元件反件检测方法和系统技术方案

本发明专利技术涉及一种元件反件检测方法和系统，其中方法包括以下步骤：获取电路板上待测元件的极性区域图像和极性对称区域图像；获取所述极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量，将所述第一数量与预存的极性区域参考图像中像素值处于所述像素区间内的像素点的第一参考数量进行比较；获取所述极性对称区域图像中像素值处于所述像素值区间内的像素点的第二数量，将所述第二数量与所述极性区域参考图像中像素值处于所述像素区间内的像素点的第二参考数量进行比较；若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值，且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值，判定所述待测元件反件。

【技术实现步骤摘要】

本专利技术涉及自动光学检测
，特别是涉及一种元件反件检测方法和系统。
技术介绍
AOI(Automatic Optic Inspection，自动光学检测)，是利用光学原理对电路板焊接生产中出现的常见缺陷进行检测的设备。对于插件的电路板来说，常见的缺陷检测包括漏件检测、错件检测、反件检测、多件检测等。其中，反件检测是指对二极管、电容、插座等有极性的元件进行检测，判断其在电路板中是否存在反向的现象。目前，元件的反件检测主要采用智能方法，即利用深度学习的方法对大量样本进行训练，得到分类模型。深度学习是机器学习研究的一个新领域，其目的是模拟人脑的机制来解释数据、发现数据的分布式特征表示。不同的学习框架下建立的学习模型也是不同的。例如，卷积神经网络(Convolutional neural networks，简称CNNs)就是一种深度机器学习模型。利用卷积神经网络训练的元件极性检测分类器，虽然在元件的极性检测方面达到了比较理想的效果，但是也有其自身无法解决的缺点。首先，利用卷积神经网络训练模型时，为了提高模型的准确率、增强模型的鲁棒性，需要大量的训练样本。但是在实际过程中需要耗费大量的人力、时间采集样本；当采集较多的训练样本后，也需要耗费大量的人力和时间进行数据标注。即使如此，也很难采集到足够多的负样本。另外，利用卷积神经网络训练的元件极性检测模型，对于已知的元件拥有很高的识别率，能够达到很好的检测效果。但是对于未知的元件，即训练样本中不存在的元件，元件极性检测模型的识别率下降，经常会发生误报和漏报。综上所述，现有的元件极性检测方式检测效果较差。专利技术内容基于此，有必要针对现有的元件极性检测方式检测效果较差的问题，提供一种元件反件检测方法和系统。一种元件反件检测方法，包括以下步骤：获取电路板上待测元件的极性区域图像和极性对称区域图像；其中，极性区域为安装正确时所述待测元件的电极在所述电路板上的区域，极性对称区域为反件时所述电极在电路板上的区域；获取所述极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量，将所述第一数量与预存的极性区域参考图像中像素值处于所述像素区间内的像素点的第一参考数量进行比较；获取所述极性对称区域图像中像素值处于所述像素值区间内的像素点的第二数量，将所述第二数量与所述极性区域参考图像中像素值处于所述像素区间内的像素点的第二参考数量进行比较；若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值，且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值，判定所述待测元件反件。一种元件反件检测系统，包括：获取模块，用于获取电路板上待测元件的极性区域图像和极性对称区域图像；其中，极性区域为安装正确时所述待测元件的电极在所述电路板上的区域，极性对称区域为反件时所述电极在电路板上的区域；第一比较模块，用于获取所述极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量，将所述第一数量与预存的极性区域参考图像中像素值处于所述像素区间内的像素点的第一参考数量进行比较；第二比较模块，用于获取所述极性对称区域图像中像素值处于所述像素值区间内的像素点的第二数量，将所述第二数量与所述极性区域参考图像中像素值处于所述像素区间内的像素点的第二参考数量进行比较；判断模块，用于若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值，且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值，判定所述待测元件反件。上述元件反件检测方法和系统，通过将待测元件的极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量与极性区域参考图像中像素值处于所述像素区间内的像素点的第一参考数量进行比较，将待测元件的极性对称区域图像中像素值处于预选的像素值区间内的像素点的第二数量与极性对称区域参考图像中像素值处于所述像素区间内的像素点的第二参考数量进行比较，若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值，且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值，判定所述待测元件反件，无需大量的训练样本，只需要获取元件的极性区域和极性对称区域，操作简单，识别率高，检测效果较好。附图说明图1为一个实施例的元件反件检测方法的流程图；图2为极性区域与极性对称区域的示意图；图3为模板匹配方法的示意图；图4为一个实施例的元件反件检测系统的结构示意图。具体实施方式下面结合附图对本专利技术的元件反件检测方法和系统的实施例进行说明。图1为一个实施例的元件反件检测方法的流程图。如图1所示，所述元件反件检测方法可包括以下步骤：S1，获取电路板上待测元件的极性区域图像和极性对称区域图像；其中，极性区域为安装正确时所述待测元件的电极在所述电路板上的区域，极性对称区域为反件时所述电极在电路板上的区域；本专利技术所述的极性区域和极性对称区域的示意图如图2所示。可以先获取所述电路板的图像，再从所述电路板的图像中定位极性区域和极性对称区域，并从所述电路板的图像中分别截取所述极性区域和极性对称区域对应的图像，设为极性区域图像和极性对称区域图像。在一个实施例中，可以通过模板匹配的方法获取所述极性区域图像。模板匹配方法如图3所示。具体地，可以从所述电路板的图像中选取与所述极性区域参考图像相匹配的第一图像区域；根据所述第一图像区域与所述极性区域参考图像中各个像素点的像素值，计算所述图像区域与所述极性区域参考图像的第一像素相似度；并将第一像素相似度大于或等于预设的第一像素相似度阈值的第一图像区域设为所述极性区域图像。所述极性区域参考图像可以预先存储在系统的存储区域中，并在获取所述极性区域图像时从所述存储区域中调用。若所述第一像素相似度小于预设的第一像素相似度阈值，可以将所述电路板的图像中与所述第一图像区域相邻的区域设为所述第一图像区域，并重复计算所述第一图像区域与所述极性区域参考图像的第一像素相似度的步骤。其中，与所述第一图像区域相邻的区域是在所述电路板的图像中将所述第一图像区域向x轴和y轴分别移动若干个像素点所得的区域。在上述步骤中，每次移动的像素点可以是一个像素点，也可以是多个像素点，移动的距离可以根据实际需要设定。类似地，也可以通过模板匹配的方法获取所述极性对称区域图像。具体地，可以从所述电路板的图像中选取与所述极性对称区域参考图像相匹配的第二图像区域；根据所述第二图像区域与所述极性对称区域参考图像中各个像素点的像素值，计算所述图像区域与所述极性对称区域参考图像的第二像素相似度；并将第二像素相似度大于或等于预设的第二像素相似度阈值的第二图像区域设为所述极性对称区域图像。所述极性对称区域参考图像可以预先存储在系统的存储区域中，并在获取所述极性区域图像时从所述存储区域中调用。若所述第二像素相似度小于预设的第二像素相似度阈值，可以将所述电路板的图像中与所述第二图像区域相邻的区域设为所述第二图像区域，并重复计算所述第二图像区域与所述极性区域参考图像的第二像素相似度的步骤。其中，与所述第二图像区域相邻的区域是在所述电路板的图像中将所述第二图像区域向x轴和y轴分别移动若干个像素点所得的区域。在上述步骤中，每次移动的像素点可以是一个像素点，也可以是多个像素点，移动的距离可以根据实际需要设定。还可以根据其他方式获取所述极性区域本文档来自技高网...

