CN117876365A - 一种高频印刷电路板的显影质量检测方法 - Google Patents

一种高频印刷电路板的显影质量检测方法 Download PDF

Info

Publication number
CN117876365A
CN117876365A CN202410269280.XA CN202410269280A CN117876365A CN 117876365 A CN117876365 A CN 117876365A CN 202410269280 A CN202410269280 A CN 202410269280A CN 117876365 A CN117876365 A CN 117876365A
Authority
CN
China
Prior art keywords
circuit board
gray level
image
development
obtaining
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
CN202410269280.XA
Other languages
English (en)
Other versions
CN117876365B (zh
Inventor
龙富强
曾庆亮
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.)
Huizhou Welgao Electronics Co ltd
Original Assignee
Huizhou Welgao Electronics 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 Huizhou Welgao Electronics Co ltd filed Critical Huizhou Welgao Electronics Co ltd
Priority to CN202410269280.XA priority Critical patent/CN117876365B/zh
Publication of CN117876365A publication Critical patent/CN117876365A/zh
Application granted granted Critical
Publication of CN117876365B publication Critical patent/CN117876365B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/001Industrial image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/28Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/50Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation 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
    • G06V10/751Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation 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
    • G06V10/758Involving statistics of pixels or of feature values, e.g. histogram matching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761Proximity, similarity or dissimilarity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30141Printed circuit board [PCB]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30168Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及图像数据处理技术领域,具体涉及一种高频印刷电路板的显影质量检测方法,该方法包括:采集电路板显影图像;根据电路板图像中所有像素点的灰度值划分灰度级,构建灰度直方图;根据灰度直方图获取背景灰度级和前景灰度级;对每个像素点构建邻域窗口,根据邻域窗口中各像素点的灰度级、背景灰度级和前景灰度级获取电路板显影模糊系数及模糊系数序列;根据模糊系数序列获得模糊度量特征;根据电路板显影模糊系数和模糊度量特征获取衰减系数;获取标准参考图像,结合电路板显影图像与衰减系数获得匹配模块;根据匹配模块与标准参考图像之间的差异获得电路板的显影质量。本发明可实现对电路板的显影质量检测,提高检测精度。

