一种PCB元器件缺陷检测的方法技术

本发明专利技术提供一种PCB元器件缺陷检测的方法，该方法属于缺陷检测技术领域，包括：采集PCB图像并处理；利用训练好的神经网络对PCB板图像进行检测获取PCB图像的元器件坐标和种类信息；获取PCB图像的字符所在区域并利用字符识别网络识别PCB图像的元器件的字符信息；将检测的PCB元器件的种类信息、字符信息和字符区域信息和标准PCB元器件的种类信息、字符信息和字符区域信息对比，判断元器件是否出现缺陷。本发明专利技术能够解决解决人工目视带来的检测效率低、误检率高和电气检测带来的高成本、有损样本等问题，可以在实现PCB无损检测的同时完成高精度高效率速度快的实时检测。成高精度高效率速度快的实时检测。成高精度高效率速度快的实时检测。

【技术实现步骤摘要】
一种PCB元器件缺陷检测的方法


[0001]本专利技术涉及缺陷检测
，特别涉及一种PCB元器件缺陷检测的方法。

技术介绍

[0002]电子行业的飞速发展推动了电子科学技术和电子产品的不断更新迭代，使得PCB(Print Circuit Board)往高密度、小体积、元件数量大、种类多的方向发展。为了避免不合格的PCB电路板流入生产线或进入更深一步的制作流程而影响生产效率，人们需要对贴片后的PCB板进行缺陷检测。
[0003]传统的PCB缺陷检测方法有人工目视和电气检测，人工目视虽然操作简单只需要工人用眼检查，但其因检测效率低、误检率高、主观性较强以至于不能准确检测缺陷类型等问题已不能满足流水线生产使用；电气检测需要检测电路是否通路来对电路板是否合格做出判断，但其存在可能损坏电路板、成本较高等问题。近年来随着计算机视觉的发展，人们开始采用计算机视觉方法检测PCB元器件缺陷，特别的是使用传统图像处理，用有缺陷的PCB图像和没有缺陷的PCB图像进行模板匹配或进行信息比对以获取缺陷信息，但该方法精度低且需要一个一模一样的正常无缺陷PCB板，厂家在生产PCB板的时候，受限于经济成本原因也很难做到同样的样本生产多个来进行对比检测，此方法缺少正常板则无法做比对分析，这大大增加了成本和降低了实用性。

