本发明专利技术实施例提供一种基于特征点匹配算法的极反缺陷检测方法及检测装置，属于工业视觉检测技术领域。该方法包括：首先获取PCB板的待检测图像、检测模板图像及检测模板图像中的待匹配点坐标；然后将待检测图像、检测模板图像及待匹配点坐标输入至预设神经网络，得到待匹配点在检测模板图像中的匹配点坐标；最后基于匹配点坐标与待检测图像中的第一极性标志点坐标角度判断PCB板是否存在极反缺陷，该过程操作简单，并且提高了PCB板极反检测的准确性。性。性。
【技术实现步骤摘要】
一种基于特征点匹配算法的极反缺陷检测方法及检测装置
[0001]本专利技术涉及工业视觉检测
，具体地涉及一种用于PCB板极反缺陷的判断方法、装置及电子设备。
技术介绍
[0002]目前，PCB板(Printed Circuit Board，印制电路板)中元器件的极性标志特征较小且多样，对PCB板进行极性检测通常采用传统的图像识别方式，例如在PCB模板图上对极性标志做模板，根据PCB模板图来对PCB板上的元器件图像做对比，进行缺陷判断。因此，现有技术存在需要PCB模板图较多，操作复杂，同时PCB板缺陷检测误报率较高的问题。
技术实现思路
[0003]基于此，本专利技术第一方面提供一种基于特征点匹配算法的极反缺陷检测方法，提高了PCB板极反缺陷检测的准确性，该方法包括：
[0004]获取PCB板的待检测图像、检测模板图像及检测模板图像中的待匹配点坐标；
[0005]将待检测图像、检测模板图像及待匹配点坐标输入至预设神经网络，得到待匹配点在检测模板图像中的匹配点坐标；
[0006]基于匹配点坐标与待检测图像中的第一极性标志点坐标角度判断PCB板是否存在极反缺陷。
[0007]在本专利技术实施例中，预设神经网络包括依次连接的特征提取模块、transformer模块和全连接模块；
[0008]将待检测图像、检测模板图像及待匹配点坐标输入至预设神经网络，得到待匹配点在检测模板图像中的匹配点坐标，包括：
[0009]将待检测图像和检测模板图像输入至特征提取模块进行特征提取，得到对应的待检测特征图像和检测模板特征图像；
[0010]对待检测特征图像和检测模板特征图像进行处理，得到特征映射信息；
[0011]将特征映射信息以及检测模板图像上的待匹配点坐标输入至transformer模块进行处理，得到输出信息；
[0012]将输出信息输入至全连接层得到匹配点坐标。
[0013]在本专利技术实施例中，对待检测特征图像和检测模板特征图像进行处理得到特征映射信息，包括：
[0014]将待检测特征图像和检测模板特征图像以水平方向拼接，得到拼接特征图像；
[0015]在拼接特征图像上添加待匹配点坐标的位置编码，得到特征映射信息，其中，位置编码是根据待匹配点坐标进行编码得到的。
[0016]在本专利技术实施例中，基于transformer模块对特征映射信息以及检测模板图像上的待匹配点坐标进行处理得到输出信息，包括：
[0017]将特征映射信息和待匹配点坐标输入至transformer模块的编码器中进行编码，
得到编码信息和待匹配点坐标的编码值；
[0018]将编码信息和待匹配点坐标的编码值输入至transformer模块的解码器中进行解码，得到解码信息，并将解码信息作为输出信息。
[0019]在本专利技术实施例中，基于匹配点坐标与待检测图像中的第一极性标志点坐标角度判断PCB板是否存在极反缺陷，包括：
[0020]获取待检测图像上的第一极性标志点坐标；
[0021]计算匹配点坐标与第一极性标志点坐标之间的第一角度；
[0022]获取检测模板图像上的第二极性标志点坐标；
[0023]计算待匹配点坐标与第二极性标志点坐标之间的第二角度；
[0024]判断第一角度和第二角度的角度差值是否在预设角度阈值范围内；
[0025]如果是，则PCB板不存在极反缺陷；
[0026]如果否，则PCB板存在极反缺陷。
[0027]在本专利技术实施例中，计算匹配点坐标与第一极性标志点坐标之间的第一角度，包括：
[0028]计算匹配点坐标的第一重心点坐标；
[0029]基于仿射变换将第一重心点坐标和第一极性标志点坐标转换至同一坐标系中；
[0030]连接第一重心点坐标和第一极性标志点坐标，计算第一重心点坐标和第一极性标志点坐标的连接线与横坐标轴的第一角度。
[0031]在本专利技术实施例中，计算待匹配点坐标与第二极性标志点坐标之间的第二角度，包括：
[0032]计算待匹配点坐标的第二重心点坐标；
[0033]基于仿射变换将第二重心点坐标和第二极性标志点坐标转换至同一坐标系中；
[0034]连接第二重心点坐标和第二极性标志点坐标，计算第二重心点坐标和第二极性标志点坐标的连接线与横坐标轴的第二角度。
[0035]本专利技术第二方面提供一种基于特征点匹配算法的极反缺陷检测装置，包括：
[0036]图像获取模块，获取PCB板的待检测图像、检测模板图像及检测模板图像中的待匹配点坐标；
