CN117876367A - 一种用于电路板印刷的曝光优化方法 - Google Patents
一种用于电路板印刷的曝光优化方法 Download PDFInfo
- Publication number
- CN117876367A CN117876367A CN202410269507.0A CN202410269507A CN117876367A CN 117876367 A CN117876367 A CN 117876367A CN 202410269507 A CN202410269507 A CN 202410269507A CN 117876367 A CN117876367 A CN 117876367A
- Authority
- CN
- China
- Prior art keywords
- defect
- circuit board
- obtaining
- pixel point
- area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000007639 printing Methods 0.000 title claims abstract description 26
- 238000005457 optimization Methods 0.000 title claims abstract description 22
- 230000007547 defect Effects 0.000 claims abstract description 308
- 238000011161 development Methods 0.000 claims abstract description 69
- 238000013507 mapping Methods 0.000 claims abstract description 41
- 230000002950 deficient Effects 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 15
- 230000004069 differentiation Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 241001270131 Agaricus moelleri Species 0.000 description 3
- 238000005452 bending Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 239000000843 powder Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000037303 wrinkles Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种用于电路板印刷的曝光优化方法,该方法包括:采集电路板显影图像;获取标准参考图像,对电路板显影图像与标准参考图像进行匹配,获得匹配图像块;根据匹配图像块与标准参考图像之间的差异获得缺陷区域;根据缺陷区域中像素点之间的距离获得电路板缺陷特征权重;划分映射方向,根据像素点在各映射方向的灰度值获取缺陷特征清晰指数;根据各像素点的灰度值获取电路板显影模糊系数;根据电路板显影模糊系数以及缺陷特征清晰指数获取各缺陷区域的缺陷差异特征;根据缺陷差异特征获得缺陷区域的缺陷类别,对电路板进行曝光优化。本发明可实现对电路板印刷的曝光优化,提高显影质量。
Description
技术领域
本申请涉及图像数据处理技术领域,具体涉及一种用于电路板印刷的曝光优化方法。
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。PCB电路板的曝光过程中,由于菲林片的污渍异物或者弯曲褶皱等情况均会导致电路板的缺陷,为提高显影质量需要判断缺陷区域的种类,从而有针对性的优化电路板曝光,目前常使用深度学习网络模型对电路板的缺陷区域进行识别,由于缺陷的特征不明显,需要大量数据来进行模型训练,且训练时间长,对于缺陷类型的判断效率不高,无法对电路板的曝光缺陷进行针对性的优化。
发明内容
为了解决上述技术问题,本发明提供一种用于电路板印刷的曝光优化方法,以解决现有的问题。
本发明的一种用于电路板印刷的曝光优化方法采用如下技术方案:
本发明一个实施例提供了一种用于电路板印刷的曝光优化方法,该方法包括以下步骤:
采集电路板显影图像;获取标准参考图像,对电路板显影图像使用MAD匹配算法与标准参考图像进行匹配,获得匹配图像块;
