CN117405703A - 一种基于图像识别的pcba线路板焊点检测系统 - Google Patents
一种基于图像识别的pcba线路板焊点检测系统 Download PDFInfo
- Publication number
- CN117405703A CN117405703A CN202311384117.XA CN202311384117A CN117405703A CN 117405703 A CN117405703 A CN 117405703A CN 202311384117 A CN202311384117 A CN 202311384117A CN 117405703 A CN117405703 A CN 117405703A
- Authority
- CN
- China
- Prior art keywords
- welding
- circuit board
- image
- abnormal
- signal
- 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
Links
- 238000003466 welding Methods 0.000 title claims abstract description 229
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- RVCKCEDKBVEEHL-UHFFFAOYSA-N 2,3,4,5,6-pentachlorobenzyl alcohol Chemical compound OCC1=C(Cl)C(Cl)=C(Cl)C(Cl)=C1Cl RVCKCEDKBVEEHL-UHFFFAOYSA-N 0.000 title abstract description 72
- 230000002159 abnormal effect Effects 0.000 claims abstract description 91
- 230000014759 maintenance of location Effects 0.000 claims abstract description 22
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 24
- 238000000034 method Methods 0.000 claims description 24
- 239000003550 marker Substances 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 12
- 238000005476 soldering Methods 0.000 claims description 10
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 9
- 229910000679 solder Inorganic materials 0.000 claims description 9
- 230000005251 gamma ray Effects 0.000 claims description 6
- 230000001939 inductive effect Effects 0.000 claims description 6
- 230000011664 signaling Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 4
- 239000003054 catalyst Substances 0.000 claims description 3
- 239000004973 liquid crystal related substance Substances 0.000 claims description 3
- 238000001454 recorded image Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- 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
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G01N2021/95646—Soldering
-
- 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
- G06T2207/10004—Still image; Photographic 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Electric Connection Of Electric Components To Printed Circuits (AREA)