Description

一种高频印刷电路板的显影质量检测方法
技术领域
本申请涉及图像数据处理技术领域,具体涉及一种高频印刷电路板的显影质量检测方法。
背景技术
硬件电路板的印刷质量直接影响电路是否能够正常运行,特别是在高频信号领域,高频电路板的研发和制备尤为重要。电路板印刷的关键步骤主要包括涂覆感光油墨、烘干、曝光、显影、蚀刻等操作。曝光是其中的一个关键环节,指将事先设计好的电路图案转移到覆铜板上的过程。这一步骤中,掩膜被精准地放置在PCB表面,然后PCB与掩膜一起暴露在特定波长的光源下。在曝光过程中,感光油墨受到照射后发生化学性质的变化,使其在后续显影步骤中变得不溶于相应的溶剂。
显影过程中,使用显影粉或其他方式去除未曝光区域的感光油墨,留下电路图案。若曝光不完全或菲林片存在缺陷区域均会造成电路图案的缺陷,从而影响最终的电路板质量。整个电路板印刷过程涉及多个学科的知识,对硬件设施和操作工艺都提出了高要求。传统的电路板显影质量检测算法是通过与标准电路板图像匹配来检测电路板的显影质量,在图像匹配的过程中由于电路板的显影模糊导致使用MAD算法进行图像匹配的匹配效果差,进而影响电路板的显影质量检测精度。
发明内容
为了解决上述技术问题,本发明提供一种高频印刷电路板的显影质量检测方法,以解决现有的问题。
本发明的一种高频印刷电路板的显影质量检测方法采用如下技术方案:
本发明一个实施例提供了一种高频印刷电路板的显影质量检测方法,该方法包括以下步骤:
采集电路板显影图像;根据电路板图像中所有像素点的灰度值划分灰度级,构建灰度直方图;
根据灰度直方图获取背景灰度级和前景灰度级;对电路板显影图像中的每个像素点构建邻域窗口,根据邻域窗口中各像素点的灰度级、背景灰度级和前景灰度级获取每个像素点的电路板显影模糊系数;在各像素点的邻域窗口内构建对比方向,根据各对比方向上的所有像素点的电路板显影模糊系数获取模糊系数序列;根据像素点在各对比方向上的模糊系数序列获得模糊度量特征;根据电路板显影模糊系数和模糊度量特征获取每个像素点的衰减系数;获取电路板显影图像的标准参考图像,根据电路板显影图像划分子图,结合衰减系数获得各子图与标准参考图像的匹配程度;根据各子图与标准参考图像的匹配程度获取电路板显影图像中的匹配模块;
根据匹配模块与标准参考图像之间的差异获得电路板的显影质量。
进一步,所述根据电路板图像中所有像素点的灰度值划分灰度级,构建灰度直方图,包括:
获取电路板图像中所有像素点的灰度值的最大值和最小值,将最小值和最大值之间的每个整数值作为一个灰度级;统计每个灰度级包含的像素点数量,构建横轴为灰度级,纵轴为像素点数量的灰度直方图。
进一步,所述根据灰度直方图获取背景灰度级和前景灰度级,包括:
分别将每个灰度级记为待分析灰度级;
以待分析灰度级为中心构建预设长度的局部邻域,当局部邻域中待分析灰度级包含的像素点数量最多时,将待分析灰度级记为一个局部峰值;
获取灰度直方图中的所有局部峰值,将包含的像素点数量最多的两个局部峰值记为主峰值对;将主峰值对中的最小值记为背景灰度级,主峰值对中的最大值记为前景灰度级。
进一步,所述对电路板显影图像中的每个像素点构建邻域窗口,根据邻域窗口中各像素点的灰度级、背景灰度级和前景灰度级获取每个像素点的电路板显影模糊系数,包括:
分别将电路板显影图像中的每个像素点记为待分析像素点;计算背景灰度级和前景灰度级的均值;
以待分析像素点为中心构建预设大小的邻域窗口;对于所述邻域窗口中的各像素点,计算像素点对应的灰度级与所述均值的差值绝对值,获取所述差值绝对值的相反数;获取以自然常数为底数,以所述相反数为指数的指数函数;获取所述邻域窗口中所有像素点的所述指数函数的计算结果的和值;
获取电路板显影图像中像素点的总数量,记为像素总量;计算所述像素总量与灰度级数量的比值记为第一比值;获取第一比值与待分析像素点的灰度级包含的像素点数量的比值,记为第二比值;
将第二比值与所述和值的乘积作为待分析像素点的电路板显影模糊系数。
进一步,所述在各像素点的邻域窗口内构建对比方向,根据各对比方向上的所有像素点的电路板显影模糊系数获取模糊系数序列,包括:
在待分析像素点的邻域窗口中,分别将以待分析像素点为中心的0°、45°、90°和135°方向作为一个对比方向;
