用于PCB板智能焊接的异常缺陷检测方法技术

本发明专利技术涉及数据处理技术领域，具体涉及用于PCB板智能焊接的异常缺陷检测方法，包括：采集PCB板图像以及模板图像，获取限定区域二值图像，获取PCB板图像限定区域像素点的梯度幅值，进一步筛选得到边缘点，获取PCB板图像与模板图像中每个边缘点的归一化值，得到PCB板边缘归一化图像与模板边缘归一化图像，进一步得到PCB板边缘归一化图像中每个边缘点的归一化互相关值。获取PCB板边缘归一化图像与模板边缘归一化图像中每个元器件的特征向量，计算PCB板边缘归一化图像中每个元器件的偏移指标，结合归一化互相关值与偏移指标获取匹配率，进行PCB板合格性识别。本发明专利技术计算量小，方法简单高效，排除了PCB背景板以及光照的干扰，识别结果更加准确。识别结果更加准确。识别结果更加准确。

【技术实现步骤摘要】
用于PCB板智能焊接的异常缺陷检测方法


[0001]本专利技术涉及数据处理
，具体涉及用于PCB板智能焊接的异常缺陷检测方法。

技术介绍

[0002]PCB板是电子产品的基石，是各类元器件连接成一个功能单元的载体，遍布在人们日常使用的电子产品中，电子产品的质量取决于PCB板在生产过程中的质量，若有问题的PCB板集成到电子产品上，会引发重大的安全事故，这不仅对消费者的人身安全构成了威胁，也会令生产 PCB 板的厂商遭受损失。传统的检测大多数采用人工检测和电检测的方法。
[0003]国外很多采用自动光学检测技术和采用检测涡流的方式检测出PCB中的缺陷，但是此方法的缺陷是图像中的噪声对PCB缺陷检测造成极大的干扰，影响检测结果。国内在PCB检测技术起步较晚，如在定位校准方面，柏长冰利用优化后的Hausdorff距离检测PCB板上圆孔标记。为了消除PCB板图像中的噪声，通过计算得到PCB板图像的灰度直方图，然后基于harr小波对直方图进行处理，最后利用先验概率统计得出理想的分割阈值，基于分割阈值获得二值图像。在PCB板定位方面，K.C.Lee在三点模数法的基础上提出四点定位法。在现有技术中，检测PCB的元器件移位缺陷的方法主要是通过模板匹配的方法，通过将待检测图像与模板图像进行匹配，获得元器件的偏移量，然后进行判断。但是在实现该方法的过程中通常是直接将待检测图像与标准模板进行匹配，会因为元器件的边缘与PCB板连通，获得的边缘不准确使得匹配的结果不准确。

