基于快速几何对准的PCB表面缺陷检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于快速几何对准的PCB表面缺陷检测方法，采用机器视觉检测PCB表面缺陷，图像采集系统对待测PCB进行待测图像采集，基于快速几何对准方法进行PCB图像定位后进行缺陷识别。本发明专利技术提供一种能满足中小企业生产线检测效率要求的整机焊接检测系统平台方案设计，以低成本完成高质量焊接检测，适合中小企业检测。采用运动误差先验作为约束条件，进行快速特征点几何定位，降低误匹配和多区域分时检测，实现大面积PCB元件焊接检测。

PCB surface defect detection method and device based on fast geometric alignment

The invention discloses a PCB surface defect detection method based on fast geometric alignment. The PCB surface defect is detected by machine vision. The image acquisition system collects the image to be measured for PCB and recognizes the defect after locating the PCB image based on fast geometric alignment method. The invention provides a scheme design of the whole welding detection system platform which can meet the requirements of the detection efficiency of the production line of small and medium-sized enterprises, completes high-quality welding detection at low cost, and is suitable for the detection of small and medium-sized enterprises. Using motion error priori as constraint condition, fast geometric positioning of feature points is carried out to reduce mismatching and multi-area time-sharing detection, and large area PCB component welding detection is realized.

【技术实现步骤摘要】
基于快速几何对准的PCB表面缺陷检测方法及装置
本专利技术涉及PCB焊接缺陷检测领域，尤其涉及一种基于快速几何对准的PCB表面缺陷检测方法及装置。
技术介绍
PCB(印制电路板)作为电子产品的基础部件，是各种电器元器件的信息载体，在现代电子设备中占重要的地位。随着时代变迁，电子设备的日益普及，国内外的PCB行业都在应势发展，从生产加工到产品检修，每个环节都成为提升效率、质量，降低成本的着眼点。AOI(AutomaticOpticInspection)的全称是自动光学检测，是基于光学原理来对焊接生产中遇到的常见缺陷进行检测的设备。通过摄像头自动扫描PCB，采集图像，测试的焊点与数据库中的合格的参数进行比较，经过图像处理，检查出PCB上缺陷，并通过显示器或自动标志把缺陷显示/标示出来，供维修人员修整。AOI是新兴起的一种新型测试技术，但发展迅速，逐步成为自动生产线中PCB检测的核心技术。但目前高端的AOI设备主要由国外公司垄断且价格昂贵；多数小规模电子产品生产企业基于成本考虑，依然采用传统、落后的人工目检方式进行PCB检测。另一方面，AOI中定位算法、定位方式还存在局限性——算法计算的复杂度高、速度较慢、鲁棒性上还需要优化，检测特征点匹配可靠性差，如SURF特征点匹配算法，在用于大面积PCB焊接缺陷检测，速度较慢，且精度不高。
技术实现思路