Abstract
本发明涉及PCBA线路板检测技术领域,且公开了一种基于图像识别的PCBA线路板焊点检测系统,包括处理器、标准焊点影像留存单元、异常焊点影像检测单元和异常焊点预警显示模块,本发明通过对PCBA线路板的标准影像以及实际影像进行数据的采集,并将两者的数据进行匹配比对,将匹配后的数据进行影像的分析对比后进行计算,只需要采集PCBA线路板的正反两面,对PCBA线路板的实际影响与标准影响进行对比分析,就能分析出锡焊是否正常,以及焊接非正常的类型,减少处理器的运算过程,增强PCBA线路板检测效率,从而提高企业的实际生产效率。
Description
技术领域
本发明涉及PCBA线路板检测技术领域,具体为一种基于图像识别的PCBA线路板焊点检测系统。
背景技术
PCBA是英文Printed Circuit Board Assembly 的简称,也就是说PCB空板经过SMT上件,或经过DIP插件的整个制程,简称PCBA,这是国内常用的一种写法。
在中国发明公开号CN116559200A中提出一种基于视觉测试的PCB线路板组装缺陷检测系统,其通过对PCB线路板在进行组装前的相关影像进行数据的采集,并将采集后的数据进行匹配比对,将匹配后的数据进行影像的分析,从而将PCB线路板的原材料的检测情况进行数字信号的转换,从而更直观的将PCB线路板的检测结果通过数字信号的方式进行转换,增加PCB线路板在组装前的缺陷检测,同时,再通过对PCB线路板组装后的影像进行数据的选取,并将选取的数据通过影像对比的方式进行焊接材料的消耗分析,从而通过数字信号的方式将焊接材料的缺陷进行检测,并将监测结果与组装前的相关结果进行数据的结合,增加数据分析的精确性,从而增加PCB线路板组装时缺陷检测的准确性,上述发明中通过选取成品影像信息的五面视图对应的影像对PCB线路板进行分析,会产生大量数据,会影响逻辑判断速率,不利于将PCB线路板缺陷板尽快检出,故而提出了一种基于图像识别的PCBA线路板焊点检测系统来解决上述问题。
发明内容
(一)解决的技术问题
本发明的目的是为了解决上述发明中通过选取成品影像信息的五面视图对应的影像对PCB线路板进行分析,会产生大量数据,会影响逻辑判断速率,不利于将PCB线路板缺陷板尽快检出的问题,而提出的一种基于图像识别的PCBA线路板焊点检测系统。
(二)技术方案
本发明解决上述技术问题的技术方案如下:
一种基于图像识别的PCBA线路板焊点检测系统,包括处理器、标准焊点影像留存单元、异常焊点影像检测单元和异常焊点预警显示模块;
所述处理器生成标准焊点影像留存信令传输至标准焊点影像留存单元,通过标准焊点影像留存单元对标准PCBA线路板的相关数据进行采集,并依据采集后的数据对标准PCBA线路板进行标准焊点影像的留存,得到标准PCBA线路板标准焊点影像;
所述处理器生成异常检测信令并传输至异常焊点影像检测单元,通过异常焊点影像检测单元对PCBA线路板的相关数据进行采集,并依据采集后的数据对PCBA线路板进行异常监测处理操作,得到正常信号、缺焊信号、连锡信号、异常多焊信号和异常少焊信号;
所述异常焊点影像检测单元将正常信号、缺焊信号、连锡信号、异常多焊信号和异常少焊信号传输至异常焊点预警显示模块,并发送至终端显示。
在上述技术方案的基础上,本发明还可以做如下改进。
优选地,其具体实施步骤为:
采集到PCBA线路板的正反面影像,并将其标定为影像信息,将若干个影像信息与标准焊点影像留存单元内存储的记录信息进行基本数据匹配处理,得到检测名称数据;
建立虚拟XY二维直角坐标系α和虚拟XY二维直角坐标系β,将标准PCBA线路板标准焊点正面影像处理为若干个标记点并标记于虚拟XY二维直角坐标系α中,并将若干个标记点依次记为,i=1,2,3,……m,m为正整数,/>表示PCBA线路板的标准焊点正面影像在虚拟XY二维直角坐标系α中第i个点,将PCBA线路板的标准焊点影像反面影像处理为若干个标记点并标记于虚拟XY二维直角坐标系β中,并将若干个标记点一次记为/>,j=1,2,3,……n,n为正整数,/>表示PCBA线路板的标准焊点反面影像位于虚拟XY二维直角坐标系β中第j个点,再将PCBA线路板的影像信息正面影像处理为若干个标记点/>,i=1,2,3,……m,m为正整数,/>表示PCBA线路板的锡焊正面影像在虚拟XY二维直角坐标系α中第i个点,将PCBA线路板的影像信息反面影像处理为若干个标记点/>,j=1,2,3,……n,n为正整数,/>表示PCBA线路板的锡焊反面影像位于虚拟XY二维直角坐标系β中第j个点;
将影像信息和记录影像数据中PCBA线路板进行匹配,根据匹配信息,得到正常信号、缺焊信号、连锡信号、异常多焊信号和异常少焊信号;
