点的孤立特征值反映每个像素点局部孤立情况，当孤立特征值越小，说明局部像素点被滤波的情况越少，对应每个像素点孤立性越强，像素点的噪声可能性越高。

进一步基于像素点的邻域分布情况分析，由于通过高频信息图像中的滤波值不能将具有边缘信息的像素点和噪声信息的像素点进行区分，因此通过每个像素点在电路板灰度图像中的局部灰度值波动情况进行分析，对像素点进行判断，优选地，在电路板灰度图像中，计算该像素点对应预设邻域范围内灰度值的方差，获得该像素点的局部特征值。当局部特征值越小，说明该像素点所在区域的局部灰度情况越均匀，该像素点属于边缘像素点的可能性越小，为孤立噪声的可能性更高。在本发明其他实施例中，也可用标准差反映局部灰度值的波动情况，在此不做限制。

综合局部特征值和孤立特征值，计算每个像素点的局部特征值与孤立特征值的和值，将和值进行负相关映射并归一化处理获得每个像素点的噪声分布性指标，在本发明实施例中，噪声分布性指标的具体表达式为：

式中，表示为第/>个像素点的噪声分布性指标，/>表示为第/>个像素点的孤立特征值，/>表示为第/>个像素点的局部特征值，/>表示为以自然常数为底的指数函数。

局部特征值与孤立特征值越小，说明该像素点越不可能为边缘像素点且孤立性越强，该像素点越可能为噪声点，噪声分布性指标越大。故局部特征值与孤立特征值均与噪声分布性指标呈负相关关系，通过以自然常数为底的指数函数对和值进行负相关映射并归一化处理。在本发明其他实施例中，也可选用最大最小值归一化法，在此不做赘述。

最终，根据每个像素点的噪声分布性指标和噪声显著性指标，获得每个像素点的噪声指标，结合噪声点的分布孤立性特征和数据显著特征两方面的综合分析，获得像素点的噪声指标，噪声分布性指标和噪声显著性指标均与噪声指标呈正相关关系，在本发明实施例中，噪声指标的具体表达式为：

式中，表示为第/>个像素点的噪声指标，/>表示为第/>个像素点的噪声分布性指标，/>表示为第/>个像素点的噪声显著性指标。

通过乘积的形式反映噪声分布性指标和噪声显著性指标均与噪声指标呈正相关关系，在本发明其他实施例中，也可采用其他基础数学运算反映噪声分布性指标和噪声显著性指标均与噪声指标呈正相关关系，如加法，幂运算等，在此不作限制。

至此，通过高频信息图像和电路板灰度图像对每个像素点进行分析，获得每个像素点的噪声指标。

S3：根据所有像素点的噪声指标对电路板灰度图像进行直方图变换，获得优化灰度图像；对优化灰度图像分割获得引脚图像，根据引脚图像对电路板引脚进行检测。

对电路板灰度图像进行分割时，是基于图像中灰度级的分布情况进行二值化分割的，通过二值化分割可以得到更清楚的引脚区域，因此本发明实施例选择大津阈值算法进行分割。大津阈值算法也是基于灰度级分布情况进行分割的，由于噪声影响，有些灰度级受到的噪声影响程度较大，则灰度级的有效程度不高，通过像素点的噪声指标可以对每个灰度级的有效可信程度进行调整，得到优化后的灰度图像。

优选地，将每个像素点的噪声指标进行负相关映射并归一化处理，获得每个像素点的有效程度值，有效程度值可以反映每个像素点为正常像素点的可能性。计算每个灰度级对应所有像素点的有效程度值的平均值，获得每个灰度级的有效指标，通过有效指标反映每个灰度级对应的像素点为正常像素点的程度，在本发明实施例中，有效指标的具体表达式为：

式中，表示为第/>个灰度级的有效指标，/>表示为第/>个灰度级对应像素点的总数量，/>表示为第/>个像素点的噪声指标，/>表示为归一化函数，需要说明的是，归一化为本领域技术人员熟知的技术手段，归一化函数的选择可以为线性归一化或标准归一化等，具体的归一化方法在此不做限定。

当灰度级的有效指标越大，说明该灰度级对应像素点为正常像素点的程度越高，该灰度级中非噪声占比较多，该灰度级的可信程度越高，有效程度越大，因此通过有效指标进一步优化电路板灰度图像。

获取电路板灰度图像的灰度直方图，通过每个灰度级的有效指标更新灰度直方图中每个灰度级的频率，优选地，将每个灰度级的频率与有效指标的相乘，获得每个灰度级更新后的频率。根据每个灰度级的频率可以通过直方图变换方法中的映射过程，更新电路板灰度图像的像素值，在本发明实施例中，根据每个灰度级的频率通过直方图均衡化方法，更新电路板灰度图像中的像素值，获得优化灰度图像。需要说明的是，直方图进行均衡化时，是根据灰度级对应的频率通过映射函数更新的像素值，因此将灰度级更新后的频率带入直方图均衡化的映射函数中，获得新的像素值，具体直方图均衡化方法为本领域技术人员熟知的技术手段，在此不做赘述。