对于各对比方向,获取对比方向上的所有像素点的电路板显影模糊系数按照从小到大的顺序排列获得对比方向的模糊系数序列。
进一步,所述根据像素点在各对比方向上的模糊系数序列获得模糊度量特征,包括:
计算所述模糊系数序列的偏度,获取所述偏度的绝对值,记为偏度绝对值;将所有对比方向的所述偏度绝对值的最大值作为待分析像素点的最大模糊方向偏移度;
计算各对比方向的模糊系数序列与其他各对比方向的模糊系数序列之间的动态时间规整距离;
获取待分析像素点的所有所述动态时间规整距离的和值,记为距离总值;将距离总值与待分析像素点的最大模糊方向偏移度的乘积作为待分析像素点的模糊度量特征。
进一步,所述根据电路板显影模糊系数和模糊度量特征获取每个像素点的衰减系数,包括:
对于电路板显影图像中的各像素点,计算像素点的电路板显影模糊系数与预设衰减权重的乘积,记为第一乘积;获取1与预设衰减权重的差值,计算所述差值与像素点的模糊度量特征的乘积,记为第二乘积;
获取第一乘积与第二乘积的和值,计算所述和值的相反数,将以自然常数为底数,所述相反数为指数的指数函数的计算结果作为像素点的衰减系数。
进一步,所述获取电路板显影图像的标准参考图像,根据电路板显影图像划分子图,结合衰减系数获得各子图与标准参考图像的匹配程度,包括:
获取数据库中电路板显影图像的标准参考图像;以电路板显影图像的各像素点为左上角构建大小与标准参考图像相等的子图;
对于子图中的各像素点,计算像素点的灰度值与标准参考图像中对应像素点的灰度值的差值绝对值;获取像素点的衰减系数与所述差值绝对值的乘积;
将子图中所有像素点的所述乘积的均值作为子图与标准参考图像的匹配程度。
进一步,所述根据各子图与标准参考图像的匹配程度获取电路板显影图像中的匹配模块,包括:
将电路板显影图像中的所有子图中与标准参考图像的匹配程度最大的子图作为电路板显影图像中的匹配模块。
进一步,所述根据匹配模块与标准参考图像之间的差异获得电路板的显影质量,包括:
计算匹配模块中的各像素点与标准参考图像中对应像素点的差值绝对值;将匹配模块中所述差值绝对值大于预设缺陷阈值的像素点记为缺陷像素点;
统计缺陷像素点的数量,当缺陷像素点的数量大于预设质量阈值时,电路板的显影质量不合格。
本发明至少具有如下有益效果:
本发明首先通过分析电路板显影质量较差的区域的特征,边缘线路区域较为模糊根据电路板显影图像的灰度直方图,获取背景灰度级和前景灰度级,模糊区域的像素点在灰度直方图中体现为靠近背景灰度级和前景灰度级的中间位置,即模糊灰度级;根据每个像素点及其邻域窗口中各像素点的灰度值获取电路板显影模糊系数,反映了像素点对模糊灰度级的隶属程度;进一步分析不同模糊区域的形状和大小对图像匹配的影响,根据像素点在邻域窗口内各方向上的像素点的电路板显影模糊系数所组成的序列之间的相似性以及分布规律获得模糊度量特征,反映了像素点在模糊区域的位置信息,即与模糊区域中心的靠近程度,结合电路板显影模糊系数和模糊度量改进MAD算法中的相似度度量准则,使得模糊值越大的像素权重越小,有效减小了匹配过程中的误差,根据匹配模块与标准参考图像之间的差异获得电路板的显影质量,提高了高频印刷电路板的显影质量检测精度。
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为本发明提供的一种高频印刷电路板的显影质量检测方法的步骤流程图;
图2为电路板显影图像的灰度直方图示意图。
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高频印刷电路板的显影质量检测方法,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。
下面结合附图具体的说明本发明所提供的一种高频印刷电路板的显影质量检测方法的具体方案。
本发明一个实施例提供的一种高频印刷电路板的显影质量检测方法,具体的,提供了如下的一种高频印刷电路板的显影质量检测方法,请参阅图1,该方法包括以下步骤:
步骤S001,采集高频印刷电路板的电路板显影图像及灰度直方图。