异常焊点影像检测单元将正常信号、缺焊信号、连锡信号、异常多焊信号和异常少焊信号传输至异常焊点预警显示模块,并发送至终端显示,根据信号对PCBA线路板进行剔除。
优选地,所述匹配信息的具体过程为:
将若干个标记点的集合与若干个标记点/>的集合进行一一对应的选取坐标点比对,若存在部分标记点/>相对应的标记点/>不存在时,则判断PCBA线路板正面缺焊,生成缺焊信号,若若干个标记点/>的集合与若干个标记点/>的集合可以一一对应,则继续对若干个标记点/>的集合与若干个标记点/>的集合进行一一对应的选取坐标点比对,若存在标记点/>相对应的标记点/>不存在时,则判断PCBA线路板反面缺焊,生成缺焊信号,若若干个标记点/>的集合与若干个标记点/>的集合可以一一对应,则进行下一步;
将若干个标记点的集合与若干个标记点/>的集合分别进行归纳标记生成若干个焊点对应图像/>与/>,p=1,2,3,……m,m为正整数,q=1,2,3,……n,n为正整数,再将若干个标记点/>的集合与若干个标记点/>的集合分别进行归纳标记生成若干个焊点对应图像/>与/>,p=1,2,3,……m,m为正整数,q=1,2,3,……n,n为正整数,若存在相邻两个正面焊点对应图像/>之间相连接,则生成连锡信号,若不存在相邻两个正面焊点对应图像/>之间相连接,则继续判断相邻两个反面焊点对应图像/>之间是否相连接,若相邻两个反面焊点对应图像/>之间相连接,则生成连锡信号,若不存在相邻两个反面焊点对应图像/>之间相连接,则进行下一步;
再使用蒙特卡洛法求取若干个焊点对应图像对应的面积为标准焊点正面影像面积/>,p=1,2,3,……m,m为正整数,求取若干个焊点对应图像/>对应的面积为标准焊点正面影像面积/>,q=1,2,3,……n,n为正整数,并使用蒙特卡洛法求取若干个焊点对应图像对应的面积为焊点正面影像面积/>,/>=1,2,3,……m,m为正整数,求取若干个焊点对应图像/>对应的面积为焊点反面影像面积/>,/>=1,2,3,……n,n为正整数,通过对比焊点正面影像面积/>与标准焊点正面影像面积/>,对比焊点反面影像面积/>与标准焊点反面影像面积/>,通过判断公式计算判断,生成异常多焊信号、异常少焊信号或正常信号。
优选地,所述蒙特卡洛法具体使用步骤包括:
(1)根据焊点对应图像的特点构造模拟模型;
(2)再确定所需要的各项基础数据;
(3)再使用可提高模拟精度和收敛速度的方法;
(4)估计模拟次数;
(5)编制程序并在计算机上运行;
(6)统计处理数据,给出问题的模拟结果及其精度估计。
优选地,所述判断公式及判断过程为:
γ 式1,
式2,
其中p,q的取值均为正整数,γ为PCBA线路板正面焊点相关系数,δ为PCBA线路板反面焊点相关系数,将γ、δ分别带入式1,式2中计算出PCBA线路板正面焊点相关度,PCBA线路板反面焊点相关度/>;
将所计算出的和/>分别与PCBA线路板正面焊点相关度阈值/>和PCBA线路板反面焊点相关度阈值/>作比较,
比较判断公式包括:
正面异常多焊比较值 式3,
反面异常多焊比较值- 2/> 式4,
正面异常少焊比较值-0.5/> 式5,
反面异常少焊比较值-0.5/> 式6,
根据式3、式4判断,若存在>0或/>>0时,则生成异常多焊信号,若不存在/>>0或/>>0时,则根据式5、式6判断是否存在/><0或/><0,若存在/><0或/><0,则生成异常少焊信号,若不存在/><0或/><0,则生成正常信号。
优选地,PCBA线路板正面焊点正面焊点相关系数γ取值范围为1.01~1.03,PCBA线路板反面焊点正面焊点相关系数δ取值范围为1.01~1.04,γ与δ均可根据计算出的与/>的具体面积大小来具体取值,/>与/>的面积越大则γ与δ的取值越大。
优选地,其具体实施步骤还为:
采集到PCBA线路板的其他面影像,并将其标定为影像信息,将若干个影像信息与标准焊点影像留存单元内存储的记录信息进行基本数据匹配处理,得到检测名称数据并重复权2所述步骤。
(三)有益效果
与现有技术相比,本申请的技术方案具有以下有益技术效果:
本发明通过对PCBA线路板的标准影像以及实际影像进行数据的采集,并将两者的数据进行匹配比对,将匹配后的数据进行影像的分析对比后进行计算,只需要采集PCBA线路板的正反两面,对PCBA线路板的实际影响与标准影响进行对比分析,就能分析出锡焊是否正常,以及焊接非正常的类型,减少处理器的运算过程,增强PCBA线路板检测效率,从而提高企业的实际生产效率。
附图说明
图1为本发明的系统框图;
图2为本发明的步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例中,由图1给出,一种基于图像识别的PCBA线路板焊点检测系统,包括处理器、标准焊点影像留存单元、异常焊点影像检测单元和异常焊点预警显示模块;