进一步地，可以对优化灰度图像进行分割获得引脚图像，优选地，通过大津阈值算法分割获得引脚二值化图像，由于引脚本分为银白色部分，在灰度图像中为高灰度区域，因此在本发明实施例中，在大津阈值算法分割时，将灰度值大于阈值的像素点的像素值设置为1，将灰度值小于等于阈值的像素点的像素值设置为0，则引脚二值化图像中像素值为1的区域就是引脚区域。考虑到进行二值分割时，由于噪声像素点在引脚区域，在引脚二值化图像中的区域可能会引起空洞，与实心的引脚存在差异，因此需要进行填充。获取引脚二值化图像中的连通域，对所有连通域采用形态学填充算法，进行连通域空洞的填充，进而获得引脚图像，引脚图像中含有完整的引脚区域。需要说明的是，获取连通域和形态学填充算法均为本领域技术人员熟知的技术手段，在此不做赘述。

最终根据引脚图像对电路板引脚进行检测，优选地，将引脚图像与预设标准引脚图像进行差分，获得检测图像，通过与标准图像对比，检测缺陷情况。在本发明实施例中，预设标准引脚图像为二值图像，其中引脚区域的像素值为1，非引脚区域的像素值为0，进行差分时，得到的检测图像中每个像素点的值为引脚图像与预设标准引脚图像对应相同位置像素点之间像素值的差值绝对值。

统计检测图像中像素点对应值大于预设检测阈值的数量，获得异常点数量，在本发明实施例中，预设检测阈值为1。通过统计相同位置像素点的像素值发生差异的点，获得异常点的数量，反映缺陷的程度。

当异常点数量大于预设异常阈值时，说明对应引脚区域与标准引脚之间的差异较大，缺陷程度较高，因此将对应电路板引脚作为缺陷引脚。当异常点数量小于等于预设异常阈值时，说明对应引脚区域与标准引脚之间的差异较小，引脚越正常，将对应电路板引脚作为正常引脚。在本发明实施例中，预设异常阈值为7，实施者可根据具体实施例进行调整。

至此，完成对电路板引脚的检测。

综上，本发明对高频信息图像和电路板灰度图像综合分析，通过噪声显著孤立性的特点，根据每个像素点滤波值的占比、局部滤波值分布情况和灰度值的波动情况，获得每个像素点受到噪声影响的噪声指标，对每个像素点受到噪声的影响程度通过高频信息与原灰度信息多方面分析，得到每个像素点更可信的噪声指标。进一步通过噪声指标对电路板灰度图像进行直方图变换，对图像灰度值进行更新，获得优化灰度图像，在过滤噪声信息影响的同时，保证每个灰度级的可信度，提高后续图像分割的准确度。最终通过优化灰度图像分割出更准确的引脚图像，通过引脚图像进行检测，通过更可靠的引脚区域，得到更准确的检测结果，使得产品质量检测更可靠。

本发明提供了一种电路板引脚智能检测系统，包括存储器和处理器，处理器执行存储器存储的计算程序，以实现如上述一种电路板引脚智能检测方法。

一种电路板引脚图像去噪方法实施例：

现有对电路板图像进行二值化分割时，仅仅通过正常滤波去噪处理的图像进行分割，未能全面考虑每个像素点受到不同噪声影响程度，使得后续根据电路板图像中的灰度级进行分割的结果可信度不高，进而无法获得更优的电路板引脚图像。为了解决现有技术中未能全面考虑每个像素点受到不同噪声影响程度，使得后续根据电路板图像中的灰度级进行分割的结果可信度不高的技术问题，本发明提供了一种电路板引脚图像去噪方法。请参阅图2，其出示了本发明一个实施例所提供的一种电路板引脚图像去噪方法流程图，该方法包括：

步骤S01：获取电路板灰度图像；对电路板灰度图像进行预处理获得高频信息图像，高频信息图像中每个像素点对应一个滤波值。

步骤S02：根据每个像素点在高频信息图像中的滤波值的占比程度和局部滤波值的分布情况，以及每个像素点在电路板灰度图像中的局部灰度值波动情况，获得每个像素点的噪声指标。

步骤S03：根据所有像素点的噪声指标对电路板灰度图像进行直方图变换，获得优化灰度图像。

其中，步骤S01至步骤S03在上述一种电路板引脚智能检测方法及系统实施例中已给出详细说明，在此不做赘述。

该方法对高频信息图像和电路板灰度图像综合分析，通过噪声显著孤立性的特点，根据每个像素点滤波值的占比、局部滤波值分布情况和灰度值的波动情况，获得每个像素点受到噪声影响的噪声指标，对每个像素点受到的噪声影响通过高频信息与原灰度信息多方面分析，使得到的每个像素点的噪声指标更可信。进一步通过噪声指标对电路板灰度图像进行直方图变换，对图像灰度值进行更新，获得优化灰度图像，在过滤噪声信息影响的同时，保证每个灰度级的可信度，提高电路板灰度图像的质量，使得后续根据优化灰度图像中的灰度级进行分割的结果可信度更强。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (10)