根据匹配图像块与标准参考图像之间的差异获得缺陷像素点;根据匹配图像块中的所有缺陷像素点获得缺陷区域;根据缺陷区域中各像素点与缺陷区域边缘上各像素点之间的距离获得电路板缺陷特征权重;划分映射方向,根据缺陷区域中所有像素点在各映射方向的灰度值获取缺陷区域在每个映射方向上的方向特征区分度;根据缺陷区域在每个映射方向上的方向特征区分度获得特征区分度序列;根据特征区分度序列获得各缺陷区域的缺陷特征清晰指数;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值获取每个像素点的电路板显影模糊系数;根据各缺陷区域中所有像素点的电路板显影模糊系数以及缺陷特征清晰指数获取各缺陷区域的缺陷差异特征;
根据缺陷差异特征获得缺陷区域的缺陷类别,结合缺陷类别对电路板进行曝光优化。
进一步,所述根据匹配图像块与标准参考图像之间的差异获得缺陷像素点,包括:
对于匹配图像块中的各像素点,计算像素点与标准参考图像中对应像素点的差值绝对值,将所述差值绝对值大于预设缺陷阈值的像素点标记为缺陷像素点。
进一步,所述根据匹配图像块中的所有缺陷像素点获得缺陷区域,包括:
对匹配图像块中的各缺陷像素点进行膨胀操作得到缺陷图像;对缺陷图像进行连通域分析,将获得的各连通域作为各缺陷区域。
进一步,所述根据缺陷区域中各像素点与缺陷区域边缘上各像素点之间的距离获得电路板缺陷特征权重,包括:
分别将缺陷区域中的各像素点记为待分析像素点;
计算待分析像素点与缺陷区域的边缘线上的各像素点之间的曼哈顿距离,获取待分析像素点的所有所述曼哈顿距离的最小值;计算所述最小值的相反数,将以自然常数为底数,以所述相反数为指数的指数函数的计算结果作为待分析像素点的电路板缺陷特征权重。
进一步,所述划分映射方向,根据缺陷区域中所有像素点在各映射方向的灰度值获取缺陷区域在每个映射方向上的方向特征区分度,包括:
在0°方向至160°方向之间每间隔20°划分一个映射方向;
使用Sobel算子计算待分析像素点的梯度幅值和梯度方向;获取以梯度方向为方向,梯度幅值为大小的灰度梯度向量;
对于各映射方向,计算待分析像素点的灰度梯度向量在各映射方向的分量,获取所述分量与待分析像素点的电路板缺陷特征权重的乘积;将缺陷区域中所有像素点的所述乘积的和值作为缺陷区域在各映射方向上的方向特征区分度。
进一步,所述根据缺陷区域在每个映射方向上的方向特征区分度获得特征区分度序列,包括:
将各缺陷区域在所有映射方向上的方向特征区分度所组成的序列作为各缺陷区域的特征区分度序列。
进一步,所述根据特征区分度序列获得各缺陷区域的缺陷特征清晰指数,包括:
将各缺陷区域的特征区分度序列中方向特征区分度最大的映射方向作为各缺陷区域的缺陷特征主方向;
对于各缺陷区域,获取缺陷区域中所有像素点的灰度值的最小值和最大值,将所述最小值和所述最大值所组成的区间平均划分为预设数量个子区间;分别将每个子区间作为一个灰度级;根据缺陷区域中所有像素点的灰度级构建缺陷区域在缺陷特征主方向上的灰度共生矩阵,将所述灰度共生矩阵的对比度作为缺陷区域的缺陷特征清晰指数。
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值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;获取电路板显影图像中所有像素点的灰度值均值;
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,计算像素点的灰度值与所述灰度值均值的差值绝对值,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;获取电路板显影图像中所有像素点的不同灰度值的种类数,记为灰度总量;
计算所述像素总量与灰度总量的比值,获取所述比值与待分析像素点的灰度值对应的像素点数量的比值,记为第一比值;
将第一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,所述根据各缺陷区域中所有像素点的电路板显影模糊系数以及缺陷特征清晰指数获取各缺陷区域的缺陷差异特征,包括:
对于各缺陷区域,计算缺陷区域中所有像素点的电路板显影模糊系数的和值;将所述和值与缺陷区域的缺陷特征清晰指数的乘积作为缺陷区域的缺陷差异特征。
进一步,所述根据缺陷差异特征获得缺陷区域的缺陷类别,结合缺陷类别对电路板进行曝光优化,包括:
将预设数量张具有显影缺陷的电路板显影图像作为训练集,使用图像标注工具对电路板显影图像中的缺陷区域的缺陷类别进行标注,缺陷类别具体为异物缺陷和褶皱缺陷;将缺陷区域的缺陷类别与缺陷差异特征输入BP神经网络中进行训练,得到训练完成的BP神经网络模型;
将电路板显影缺陷图像中的缺陷区域的缺陷差异特征输入到训练完成的BP神经网络模型中,输出缺陷类别;