所述处理器生成标准焊点影像留存信令传输至标准焊点影像留存单元,通过标准焊点影像留存单元对标准PCBA线路板的相关数据进行采集,并依据采集后的数据对标准PCBA线路板进行标准焊点影像的留存,得到标准PCBA线路板标准焊点影像;
所述处理器生成异常检测信令并传输至异常焊点影像检测单元,通过异常焊点影像检测单元对PCBA线路板的相关数据进行采集,并依据采集后的数据对PCBA线路板进行异常监测处理操作,得到正常信号、缺焊信号、连锡信号、异常多焊信号和异常少焊信号;
所述异常焊点影像检测单元将正常信号、缺焊信号、连锡信号、异常多焊信号和异常少焊信号传输至异常焊点预警显示模块,并发送至终端显示。
其具体实施步骤为:
采集到PCBA线路板的正反面影像,并将其标定为影像信息,将若干个影像信息与标准焊点影像留存单元内存储的记录信息进行基本数据匹配处理,得到检测名称数据;
建立虚拟XY二维直角坐标系α和虚拟XY二维直角坐标系β,将标准PCBA线路板标准焊点正面影像处理为若干个标记点并标记于虚拟XY二维直角坐标系α中,并将若干个标记点依次记为,i=1,2,3,……m,m为正整数,/>表示PCBA线路板的标准焊点正面影像在虚拟XY二维直角坐标系α中第i个点,将PCBA线路板的标准焊点影像反面影像处理为若干个标记点并标记于虚拟XY二维直角坐标系β中,并将若干个标记点一次记为/>,j=1,2,3,……n,n为正整数,/>表示PCBA线路板的标准焊点反面影像位于虚拟XY二维直角坐标系β中第j个点,再将PCBA线路板的影像信息正面影像处理为若干个标记点/>,i=1,2,3,……m,m为正整数,/>表示PCBA线路板的锡焊正面影像在虚拟XY二维直角坐标系α中第i个点,将PCBA线路板的影像信息反面影像处理为若干个标记点/>,j=1,2,3,……n,n为正整数,/>表示PCBA线路板的锡焊反面影像位于虚拟XY二维直角坐标系β中第j个点;
将影像信息和记录影像数据中PCBA线路板进行匹配,根据匹配信息,得到正常信号、缺焊信号、连锡信号、异常多焊信号和异常少焊信号;
异常焊点影像检测单元将正常信号、缺焊信号、连锡信号、异常多焊信号和异常少焊信号传输至异常焊点预警显示模块,并发送至终端显示,根据信号对PCBA线路板进行剔除。
所述匹配信息的具体过程为:
将若干个标记点的集合与若干个标记点/>的集合进行一一对应的选取坐标点比对,若存在部分标记点/>相对应的标记点/>不存在时,则判断PCBA线路板正面缺焊,生成缺焊信号,若若干个标记点/>的集合与若干个标记点/>的集合可以一一对应,则继续对若干个标记点/>的集合与若干个标记点/>的集合进行一一对应的选取坐标点比对,若存在标记点/>相对应的标记点/>不存在时,则判断PCBA线路板反面缺焊,生成缺焊信号,若若干个标记点/>的集合与若干个标记点/>的集合可以一一对应,则进行下一步;
将若干个标记点的集合与若干个标记点/>的集合分别进行归纳标记生成若干个焊点对应图像/>与/>,p=1,2,3,……m,m为正整数,q=1,2,3,……n,n为正整数,再将若干个标记点/>的集合与若干个标记点/>的集合分别进行归纳标记生成若干个焊点对应图像/>与/>,p=1,2,3,……m,m为正整数,q=1,2,3,……n,n为正整数,若存在相邻两个正面焊点对应图像/>之间相连接,则生成连锡信号,若不存在相邻两个正面焊点对应图像/>之间相连接,则继续判断相邻两个反面焊点对应图像/>之间是否相连接,若相邻两个反面焊点对应图像/>之间相连接,则生成连锡信号,若不存在相邻两个反面焊点对应图像/>之间相连接,则进行下一步;
再使用蒙特卡洛法求取若干个焊点对应图像对应的面积为标准焊点正面影像面积/>,p=1,2,3,……m,m为正整数,求取若干个焊点对应图像/>对应的面积为标准焊点正面影像面积/>,q=1,2,3,……n,n为正整数,并使用蒙特卡洛法求取若干个焊点对应图像对应的面积为焊点正面影像面积/>,/>=1,2,3,……m,m为正整数,求取若干个焊点对应图像/>对应的面积为焊点反面影像面积/>,/>=1,2,3,……n,n为正整数,通过对比焊点正面影像面积/>与标准焊点正面影像面积/>,对比焊点反面影像面积/>与标准焊点反面影像面积/>,通过判断公式计算判断,生成异常多焊信号、异常少焊信号或正常信号。
所述蒙特卡洛法具体使用步骤包括:
(1)根据焊点对应图像的特点构造模拟模型;
(2)再确定所需要的各项基础数据;
(3)再使用可提高模拟精度和收敛速度的方法;
(4)估计模拟次数;
(5)编制程序并在计算机上运行;
(6)统计处理数据,给出问题的模拟结果及其精度估计。
所述判断公式及判断过程为:
γ 式1,
式2,
其中p,q的取值均为正整数,γ为PCBA线路板正面焊点相关系数,δ为PCBA线路板反面焊点相关系数,将γ、δ分别带入式1,式2中计算出PCBA线路板正面焊点相关度,PCBA线路板反面焊点相关度/>;
将所计算出的和/>分别与PCBA线路板正面焊点相关度阈值/>和PCBA线路板反面焊点相关度阈值/>作比较,
