CN117911735A - 一种印刷电路板质量检测方法及系统 - Google Patents
一种印刷电路板质量检测方法及系统 Download PDFInfo
- Publication number
- CN117911735A CN117911735A CN202410322236.0A CN202410322236A CN117911735A CN 117911735 A CN117911735 A CN 117911735A CN 202410322236 A CN202410322236 A CN 202410322236A CN 117911735 A CN117911735 A CN 117911735A
- Authority
- CN
- China
- Prior art keywords
- circuit board
- defect
- printed circuit
- information
- point cloud
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 82
- 230000007547 defect Effects 0.000 claims abstract description 199
- 238000004519 manufacturing process Methods 0.000 claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000007621 cluster analysis Methods 0.000 claims abstract description 40
- 239000002346 layers by function Substances 0.000 claims abstract description 33
- 230000004927 fusion Effects 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 230000009467 reduction Effects 0.000 claims description 58
- 230000015654 memory Effects 0.000 claims description 45
- 238000009826 distribution Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 23
- 238000001914 filtration Methods 0.000 claims description 20
- 238000013461 design Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 16
- 230000000007 visual effect Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 8
- 239000010410 layer Substances 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 239000000306 component Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000000547 structure data Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- 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
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种印刷电路板质量检测方法及系统,涉及印刷电路板检测技术领域,所述方法包括:对电路板三维点云数据信息和电路板多角度图像集合进行特征融合配准,生成印刷电路板立体模型,再基于所述印刷电路板立体模型进行结构拆解,得到电路板功能层结构信息;将印刷电路板立体模型与电路板基准模型进行比对区域标记,记录电路板生产缺陷特征集合;按照电路板功能层结构信息对电路板生产缺陷特征集合进行特征聚类分析,获得电路板缺陷特征聚类分析结果进行缺陷特征值加权评估,确定印刷电路板质量检测结果。达到实现印刷电路板智能化自动质量检测,避免人为因素干扰,确保检测结果准确性和全面性,进而提高质量检测效率的技术效果。
Description
技术领域
本发明涉及印刷电路板检测技术领域,尤其涉及一种印刷电路板质量检测方法及系统。
背景技术
印刷电路板(PCB)是电子设备中不可或缺的核心组件,PCB制造质量对整个电子设备的电气性能以及稳定性和可靠性至关重要,若存在缺陷或工艺问题,可能会导致电路断路、短路、信号干扰等问题,进而影响电子设备的正常运行。因此,需确保印刷电路板质量检测满足生产可靠性标准,从而为电子设备的高效、稳定性运行提供可靠的保障。然而,现有印刷电路板质量检测智能化程度较低,检测效率低下,易受到人为因素影响,难以保证检测结果准确性。
发明内容
本申请通过提供一种印刷电路板质量检测方法及系统,解决了现有技术印刷电路板质量检测智能化程度较低,检测效率低下,易受到人为因素影响,难以保证检测结果准确性的技术问题,达到实现印刷电路板智能化自动质量检测,避免人为因素干扰,确保检测结果准确性和全面性,进而提高质量检测效率的技术效果。
鉴于上述问题,本发明提供了一种印刷电路板质量检测方法及系统。