【技术保护点】
一种元件反件检测方法，其特征在于，包括以下步骤：获取电路板上待测元件的极性区域图像和极性对称区域图像；其中，极性区域为安装正确时所述待测元件的电极在所述电路板上的区域，极性对称区域为反件时所述电极在电路板上的区域；获取所述极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量，将所述第一数量与预存的极性区域参考图像中像素值处于所述像素区间内的像素点的第一参考数量进行比较；获取所述极性对称区域图像中像素值处于所述像素值区间内的像素点的第二数量，将所述第二数量与所述极性区域参考图像中像素值处于所述像素区间内的像素点的第二参考数量进行比较；若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值，且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值，判定所述待测元件反件。

【技术特征摘要】
1.一种元件反件检测方法，其特征在于，包括以下步骤：获取电路板上待测元件的极性区域图像和极性对称区域图像；其中，极性区域为安装正确时所述待测元件的电极在所述电路板上的区域，极性对称区域为反件时所述电极在电路板上的区域；获取所述极性区域图像中像素值处于预选的像素值区间内的像素点的第一数量，将所述第一数量与预存的极性区域参考图像中像素值处于所述像素区间内的像素点的第一参考数量进行比较；获取所述极性对称区域图像中像素值处于所述像素值区间内的像素点的第二数量，将所述第二数量与所述极性区域参考图像中像素值处于所述像素区间内的像素点的第二参考数量进行比较；若所述第一数量与所述第一参考数量的差值大于预设的第一差值阈值，且所述第二数量与所述第二参考数量的差值小于预设的第二差值阈值，判定所述待测元件反件。2.根据权利要求1所述的元件反件检测方法，其特征在于，获取元件的极性区域图像的步骤包括：从所述电路板的图像中选取与所述极性区域参考图像相匹配的图像区域；根据所述图像区域与所述极性区域参考图像中各个像素点的像素值，计算所述图像区域与所述极性区域参考图像的像素相似度；将像素相似度大于或等于预设的像素相似度阈值的图像区域设为所述极性区域图像。3.根据权利要求2所述的元件反件检测方法，其特征在于，还包括以下：若所述相似度小于预设的相似度阈值，将所述电路板的图像中与所述图像区域相邻的区域设为所述图像区域；其中，与所述图像区域相邻的区域是在所述电路板的图像中将所述图像区域向x轴和y轴分别移动若干个像素点所得的区域。4.根据权利要求3所述的元件反件检测方法，其特征在于，计算所述图像区域与所述极性区域参考图像的像素相似度的步骤包括：根据如下公式计算所述像素相似度： R ( x , y ) = Σ x , y T ( x , y ) · I ( x , y ) Σ x , y T ( x , y ) 2 · Σ x , y I ( x , y ) 2 ...

【专利技术属性】
技术研发人员：李红匣，
申请(专利权)人：广州视源电子科技股份有限公司，
类型：发明
国别省市：广东;44