比较判断公式包括:
正面异常多焊比较值 式3,
反面异常多焊比较值- 2/> 式4,
正面异常少焊比较值-0.5/> 式5,
反面异常少焊比较值-0.5/> 式6,
根据式3、式4判断,若存在>0或/>>0时,则生成异常多焊信号,若不存在/>>0或/>>0时,则根据式5、式6判断是否存在/><0或/><0,若存在/><0或/><0,则生成异常少焊信号,若不存在/><0或/><0,则生成正常信号。
PCBA线路板正面焊点正面焊点相关系数γ取值范围为1.01~1.03,PCBA线路板反面焊点正面焊点相关系数δ取值范围为1.01~1.04,γ与δ均可根据计算出的与/>的具体面积大小来具体取值,/>与/>的面积越大则γ与δ的取值越大。
其具体实施步骤还为:
采集到PCBA线路板的其他面影像,并将其标定为影像信息,将若干个影像信息与标准焊点影像留存单元内存储的记录信息进行基本数据匹配处理,得到检测名称数据并重复权2所述步骤。
需要注意的本发明中可以采集PCBA线路板的任意面图像对其进行比对处理,也可采用PCBA线路板的多个面的图像进行比对处理,均能分析出锡焊是否正常,以及焊接非正常的类型,减少处理器的运算过程,增强PCBA线路板检测效率。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于图像识别的PCBA线路板焊点检测系统,其特征在于,包括处理器、标准焊点影像留存单元、异常焊点影像检测单元和异常焊点预警显示模块;
所述处理器生成标准焊点影像留存信令传输至标准焊点影像留存单元,通过标准焊点影像留存单元对标准PCBA线路板的相关数据进行采集,并依据采集后的数据对标准PCBA线路板进行标准焊点影像的留存,得到标准PCBA线路板标准焊点影像;
所述处理器生成异常检测信令并传输至异常焊点影像检测单元,通过异常焊点影像检测单元对PCBA线路板的相关数据进行采集,并依据采集后的数据对PCBA线路板进行异常监测处理操作,得到正常信号、缺焊信号、连锡信号、异常多焊信号和异常少焊信号;
所述异常焊点影像检测单元将正常信号、缺焊信号、连锡信号、异常多焊信号和异常少焊信号传输至异常焊点预警显示模块,并发送至终端显示。
2.根据权利要求1所述的一种基于图像识别的PCBA线路板焊点检测系统,其具体实施步骤为:
采集到PCBA线路板的正反面影像,并将其标定为影像信息,将若干个影像信息与标准焊点影像留存单元内存储的记录信息进行基本数据匹配处理,得到检测名称数据;
建立虚拟XY二维直角坐标系α和虚拟XY二维直角坐标系β,将标准PCBA线路板标准焊点正面影像处理为若干个标记点并标记于虚拟XY二维直角坐标系α中,并将若干个标记点依次记为,i=1,2,3,……m,m为正整数,/>表示PCBA线路板的标准焊点正面影像在虚拟XY二维直角坐标系α中第i个点,将PCBA线路板的标准焊点影像反面影像处理为若干个标记点并标记于虚拟XY二维直角坐标系β中,并将若干个标记点一次记为/>,j=1,2,3,……n,n为正整数,/>表示PCBA线路板的标准焊点反面影像位于虚拟XY二维直角坐标系β中第j个点,再将PCBA线路板的影像信息正面影像处理为若干个标记点/>,i=1,2,3,……m,m为正整数,/>表示PCBA线路板的锡焊正面影像在虚拟XY二维直角坐标系α中第i个点,将PCBA线路板的影像信息反面影像处理为若干个标记点/>,j=1,2,3,……n,n为正整数,表示PCBA线路板的锡焊反面影像位于虚拟XY二维直角坐标系β中第j个点;
将影像信息和记录影像数据中PCBA线路板进行匹配,根据匹配信息,得到正常信号、缺焊信号、连锡信号、异常多焊信号和异常少焊信号;
异常焊点影像检测单元将正常信号、缺焊信号、连锡信号、异常多焊信号和异常少焊信号传输至异常焊点预警显示模块,并发送至终端显示,根据信号对PCBA线路板进行剔除。
3.根据权利要求2所述的一种基于图像识别的PCBA线路板焊点检测系统,其特征在于,所述匹配信息的具体过程为:
将若干个标记点的集合与若干个标记点/>的集合进行一一对应的选取坐标点比对,若存在部分标记点/>相对应的标记点/>不存在时,则判断PCBA线路板正面缺焊,生成缺焊信号,若若干个标记点/>的集合与若干个标记点/>的集合可以一一对应,则继续对若干个标记点/>的集合与若干个标记点/>的集合进行一一对应的选取坐标点比对,若存在标记点/>相对应的标记点/>不存在时,则判断PCBA线路板反面缺焊,生成缺焊信号,若若干个标记点/>的集合与若干个标记点/>的集合可以一一对应,则进行下一步;