第一方面,本申请提供了一种印刷电路板质量检测方法,所述方法包括:P1:获取印刷电路板测量模块,所述印刷电路板测量模块由激光扫描仪和视觉传感装置组成,通过所述激光扫描仪对目标印刷电路板进行立体扫描,得到电路板三维点云数据信息,同时通过视觉传感装置采集获取电路板多角度图像集合;P2:对所述电路板三维点云数据信息和所述电路板多角度图像集合进行数据预处理、特征融合配准,生成印刷电路板立体模型,基于所述印刷电路板立体模型进行结构拆解,得到电路板功能层结构信息;P3:通过印刷电路板生产系统获取电路板生产设计参数信息,根据所述电路板生产设计参数信息生成电路板基准模型,将所述印刷电路板立体模型与所述电路板基准模型进行比对区域标记,记录电路板生产缺陷特征集合;P4:按照所述电路板功能层结构信息对所述电路板生产缺陷特征集合进行特征聚类分析,获得电路板缺陷特征聚类分析结果,并基于所述电路板缺陷特征聚类分析结果进行缺陷特征值加权评估,确定印刷电路板质量检测结果。
另一方面,本申请还提供了一种印刷电路板质量检测系统,所述系统包括:印刷电路板测量模块,用于获取印刷电路板测量模块,所述印刷电路板测量模块由激光扫描仪和视觉传感装置组成,通过所述激光扫描仪对目标印刷电路板进行立体扫描,得到电路板三维点云数据信息,同时通过视觉传感装置采集获取电路板多角度图像集合;电路板立体模型生成模块,用于对所述电路板三维点云数据信息和所述电路板多角度图像集合进行数据预处理、特征融合配准,生成印刷电路板立体模型,基于所述印刷电路板立体模型进行结构拆解,得到电路板功能层结构信息;生产缺陷特征集合记录模块,用于通过印刷电路板生产系统获取电路板生产设计参数信息,根据所述电路板生产设计参数信息生成电路板基准模型,将所述印刷电路板立体模型与所述电路板基准模型进行比对区域标记,记录电路板生产缺陷特征集合;电路板质量检测结果确定模块,用于按照所述电路板功能层结构信息对所述电路板生产缺陷特征集合进行特征聚类分析,获得电路板缺陷特征聚类分析结果,并基于所述电路板缺陷特征聚类分析结果进行缺陷特征值加权评估,确定印刷电路板质量检测结果。
第三方面,本申请提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过激光扫描仪对目标印刷电路板进行立体扫描,得到电路板三维点云数据信息,同时通过视觉传感装置采集获取电路板多角度图像集合,再对所述电路板三维点云数据信息和所述电路板多角度图像集合进行数据预处理、特征融合配准,生成印刷电路板立体模型,基于所述印刷电路板立体模型进行结构拆解,得到电路板功能层结构信息;通过印刷电路板生产系统获取电路板生产设计参数信息,以此生成电路板基准模型,再将所述印刷电路板立体模型与所述电路板基准模型进行比对区域标记,记录电路板生产缺陷特征集合,按照所述电路板功能层结构信息对所述电路板生产缺陷特征集合进行特征聚类分析,获得电路板缺陷特征聚类分析结果进行缺陷特征值加权评估,确定印刷电路板质量检测结果的技术方案。进而达到实现印刷电路板智能化自动质量检测,避免人为因素干扰,确保检测结果准确性和全面性,进而提高质量检测效率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请一种印刷电路板质量检测方法的流程示意图;
图2为本申请一种印刷电路板质量检测方法中生成印刷电路板立体模型的流程示意图;
图3为本申请一种印刷电路板质量检测系统的结构示意图;
图4为本申请示例性电子设备的结构示意图。
附图标记说明:印刷电路板测量模块11,电路板立体模型生成模块12,生产缺陷特征集合记录模块13,电路板质量检测结果确定模块14,总线1110,处理器1120,收发器1130,总线接口1140,存储器1150,操作系统1151,应用程序1152和用户接口1160。
具体实施方式
在本申请的描述中,所属技术领域的技术人员应当知道,本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本申请可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行系统、装置、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例一
如图1所示,本申请提供了一种印刷电路板质量检测方法,所述方法包括:
步骤P1:获取印刷电路板测量模块,所述印刷电路板测量模块由激光扫描仪和视觉传感装置组成,通过所述激光扫描仪对目标印刷电路板进行立体扫描,得到电路板三维点云数据信息,同时通过视觉传感装置采集获取电路板多角度图像集合;
具体的,为实现印刷电路板智能化自动质量检测,布设印刷电路板测量模块,所述印刷电路板测量模块为印刷电路板的质量检测功能模块,由激光扫描仪和视觉传感装置组成,用于对印刷电路板进行全方位质量检测。其中,激光扫描仪采用激光测距技术,实现印刷电路板结构数据的高精度扫描测量,具有高可靠性、高分辨率以及快速高效的测量优点,视觉传感装置可优选高精度工业照相机等,用于对印刷电路板的生产图像进行多角度、高清晰度采集。
通过所述激光扫描仪对待生产质量检测的目标印刷电路板进行立体扫描,得到电路板三维点云数据信息,所述电路板三维点云数据信息包括点云坐标数据、表面纹理数据、几何形状位置数据以及电路板拓扑结构数据等。同时通过视觉传感装置采集获取电路板多角度图像集合,所述电路板多角度图像集合为印刷电路板的全方位视角图像,包括不同角度电路板外观结构数据。提高印刷电路板质量测量数据的获取全面性和测量精度,确保后续电路板检测模型的构建精度,进而提高电路板质量检测准确性。
步骤P2:对所述电路板三维点云数据信息和所述电路板多角度图像集合进行数据预处理、特征融合配准,生成印刷电路板立体模型,基于所述印刷电路板立体模型进行结构拆解,得到电路板功能层结构信息;
如图2所示,进一步而言,所述P2中生成印刷电路板立体模型,本申请步骤还包括:
P21:对所述电路板三维点云数据信息和所述电路板多角度图像集合进行噪声识别分类,获取数据大尺度噪声和数据小尺度噪声;