本专利技术的目的针对中小企业研发一种低成本、高效率、高精准的基于快速几何对准的PCB表面缺陷检测方法及装置。为实现上述专利技术目的，本专利技术的技术方案是：一种基于快速几何对准的PCB表面缺陷检测方法，采用机器视觉检测PCB表面缺陷，包括如下步骤：步骤一，运动平台将待测PCB5运送至待检测区域，图像采集系统对待测PCB进行待测图像采集，并将待测图像传输至上位机；步骤二，上位机对待测图像进行预处理，采用K近邻均值滤波法进行图像平滑滤波；用加权平均法进行图像灰度化；采用直方图均衡化方法增强图像对比度，强化图像边缘，突出图像细节；步骤三，PCB图像定位三-1，从标准图像中通过SURF算法提取标准特征点；三-2，通过标定将运动平台的机械误差转换为像素误差，根据机械误差的阙值范围确定像素误差阙值范围；三-3，从待测图像中通过SURF算法提取待测特征点；三-4，通过SURF算法对标准特征点与待测特征点进行匹配，得到匹配的特征点对；三-5，计算三-4中特征点对的欧氏距离；三-6，通过三-2中像素误差对三-5中各特征点对的欧氏距离进行判定，欧氏距离不满足像素误差阙值范围的特征点对为无效匹配，满足像素误差阙值范围的特征点对为有效匹配；三＝7，将筛选出的有效匹配的特征点对采用最小二乘法计算待测图像相对标准图像的变换矩阵H：三-8，提取变换矩阵H的h2、h5确定待测图像与标准图像的相对坐标位置关系；完成待测图像中PCB的定位；步骤四，上位机用BP神经网络算法进行缺陷识别；步骤五，上位机将缺陷识别结果输出至人机界面。一种基于快速几何对准的大面积PCB表面缺陷检测方法，采用多区域分时视觉检测，完成大面积PCB表面缺陷检测；具体步骤如下：步骤Ⅰ，运动平台将大面积PCB运送至待检测区域，图像采集系统对待测大面积PCB进行分块摄像，获取多个待测分块图像，并将所有待测分块图像传输至上位机；步骤Ⅱ，上位机对待测分块图像进行预处理，采用K近邻均值滤波法进行图像平滑滤波；用加权平均法进行图像灰度化；采用直方图均衡化方法增强图像对比度，强化图像边缘，突出图像细节；步骤Ⅲ，PCB分块图像定位三-1，从标准分块图像中通过SURF算法提取标准特征点；三-2，通过标定将运动平台的机械误差转换为像素误差，根据机械误差的阙值范围确定像素误差阙值范围；三-3，从待测分块图像中通过SURF算法提取待测特征点；三-4，通过SURF算法对标准特征点与待测特征点进行匹配，得到匹配的特征点对；三-5，计算三-4中特征点对的欧氏距离；三-6，通过三-2中像素误差对三-5中各特征点对的欧氏距离进行判定，欧氏距离不满足像素误差阙值范围的特征点对为无效匹配，满足像素误差阙值范围的特征点对为有效匹配；三＝7，将筛选出的有效匹配的特征点对采用最小二乘法计算待测分块图像相对标准图像的变换矩阵H：三-8，提取变换矩阵H的h2、h5确定待测分块图像与标准分块图像的相对坐标位置关系；完成待测分块图像中PCB的定位；步骤Ⅳ，上位机用BP神经网络算法对每张待测分块图像进行缺陷识别；步骤Ⅴ，待测分块图像拼接，利用比值匹配法，选取一副待测分块图像重叠部分中间隔特定值的两列上的部分像素，将两列上的像素比值作为模板，在其它待测分块图像中搜索，最佳匹配的待测分块图像即为相邻分块；步骤Ⅵ，图像融合，根据步骤Ⅴ中拼接结果，将所有待测分块图像融合成完整的待测图像；步骤Ⅶ，上位机将缺陷识别结果输出至人机界面。一种基于快速几何对准的PCB表面缺陷检测装置，包括运动平台，运动平台包括驱动装置，驱动装置连接丝杆模块，丝杆模块上设有放置待测PCB的载件台，驱动装置通过运动控制器控制，丝杆模块在驱动装置驱动下，带动载件台在水平面内移动，运动平台上还设有检测载件台到达待测区域的传感器；包括图像采集系统，图像采集系统包括安装在运动平台上方的工业相机，工业相机安装C口镜头；图像采集系统周围安装有光源系统，光源系统包括四组LED条状漫反射光源，四组LED条状漫反射光源分别从四周的固定角度对待测PCB进行正面照射，工业相机获取清晰的图像；包括上位机，上位机连接所述运动控制器、传感器、图像采集系统、光源系统，所述上位机内设有图像处理模块。本专利技术的有益效果是：(1)本专利技术提供一种能满足中小企业生产线检测效率要求的整机焊接检测系统平台方案设计，以低成本完成高质量焊接检测，适合中小企业检测。(2)采用运动误差先验作为约束条件，进行快速特征点几何定位，降低误匹配和多区域分时检测，实现大面积PCB元件焊接检测。附图说明图1为本专利技术的整体结构示意图；图2为图像采集系统、光源系统、运动平台结构主视图；图3为大面积PCB图像采集示意图；图4为大面积PCB分块图像示意图；图5为图像拼接示意图。具体实施方式下面将结合附图对本专利技术实施例中的技术方案进行清楚、完整地描述。实施例1，一种基于快速几何对准的PCB表面缺陷检测方法，采用机器视觉检测PCB表面缺陷，包括如下步骤：步骤一，如图1、2所示的运动平台4将待测PCB5运送至待检测区域，图像采集系统2对待测PCB5进行待测图像采集，并将待测图像传输至上位机4。步骤二，上位机4对待测图像进行预处理，采用K近邻均值滤波法进行图像平滑滤波；用加权平均法进行图像灰度化；采用直方图均衡化方法增强图像对比度，强化图像边缘，突出图像细节。传统的SURF特征点匹配算法是通过计算多个匹配点对之间的比值是否满足规定阈值来进行特征点对判定，这种匹配方法简便快捷，但会产生误匹配。针对PCB焊接缺陷检测中特征点对的匹配问题，在已知机械系统运动造成误差范围的先验条件下，提出了结合距离筛选的SURF(modifiedSURF，MSURF)定位算法。在PCB焊接完成后是直接经由运动平台1将其送至待检测区域的，在这个过程中PCB基本不进行旋转而只采用平移的方式运动，故只存在平移的机械误差。算法把系统运动平台1本文档来自技高网...