将若干个标记点的集合与若干个标记点/>的集合分别进行归纳标记生成若干个焊点对应图像/>与/>,p=1,2,3,……m,m为正整数,q=1,2,3,……n,n为正整数,再将若干个标记点/>的集合与若干个标记点/>的集合分别进行归纳标记生成若干个焊点对应图像/>与/>,p=1,2,3,……m,m为正整数,q=1,2,3,……n,n为正整数,若存在相邻两个正面焊点对应图像/>之间相连接,则生成连锡信号,若不存在相邻两个正面焊点对应图像之间相连接,则继续判断相邻两个反面焊点对应图像/>之间是否相连接,若相邻两个反面焊点对应图像/>之间相连接,则生成连锡信号,若不存在相邻两个反面焊点对应图像之间相连接,则进行下一步;
再使用蒙特卡洛法求取若干个焊点对应图像对应的面积为标准焊点正面影像面积,p=1,2,3,……m,m为正整数,求取若干个焊点对应图像/>对应的面积为标准焊点正面影像面积/>,q=1,2,3,……n,n为正整数,并使用蒙特卡洛法求取若干个焊点对应图像/>对应的面积为焊点正面影像面积/>,/>=1,2,3,……m,m为正整数,求取若干个焊点对应图像/>对应的面积为焊点反面影像面积/>,/>=1,2,3,……n,n为正整数,通过对比焊点正面影像面积/>与标准焊点正面影像面积/>,对比焊点反面影像面积/>与标准焊点反面影像面积/>,通过判断公式计算判断,生成异常多焊信号、异常少焊信号或正常信号。
4.根据权利要求3所述的一种基于图像识别的PCBA线路板焊点检测系统,其特征在于,所述蒙特卡洛法具体使用步骤包括:
(1)根据焊点对应图像的特点构造模拟模型;
(2)再确定所需要的各项基础数据;
(3)再使用可提高模拟精度和收敛速度的方法;
(4)估计模拟次数;
(5)编制程序并在计算机上运行;
(6)统计处理数据,给出问题的模拟结果及其精度估计。
5.根据权利要求3所述的一种基于图像识别的PCBA线路板焊点检测系统,其特征在于,所述判断公式及判断过程为:
γ 式1,
式2,
其中p,q的取值均为正整数,γ为PCBA线路板正面焊点相关系数,δ为PCBA线路板反面焊点相关系数,将γ、δ分别带入式1,式2中计算出PCBA线路板正面焊点相关度,PCBA线路板反面焊点相关度/>;
将所计算出的和/>分别与PCBA线路板正面焊点相关度阈值/>和PCBA线路板反面焊点相关度阈值/>作比较,
比较判断公式包括:
正面异常多焊比较值 式3,
反面异常多焊比较值- 2/> 式4,
正面异常少焊比较值-0.5/> 式5,
反面异常少焊比较值-0.5/> 式6,
根据式3、式4判断,若存在>0或/>>0时,则生成异常多焊信号,若不存在/>>0或>0时,则根据式5、式6判断是否存在/><0或/><0,若存在/><0或/><0,则生成异常少焊信号,若不存在/><0或/><0,则生成正常信号。
6.根据权利要求5所述的一种基于图像识别的PCBA线路板焊点检测系统,其特征在于,PCBA线路板正面焊点正面焊点相关系数γ取值范围为1.01~1.03,PCBA线路板反面焊点正面焊点相关系数δ取值范围为1.01~1.04,γ与δ均可根据计算出的与/>的具体面积大小来具体取值,/>与/>的面积越大则γ与δ的取值越大。
7.根据权利要求2所述的一种基于图像识别的PCBA线路板焊点检测系统,其特征在于,其具体实施步骤还为:
采集到PCBA线路板的其他面影像,并将其标定为影像信息,将若干个影像信息与标准焊点影像留存单元内存储的记录信息进行基本数据匹配处理,得到检测名称数据并重复权2所述步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311384117.XA CN117405703B (zh) | 2023-10-24 | 2023-10-24 | 一种基于图像识别的pcba线路板焊点检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311384117.XA CN117405703B (zh) | 2023-10-24 | 2023-10-24 | 一种基于图像识别的pcba线路板焊点检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117405703A true CN117405703A (zh) | 2024-01-16 |
CN117405703B CN117405703B (zh) | 2024-06-21 |
Family
ID=89490276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311384117.XA Active CN117405703B (zh) | 2023-10-24 | 2023-10-24 | 一种基于图像识别的pcba线路板焊点检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117405703B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004251781A (ja) * | 2003-02-20 | 2004-09-09 | Tani Electronics Corp | 画像認識による不良検査方法 |