P22:获得多尺度噪声滤波规则,基于所述多尺度噪声滤波规则对所述数据大尺度噪声和数据小尺度噪声进行滤波预处理,得到去噪电路板三维点云数据信息和去噪电路板多角度图像集合;
P23:创建模型数据降维规则,基于所述模型数据降维规则对所述去噪电路板三维点云数据信息和去噪电路板多角度图像集合进行映射降维,得到标准电路板三维点云数据信息和标准电路板多角度图像集合;
P24:对所述标准电路板三维点云数据信息和标准电路板多角度图像集合进行多维特征提取、数据配准融合,生成所述印刷电路板立体模型。
进一步而言,所述P23中得到标准电路板三维点云数据信息和标准电路板多角度图像集合,本申请步骤还包括:
将所述去噪电路板三维点云数据信息和去噪电路板多角度图像集合分别与所述模型数据降维规则进行匹配映射,确定点云数据降维规则和图像数据降维规则;
获得目标模型精细度,基于所述点云数据降维规则对所述目标模型精细度进行分析,确定点云数据密度信息;
基于所述点云数据密度信息对所述去噪电路板三维点云数据信息进行增强,获得所述标准电路板三维点云数据信息;
基于所述图像数据降维规则对所述去噪电路板多角度图像集合进行分布降维处理,得到所述标准电路板多角度图像集合。
进一步而言,所述得到所述标准电路板多角度图像集合,本申请步骤还包括:
对所述去噪电路板多角度图像集合中的各图像信息进行数据相似度计算,得到基础像素相似度;
依据所述基础像素相似度构建相似度概率分布,所述相似度概率分布具体为:,其中,/>为去噪电路板多角度图像与标准电路板图像之间相似度的散度,/>为去噪电路板多角度图像中像素点/>与像素点/>的相似度概率,为标准电路板图像中关于像素点/>与像素点/>的相似度概率,/>为相似度分布接近程度的衡量指标,令/>趋于0作为约束条件进行降维处理;
基于所述相似度概率分布对所述去噪电路板多角度图像集合进行降维处理,得到所述标准电路板多角度图像集合。
具体的,对所述电路板三维点云数据信息和所述电路板多角度图像集合进行数据预处理、特征融合配准,首先对所述电路板三维点云数据信息和所述电路板多角度图像集合进行噪声识别分类,根据噪声的性质和来源,对电路板质量测量数据进行识别分类,将其分为数据大尺度噪声和数据小尺度噪声,所述数据大尺度噪声通常由遮挡、阴影等造成,数据分布特征伴随着明显的几何特征变化,如突然的形状改变或数据点的缺失,所述数据大尺度噪声则由传感器噪声、测量误差等引起,数据分布特征表现为微小的几何扰动,如数据点的微小偏移或密集的噪声点。针对大尺度噪声和小尺度噪声,常用的滤波方法也有所不同,制定多尺度噪声滤波规则,所述多尺度噪声滤波规则为依据噪声数据尺度类型进行相应滤波算法匹配,对于数据大尺度噪声,优选区域增长算法、Voxel滤波算法,对于数据小尺度噪声,优选高斯滤波、双边滤波等滤波算法。基于所述多尺度噪声滤波规则对所述数据大尺度噪声和数据小尺度噪声进行滤波预处理,得到数据噪声去除后的去噪电路板三维点云数据信息和去噪电路板多角度图像集合。实现有效抑制去除数据噪声,确保测量数据应用质量和数据可用性。
由于电路板测量数据量较大,为提高数据计算处理效率,需实现测量数据降维,降低计算复杂度。首先创建模型数据降维规则,所述模型数据降维规则为依据测量数据类型进行相应降维算法匹配,基于所述模型数据降维规则对所述去噪电路板三维点云数据信息和去噪电路板多角度图像集合进行映射降维,具体为将所述去噪电路板三维点云数据信息和去噪电路板多角度图像集合分别与所述模型数据降维规则进行匹配映射,确定点云数据降维规则和图像数据降维规则,其中,所述点云数据降维规则与所述去噪电路板三维点云数据信息匹配,用于将点云数据按照模型精细度进行降维处理,所述图像数据降维规则与所述去噪电路板多角度图像集合匹配,用于将图像数据按照数据相似度概率分布进行降维处理。
对于点云数据类型来说,首先获得目标模型精细度,所述目标模型精细度为三维模型细节的精细程度,由生产质量检测精度需求自行设置。再基于所述点云数据降维规则对所述目标模型精细度进行分析,点云数据密度和模型精细度之间的关联受实际测量多因素影响,因此通过对实际电路板三维模型精细度和点云密度拟合评估确定点云数据密度信息,所述点云数据密度信息为数据点的分布密度,点云密度越高,表面细节和几何信息越丰富,模型精细度越高。基于所述点云数据密度信息对所述去噪电路板三维点云数据信息进行增强,即将三维点云数据按照所需点云密度进行数据分布降维处理,获得降维后的标准电路板三维点云数据信息,降低点云数据计算处理复杂度。
对于图像数据类型来说,基于所述图像数据降维规则对所述去噪电路板多角度图像集合进行分布降维处理,首先对所述去噪电路板多角度图像集合中的各图像信息进行数据相似度计算,即遍历图像中每个像素点,并提取当前像素点邻域内的像素值特征,计算该像素点与邻域内其他每个像素点的相似度,组成一个相似度矩阵,作为基础像素相似度,反映去噪电路板多角度图像中各像素点之间的相似性关系,是实现概率分布降维的基础,为后续降维过程提供目标约束。再依据所述基础像素相似度构建相似度概率分布,所述相似度概率分布具体为:,其中,/>为去噪电路板多角度图像与标准电路板图像之间相似度的散度,/>为去噪电路板多角度图像中像素点/>与像素点/>的相似度概率,/>为标准电路板图像中关于像素点/>与像素点/>的相似度概率,/>为相似度分布接近程度的衡量指标,用于度量去噪电路板多角度图像与标准电路板图像的相似度分布的接近程度,令/>趋于0作为约束条件进行降维处理,KL散度越低,两个分布越接近,当KL散度为0时,表示两个分布是相同的,最小化所有数据点的KL差异和。