技术实现思路

[0004]本专利技术提供用于PCB板智能焊接的异常缺陷检测方法，以解决现有的问题。
[0005]本专利技术的用于PCB板智能焊接的异常缺陷检测方法采用如下技术方案：本专利技术一个实施例提供了用于PCB板智能焊接的异常缺陷检测方法，该方法包括以下步骤：S1:采集PCB板图像以及模板图像；根据模板图像获取限定区域二值图像；S2:对PCB板图像进行边缘特征提取操作，获得PCB板边缘归一化图像以及PCB板边缘归一化图像中每个元器件的特征向量，包括：根据限定区域二值图像获取PCB板图像的限定检测区域，获取限定检测区域中每个像素点的梯度幅值，将梯度幅值大于第一预设阈值的像素点作为边缘点；获取PCB板图像中所有边缘点的最大灰度值与最小灰度值，根据PCB板图像中所有边缘点的最大灰度值与最小灰度值获取归一化上限值以及归一化下限值；根据归一化上限值、归一化下限值以及PCB板图像中每个边缘点的灰度值，获取PCB板图像中每个边缘点的归一化值；根据PCB板图像中所有边缘点的归一化值得到PCB板边缘归一化图像；根据限定区域二值图像获取PCB板边缘归一化图像中每个元器件所在的区域，根
据每个元器件所在的区域获取每个元器件的质心；计算每个元器件所在的区域内所有像素点的灰度值的标准差作为每个元器件的标准差；将每个元器件的质心与标准差组成的向量作为每个元器件的特征向量；S3:对模板图像进行边缘特征提取操作，获得模板边缘归一化图像以及模板边缘归一化图像中每个元器件的特征向量；S4:根据PCB板边缘归一化图像中每个边缘点的灰度值以及模板边缘归一化图像中每个像素点的灰度值，获取PCB板边缘归一化图像中每个边缘点的归一化互相关值；获取PCB板边缘归一化图像中每个元器件的特征向量与模板边缘归一化图像中对应的元器件的特征向量的欧式距离，作为PCB板边缘归一化图像中每个元器件的偏移指标；根据PCB板边缘归一化图像中所有边缘点的归一化互相关值以及PCB板边缘归一化图像中所有元器件的偏移指标获取匹配率，根据匹配率以及第二预设阈值识别PCB板的合格性。
[0006]优选的，所述根据模板图像获取限定区域二值图像包括：对模板图像进行阈值分割得到二值图像，对二值图像进行形态学膨胀操作得到限定区域二值图像。
[0007]优选的，所述根据限定区域二值图像获取PCB板图像的限定检测区域包括：将限定区域二值图像作为PCB板图像的遮罩，将所述遮罩与PCB板图像相乘，得到的结果中灰度值不为0的像素点为限定检测区域的像素点，所有灰度值不为0的像素点构成PCB板图像的限定检测区域。
[0008]优选的，所述根据PCB板图像中所有边缘点的最大灰度值与最小灰度值获取归一化上限值以及归一化下限值包括：将归一化上限值设为1；将PCB板图像中所有边缘点的最小灰度值与最大灰度值的比值作为归一化下限值。
[0009]优选的，所述归一化值的表达式为：其中，为PCB板图像中第个边缘点的归一化值；为PCB板图像中第个边缘点的灰度值；为归一化上限值；为归一化下限值；为PCB板图像中的边缘点中最大的灰度值；为PCB板图像中的边缘点中最小的灰度值。
[0010]优选的，所述根据PCB板图像中所有边缘点的归一化值得到PCB板边缘归一化图像包括：将PCB板图像中所有边缘点的灰度值设置为所述边缘点的归一化值，将其余像素点的灰度值设置为0，得到PCB板边缘归一化图像。
[0011]优选的，所述归一化互相关值的表达式为：其中为PCB板边缘归一化图像边缘点的归一化互相关值；
为模板边缘归一化图像中像素点的像素值；为PCB板边缘归一化图像中像素点的灰度值；为模板边缘归一化图像中像素点的局部范围内所有像素点的灰度值的均值；为PCB板边缘归一化图像中边缘点的局部范围内所有像素点的灰度值的均值。
[0012]优选的，所述匹配率的表达式为：其中为PCB板边缘归一化图像的匹配率；为自然常数；为PCB板边缘归一化图像中第个元器件的偏移指标；为PCB板边缘归一化图像中元器件的个数；为PCB板边缘归一化图像中第个边缘点的归一化互相关值；为PCB板边缘归一化图像中边缘点的个数。