KR100608225B1 (ko) * | 2005-02-24 | 2006-08-08 | 테크밸리 주식회사 | 인쇄 회로 기판에 장착된 부품의 실장 상태 확인 방법 및그 장치 |
JP2007067310A (ja) * | 2005-09-02 | 2007-03-15 | Okayama Univ | クリームはんだ印刷の検査方法および装置 |
CN101915769A (zh) * | 2010-06-29 | 2010-12-15 | 华南理工大学 | 一种印刷电路板中带电阻元件的自动光学检测方法 |
CN109580646A (zh) * | 2018-12-21 | 2019-04-05 | 苏州绿控传动科技股份有限公司 | 一种通过摄像头对pcba外观检验的方法 |
CN110610199A (zh) * | 2019-08-22 | 2019-12-24 | 南京理工大学 | 基于svm和xgboost的印制电路板电阻元件焊点自动光学检测方法 |
CN113870175A (zh) * | 2021-08-03 | 2021-12-31 | 阿里巴巴达摩院(杭州)科技有限公司 | 缺陷的检测方法、装置、系统、存储介质以及处理器 |
KR102366032B1 (ko) * | 2021-03-25 | 2022-02-23 | 데이터크러쉬 주식회사 | 머신러닝에 기반하여 자동 증강된 회로 기판 이미지를 학습함으로써 회로 기판 불량 여부를 판별하는 방법 및 이를 이용한 컴퓨팅 장치 |
CN114878603A (zh) * | 2021-12-23 | 2022-08-09 | 浙江威固信息技术有限责任公司 | 一种bga芯片虚焊检测方法及检测系统 |
CN115420744A (zh) * | 2022-09-26 | 2022-12-02 | 湖北三江航天万峰科技发展有限公司 | 一种基于图像识别的印制板缺陷检测系统及其方法 |
CN116448758A (zh) * | 2023-02-10 | 2023-07-18 | 苏州德创测控科技有限公司 | 基于机器视觉的焊点缺陷检测方法、电子设备、存储介质 |
CN116523880A (zh) * | 2023-05-04 | 2023-08-01 | 广东奥普特科技股份有限公司 | 一种导线焊锡缺陷检测方法及导线焊锡缺陷检测系统 |
CN116559200A (zh) * | 2023-07-10 | 2023-08-08 | 深圳市特旺电子有限公司 | 一种基于视觉测试的pcb线路板组装缺陷检测系统 |
-
2023
- 2023-10-24 CN CN202311384117.XA patent/CN117405703B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004251781A (ja) * | 2003-02-20 | 2004-09-09 | Tani Electronics Corp | 画像認識による不良検査方法 |
KR100608225B1 (ko) * | 2005-02-24 | 2006-08-08 | 테크밸리 주식회사 | 인쇄 회로 기판에 장착된 부품의 실장 상태 확인 방법 및그 장치 |
JP2007067310A (ja) * | 2005-09-02 | 2007-03-15 | Okayama Univ | クリームはんだ印刷の検査方法および装置 |
CN101915769A (zh) * | 2010-06-29 | 2010-12-15 | 华南理工大学 | 一种印刷电路板中带电阻元件的自动光学检测方法 |
CN109580646A (zh) * | 2018-12-21 | 2019-04-05 | 苏州绿控传动科技股份有限公司 | 一种通过摄像头对pcba外观检验的方法 |
CN110610199A (zh) * | 2019-08-22 | 2019-12-24 | 南京理工大学 | 基于svm和xgboost的印制电路板电阻元件焊点自动光学检测方法 |
KR102366032B1 (ko) * | 2021-03-25 | 2022-02-23 | 데이터크러쉬 주식회사 | 머신러닝에 기반하여 자동 증강된 회로 기판 이미지를 학습함으로써 회로 기판 불량 여부를 판별하는 방법 및 이를 이용한 컴퓨팅 장치 |
CN113870175A (zh) * | 2021-08-03 | 2021-12-31 | 阿里巴巴达摩院(杭州)科技有限公司 | 缺陷的检测方法、装置、系统、存储介质以及处理器 |