基于所述相似度概率分布对所述去噪电路板多角度图像集合进行降维处理,在降维过程中,每次迭代使值减小,即可得到降维后的标准电路板多角度图像集合,以保证标准电路板多角度图像的相似度分布Q不偏离去噪电路板多角度图像的相似度分布P,从而在降维的同时保持图像关键信息,最终得到相似度概率分布降维处理后的标准电路板多角度图像集合。最后对所述标准电路板三维点云数据信息和标准电路板多角度图像集合进行多维特征提取,包括坐标、曲率、颜色、纹理、边缘等特征,再通过IPC算法将电路板点云数据特征和图像数据特征对齐到同一坐标系下进行数据配准融合,融合后的数据将同时包含电路板结构几何和颜色信息,以此三维重建生成印刷电路板立体模型。所述印刷电路板立体模型用于可视化全面展示电路板生产结构信息,为后续生产缺陷识别提供模型基础,进而实现印刷电路板智能化自动质量检测。
基于所述印刷电路板立体模型进行结构拆解,即对电路板功能层结构进行解析,得到相应的电路板功能层结构信息,所述电路板功能层结构信息包括信号层、电源层、焊盘层等各功能层的组成结构、元件以及拓扑结构等信息,电路板功能层不同,相应的生产质量标准也不同,为后续印刷电路板质量评估提供结构适用性标准。
步骤P3:通过印刷电路板生产系统获取电路板生产设计参数信息,根据所述电路板生产设计参数信息生成电路板基准模型,将所述印刷电路板立体模型与所述电路板基准模型进行比对区域标记,记录电路板生产缺陷特征集合;
具体的,通过印刷电路板生产系统获取电路板生产设计参数信息,所述电路板生产设计参数信息为目标印刷电路板的标准设计参数,包括电路板层数、线宽、线间距、孔径、电路等。并根据所述电路板生产设计参数信息生成电路板基准模型,所述电路板基准模型为目标电路板的标准生产质量模型。将所述印刷电路板立体模型与所述电路板基准模型进行生产结构比对,并对不符合标准的结构区域进行缺陷特征标记,以此记录电路板生产缺陷特征集合,所述电路板生产缺陷特征集合包括各缺陷结构区域的位置、形状等特征,以用于后续印刷电路板的质量分析评估,确保检测结果准确性和全面性。
步骤P4:按照所述电路板功能层结构信息对所述电路板生产缺陷特征集合进行特征聚类分析,获得电路板缺陷特征聚类分析结果,并基于所述电路板缺陷特征聚类分析结果进行缺陷特征值加权评估,确定印刷电路板质量检测结果。
进一步而言,所述P4中获得电路板缺陷特征聚类分析结果,本申请步骤还包括:
P41:按照印刷电路板质量标准对所述电路板功能层结构信息依次进行缺陷标准量化,确定电路板结构缺陷标签集合信息;
P42:将所述电路板生产缺陷特征集合中的各缺陷特征分别与所述电路板结构缺陷标签集合信息进行映射标签化,获得电路板缺陷特征标签集合;
P43:对所述电路板生产缺陷特征集合进行框选标识,确定电路板缺陷锚框集合,基于所述电路板缺陷特征标签集合对所述电路板缺陷锚框集合进行聚类整合,得到所述电路板缺陷特征聚类分析结果。
进一步而言,所述P4中确定印刷电路板质量检测结果,本申请步骤还包括:
P44:对所述电路板缺陷特征聚类分析结果中的各缺陷特征分别进行区域微积分,获得聚类缺陷特征提取值集合;
P45:分析获取所述电路板缺陷特征聚类分析结果的缺陷特征因素因子,并基于所述缺陷特征因素因子对所述聚类缺陷特征提取值集合进行加权合并计算,获得电路板集成缺陷值信息;
P46:对所述电路板集成缺陷值信息进行质量等级划分,确定所述印刷电路板质量检测结果。
具体的,按照所述电路板功能层结构信息对所述电路板生产缺陷特征集合进行特征聚类分析,即将电路板生产缺陷特征按照电路功能层结构进行适用性分类整合。首先按照印刷电路板质量标准对所述电路板功能层结构信息依次进行缺陷标准量化,其中,所述印刷电路板质量标准根据行业生产标准以及印刷电路板客户需求共同确定。不同电路板功能层,相应的生产质量标准也不同,通过印刷电路板质量标准确定各电路板功能层结构的生产质量标准,示例性的,信号层质量标准主要包括线路的宽度、间距、布线密度、布线走向等,以确保信号传输的稳定性和可靠性;焊盘层质量标准主要包括焊盘的尺寸、形状、间距等,以确保焊接的可靠性和稳定性。并根据各电路板功能层结构的生产质量标准确定会出现的电路板结构缺陷标签集合信息,所述电路板结构缺陷标签集合信息为各电路板功能层结构的生产缺陷类型标签,示例性的,焊盘层质量缺陷标签包括焊盘脱落、焊盘尺寸过大或过小、焊盘间距不足等。
将所述电路板生产缺陷特征集合中的各缺陷特征按照电路板功能层结构分别与所述电路板结构缺陷标签集合信息进行映射标签化,获得匹配对应的电路板缺陷特征标签集合。再对所述电路板生产缺陷特征集合进行框选标识,确定电路板缺陷锚框集合,所述电路板缺陷锚框集合用于标识各生产缺陷特征的位置大小信息。基于所述电路板缺陷特征标签集合对所述电路板缺陷锚框集合进行聚类整合,即将相同类型特征标签的电路板缺陷特征聚为一类,并按照锚框位置大小进行排列,进而整合得到电路板缺陷特征聚类分析结果,以用于对缺陷特征程度进行快速评估。
进而基于所述电路板缺陷特征聚类分析结果进行缺陷特征值加权评估,即对目标电路板的生产缺陷特征进行严重程度评估,具体为对所述电路板缺陷特征聚类分析结果中的各缺陷特征分别进行区域微积分,即将各缺陷特征的区域面积大小作为该缺陷的特征提取值,进而将缺陷特征提取值按照电路板缺陷特征聚类分析结果进行相加,获得相应的聚类缺陷特征提取值集合。再分析获取所述电路板缺陷特征聚类分析结果的缺陷特征因素因子,所述缺陷特征因素因子为电路板缺陷特征聚类分析结果中各电路板缺陷特征类型的严重程度等级,通过专家组依据电路板实际生产中各缺陷类型造成的生产质量损失数据进行确定,缺陷特征因素因子越大,表明该缺陷特征类型造成的质量损失程度越大。
基于所述缺陷特征因素因子对所述聚类缺陷特征提取值集合进行加权合并计算,即将各缺陷特征因素因子与相应的聚类缺陷特征提取值集合进行加权计算,并将加权计算结果作为电路板集成缺陷值信息,用于表明目标印刷电路板的生产缺陷严重程度。进而对所述电路板集成缺陷值信息进行质量等级划分,根据印刷电路板质量标准设置电路板质量等级划分标准,再通过电路板质量等级划分标准与电路板集成缺陷值信息进行质量等级划分匹配,确定印刷电路板质量检测结果,用于表明目标电路板的生产质量等级。实现印刷电路板智能化质量检测,避免人为因素干扰,确保检测结果准确性和全面性,进而提高质量检测效率和检测精度。