电路板印刷过程中的显影步骤是使用显影粉,将线路在PCB电路板上显现的过程。在该过程中PCB电路板电路区域由于处于菲林片的遮挡区域,在曝光过程中感光油墨没有发生化学反应,容易被显影粉溶解,从而在灰度图中呈现较淡的灰度。在对PCB电路板进行曝光和显影之后,使用高清CCD相机拍摄PCB电路板的显影图像。为避免噪声影响,对获取的显影图像使用高斯滤波进行处理。
为方便后续计算,首先将相机拍摄得到的RGB图像转换到灰度空间中,获得电路板显影图像。统计电路板图像中所有像素点的灰度级,构建横轴为灰度级,纵轴为像素点数量的灰度直方图,本实施例中灰度级为0到255,共256个。电路板显影图像在线路区域灰度值较低,在背景等其他区域的灰度值较高。因此,在灰度直方图中存在明显的波峰和波谷。
至此,获得电路板显影图像及其灰度直方图。
步骤S002,根据灰度直方图获取背景灰度级和前景灰度级;结合各像素点的灰度级、背景灰度级和前景灰度级获取电路板显影模糊系数及模糊系数序列;根据模糊系数序列获得模糊度量特征;根据电路板显影模糊系数和模糊度量特征获取衰减系数;获取标准参考图像,根据电路板显影图像划分子图,结合衰减系数获得匹配模块。
PCB电路板图像中电路板显影质量差的区域线路较为模糊,存在位于前景和背景之间。在灰度直方图中体现为位于波谷的像素点较少,位于波峰的像素点较多。由于该类模糊区域边缘不清晰,对电路板显影图像的匹配存在负面影响。
灰度直方图中,一个灰度级所对应的像素个数用表示,如像素点/>所在灰度级包含的像素点数量表示为/>。以灰度级x为中心构建长度为2t+1的局部邻域,本实施例中t=10,当局部邻域中灰度级x对应的像素点数量最多时,将灰度级x记为一个局部峰值。获取灰度直方图中的所有局部峰值,如图2所示,将包含的像素点数量最多的两个局部峰值中的最小值记为背景灰度级/>,最大值记为前景灰度级/>
当PCB显影过程中出现缺陷时,在缺陷像素点及其周围邻域像素点的灰度数值相较于正常像素点灰度数值会出现较大的差异,因此以电路板显影图像中的每个像素点为中心,构建大小为的邻域窗口,本实施例Z=5。根据背景灰度级、前景灰度级结合各像素点的邻域窗口中像素点的灰度值计算电路板显影模糊系数:
上式中,表示像素点/>的电路板显影模糊系数,/>为电路板显影图像中像素点的灰度级对应的像素点数量,/>为灰度平均数量,具体为电路板显影图像中所有像素点的数量与灰度级数量的比值,表示平均一个灰度阶对应的像素点数量。/>为邻域窗口中的像素点个数,/>为以自然常数为底的指数函数,/>表示了以像素点/>为中心的邻域窗口中第/>个像素点对应的灰度级;/>为背景灰度级/>和前景灰度级/>的均值。
其计算逻辑为,第一项是像素点的灰度像素个数与灰度平均数量相比越大,说明像素点/>的灰度值越接近背景灰度级或前景灰度级,即该像素点越可能位于电路板中的电路区域或者感光油墨峰值像素区域的易分辨清晰区域,/>越小,对应电路板显影模糊系数越小。当像素点位于显影质量较差的区域时,像素灰度值越靠近电路灰度和感光油墨灰度之间的波谷位置,计算背景灰度级和前景灰度级的中间灰度级作为波谷位置,通过像素点/>的邻域窗口中各像素点的灰度值与中间灰度级的差异计算像素点对中间灰度级的隶属度,隶属度越大,即像素点所在局部区域较为模糊,越可能为电路板显影异常的像素点,该像素点的电路板显影模糊系数越大。综上,当一个像素点及其邻域的像素灰度值越接近电路板显影图像灰度直方图中的波谷的灰度,该像素点的电路板显影模糊系数越大。
在电路板模糊区域中,也存在不同形状,大小不一的模糊区域,为描述不同的电路板模糊区域对匹配结果的影响,首先,在像素点的邻域窗口内,以像素点/>为中心的0°、45°、90°和135°方向共四个方向作为对比方向;对于第t个对比方向,将第t个对比方向上的所有像素点的电路板显影模糊系数按照从小到大的顺序排列获得对比方向的模糊系数序列/>,进一步根据像素点的电路板显影模糊系数,构建模糊度量特征:
上式中,为像素点/>的模糊度量特征,/>、/>分别表示以/>为中心的邻域窗口中第s、/>个对比方向的模糊系数序列;/>为模糊系数序列/>和模糊系数序列/>之间的DTW动态时间规整距离,DTW距离的计算过程为公知技术不再具体赘述,/>表示像素点/>的最大模糊方向偏移度,/>表示以/>为中心的邻域窗口中第t个对比方向的模糊系数序列的偏度,计算一个序列的偏度为公知技术不再具体赘述,/>为取最大值函数。