CN114878603A (zh) * | 2021-12-23 | 2022-08-09 | 浙江威固信息技术有限责任公司 | 一种bga芯片虚焊检测方法及检测系统 |
CN115420744A (zh) * | 2022-09-26 | 2022-12-02 | 湖北三江航天万峰科技发展有限公司 | 一种基于图像识别的印制板缺陷检测系统及其方法 |
CN116448758A (zh) * | 2023-02-10 | 2023-07-18 | 苏州德创测控科技有限公司 | 基于机器视觉的焊点缺陷检测方法、电子设备、存储介质 |
CN116523880A (zh) * | 2023-05-04 | 2023-08-01 | 广东奥普特科技股份有限公司 | 一种导线焊锡缺陷检测方法及导线焊锡缺陷检测系统 |
CN116559200A (zh) * | 2023-07-10 | 2023-08-08 | 深圳市特旺电子有限公司 | 一种基于视觉测试的pcb线路板组装缺陷检测系统 |
Non-Patent Citations (1)
Title |
---|
周颖 等: "基于小波特征与支持向量机的焊点缺陷识别方法的研究", 《河北工业大学学报》, vol. 44, no. 01, 28 February 2015 (2015-02-28) * |
Also Published As
Publication number | Publication date |
---|---|
CN117405703B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544533B (zh) | 一种基于深度学习的金属板缺陷检测和度量方法 | |
US4495585A (en) | Method of and apparatus for indicating characteristics of undulating data | |
CN114216915B (zh) | 一种基于线路板污渍和缺陷类型类别级别检测分类的方法 | |
CN103500459A (zh) | 一种基于规则化参数的印刷电路板缺陷检测方法 | |
CN110610199B (zh) | 基于svm和xgboost的印制电路板电阻元件焊点自动光学检测方法 | |
CN113222913B (zh) | 一种电路板缺陷检测定位方法、装置和存储介质 | |
CN112001880B (zh) | 一种平面构件的特征参数检测方法及装置 | |
CN113030123B (zh) | 一种基于物联网的aoi检测反馈系统 | |
CN113971654A (zh) | 焊点检测模型训练方法、焊点检测方法及焊点检测装置 | |
CN110648308A (zh) | 一种pcb导线缺陷的识别与定位方法 | |
CN112288741A (zh) | 一种基于语义分割的产品表面缺陷检测方法、系统 | |
CN110728269B (zh) | 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法 | |
CN116337869A (zh) | 一种基于机器视觉的双面线路板生产用检测系统 | |
CN115575416A (zh) | 柔性电路板焊盘检测方法及系统 | |
CN118089540A (zh) | 一种新能源汽车电子连接器质量视觉检测系统 | |
CN117788400A (zh) | 一种基于双目视觉的光伏组件缺陷检测方法及系统 | |
CN117405703A (zh) | 一种基于图像识别的pcba线路板焊点检测系统 | |
US20110161029A1 (en) | Surface mount technology measurement system and method | |
CN107123105A (zh) | 基于fast算法的图像匹配缺陷检测方法 | |
CN114549453A (zh) | 一种接触线拉出导高值检测方法和系统 | |
JP5314018B2 (ja) | 因子測定及び表示装置、因子測定及び表示方法、因子測定及び表示方法をコンピューターに実行させる因子測定及び表示プログラム、並びに、音響スキャナ | |
CN117571721B (zh) | 一种电路板焊盘表面缺陷检测方法、装置及存储介质 | |
JP3123275B2 (ja) | 電子部品の欠品検査における検査データの作成方法 | |
CN113034496A (zh) | 一种pcb板测试系统 | |
CN113343932B (zh) | 一种静态摄像头下的河道漂浮物检测算法 |
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 | ||
GR01 | Patent grant |