进一步而言,本申请步骤还包括:
对所述印刷电路板质量检测结果进行缺陷统计,获得缺陷检测类型统计结果和缺陷检测频次统计结果;
依据所述缺陷检测类型统计结果和所述缺陷检测频次统计结果进行缺陷生成原因分析,确定电路板缺陷生成影响参数;
基于所述电路板缺陷生成影响参数对印刷电路板生产工艺进行参数优化调整。
具体的,为确保印刷电路板生产质量,对所述印刷电路板质量检测结果进行缺陷数据统计,获得缺陷检测类型统计结果和各缺陷检测类型相应的缺陷检测频次统计结果。依据所述缺陷检测类型统计结果和所述缺陷检测频次统计结果进行缺陷生成原因分析,通过与电路板生产工艺关联确定电路板缺陷生成影响参数,所述电路板缺陷生成影响参数为造成缺陷生成的生产工艺参数,示例性的,电路板基材变形和翘曲的关联生产工艺参数包括热处理温度和时间以及层压压力。基于所述电路板缺陷生成影响参数对印刷电路板生产工艺进行参数优化调整,可通过遗传算法或模拟退火算法等在解空间中进行搜索,以找到最优参数解对各生产工艺参数进行调整,例如蚀刻时间、焊接温度等,以最小化缺陷率,进而确保印刷电路板生产质量。
综上所述,本申请所提供的一种印刷电路板质量检测方法及系统具有如下技术效果:
由于采用了通过激光扫描仪对目标印刷电路板进行立体扫描,得到电路板三维点云数据信息,同时通过视觉传感装置采集获取电路板多角度图像集合,再对所述电路板三维点云数据信息和所述电路板多角度图像集合进行数据预处理、特征融合配准,生成印刷电路板立体模型,基于所述印刷电路板立体模型进行结构拆解,得到电路板功能层结构信息;通过印刷电路板生产系统获取电路板生产设计参数信息,以此生成电路板基准模型,再将所述印刷电路板立体模型与所述电路板基准模型进行比对区域标记,记录电路板生产缺陷特征集合,按照所述电路板功能层结构信息对所述电路板生产缺陷特征集合进行特征聚类分析,获得电路板缺陷特征聚类分析结果进行缺陷特征值加权评估,确定印刷电路板质量检测结果的技术方案。进而达到实现印刷电路板智能化自动质量检测,避免人为因素干扰,确保检测结果准确性和全面性,进而提高质量检测效率的技术效果。
实施例二
基于与前述实施例中一种印刷电路板质量检测方法同样发明构思,本发明还提供了一种印刷电路板质量检测系统,如图3所示,所述系统包括:
印刷电路板测量模块11,用于获取印刷电路板测量模块,所述印刷电路板测量模块由激光扫描仪和视觉传感装置组成,通过所述激光扫描仪对目标印刷电路板进行立体扫描,得到电路板三维点云数据信息,同时通过视觉传感装置采集获取电路板多角度图像集合;
电路板立体模型生成模块12,用于对所述电路板三维点云数据信息和所述电路板多角度图像集合进行数据预处理、特征融合配准,生成印刷电路板立体模型,基于所述印刷电路板立体模型进行结构拆解,得到电路板功能层结构信息;
生产缺陷特征集合记录模块13,用于通过印刷电路板生产系统获取电路板生产设计参数信息,根据所述电路板生产设计参数信息生成电路板基准模型,将所述印刷电路板立体模型与所述电路板基准模型进行比对区域标记,记录电路板生产缺陷特征集合;
电路板质量检测结果确定模块14,用于按照所述电路板功能层结构信息对所述电路板生产缺陷特征集合进行特征聚类分析,获得电路板缺陷特征聚类分析结果,并基于所述电路板缺陷特征聚类分析结果进行缺陷特征值加权评估,确定印刷电路板质量检测结果。
进一步的,所述系统还包括:
噪声识别分类单元,用于对所述电路板三维点云数据信息和所述电路板多角度图像集合进行噪声识别分类,获取数据大尺度噪声和数据小尺度噪声;
噪声滤波预处理单元,用于获得多尺度噪声滤波规则,基于所述多尺度噪声滤波规则对所述数据大尺度噪声和数据小尺度噪声进行滤波预处理,得到去噪电路板三维点云数据信息和去噪电路板多角度图像集合;
模型数据降维单元,用于创建模型数据降维规则,基于所述模型数据降维规则对所述去噪电路板三维点云数据信息和去噪电路板多角度图像集合进行映射降维,得到标准电路板三维点云数据信息和标准电路板多角度图像集合;
数据配准融合单元,用于对所述标准电路板三维点云数据信息和标准电路板多角度图像集合进行多维特征提取、数据配准融合,生成所述印刷电路板立体模型。
进一步的,所述系统还包括:
数据降维规则确定单元,用于将所述去噪电路板三维点云数据信息和去噪电路板多角度图像集合分别与所述模型数据降维规则进行匹配映射,确定点云数据降维规则和图像数据降维规则;
点云数据密度确定单元,用于获得目标模型精细度,基于所述点云数据降维规则对所述目标模型精细度进行分析,确定点云数据密度信息;
点云数据增强单元,用于基于所述点云数据密度信息对所述去噪电路板三维点云数据信息进行增强,获得所述标准电路板三维点云数据信息;
分布降维处理单元,用于基于所述图像数据降维规则对所述去噪电路板多角度图像集合进行分布降维处理,得到所述标准电路板多角度图像集合。
进一步的,所述系统还包括:
数据相似度计算单元,用于对所述去噪电路板多角度图像集合中的各图像信息进行数据相似度计算,得到基础像素相似度;
相似度概率分布单元,用于依据所述基础像素相似度构建相似度概率分布,所述相似度概率分布具体为:,其中,/>为去噪电路板多角度图像与标准电路板图像之间相似度的散度,/>为去噪电路板多角度图像中像素点/>与像素点/>的相似度概率,/>为标准电路板图像中关于像素点/>与像素点/>的相似度概率,/>为相似度分布接近程度的衡量指标,令/>趋于0作为约束条件进行降维处理;
降维处理单元,用于基于所述相似度概率分布对所述去噪电路板多角度图像集合进行降维处理,得到所述标准电路板多角度图像集合。
进一步的,所述系统还包括:
缺陷标准量化单元,用于按照印刷电路板质量标准对所述电路板功能层结构信息依次进行缺陷标准量化,确定电路板结构缺陷标签集合信息;
映射标签化单元,用于将所述电路板生产缺陷特征集合中的各缺陷特征分别与所述电路板结构缺陷标签集合信息进行映射标签化,获得电路板缺陷特征标签集合;