上式通过在像素点的邻域窗口中不同方向上的像素点的电路板显影模糊系数构建模糊系数序列,根据模糊系数序列的相似性和偏度,构建了模糊度量特征。当像素点/>位于较为清晰的区域时,其周围像素点的模糊系数序列较为相似,DTW值相对较小;由于各模糊系数序列中的电路板显影模糊系数分布相对平均,最大模糊方向偏移度较小,模糊度量特征较小。当像素点/>位于背景和前景的交界区域,即较为模糊的区域时,其周围像素点的模糊系数序列差别较大,DTW值相对较大,各模糊系数序列中的电路板显影模糊系数分布不均,最大模糊方向偏移度较大,导致模糊度量特征较大。
使用像素点的模糊度量特征和模糊值来确定在图像匹配过程中的差异,获取数据库中电路板显影图像的标准参考图像T,标准参考图像T的大小为,使用MAD算法依次计算电路板显影图像的子图与标准参考图像T的相似度,子图与标准参考图像的大小一致,遍历电路板显影图像中所有子图,得到与电路板显影图像的标准参考图像T最相似的子图作为匹配结果。传统的MAD算法是将以像素点c为左上角的子图与标准参考图像的所有对应像素点的灰度值的差值绝对值的平均值作为以像素点c为左上角的子图与标准参考图像之间的平均绝对差,将平均绝对差作为两者的相似度度量,平均绝对差越小,两者的匹配度越高。为提高匹配精度,本实施例考虑在相似度度量过程中对位于模糊区域的像素点赋予较小的权重以改进MAD算法。根据电路板显影模糊系数及模糊度量特征对每个像素点设置衰减系数:
上式中,为电路板显影图像中像素点d的衰减系数;/>为以自然常数为底的指数函数;/>为像素点/>的模糊度量特征;/>为像素点/>的电路板显影模糊系数;/>为衰减权重,本实施例中/>为0.7。
根据衰减系数获取格子图与标准参考图的匹配程度;对于以像素点c为左上角的子图中的第e行第f列像素点(e,f),计算像素点(e,f)的灰度值与标准参考图像中对应像素点的灰度值的差值绝对值,获取像素点(e,f)的衰减系数与所述差值绝对值的乘积;将子图中所有像素点的所述乘积的均值作为以像素点c为左上角的子图与标准参考图像的匹配程度。
通过电路板显影模糊系数和模糊度量特征改进了子图与标准参考图像之间的相似度度量的计算,相比于直接使用灰度计算的鲁棒更高,对噪声不敏感。而且使用电路板显影模糊系数降低了PCB电路板显影模糊处对整体相似度的影响。当一个电路板显影图像的像素点位于较为模糊的区域时,电路板显影模糊系数较大,且当一个像素点距离模糊区域较近时,模糊度量特征增加,该像素点灰度的可信度减小,通过衰减系数减小了模糊区域的像素点的灰度误差在相似度度量中的占比,提高了匹配程度计算的准确度。
将与标准参考图像的匹配程度最大的子图作为电路板显影图像中的匹配模块。
步骤S003,根据匹配模块与标准参考图像之间的差异获得电路板的显影质量。
获得电路板显影图像中的匹配模块后,计算匹配模块中的像素点与标准参考图像中对应像素点的差值绝对值,在电路板显影正常区域与标准参考图灰度差异约为0,而在缺陷区域,电路板显影图像与标准参考图差异较大。设置缺陷阈值为,本实施例/>为30,将所述差值绝对值大于/>的像素点标记为缺陷像素点。
统计缺陷像素点的数量,设置质量阈值,本实施例中/>,实施者可自行设定质量阈值的取值。当缺陷像素点的数量大于/>时,说明电路板的显影质量不合格。
至此,完成对高频印刷电路板的显影质量检测。
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。且上述对本说明书特定实施例进行了描述。另外,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或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。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;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,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,均应包含在本申请的保护范围之内。

