一种板卡缺陷识别方法及系统技术方案

本发明专利技术提供了一种板卡缺陷识别方法及系统，该方法包括获取板卡的原始检测图像与标准模板图像，并对所述原始检测图像进行图像预处理，以得到处理检测图像；对所述处理检测图像进行阈值图像分割，以得到若干分割检测图像；对若干所述分割检测图像与所述标准模板图像依次进行粗匹配与精匹配，以得到特征匹配点，并基于所述特征匹配点对若干所述分割检测图像与所述标准模板图像进行匹配点对位；基于预设特征缺陷识别算法对匹配点对位后的所述分割检测图像与所述标准模板图像进行缺陷识别，并输出对应的缺陷识别结果，本发明专利技术大幅度提升了图像匹配的精准度，以提高了板卡缺陷识别的效率以及精准度。效率以及精准度。效率以及精准度。

【技术实现步骤摘要】
一种板卡缺陷识别方法及系统


[0001]本专利技术属于图像识别的
，具体地涉及一种板卡缺陷识别方法及系统。

技术介绍

[0002]缺陷识别为图像识别的一个较为普遍的应用，而在图像识别的过程中，通常为通过给定的一个模板图像与测试图像之间对比，并在测试图像中定位相似子图的过程，而在此过程中，测试图像与模板图像之间的匹配是极为重要的，但在实际的识别过程中，测试图像与模板图像之间的匹配会存在较大的干扰，例如噪声干扰、异常点干扰、图像环境复杂以及图像旋转平移等，上述干扰会导致测试图像与模板图像之间无法实现精准匹配，进而导致缺陷识别的效率以及精准度。