聚类分析结果获得单元,用于对所述电路板生产缺陷特征集合进行框选标识,确定电路板缺陷锚框集合,基于所述电路板缺陷特征标签集合对所述电路板缺陷锚框集合进行聚类整合,得到所述电路板缺陷特征聚类分析结果。
进一步的,所述系统还包括:
区域微积分单元,用于对所述电路板缺陷特征聚类分析结果中的各缺陷特征分别进行区域微积分,获得聚类缺陷特征提取值集合;
加权合并计算单元,用于分析获取所述电路板缺陷特征聚类分析结果的缺陷特征因素因子,并基于所述缺陷特征因素因子对所述聚类缺陷特征提取值集合进行加权合并计算,获得电路板集成缺陷值信息;
质量等级划分单元,用于对所述电路板集成缺陷值信息进行质量等级划分,确定所述印刷电路板质量检测结果。
进一步的,所述系统还包括:
缺陷信息统计单元,用于对所述印刷电路板质量检测结果进行缺陷统计,获得缺陷检测类型统计结果和缺陷检测频次统计结果;
缺陷生成原因分析单元,用于依据所述缺陷检测类型统计结果和所述缺陷检测频次统计结果进行缺陷生成原因分析,确定电路板缺陷生成影响参数;
参数优化调整单元,用于基于所述电路板缺陷生成影响参数对印刷电路板生产工艺进行参数优化调整。
前述图1实施例一中的一种印刷电路板质量检测方法的各种变化方式和具体实例同样适用于本实施例的一种印刷电路板质量检测系统,通过前述对一种印刷电路板质量检测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种印刷电路板质量检测系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本申请还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
示例性电子设备
具体的,参见图4所示,本申请还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本申请中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本申请中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线和存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本申请中公开的各方法、步骤和逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本申请所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件和软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本申请不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机装置的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本申请中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以和两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信装置、码分多址装置、全球微波互联接入装置、通用分组无线业务装置、宽带码分多址装置、长期演进装置、LTE频分双工装置、LTE时分双工装置、先进长期演进装置、通用移动通信装置、增强移动宽带装置、海量机器类通信装置、超可靠低时延通信装置等。
应理解,本申请中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器,或闪存。
易失性存储器包括:随机存取存储器,其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本申请描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本申请中,存储器1150存储了操作系统1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统1151包含各种装置程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务和处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器、浏览器,用于实现各种应用业务。实现本申请方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构和其他执行特定任务或实现特定抽象数据类型的计算机装置可执行指令。
此外,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请披露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种印刷电路板质量检测方法,其特征在于,所述方法包括:
P1:获取印刷电路板测量模块,所述印刷电路板测量模块由激光扫描仪和视觉传感装置组成,通过所述激光扫描仪对目标印刷电路板进行立体扫描,得到电路板三维点云数据信息,同时通过视觉传感装置采集获取电路板多角度图像集合;
P2:对所述电路板三维点云数据信息和所述电路板多角度图像集合进行数据预处理、特征融合配准,生成印刷电路板立体模型,基于所述印刷电路板立体模型进行结构拆解,得到电路板功能层结构信息;
P3:通过印刷电路板生产系统获取电路板生产设计参数信息,根据所述电路板生产设计参数信息生成电路板基准模型,将所述印刷电路板立体模型与所述电路板基准模型进行比对区域标记,记录电路板生产缺陷特征集合;
P4:按照所述电路板功能层结构信息对所述电路板生产缺陷特征集合进行特征聚类分析,获得电路板缺陷特征聚类分析结果,并基于所述电路板缺陷特征聚类分析结果进行缺陷特征值加权评估,确定印刷电路板质量检测结果。