[0037]匹配点坐标确定模块，用于将待检测图像、检测模板图像及待匹配点坐标输入至预设神经网络，得到待匹配点在检测模板图像中的匹配点坐标；
[0038]极反判断模块，用于基于匹配点坐标与待检测图像中的第一极性标志点坐标角度判断PCB板是否存在极反缺陷。
[0039]本专利技术第三方面提供一种电子设备，电子设备包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述的基于特征点匹配算法的极反缺陷检测方法。
[0040]本专利技术第四方面提供一种机器可读存储介质，机器可读存储介质上存储有指令，指令在被处理器执行时实现上述的基于特征点匹配算法的极反缺陷检测方法。
[0041]通过上述技术方案，首先获取PCB板的待检测图像、检测模板图像及待检测图像中的待匹配点坐标；然后将待检测图像、检测模板图像及待匹配点坐标输入至预设神经网络，得到待匹配点在检测模板图像中的匹配点坐标；最后基于匹配点坐标与待检测图像中的第
一极性标志点坐标角度判断PCB板是否存在极反缺陷，该过程提高了PCB板极反检测的准确性。
[0042]本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0043]附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：
[0044]图1是本专利技术实施例提供的一种基于特征点匹配算法的极反缺陷检测方法的流程示意图；
[0045]图2是本专利技术实施例提供的一种基于特征点匹配算法的极反缺陷检测装置的结构示意图；
[0046]图3是本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0047]以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本专利技术实施例。
[0048]在工业视觉检测领域，目前较多的是采用传统的图像识别方式对工业PCB板进行检测。而PCB板中元器件的极性标志特征较小且多样。在传统的图像检测方案中，常见为在检测模板图上对极性标志做模板，然后通过图像比对方式来对PCB板上的元器件图像与模板图做对比，进行缺陷检测，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于特征点匹配算法的极反缺陷检测方法，其特征在于，包括：获取PCB板的待检测图像、检测模板图像及所述检测模板图像中的待匹配点坐标；将所述待检测图像、所述检测模板图像及所述待匹配点坐标输入至预设神经网络，得到所述待匹配点在所述检测模板图像中的匹配点坐标；基于所述匹配点坐标与所述待检测图像中的第一极性标志点坐标角度判断所述PCB板是否存在极反缺陷。2.根据权利要求1所述的方法，其特征在于，所述预设神经网络包括依次连接的特征提取模块、transformer模块和全连接模块；所述将所述待检测图像、所述检测模板图像及所述待匹配点坐标输入至预设神经网络，得到所述待匹配点在所述检测模板图像中的匹配点坐标，包括：将所述待检测图像和所述检测模板图像输入至所述特征提取模块进行特征提取，得到对应的待检测特征图像和检测模板特征图像；对所述待检测特征图像和所述检测模板特征图像进行处理，得到特征映射信息；将所述特征映射信息以及所述检测模板图像上的待匹配点坐标输入至所述transformer模块进行处理，得到输出信息；将所述输出信息输入至全连接层得到所述匹配点坐标。3.根据权利要求2所述的方法，其特征在于，所述对所述待检测特征图像和所述检测模板特征图像进行处理得到特征映射信息，包括：将所述待检测特征图像和所述检测模板特征图像以水平方向拼接，得到拼接特征图像；在所述拼接特征图像上添加所述待匹配点坐标的位置编码，得到所述特征映射信息，其中，所述位置编码是根据所述待匹配点坐标进行编码得到的。4.根据权利要求2所述的方法，其特征在于，所述基于所述transformer模块对所述特征映射信息以及所述检测模板图像上的待匹配点坐标进行处理得到输出信息，包括：将所述特征映射信息和所述待匹配点坐标输入至所述transformer模块的编码器中进行编码，得到编码信息和待匹配点坐标的编码值；将所述编码信息和所述待匹配点坐标的编码值输入至所述transformer模块的解码器中进行解码，得到解码信息，并将所述解码信息作为所述输出信息。5.根据权利要求1所述的方法，其特征在于，所述基于所述匹配点坐标与所述待检测图像中的第一极性标志点坐标角度判断所述PCB板是否存在极反缺陷，包括：获取所...
【专利技术属性】
技术研发人员：王祥，占兆武，洪海敏，蔡义，陈希邦，张荣，赵金玉，
申请(专利权)人：深圳智芯微电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。