当缺陷类别为异物缺陷时,移除电路板的菲林片上存在的异物;当缺陷类别为褶皱缺陷时,更换电路板的菲林片。
本发明至少具有如下有益效果:
本发明首先通过分析不同缺陷类别在曝光过程中对显影质量的影响,根据褶皱缺陷与异物缺陷在缺陷区域边缘的梯度方向上的差异构建电路板缺陷特征权重,电路板缺陷特征权重反映了缺陷区域中的像素点距离缺陷区域边缘的距离,使靠近缺陷区域边缘的像素点在缺陷类别的判断中具有较大的权重;考虑到在菲林片褶皱所导致的显影缺陷存在的边缘特点,根据缺陷区域中像素点在不同方向上的灰度值变化获取特征区分度序列,放大了两种不同缺陷的缺陷区域中像素点的灰度梯度变化特征;进一步考虑到不同年份类别缺陷在梯度变化的主要方向上的灰度变化特点,构建缺陷区域的缺陷特征清晰指数,反映了两种缺陷在电路板显影图像中的灰度值区别特征;根据缺陷特征清晰指数获得缺陷差异特征,使得两类不同的电路板缺陷在缺陷差异特征方面存在明显差异。最终根据缺陷差异特征获得缺陷区域的缺陷类别,有效区分两类电路板缺陷,并采取相应的措施解决,完成对电路板的曝光优化。
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用于电路板印刷的曝光优化方法的步骤流程图;
图2为缺陷类别示意图。
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用于电路板印刷的曝光优化方法,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用于电路板印刷的曝光优化方法的具体方案。
本发明一个实施例提供的一种用于电路板印刷的曝光优化方法,具体的,提供了如下的一种用于电路板印刷的曝光优化方法,请参阅图1,该方法包括以下步骤:
步骤S001,采集印刷电路板的电路板显影图像。
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。获取数据库中电路板显影图像的标准参考图像,对电路板显影图像使用MAD匹配算法与标准参考图像进行匹配,获得匹配图像块。
步骤S002,根据电路板显影图像与标准参考图像之间的差异获得缺陷区域;根据缺陷区域中像素点之间的距离获得电路板缺陷特征权重;划分映射方向,根据像素点在各映射方向的灰度值获取缺陷特征清晰指数;根据各像素点的灰度值获取电路板显影模糊系数;根据电路板显影模糊系数以及缺陷特征清晰指数获取各缺陷区域的缺陷差异特征。
计算匹配图像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。
为了获取缺陷区域,方便后续对缺陷边缘的处理,首先将3×3的窗口作为结构元素,对各缺陷像素点进行膨胀操作得到缺陷图像,对缺陷图像进行连通域分析,获得各个连通域,将每个连通域作为一个缺陷区域。需要说明的是,图像的膨胀操作为现有技术,本实施例不做赘述。
电路板的缺陷分为两种情况,菲林片发生褶皱造成的电路形状的弯曲变形以及曝光过程中在菲林片表面存在异物造成电路板呈现块状的阴影区域。
如图2所示,两种不同缺陷情况的区别在于当菲林片发生褶皱时造成的褶皱缺陷,由于其电路形状的弯曲变形,导致曝光过程中光照射到菲林片所盖住的区域进行显影造成线状电路区域存在向内侧凹陷的显影缺陷,即缺陷区域存在边界不规则且灰度梯度方向差异较小的情况;而菲林片表面存在异物造成电路板呈现块状阴影区域的异物缺陷,即缺陷区域为片状闭合区域,边缘灰度梯度方向差异较大。
综上所述,在所有缺陷区域中,越靠近缺陷边缘的像素点的灰度梯度对于缺陷的区分越明显,越具有代表性。因此,为减小缺陷内部像素点梯度方向对边缘梯度方向分布的影响,本实施例对于每个缺陷区域的像素点构建电路板缺陷特征权重,计算公式为:
;
式中,为像素点/>的电路板缺陷特征权重;/>为像素点/>的坐标与缺陷区域的边缘上所有像素点的坐标/>之间的曼哈顿距离的最小值;/>为自然常数。
当一个电路板缺陷区域中的像素点距离该缺陷区域边缘像素点的距离越远时,说明该像素点位于缺陷中心处,该像素点的灰度梯度对于缺陷类别区分的参考意义较小,在后续对于缺陷类别区分的计算中,通过电路板缺陷特征权重减小靠近缺陷中心的像素点的灰度梯度的权重。
为进一步根据各缺陷区域像素点的灰度梯度特征区分缺陷类别,首先使用Sobel算子计算所有像素点的梯度幅值和梯度方向,Sobel算子的具体实施过程为公知技术,不再赘述。对每个像素点,构建以梯度方向为方向,梯度幅值为大小的灰度梯度向量。对像素点,以像素点/>为中心的0°至160°的方向以20°为角度间隔,平均分为9个映射方向,分别对应0°、20°、40°…160°方向,获取像素点/>的灰度梯度向量在每个映射方向上的分量,构建缺陷区域在每个映射方向上的方向特征区分度,计算公式为:
;
上式中,为第/>个缺陷区域中像素点/>的电路板缺陷特征权重,/>为第/>个缺陷区域中的像素点数量,/>为第/>个缺陷区域在第/>个映射方向上的方向特征区分度,表示第/>个缺陷区域中像素点/>的灰度梯度向量在第/>个映射方向上的分量。
将第个缺陷区域在所有映射方向上的方向特征区分度所组成的序列作为缺陷区域的特征区分度序列/>。若缺陷区域的特征区分度序列/>中的元素差异越小,即缺陷区域在各个方向上的方向特征区分度差异越大,越有可能是由于菲林片褶皱导致的缺陷区域。
对于第个缺陷区域的特征区分度序列,当缺陷是由菲林片褶皱导致的,由于区域边缘位置的像素点的梯度方向较为一致,特征区分度序列中仅在部分方向上的方向特征区分度较大,在部分方向上的方向特征区分度近似为0,表现为特征区分度序列的极差较大;当缺陷是由异物造成电路板呈现块状的阴影区域,由于区域边缘位置的像素点的梯度方向较为分散,特征区分度序列中在各个方向上的特征区分度较为平均,表现为特征区分度序列的极差较小。
为了进一步描述不同缺陷区域的区别特征,将第个缺陷区域的特征区分度序列中最大的元素对应的映射方向作为第/>个缺陷区域的缺陷特征主方向/>;获取第/>个缺陷区域中所有像素点的灰度值的最小值和最大值,将所述最小值和最大值所组成的区间平均划分为8个子区间,将每个子区间作为一个灰度级,即分为8个灰度级。根据缺陷区域中所有像素点的灰度级获取第/>个缺陷区域在缺陷特征主方向上的灰度共生矩阵,将所述灰度共生矩阵的对比度作为缺陷区域的缺陷特征清晰指数/>。
需要说明的是,PCB电路板的显影缺陷,往往是因为曝光步骤的操作不当导致的。曝光过程中不同类型的缺陷区域在缺陷特征主方向具有不同的纹理特征,其中由菲林片褶皱会导致电路板的显影图像弯曲,进而导致缺陷区域在缺陷特征主方向具有清晰的纹理特征,由于菲林片褶皱区域厚度不均匀,显影过程中光线对于透过的程度也不同,使缺陷区域边界有明显的明暗变化,在缺陷特征主方向上生成的灰度共生矩阵的对比度较大;而菲林片上异物会导致电路板显影图像存在缺失现象,造成电路板呈现块状的缺陷区域完全阻碍光线的透过,在缺陷特征主方向不具有清晰的纹理特征,在缺陷特征主方向上生成的灰度共生矩阵的对比度较小。
当PCB显影过程中出现褶皱缺陷时,电路板显影图像中的缺陷位置呈现模糊状态,在正常的电路板显影图像中,由于光线的遮挡与透射,背景与前景电路区域的像素点的灰度值差异较大,而呈现模糊状态的缺陷位置的灰度值则接近于整个电路板显影图像的平均灰度值。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。将电路板显影图像中所有像素点的灰度值中相同的灰度值作为同一种类,统计电路板显影图像中灰度值的种类数,记为灰度总量。将电路板显影图像中像素点的总数量记为像素总量。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值对应的像素点数量,/>为灰度平均数量,具体为电路板显影图像的像素总量与灰度总量的比值,表示平均一种灰度对应的像素点数量。/>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/>个像素点的灰度值;/>表示电路板显影图像中所有像素点的灰度值均值。
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值或前景灰度值,即该像素点越可能位于电路板中的易分辨清晰区域,/>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板显影图像中所有像素点的灰度值均值,通过像素点/>的邻域窗口中各像素点的灰度值与灰度值均值的差异计算像素点对灰度值均值的隶属度,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。
进一步定义各缺陷区域的缺陷差异特征:
;
上式中,表示第/>个缺陷区域的缺陷差异特征,/>为第/>个缺陷区域中的像素点数量,/>表示第/>个缺陷区域中像素点/>的电路板显影模糊系数,/>表示第/>个缺陷区域的缺陷特征清晰指数,/>为缺陷区域的特征区分度序列/>的标准差。
上式通过缺陷区域像素点的梯度方向和电路板显影模糊系数来确定了缺陷像素点的方向模糊系数,在一般的异物缺陷区域中,由于呈现不规则的形状在缺陷区域在电路板显影后的图像像素点清晰,较小,缺陷特征清晰指数/>较小,则计算得到的缺陷差异特征/>较小。而在菲林片的褶皱区域的缺陷处,部分曝光光线通过菲林片凸起部分进入电路区域,感光油墨的化学反应不完全,导致该缺陷处的显影像素比较模糊即/>较大,缺陷特征清晰指数/>较大,导致在菲林片褶皱区域的缺陷,缺陷差异特征/>较大。即可根据缺陷差异特征对缺陷类别进行区分。