2.如权利要求1所述的方法,其特征在于,所述P2中生成印刷电路板立体模型,包括:
P21:对所述电路板三维点云数据信息和所述电路板多角度图像集合进行噪声识别分类,获取数据大尺度噪声和数据小尺度噪声;
P22:获得多尺度噪声滤波规则,基于所述多尺度噪声滤波规则对所述数据大尺度噪声和数据小尺度噪声进行滤波预处理,得到去噪电路板三维点云数据信息和去噪电路板多角度图像集合;
P23:创建模型数据降维规则,基于所述模型数据降维规则对所述去噪电路板三维点云数据信息和去噪电路板多角度图像集合进行映射降维,得到标准电路板三维点云数据信息和标准电路板多角度图像集合;
P24:对所述标准电路板三维点云数据信息和标准电路板多角度图像集合进行多维特征提取、数据配准融合,生成所述印刷电路板立体模型。
3.如权利要求2所述的方法,其特征在于,所述P23中得到标准电路板三维点云数据信息和标准电路板多角度图像集合,包括:
将所述去噪电路板三维点云数据信息和去噪电路板多角度图像集合分别与所述模型数据降维规则进行匹配映射,确定点云数据降维规则和图像数据降维规则;
获得目标模型精细度,基于所述点云数据降维规则对所述目标模型精细度进行分析,确定点云数据密度信息;
基于所述点云数据密度信息对所述去噪电路板三维点云数据信息进行增强,获得所述标准电路板三维点云数据信息;
基于所述图像数据降维规则对所述去噪电路板多角度图像集合进行分布降维处理,得到所述标准电路板多角度图像集合。
4.如权利要求3所述的方法,其特征在于,所述得到所述标准电路板多角度图像集合,包括:
对所述去噪电路板多角度图像集合中的各图像信息进行数据相似度计算,得到基础像素相似度;
依据所述基础像素相似度构建相似度概率分布,所述相似度概率分布具体为:,其中,/>为去噪电路板多角度图像与标准电路板图像之间相似度的散度,/>为去噪电路板多角度图像中像素点/>与像素点/>的相似度概率,为标准电路板图像中关于像素点/>与像素点/>的相似度概率,/>为相似度分布接近程度的衡量指标,令/>趋于0作为约束条件进行降维处理;
基于所述相似度概率分布对所述去噪电路板多角度图像集合进行降维处理,得到所述标准电路板多角度图像集合。
5.如权利要求1所述的方法,其特征在于,所述P4中获得电路板缺陷特征聚类分析结果,包括:
P41:按照印刷电路板质量标准对所述电路板功能层结构信息依次进行缺陷标准量化,确定电路板结构缺陷标签集合信息;
P42:将所述电路板生产缺陷特征集合中的各缺陷特征分别与所述电路板结构缺陷标签集合信息进行映射标签化,获得电路板缺陷特征标签集合;
P43:对所述电路板生产缺陷特征集合进行框选标识,确定电路板缺陷锚框集合,基于所述电路板缺陷特征标签集合对所述电路板缺陷锚框集合进行聚类整合,得到所述电路板缺陷特征聚类分析结果。
6.如权利要求1所述的方法,其特征在于,所述P4中确定印刷电路板质量检测结果,包括:
P44:对所述电路板缺陷特征聚类分析结果中的各缺陷特征分别进行区域微积分,获得聚类缺陷特征提取值集合;
P45:分析获取所述电路板缺陷特征聚类分析结果的缺陷特征因素因子,并基于所述缺陷特征因素因子对所述聚类缺陷特征提取值集合进行加权合并计算,获得电路板集成缺陷值信息;
P46:对所述电路板集成缺陷值信息进行质量等级划分,确定所述印刷电路板质量检测结果。
7.如权利要求1所述的方法,其中,所述方法还包括:
对所述印刷电路板质量检测结果进行缺陷统计,获得缺陷检测类型统计结果和缺陷检测频次统计结果;
依据所述缺陷检测类型统计结果和所述缺陷检测频次统计结果进行缺陷生成原因分析,确定电路板缺陷生成影响参数;
基于所述电路板缺陷生成影响参数对印刷电路板生产工艺进行参数优化调整。
8.一种印刷电路板质量检测系统,其特征在于,用于实施权利要求1-7任意一项所述的一种印刷电路板质量检测方法,所述系统包括:
印刷电路板测量模块,用于获取印刷电路板测量模块,所述印刷电路板测量模块由激光扫描仪和视觉传感装置组成,通过所述激光扫描仪对目标印刷电路板进行立体扫描,得到电路板三维点云数据信息,同时通过视觉传感装置采集获取电路板多角度图像集合;
电路板立体模型生成模块,用于对所述电路板三维点云数据信息和所述电路板多角度图像集合进行数据预处理、特征融合配准,生成印刷电路板立体模型,基于所述印刷电路板立体模型进行结构拆解,得到电路板功能层结构信息;
生产缺陷特征集合记录模块,用于通过印刷电路板生产系统获取电路板生产设计参数信息,根据所述电路板生产设计参数信息生成电路板基准模型,将所述印刷电路板立体模型与所述电路板基准模型进行比对区域标记,记录电路板生产缺陷特征集合;
电路板质量检测结果确定模块,用于按照所述电路板功能层结构信息对所述电路板生产缺陷特征集合进行特征聚类分析,获得电路板缺陷特征聚类分析结果,并基于所述电路板缺陷特征聚类分析结果进行缺陷特征值加权评估,确定印刷电路板质量检测结果。
9.一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述的一种印刷电路板质量检测方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的一种印刷电路板质量检测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410322236.0A CN117911735B (zh) | 2024-03-20 | 2024-03-20 | 一种印刷电路板质量检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410322236.0A CN117911735B (zh) | 2024-03-20 | 2024-03-20 | 一种印刷电路板质量检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117911735A true CN117911735A (zh) | 2024-04-19 |