1.一种电路板引脚智能检测方法，其特征在于，所述方法包括：

获取电路板灰度图像；对电路板灰度图像进行预处理获得高频信息图像，高频信息图像中每个像素点对应一个滤波值；

根据每个像素点在高频信息图像中的滤波值的占比程度和局部滤波值的分布情况，以及每个像素点在电路板灰度图像中的局部灰度值波动情况，获得每个像素点的噪声指标；

根据所有像素点的噪声指标对电路板灰度图像进行直方图变换，获得优化灰度图像；对优化灰度图像分割获得引脚图像，根据引脚图像对电路板引脚进行检测。

2.根据权利要求1所述一种电路板引脚智能检测方法，其特征在于，所述噪声指标的获取方法包括：

对于任意一个像素点，将该像素点在高频信息图像中的滤波值与高频信息图像中所有滤波值总和的比值，作为该像素点的噪声显著性指标；

在高频信息图像中，将该像素点对应预设邻域范围内的像素点作为该像素点的检测点；统计滤波值大于预设正常滤波阈值的检测点的数量，获得该像素点的孤立特征值；

在电路板灰度图像中，计算该像素点对应预设邻域范围内灰度值的方差，获得该像素点的局部特征值；

根据每个像素点的噪声显著性指标、局部特征值和孤立特征值获得每个像素点的噪声指标。

3.根据权利要求2所述一种电路板引脚智能检测方法，其特征在于，所述根据每个像素点的噪声显著性指标、局部特征值和孤立特征值获得每个像素点的噪声指标，包括：

计算每个像素点的局部特征值与孤立特征值的和值，将和值进行负相关映射并归一化处理获得每个像素点的噪声分布性指标；

根据每个像素点的噪声分布性指标和噪声显著性指标，获得每个像素点的噪声指标；噪声分布性指标和噪声显著性指标均与噪声指标呈正相关关系。

4.根据权利要求1所述一种电路板引脚智能检测方法，其特征在于，所述根据所有像素点的噪声指标对电路板灰度图像进行直方图变换，获得优化灰度图像，包括：

将每个像素点的噪声指标进行负相关映射并归一化处理，获得每个像素点的有效程度值；计算每个灰度级对应所有像素点的有效程度值的平均值，获得每个灰度级的有效指标；

获取电路板灰度图像的灰度直方图，通过每个灰度级的有效指标更新灰度直方图中每个灰度级的频率；根据每个灰度级的频率通过直方图均衡化方法，更新电路板灰度图像中的像素值，获得优化灰度图像。

5.根据权利要求4所述一种电路板引脚智能检测方法，其特征在于，所述通过每个灰度级的有效指标更新灰度直方图中每个灰度级的频率，包括：

将灰度直方图中每个灰度级的频率与有效指标的相乘，获得每个灰度级更新后的频率。

6.根据权利要求1所述一种电路板引脚智能检测方法，其特征在于，所述引脚图像的获取方法包括：

通过大津阈值算法分割获得引脚二值化图像；获取引脚二值化图像中的连通域，对所有连通域采用形态学填充算法获得引脚图像。

7.根据权利要求1所述一种电路板引脚智能检测方法，其特征在于，所述根据引脚图像对电路板引脚进行检测，包括：

将引脚图像与预设标准引脚图像进行差分，获得检测图像；统计检测图像中像素点对应值大于预设检测阈值的像素点的数量，获得异常点数量；

当异常点数量大于预设异常阈值时，将对应电路板引脚作为缺陷引脚；当异常点数量小于等于预设异常阈值时，将对应电路板引脚作为正常引脚。

8.根据权利要求1所述一种电路板引脚智能检测方法，其特征在于，所述对电路板灰度图像进行预处理获得高频信息图像，高频信息图像中每个像素点对应一个滤波值，包括：

对电路板灰度图像进行滤波获得滤波图像，将电路板灰度图像与滤波图像进行差分，获得高频信息图像；

将每个像素点在电路板灰度图像中的灰度值与在滤波图像中的灰度值之间的差异，作为每个像素点在高频信息图像中的滤波值。

9.根据权利要求1所述一种电路板引脚智能检测方法，其特征在于，所述直方图变换的方法为直方图均衡化法。

10.一种电路板引脚智能检测系统，包括存储器和处理器；其特征在于，所述处理器执行所述存储器存储的计算程序，以实现如权利要求1-9任一项所述一种电路板引脚智能检测方法。