【技术保护点】
1.一种基于快速几何对准的PCB表面缺陷检测方法，采用机器视觉检测PCB表面缺陷，其特征在于，包括如下步骤：步骤一，运动平台将待测PCB运送至待检测区域，图像采集系统对待测PCB进行待测图像采集，并将待测图像传输至上位机；步骤二，上位机对待测图像进行预处理，采用K近邻均值滤波法进行图像平滑滤波；用加权平均法进行图像灰度化；采用直方图均衡化方法增强图像对比度，强化图像边缘，突出图像细节；步骤三，PCB图像定位三‑1，从标准图像中通过SURF算法提取标准特征点；三‑2，通过标定将运动平台的机械误差转换为像素误差，根据机械误差的阙值范围确定像素误差阙值范围；三‑3，从待测图像中通过SURF算法提取待测特征点；三‑4，通过SURF算法对标准特征点与待测特征点进行匹配，得到匹配的特征点对；三‑5，计算三‑4中特征点对的欧氏距离；三‑6，通过三‑2中像素误差对三‑5中各特征点对的欧氏距离进行判定，欧氏距离不满足像素误差阙值范围的特征点对为无效匹配，满足像素误差阙值范围的特征点对为有效匹配；三＝7，将筛选出的有效匹配的特征点对采用最小二乘法计算待测图像相对标准图像的变换矩阵H：

【技术特征摘要】
1.一种基于快速几何对准的PCB表面缺陷检测方法，采用机器视觉检测PCB表面缺陷，其特征在于，包括如下步骤：步骤一，运动平台将待测PCB运送至待检测区域，图像采集系统对待测PCB进行待测图像采集，并将待测图像传输至上位机；步骤二，上位机对待测图像进行预处理，采用K近邻均值滤波法进行图像平滑滤波；用加权平均法进行图像灰度化；采用直方图均衡化方法增强图像对比度，强化图像边缘，突出图像细节；步骤三，PCB图像定位三-1，从标准图像中通过SURF算法提取标准特征点；三-2，通过标定将运动平台的机械误差转换为像素误差，根据机械误差的阙值范围确定像素误差阙值范围；三-3，从待测图像中通过SURF算法提取待测特征点；三-4，通过SURF算法对标准特征点与待测特征点进行匹配，得到匹配的特征点对；三-5，计算三-4中特征点对的欧氏距离；三-6，通过三-2中像素误差对三-5中各特征点对的欧氏距离进行判定，欧氏距离不满足像素误差阙值范围的特征点对为无效匹配，满足像素误差阙值范围的特征点对为有效匹配；三＝7，将筛选出的有效匹配的特征点对采用最小二乘法计算待测图像相对标准图像的变换矩阵H：三-8，提取变换矩阵H的h2、h5确定待测图像与标准图像的相对坐标位置关系；完成待测图像中PCB的定位；步骤四，上位机用BP神经网络算法进行缺陷识别；步骤五，上位机将缺陷识别结果输出至人机界面。2.一种基于快速几何对准的大面积PCB表面缺陷检测方法，其特征在于采用多区域分时视觉检测，完成大面积PCB表面缺陷检测；具体步骤如下：步骤Ⅰ，运动平台将大面积PCB运送至待检测区域，图像采集系统对待测大面积PCB进行分块摄像，获取多个待测分块图像，并将所有待测分块图像传输至上位机；步骤Ⅱ，上位机对待测分块图像进行预处理，采用K近邻均值滤波法进行图像平滑滤波；用加权平均法进行图像灰度化；采用直方图均衡化方法增强图像对比度，强化图像边缘，突出图像细节；步骤Ⅲ，PCB分块图像定位三-1，从标准分块图像中通过S...

【专利技术属性】
技术研发人员：黄靖，李俊男，陈小勇，李建兴，罗堪，刘丽桑，
申请(专利权)人：福建工程学院，
类型：发明
国别省市：福建,35