CN117911735B CN117911735B (zh) | 2024-05-17 |
Family
ID=90689476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410322236.0A Active CN117911735B (zh) | 2024-03-20 | 2024-03-20 | 一种印刷电路板质量检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117911735B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117129527A (zh) * | 2023-08-30 | 2023-11-28 | 江苏瑞意隆建设工程有限公司 | 一种城市道路铺设质量检测方法及系统 |
CN117147561A (zh) * | 2023-09-01 | 2023-12-01 | 平湖市五星工贸有限公司 | 用于金属拉链的表面质量检测方法及系统 |
CN117152123A (zh) * | 2023-10-12 | 2023-12-01 | 深圳正实自动化设备有限公司 | 一种用于锡膏印刷的检测定位优化方法、系统及存储介质 |
-
2024
- 2024-03-20 CN CN202410322236.0A patent/CN117911735B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117129527A (zh) * | 2023-08-30 | 2023-11-28 | 江苏瑞意隆建设工程有限公司 | 一种城市道路铺设质量检测方法及系统 |
CN117147561A (zh) * | 2023-09-01 | 2023-12-01 | 平湖市五星工贸有限公司 | 用于金属拉链的表面质量检测方法及系统 |
CN117152123A (zh) * | 2023-10-12 | 2023-12-01 | 深圳正实自动化设备有限公司 | 一种用于锡膏印刷的检测定位优化方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117911735B (zh) | 2024-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117147561B (zh) | 用于金属拉链的表面质量检测方法及系统 | |
CN115457492A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
CN114359383A (zh) | 一种图像定位方法、装置、设备以及存储介质 | |
CN113034511A (zh) | 基于高分辨率遥感影像与深度学习的乡村建筑识别算法 | |
CN115908988A (zh) | 一种缺陷检测模型生成方法、装置、设备以及存储介质 | |
CN117671303B (zh) | 基于孪生网络的立体测距隐患预警方法及系统 | |
CN111582309A (zh) | 一种生成设计版图坏点检测模型的方法及检测坏点的方法 | |
CN111582270A (zh) | 基于高精度的桥梁区域视觉靶标特征点的识别追踪方法 | |
CN113902793A (zh) | 基于单视觉遥感影像端到端建筑物高度预测方法、系统和电子设备 | |
CN113283396A (zh) | 目标对象的类别检测方法、装置、计算机设备和存储介质 | |
CN116452697B (zh) | 继发性肺结核病灶检测方法和系统 | |
CN117911735B (zh) | 一种印刷电路板质量检测方法及系统 | |
CN116205918B (zh) | 基于图卷积的多模态融合半导体检测方法、装置及介质 | |
CN111950517A (zh) | 一种目标检测方法、模型训练方法,电子设备及存储介质 | |
CN114708230B (zh) | 基于图像分析的车架质量检测方法、装置、设备及介质 | |
CN113610856B (zh) | 训练图像分割模型和图像分割的方法和装置 | |
CN113537407B (zh) | 基于机器学习的图像数据评价处理方法及装置 | |
CN113239815B (zh) | 一种基于真实语义全网络学习的遥感影像分类方法、装置及设备 | |
CN115546539A (zh) | 基于机器视觉的磁翻板液位读取方法、装置及可读介质 | |
CN114066788A (zh) | 一种平衡的实例分割数据合成方法 | |
CN114119365A (zh) | 一种应用检测方法、装置、设备及存储介质 | |
CN112146834A (zh) | 结构振动位移测量方法及装置 | |
CN117746156B (zh) | 一种智能图形识别与测量方法及系统 | |
Wang | Design and Implementation of Artificial Intelligence Image Detection System Based on Plane Features | |
Huang et al. | Joining Spatial Deformable Convolution and a Dense Feature Pyramid for Surface Defect Detection |
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 |