[0013]优选的，所述根据匹配率以及第二预设阈值识别PCB板的合格性包括：当匹配率大于第二预设阈值时，PCB板合格，当匹配了小于等于第二预设阈值时，PCB板质量不合格。
[0014]优选的，所述根据限定区域二值图像获取PCB板边缘归一化图像中每个元器件所在的区域包括：将限定区域二值图像作为PCB板边缘归一化图像的遮罩，获取限定区域二值图像中每个连通域在PCB板边缘归一化图像中对应的区域，作为每个元器件所在的区域。
[0015]本专利技术的有益效果是：采集PCB板图像以及模板图像，获取限定区域二值图像，获取PCB板图像限定区域像素点的梯度幅值，进一步筛选得到边缘点，获取PCB板图像与模板图像中每个边缘点的归一化值，得到PCB板边缘归一化图像与模板边缘归一化图像，进一步得到PCB板边缘归一化图像中每个边缘点的归一化互相关值。获取PCB板边缘归一化图像与模板边缘归一化图像中每个元器件的特征向量，计算PCB板边缘归一化图像中每个元器件的偏移指标，结合归一化互相关值与中所有元器件的偏移指标获取匹配率，进行PCB板合格性识别。本专利技术通过获取PCB板图像限定区域像素点的梯度幅值筛选得到边缘点，排除了PCB背景板的干扰，同时计算量小。通过获取PCB板图像与模板图像中每个边缘点的归一化值排除了光照的影响。相较于现有的模板匹配方法仅考虑了像素点之间的差异外本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于PCB板智能焊接的异常缺陷检测方法，其特征在于，该方法包括以下步骤：S1:采集PCB板图像以及模板图像；根据模板图像获取限定区域二值图像；S2:对PCB板图像进行边缘特征提取操作，获得PCB板边缘归一化图像以及PCB板边缘归一化图像中每个元器件的特征向量，包括：根据限定区域二值图像获取PCB板图像的限定检测区域，获取限定检测区域中每个像素点的梯度幅值，将梯度幅值大于第一预设阈值的像素点作为边缘点；获取PCB板图像中所有边缘点的最大灰度值与最小灰度值，根据PCB板图像中所有边缘点的最大灰度值与最小灰度值获取归一化上限值以及归一化下限值；根据归一化上限值、归一化下限值以及PCB板图像中每个边缘点的灰度值，获取PCB板图像中每个边缘点的归一化值；根据PCB板图像中所有边缘点的归一化值得到PCB板边缘归一化图像；根据限定区域二值图像获取PCB板边缘归一化图像中每个元器件所在的区域，根据每个元器件所在的区域获取每个元器件的质心；计算每个元器件所在的区域内所有像素点的灰度值的标准差作为每个元器件的标准差；将每个元器件的质心与标准差组成的向量作为每个元器件的特征向量；S3:对模板图像进行边缘特征提取操作，获得模板边缘归一化图像以及模板边缘归一化图像中每个元器件的特征向量；S4:根据PCB板边缘归一化图像中每个边缘点的灰度值以及模板边缘归一化图像中每个像素点的灰度值，获取PCB板边缘归一化图像中每个边缘点的归一化互相关值；获取PCB板边缘归一化图像中每个元器件的特征向量与模板边缘归一化图像中对应的元器件的特征向量的欧式距离，作为PCB板边缘归一化图像中每个元器件的偏移指标；根据PCB板边缘归一化图像中所有边缘点的归一化互相关值以及PCB板边缘归一化图像中所有元器件的偏移指标获取匹配率，根据匹配率以及第二预设阈值识别PCB板的合格性。2.根据权利要求1所述的用于PCB板智能焊接的异常缺陷检测方法，其特征在于，所述根据模板图像获取限定区域二值图像包括：对模板图像进行阈值分割得到二值图像，对二值图像进行形态学膨胀操作得到限定区域二值图像。3.根据权利要求1所述的用于PCB板智能焊接的异常缺陷检测方法，其特征在于，所述根据限定区域二值图像获取PCB板图像的限定检测区域包括：将限定区域二值图像作为PCB板图像的遮罩，将所述遮罩与PCB板图像相乘，得到的结果中灰度值不为0的像素点为限定检测区域的像素点，所有灰度值不为0的像素点构成PCB板图像的限定检测区域。4.根据权利要...

【专利技术属性】
技术研发人员：王世贤，戴军，
申请(专利权)人：元能微电子科技南通有限公司，
类型：发明
国别省市：