步骤S003,据缺陷差异特征获得缺陷区域的缺陷类别,并对电路板进行曝光优化。
获取500张具有显影缺陷的电路板显影图像作为训练集,使用labelme工具对缺陷区域的缺陷类别进行标注,标记缺陷区域是属于异物缺陷区域或褶皱缺陷区域,计算各缺陷区域的缺陷差异特征。将缺陷区域的缺陷类别与缺陷差异特征一并纳入BP神经网络中进行训练,输出训练好的模型。
在分类缺陷类别时,将电路板显影缺陷图像中的缺陷区域的缺陷差异特征输入训练好的模型,输出缺陷类别,即为异物缺陷或者褶皱缺陷。
当检测到缺陷区域为异物缺陷时,对应清洗菲林片,移除存在的异物。当检测到缺陷区域为褶皱缺陷时,对应操作为更换菲林片,以避免后续生产的电路板由于曝光造成的电路板褶皱缺陷。
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)
1.一种用于电路板印刷的曝光优化方法,其特征在于,该方法包括以下步骤:
采集电路板显影图像;获取标准参考图像,对电路板显影图像使用MAD匹配算法与标准参考图像进行匹配,获得匹配图像块;
根据匹配图像块与标准参考图像之间的差异获得缺陷像素点;根据匹配图像块中的所有缺陷像素点获得缺陷区域;根据缺陷区域中各像素点与缺陷区域边缘上各像素点之间的距离获得电路板缺陷特征权重;划分映射方向,根据缺陷区域中所有像素点在各映射方向的灰度值获取缺陷区域在每个映射方向上的方向特征区分度;根据缺陷区域在每个映射方向上的方向特征区分度获得特征区分度序列;根据特征区分度序列获得各缺陷区域的缺陷特征清晰指数;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值获取每个像素点的电路板显影模糊系数;根据各缺陷区域中所有像素点的电路板显影模糊系数以及缺陷特征清晰指数获取各缺陷区域的缺陷差异特征;
根据缺陷差异特征获得缺陷区域的缺陷类别,结合缺陷类别对电路板进行曝光优化。
2.如权利要求1所述的一种用于电路板印刷的曝光优化方法,其特征在于,所述根据匹配图像块与标准参考图像之间的差异获得缺陷像素点,包括:
对于匹配图像块中的各像素点,计算像素点与标准参考图像中对应像素点的差值绝对值,将所述差值绝对值大于预设缺陷阈值的像素点标记为缺陷像素点。
3.如权利要求1所述的一种用于电路板印刷的曝光优化方法,其特征在于,所述根据匹配图像块中的所有缺陷像素点获得缺陷区域,包括:
对匹配图像块中的各缺陷像素点进行膨胀操作得到缺陷图像;对缺陷图像进行连通域分析,将获得的各连通域作为各缺陷区域。
4.如权利要求1所述的一种用于电路板印刷的曝光优化方法,其特征在于,所述根据缺陷区域中各像素点与缺陷区域边缘上各像素点之间的距离获得电路板缺陷特征权重,包括:
分别将缺陷区域中的各像素点记为待分析像素点;
计算待分析像素点与缺陷区域的边缘线上的各像素点之间的曼哈顿距离,获取待分析像素点的所有所述曼哈顿距离的最小值;计算所述最小值的相反数,将以自然常数为底数,以所述相反数为指数的指数函数的计算结果作为待分析像素点的电路板缺陷特征权重。
5.如权利要求4所述的一种用于电路板印刷的曝光优化方法,其特征在于,所述划分映射方向,根据缺陷区域中所有像素点在各映射方向的灰度值获取缺陷区域在每个映射方向上的方向特征区分度,包括:
在0°方向至160°方向之间每间隔20°划分一个映射方向;
使用Sobel算子计算待分析像素点的梯度幅值和梯度方向;获取以梯度方向为方向,梯度幅值为大小的灰度梯度向量;
对于各映射方向,计算待分析像素点的灰度梯度向量在各映射方向的分量,获取所述分量与待分析像素点的电路板缺陷特征权重的乘积;将缺陷区域中所有像素点的所述乘积的和值作为缺陷区域在各映射方向上的方向特征区分度。
6.如权利要求1所述的一种用于电路板印刷的曝光优化方法,其特征在于,所述根据缺陷区域在每个映射方向上的方向特征区分度获得特征区分度序列,包括:
将各缺陷区域在所有映射方向上的方向特征区分度所组成的序列作为各缺陷区域的特征区分度序列。
7.如权利要求1所述的一种用于电路板印刷的曝光优化方法,其特征在于,所述根据特征区分度序列获得各缺陷区域的缺陷特征清晰指数,包括:
将各缺陷区域的特征区分度序列中方向特征区分度最大的映射方向作为各缺陷区域的缺陷特征主方向;
对于各缺陷区域,获取缺陷区域中所有像素点的灰度值的最小值和最大值,将所述最小值和所述最大值所组成的区间平均划分为预设数量个子区间;分别将每个子区间作为一个灰度级;根据缺陷区域中所有像素点的灰度级构建缺陷区域在缺陷特征主方向上的灰度共生矩阵,将所述灰度共生矩阵的对比度作为缺陷区域的缺陷特征清晰指数。