Claims (10)

1.一种高频印刷电路板的显影质量检测方法,其特征在于,该方法包括以下步骤:
采集电路板显影图像;根据电路板图像中所有像素点的灰度值划分灰度级,构建灰度直方图;
根据灰度直方图获取背景灰度级和前景灰度级;对电路板显影图像中的每个像素点构建邻域窗口,根据邻域窗口中各像素点的灰度级、背景灰度级和前景灰度级获取每个像素点的电路板显影模糊系数;在各像素点的邻域窗口内构建对比方向,根据各对比方向上的所有像素点的电路板显影模糊系数获取模糊系数序列;根据像素点在各对比方向上的模糊系数序列获得模糊度量特征;根据电路板显影模糊系数和模糊度量特征获取每个像素点的衰减系数;获取电路板显影图像的标准参考图像,根据电路板显影图像划分子图,结合衰减系数获得各子图与标准参考图像的匹配程度;根据各子图与标准参考图像的匹配程度获取电路板显影图像中的匹配模块;
根据匹配模块与标准参考图像之间的差异获得电路板的显影质量。
2.如权利要求1所述的一种高频印刷电路板的显影质量检测方法,其特征在于,所述根据电路板图像中所有像素点的灰度值划分灰度级,构建灰度直方图,包括:
获取电路板图像中所有像素点的灰度值的最大值和最小值,将最小值和最大值之间的每个整数值作为一个灰度级;统计每个灰度级包含的像素点数量,构建横轴为灰度级,纵轴为像素点数量的灰度直方图。
3.如权利要求2所述的一种高频印刷电路板的显影质量检测方法,其特征在于,所述根据灰度直方图获取背景灰度级和前景灰度级,包括:
分别将每个灰度级记为待分析灰度级;
以待分析灰度级为中心构建预设长度的局部邻域,当局部邻域中待分析灰度级包含的像素点数量最多时,将待分析灰度级记为一个局部峰值;
获取灰度直方图中的所有局部峰值,将包含的像素点数量最多的两个局部峰值记为主峰值对;将主峰值对中的最小值记为背景灰度级,主峰值对中的最大值记为前景灰度级。
4.如权利要求3所述的一种高频印刷电路板的显影质量检测方法,其特征在于,所述对电路板显影图像中的每个像素点构建邻域窗口,根据邻域窗口中各像素点的灰度级、背景灰度级和前景灰度级获取每个像素点的电路板显影模糊系数,包括:
分别将电路板显影图像中的每个像素点记为待分析像素点;计算背景灰度级和前景灰度级的均值;
以待分析像素点为中心构建预设大小的邻域窗口;对于所述邻域窗口中的各像素点,计算像素点对应的灰度级与所述均值的差值绝对值,获取所述差值绝对值的相反数;获取以自然常数为底数,以所述相反数为指数的指数函数;获取所述邻域窗口中所有像素点的所述指数函数的计算结果的和值;
获取电路板显影图像中像素点的总数量,记为像素总量;计算所述像素总量与灰度级数量的比值记为第一比值;获取第一比值与待分析像素点的灰度级包含的像素点数量的比值,记为第二比值;
将第二比值与所述和值的乘积作为待分析像素点的电路板显影模糊系数。
5.如权利要求4所述的一种高频印刷电路板的显影质量检测方法,其特征在于,所述在各像素点的邻域窗口内构建对比方向,根据各对比方向上的所有像素点的电路板显影模糊系数获取模糊系数序列,包括:
在待分析像素点的邻域窗口中,分别将以待分析像素点为中心的0°、45°、90°和135°方向作为一个对比方向;
对于各对比方向,获取对比方向上的所有像素点的电路板显影模糊系数按照从小到大的顺序排列获得对比方向的模糊系数序列。