技术实现思路

[0004]本专利技术的目的是提供一种PCB元器件缺陷检测的方法，该方法能够解决解决人工目视带来的检测效率低、误检率高和电气检测带来的高成本、有损样本等问题，可以在实现PCB无损检测的同时完成高精度高效率速度快的实时检测。
[0005]本专利技术提供的一种PCB元器件缺陷检测的方法，包括：
[0006]采集PCB图像并处理；
[0007]利用训练好的神经网络对PCB板图像进行检测获取PCB图像的元器件坐标和种类信息；
[0008]获取PCB图像的字符所在区域并利用字符识别网络识别PCB图像的元器件的字符信息；
[0009]将检测的PCB元器件的种类信息、字符信息和字符区域信息和标准PCB元器件的种类信息、字符信息和字符区域信息对比，判断元器件是否出现缺陷。
[0010]采集PCB图像并处理包括：
[0011]采用不重叠拍摄方式用相机最小物距来采集图像，获取样本，把接收的图像统一转化为预设分辨率的图像；
[0012]对PCB样本图像采用Pytorch的Transforms模块和Opencv进行随机裁剪、翻转、旋转、提升图片对比度、添加椒盐噪声的数据增强操作。
[0013]采集PCB图像并处理之后，包括对神经网络进行训练，具体包括：
[0014]将采集的PCB样本图像分为训练集和验证集；
[0015]对Yolov5进行改进，引入空间和通道混合注意力机制CBAM，将Yolov5的backbone中的C3全部替换成CBAM，并添加小目标检测层和使用转置卷积代替最近邻插值法，将Yolov5中的聚类算法k
‑
means改成k
‑
means++，增加了图像拼接模块和分割检测模块；
[0016]对改进后的Yolov5网络进行迭代训练直至神经网络收敛。
[0017]神经网络进行训练之后，包括对采集的PCB图像进行图像拼接后，采用分割检测的方式检测PCB图像，具体包括：
[0018]对相邻的两幅局部PCB元器件图像获取其公共区域ROI，得到最佳匹配位置后计算X和Y方向需要平移的像素距离，生成拼接图像；
[0019]将经过PCB元器件图像数据集训练后得到的Yolov5神经网络，检测待测PCB元器件图像时对PCB元器件图像进行图像分割，再逐一输入到Yolov5神经网络中检测，输出元器件的候选框概率和位置信息，检测后再根据相对坐标回收所有PCB元器件图像。
[0020]获取PCB图像的字符所在区域并利用字符识别网络识别PCB图像的元器件的字符信息，包括字符坐标信息提取具体为：
[0021]使用Opencv EAST字符检测模块检测元器件中字符所在区域，截取字符所在区域的特征图片后使用Opencv对特征图片进行二值化和像素取反变白字黑底处理；
[0022]将处理后的特征图片通过膨胀和最大连通区域操作以增强字符相对于特征图片的背景的显示性；
[0023]计算增强后的非平行字符的最小边框的旋转角度，再根据角度执行仿射变换将增强后的非平行字符调整至水平状态。
[0024]获取PCB图像的字符所在区域并利用字符识别网络识别PCB图像的元器件的字符信息包括字符信息识别，具体为：
[0025]使用PPOCRLabel对PaddleOCR预测有误的字符进行纠正，同时对于一些颠倒的字符图片，纠正为旋转180度后的正向字符；
[0026]将纠正后的正向字符输入PaddleOCR网络中训练至PaddleOCR网络收敛；
[0027]将PCB图像放入训练后的PaddleOCR网络中检测，输出识别结果。
[0028]对比元器件中种类、字符和坐标信息，判断元器件是否出现缺陷包括判断电阻是否错装，具体为：
[0029]判断电阻：根据电阻存在转换公式ab*10
c
，a和b为字符中除最后一位外的所有字符，c为字符中最后一位字符，电阻检查方式为，在相同坐标下先比对种类是否为电阻，如不是，则为错装；如是，进行字符判断，如字符不一致，则为错装。
[0030]对比元器件中种类、字符和坐标信息，判断元器件是否出现缺陷包括判断电容是否错装，具体为：
[0031]判断电容：电容分为普通无字符电容和带字符电容，对于普通无字符电容，如判断普通无字符电容和普通无字符电容间是否错装，因相同电容不存在差异问题，故不需要判断，如判断普通无字符电容和其他元件是否错装，只需要比对其是否种类一样即可，如判断普通无字符电容与带字符电容是否错装，只需要比对其是否有字符；
[0032]对于带字符电容，如判断带字符电容和带字符电容间是否错装，根据电容法拉第F转换公式，电容有两个值，对于F，转换公式为ab*10
‑
c
f，ab为前两个字符，c为最后一个字符；
对于电压V，可直接进行对比，电容检查方式为，在相同坐标下先比对种类是否为电容，如不是，则为错装；如是，比对字符，如两者有一不存在字符，则为错装；如均存在字符，设置循环搜索CSV中的字符在元件中的位置，比对符合转换公式判断是否错装。
[0033]对比元器件中种类、字符和坐标信息，判断元器件是否出现缺陷包括判断芯片、二极管、电感是否错装，具体为：
[0034]判断芯片、二极管、电感：芯片、二极管和电感均是有字符的，直接将元件的字符信息与CSV中的信息进行比对，芯片、二极管、电感的检查方式为，在相同坐标下先比对种类是否为此类元器件，如不是，则为错装；如是，进行字符判断，如字符不一致，则为错装。
[0035]对比元器件中种类、字符和坐标信息，判断元器件是否出现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种PCB元器件缺陷检测的方法，其特征在于，包括：采集PCB图像并处理；利用训练好的神经网络对PCB板图像进行检测获取PCB图像的元器件坐标和种类信息；获取PCB图像的字符所在区域并利用字符识别网络识别PCB图像的元器件的字符信息；将检测的PCB元器件的种类信息、字符信息和字符区域信息和标准PCB元器件的种类信息、字符信息和字符区域信息对比，判断元器件是否出现缺陷。2.根据权利要求1所述的一种PCB元器件缺陷检测的方法，其特征在于，所述采集PCB图像并处理包括：采用不重叠拍摄方式用相机最小物距来采集图像，获取样本，把接收的图像统一转化为预设分辨率的图像；对PCB样本图像采用Pytorch的Transforms模块和Opencv进行随机裁剪、翻转、旋转、提升图片对比度、添加椒盐噪声的数据增强操作。3.根据权利要求1所述的一种PCB元器件缺陷检测的方法，其特征在于，所述采集PCB图像并处理之后，包括对神经网络进行训练，具体包括：将采集的PCB样本图像分为训练集和验证集；对Yolov5进行改进，引入空间和通道混合注意力机制CBAM，将Yolov5的backbone中的C3全部替换成CBAM，并添加小目标检测层和使用转置卷积代替最近邻插值法，将Yolov5中的聚类算法k
‑
means改成k
‑
means++，增加了图像拼接模块和分割检测模块；对改进后的Yolov5网络进行迭代训练直至神经网络收敛。4.根据权利要求3所述的一种PCB元器件缺陷检测的方法，其特征在于，所述神经网络进行训练之后，包括对采集的PCB图像进行图像拼接后，采用分割检测的方式检测PCB图像，具体包括：对相邻的两幅局部的PCB元器件图像获取其公共区域ROI，得到最佳匹配位置后计算X和Y方向需要平移的像素距离，生成拼接图像；将经过PCB元器件图像数据集训练后得到的Yolov5神经网络，检测待测PCB元器件图像时对PCB元器件图像进行图像分割，再逐一输入到Yolov5神经网络中检测，输出元器件的候选框概率和位置信息，检测后再根据相对坐标回收所有PCB元器件图像。5.根据权利要求1所述的一种PCB元器件缺陷检测的方法，其特征在于，所述获取PCB图像的字符所在区域并利用字符识别网络识别PCB图像的元器件的字符信息，包括字符坐标信息提取具体为：使用Opencv EAST字符检测模块检测元器件中字符所在区域，截取字符所在区域的特征图片后使用Opencv对特征图片进行二值化和像素取反变白字黑底处理；将处理后的特征图片通过膨胀和最大连通区域操作以增强字符相对于特征图片的背景的显示性；计算增强后的非平行字符的最小边框的旋转角度，再根据角度执行仿射变换将增强后的非平行字符调整至水平状态。6.根据权利要求1所述的一种PCB元器件缺陷检测的方法，其特征在于，...

【专利技术属性】
技术研发人员：周华锋，石智伟，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：