8.如权利要求1所述的一种用于电路板印刷的曝光优化方法,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值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;获取电路板显影图像中所有像素点的灰度值均值;
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,计算像素点的灰度值与所述灰度值均值的差值绝对值,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;获取电路板显影图像中所有像素点的不同灰度值的种类数,记为灰度总量;
计算所述像素总量与灰度总量的比值,获取所述比值与待分析像素点的灰度值对应的像素点数量的比值,记为第一比值;
将第一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。
9.如权利要求1所述的一种用于电路板印刷的曝光优化方法,其特征在于,所述根据各缺陷区域中所有像素点的电路板显影模糊系数以及缺陷特征清晰指数获取各缺陷区域的缺陷差异特征,包括:
对于各缺陷区域,计算缺陷区域中所有像素点的电路板显影模糊系数的和值;将所述和值与缺陷区域的缺陷特征清晰指数的乘积作为缺陷区域的缺陷差异特征。
10.如权利要求1所述的一种用于电路板印刷的曝光优化方法,其特征在于,所述根据缺陷差异特征获得缺陷区域的缺陷类别,结合缺陷类别对电路板进行曝光优化,包括:
将预设数量张具有显影缺陷的电路板显影图像作为训练集,使用图像标注工具对电路板显影图像中的缺陷区域的缺陷类别进行标注,缺陷类别具体为异物缺陷和褶皱缺陷;将缺陷区域的缺陷类别与缺陷差异特征输入BP神经网络中进行训练,得到训练完成的BP神经网络模型;
将电路板显影缺陷图像中的缺陷区域的缺陷差异特征输入到训练完成的BP神经网络模型中,输出缺陷类别;
当缺陷类别为异物缺陷时,移除电路板的菲林片上存在的异物;当缺陷类别为褶皱缺陷时,更换电路板的菲林片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410269507.0A CN117876367B (zh) | 2024-03-11 | 一种用于电路板印刷的曝光优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410269507.0A CN117876367B (zh) | 2024-03-11 | 一种用于电路板印刷的曝光优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117876367A true CN117876367A (zh) | 2024-04-12 |
CN117876367B CN117876367B (zh) | 2024-06-07 |
Family
ID=
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972230A (zh) * | 2022-05-17 | 2022-08-30 | 武汉飞恩微电子有限公司 | 一种生产线上电路板缺陷检测方法及系统 |
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 |
CN115187590A (zh) * | 2022-09-08 | 2022-10-14 | 山东艾克赛尔机械制造有限公司 | 一种基于机器视觉的汽车零部件缺陷检测方法 |
CN115359047A (zh) * | 2022-10-19 | 2022-11-18 | 元能微电子科技南通有限公司 | 用于pcb板智能焊接的异常缺陷检测方法 |
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 |
CN116596905A (zh) * | 2023-05-29 | 2023-08-15 | 杭州垣奕信息技术发展有限公司 | 一种集成电路芯片表面缺陷检测方法 |
US20230419472A1 (en) * | 2021-11-05 | 2023-12-28 | Contemporary Amperex Technology Co., Limited | Defect detection method, device and system |
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230419472A1 (en) * | 2021-11-05 | 2023-12-28 | Contemporary Amperex Technology Co., Limited | Defect detection method, device and system |