6.如权利要求5所述的一种高频印刷电路板的显影质量检测方法,其特征在于,所述根据像素点在各对比方向上的模糊系数序列获得模糊度量特征,包括:
计算所述模糊系数序列的偏度,获取所述偏度的绝对值,记为偏度绝对值;将所有对比方向的所述偏度绝对值的最大值作为待分析像素点的最大模糊方向偏移度;
计算各对比方向的模糊系数序列与其他各对比方向的模糊系数序列之间的动态时间规整距离;
获取待分析像素点的所有所述动态时间规整距离的和值,记为距离总值;将距离总值与待分析像素点的最大模糊方向偏移度的乘积作为待分析像素点的模糊度量特征。
7.如权利要求1所述的一种高频印刷电路板的显影质量检测方法,其特征在于,所述根据电路板显影模糊系数和模糊度量特征获取每个像素点的衰减系数,包括:
对于电路板显影图像中的各像素点,计算像素点的电路板显影模糊系数与预设衰减权重的乘积,记为第一乘积;获取1与预设衰减权重的差值,计算所述差值与像素点的模糊度量特征的乘积,记为第二乘积;
获取第一乘积与第二乘积的和值,计算所述和值的相反数,将以自然常数为底数,所述相反数为指数的指数函数的计算结果作为像素点的衰减系数。
8.如权利要求1所述的一种高频印刷电路板的显影质量检测方法,其特征在于,所述获取电路板显影图像的标准参考图像,根据电路板显影图像划分子图,结合衰减系数获得各子图与标准参考图像的匹配程度,包括:
获取数据库中电路板显影图像的标准参考图像;以电路板显影图像的各像素点为左上角构建大小与标准参考图像相等的子图;
对于子图中的各像素点,计算像素点的灰度值与标准参考图像中对应像素点的灰度值的差值绝对值;获取像素点的衰减系数与所述差值绝对值的乘积;
将子图中所有像素点的所述乘积的均值作为子图与标准参考图像的匹配程度。
9.如权利要求1所述的一种高频印刷电路板的显影质量检测方法,其特征在于,所述根据各子图与标准参考图像的匹配程度获取电路板显影图像中的匹配模块,包括:
将电路板显影图像中的所有子图中与标准参考图像的匹配程度最大的子图作为电路板显影图像中的匹配模块。
10.如权利要求1所述的一种高频印刷电路板的显影质量检测方法,其特征在于,所述根据匹配模块与标准参考图像之间的差异获得电路板的显影质量,包括:
计算匹配模块中的各像素点与标准参考图像中对应像素点的差值绝对值;将匹配模块中所述差值绝对值大于预设缺陷阈值的像素点记为缺陷像素点;
统计缺陷像素点的数量,当缺陷像素点的数量大于预设质量阈值时,电路板的显影质量不合格。
CN202410269280.XA 2024-03-11 2024-03-11 一种高频印刷电路板的显影质量检测方法 Active CN117876365B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410269280.XA CN117876365B (zh) 2024-03-11 2024-03-11 一种高频印刷电路板的显影质量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410269280.XA CN117876365B (zh) 2024-03-11 2024-03-11 一种高频印刷电路板的显影质量检测方法