CN114972230A (zh) * | 2022-05-17 | 2022-08-30 | 武汉飞恩微电子有限公司 | 一种生产线上电路板缺陷检测方法及系统 |
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 |
CN115187590A (zh) * | 2022-09-08 | 2022-10-14 | 山东艾克赛尔机械制造有限公司 | 一种基于机器视觉的汽车零部件缺陷检测方法 |
CN115359047A (zh) * | 2022-10-19 | 2022-11-18 | 元能微电子科技南通有限公司 | 用于pcb板智能焊接的异常缺陷检测方法 |
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 |
CN116596905A (zh) * | 2023-05-29 | 2023-08-15 | 杭州垣奕信息技术发展有限公司 | 一种集成电路芯片表面缺陷检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN109461141A (zh) | 一种工件缺胶检测方法 | |
CN111242026B (zh) | 一种基于空间层次感知模块和度量学习的遥感图像目标检测方法 | |
CN112085700B (zh) | X射线图像中焊缝区域的自动化提取方法、系统及介质 | |
CN116228780B (zh) | 基于计算机视觉的硅片缺陷检测方法及系统 | |
Lin et al. | Using convolutional neural networks for character verification on integrated circuit components of printed circuit boards | |
JP7170605B2 (ja) | 欠陥検査装置、欠陥検査方法、およびプログラム | |
CN114565552A (zh) | 光学元件表面缺陷的检测方法、装置及电子设备 | |
CN116664565A (zh) | 一种光伏太阳能电池片的隐裂检测方法及系统 | |
CN112381751A (zh) | 一种基于图像处理算法的在线智能检测系统及方法 | |
JP2006048370A (ja) | パターン認識方法、それに用いられる教示データ生成方法およびパターン認識装置 | |
CN116934752B (zh) | 一种基于人工智能的玻璃检测方法及系统 | |
Zhou et al. | Recognizing black point in wheat kernels and determining its extent using multidimensional feature extraction and a naive Bayes classifier | |
TWI822968B (zh) | 濾色器檢查裝置、檢查裝置、濾色器檢查方法及檢查方法 | |
CN117876367B (zh) | 一种用于电路板印刷的曝光优化方法 | |
CN117876367A (zh) | 一种用于电路板印刷的曝光优化方法 | |
CN115131355B (zh) | 利用电子设备数据检测防水布异常的智能方法 | |
CN115829942A (zh) | 基于非负性约束稀疏自编码器的电子电路缺陷检测方法 | |
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 | |
CN115761241A (zh) | 一种图像增强方法及其应用 | |
Annaby et al. | Defect detection methods using boolean functions and the φ-coefficient between bit-plane slices | |
Hu et al. | Printed Circuit Board (PCB) Surface Micro Defect Detection Model Based on Residual Network with Novel Attention Mechanism. | |
CN111079715B (zh) | 一种基于双字典学习的遮挡鲁棒性人脸对齐方法 | |
CN114067159A (zh) | 一种基于eus的粘膜下肿瘤细粒度分类方法 |
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 |