Publications (2)

Publication Number Publication Date
CN117876365A true CN117876365A (zh) 2024-04-12
CN117876365B CN117876365B (zh) 2024-06-07

Family

ID=90595073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410269280.XA Active CN117876365B (zh) 2024-03-11 2024-03-11 一种高频印刷电路板的显影质量检测方法

Country Status (1)

Country Link
CN (1) CN117876365B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118485700A (zh) * 2024-07-16 2024-08-13 同方德诚(山东)科技股份公司 一种三维场景建模数据智能处理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103426159A (zh) * 2012-05-23 2013-12-04 华为技术有限公司 多维直方图统计电路和图像处理系统
CN109307587A (zh) * 2017-07-26 2019-02-05 京东方科技集团股份有限公司 显示面板检测方法、装置及系统
US20220199043A1 (en) * 2020-12-17 2022-06-23 Himax Technologies Limited Device for driving backlight assembly and device for driving display device
CN114998314A (zh) * 2022-07-18 2022-09-02 启东旺晟电子科技有限公司 一种基于计算机视觉的pcb电路板缺陷检测方法
CN115601364A (zh) * 2022-12-14 2023-01-13 惠州威尔高电子有限公司(Cn) 基于图像分析的金手指电路板检测方法
CN115775250A (zh) * 2023-02-13 2023-03-10 惠州威尔高电子有限公司 基于数字图像分析的金手指电路板缺陷快速检测系统
CN117541588A (zh) * 2024-01-10 2024-02-09 大连建峰印业有限公司 一种纸制品的印刷缺陷检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103426159A (zh) * 2012-05-23 2013-12-04 华为技术有限公司 多维直方图统计电路和图像处理系统
CN109307587A (zh) * 2017-07-26 2019-02-05 京东方科技集团股份有限公司 显示面板检测方法、装置及系统
US20220199043A1 (en) * 2020-12-17 2022-06-23 Himax Technologies Limited Device for driving backlight assembly and device for driving display device
CN114998314A (zh) * 2022-07-18 2022-09-02 启东旺晟电子科技有限公司 一种基于计算机视觉的pcb电路板缺陷检测方法
CN115601364A (zh) * 2022-12-14 2023-01-13 惠州威尔高电子有限公司(Cn) 基于图像分析的金手指电路板检测方法
CN115775250A (zh) * 2023-02-13 2023-03-10 惠州威尔高电子有限公司 基于数字图像分析的金手指电路板缺陷快速检测系统
CN117541588A (zh) * 2024-01-10 2024-02-09 大连建峰印业有限公司 一种纸制品的印刷缺陷检测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118485700A (zh) * 2024-07-16 2024-08-13 同方德诚(山东)科技股份公司 一种三维场景建模数据智能处理方法

Also Published As

Publication number Publication date
CN117876365B (zh) 2024-06-07

Similar Documents

Publication Publication Date Title
CN117876365B (zh) 一种高频印刷电路板的显影质量检测方法
CN110992329B (zh) 一种产品表面缺陷检测方法、电子设备及可读存储介质
JP4966893B2 (ja) 一致度計算装置及び方法、プログラム
CN115775250B (zh) 基于数字图像分析的金手指电路板缺陷快速检测系统
JP2001133418A (ja) 形状特徴に基づく欠陥検出の方法及び装置
KR20090066212A (ko) 결함 검출 방법 및 결함 검출 장치
CN117876367B (zh) 一种用于电路板印刷的曝光优化方法
CN110706224B (zh) 基于暗场图像的光学元件弱划痕检测方法、系统和装置
JP2014228357A (ja) ひび割れ検出方法
CN116228780B (zh) 基于计算机视觉的硅片缺陷检测方法及系统
US7352901B2 (en) Contour inspection method and apparatus
JP7170605B2 (ja) 欠陥検査装置、欠陥検査方法、およびプログラム
CN113033558B (zh) 一种用于自然场景的文本检测方法及装置、存储介质
JP2013238449A (ja) ひび割れ検出方法
CN114239398A (zh) 光刻热点检测方法、装置、电子设备及可读存储介质
Ma et al. An automatic detection method of Mura defects for liquid crystal display
CN112381751A (zh) 一种基于图像处理算法的在线智能检测系统及方法
US7020323B2 (en) Pattern defect inspection apparatus and method
CN113487569A (zh) 基于频域和空域结合的复杂背景图像缺陷检测方法及系统
JP4432575B2 (ja) パターン画像判定方法
CN116597016A (zh) 一种光纤内窥镜图像标定方法
CN108876845B (zh) 菲涅尔纹中心的确定方法和装置
CN114148103B (zh) 一种基于神经网络学习的焊膏印刷标记识别方法及系统
CN118392834B (zh) 一种用于集成电路透明柔性基板的检测方法
CN113379784B (zh) 一种基于x射线投影的smt物料盘电子元器件的计数方法

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