技术实现思路

[0003]为了解决上述技术问题，本专利技术提供了一种板卡缺陷识别方法及系统，用于解决现有技术中存在的技术问题。
[0004]第一方面，该专利技术提供以下技术方案，一种板卡缺陷识别方法，所述方法包括：获取板卡的原始检测图像与标准模板图像，并对所述原始检测图像进行图像预处理，以得到处理检测图像；对所述处理检测图像进行阈值图像分割，以得到若干分割检测图像；对若干所述分割检测图像与所述标准模板图像依次进行粗匹配与精匹配，以得到特征匹配点，并基于所述特征匹配点对若干所述分割检测图像与所述标准模板图像进行匹配点对位；基于预设特征缺陷识别算法对匹配点对位后的所述分割检测图像与所述标准模板图像进行缺陷识别，并输出对应的缺陷识别结果。
[0005]相比现有技术，本申请的有益效果为：本申请首先获取板卡的原始检测图像与标准模板图像，并对所述原始检测图像进行图像预处理，以得到处理检测图像；之后对所述处理检测图像进行阈值图像分割，以得到若干分割检测图像；然后对若干所述分割检测图像与所述标准模板图像依次进行粗匹配与精匹配，以得到特征匹配点，并基于所述特征匹配点对若干所述分割检测图像与所述标准模板图像进行匹配点对位；最后基于预设特征缺陷识别算法对匹配点对位后的所述分割检测图像与所述标准模板图像进行缺陷识别，并输出对应的缺陷识别结果，本专利技术通过粗匹配与精匹配，可以提高分割检测图像与标准模板图像之间的匹配效率以及精准度，同时应用于旋转平移、缩放以及噪声干燥图像中，且在光照变化、噪声干扰、背景杂乱等复杂情况下仍然具有很好的鲁棒性，对比传统的匹配方法，本专利技术大幅度提升了图像匹配的精准度，以提高了板卡缺陷识别的效率以及精准度。
[0006]较佳的，所述对所述原始检测图像进行图像预处理，以得到处理检测图像的步骤包括：对所述原始检测图像依次进行图像裁切、图像去噪以及图像增强，以得到处理检
测图像。
[0007]较佳的，所述对所述处理检测图像进行阈值图像分割，以得到若干分割检测图像的步骤包括：设定分割阀值X，并基于所述分割阀值X将所述处理检测图像分割为第一分割检测图像T1与第二分割检测图像T2；分别计算所述第一分割检测图像T1与所述第二分割检测图像T2的像素分布概率：；；式中，为第一分割检测图像T1的像素分布概率，为第二分割检测图像T2的像素分布概率，为像素灰度为i的概率；基于所述像素分布概率，计算所述处理检测图像的类间方差：；式中，为处理检测图像的平均灰度值，为灰度级为0到分割阀值X的像素平均灰度值；选取所述类间方差最大时对应的分割阀值X，并基于该分割阀值X对所述处理检测图像进行分割，以得到若干分割检测图像。
[0008]较佳的，所述对若干所述分割检测图像与所述标准模板图像依次进行粗匹配与精匹配，以得到特征匹配点的步骤包括：获取所述分割检测图像与所述标准模板图像的极坐标投影向量，并对所述极坐标投影向量进行平滑增强处理，以得到检测向量与模板向量；基于所述检测向量与所述模板向量计算所述分割检测图像与所述标准模板图像的第一相似度，并基于所述第一相似度确定若干待定匹配点；计算每个所述待定匹配点的正交函数积，并计算所述分割检测图像的待定匹配点与所述标准模板图像上的待定匹配点之间的第二相似度，基于所述第二相似度确定特征匹配点。
[0009]较佳的，所述获取所述分割检测图像与所述标准模板图像的极坐标投影向量，并对所述极坐标投影向量进行平滑增强处理，以得到检测向量与模板向量的步骤包括：获取所述分割检测图像与所述标准模板图像的极坐标投影向量，对所述极坐标投影向量进行平滑处理，以得到第一平滑特征向量与第二平滑特征向量：；；式中，为分割检测图像的极坐标投影向量，为标准模板图像的极坐标
投影向量，为卷积操作，为滤波器的方差，为滤波器的当前尺寸，为滤波器的最大尺寸；对所述第一平滑特征向量与所述第二平滑特征向量进行求导增强，以得到检测向量与模板向量。
[0010]较佳的，所述基于所述检测向量与所述模板向量计算所述分割检测图像与所述标准模板图像的第一相似度，并基于所述第一相似度确定若干待定匹配点的步骤包括：基于所述检测向量与所述模板向量中的元素个数，建立距离累加矩阵，其中，为检测向量的元素个数，为模板向量的元素个数；根据所述距离累加矩阵，确定若干并同步序列，并计算每个所述对应序列的累加距离，并选取累加距离最小时对应的同步序列作为最优序列；根据所述最优序列并采用NCC匹配算法计算所述分割检测图像与所述标准模板图像的第一相似度，并将所述分割检测图像与所述标准模板图像中不小于所述第一相似度的点作为待定匹配点。
[0011]较佳的，所述计算每个所述待定匹配点的正交函数积，并计算所述分割检测图像的待定匹配点与所述标准模板图像上的待定匹配点之间的第二相似度，基于所述第二相似度确定特征匹配点的步骤包括：计算每个所述待定匹配点的正交函数积：；式中，为归一化系数，为待定匹配点，为待定匹配点的正交多项式，为待定匹配点的极径，为待定匹配点的极角；基于所述正交函数积并采用NCC匹配算法计算所述分割检测图像的待定匹配点与所述标准模板图像上的待定匹配点之间的第二相似度，并将所述待定匹配点中不小于所述第二相似度的点作为特征匹配点。
[0012]较佳的，所述基于预设特征缺陷识别算法对匹配点对位后的所述分割检测图像与所述标准模板图像进行缺陷识别，并输出对应的缺陷识别结果的步骤包括：对匹配点对位后的所述分割检测图像与所述标准模板图像中的像素点进行差影减运算，以得到所述分割检测图像上的缺陷区域以及所述标准模板图像中与所述缺陷区域对应的标准区域；提取所述缺陷区域以及所述标准区域的灰度直方图，对比所述灰度直方图的灰度等级以及各灰度等级的像素点数量，以得到第一缺陷类别结果，将所述缺陷区域以及所述标准区域转换为HSV颜色，对比所述缺陷区域以及所述标准区域的颜色特征，以得到第二缺陷类别结果，计算所述缺陷区域的最小外接矩形的矩形度，并计算所述缺陷区域的最小外接矩形与缺陷目标的区域占空比，根据所述矩形度与所述区域占空比确定第三缺陷类别结果，根据所述第一缺陷类别结果、所述第二缺陷类别结果、所述第三缺陷类别结果确定缺陷类别；将所述缺陷区域进行区块分裂，得到若干等面积的分裂子块，计算所述分裂子块
与所述标准区域的颜色直方图相似度，若所述颜色直方图相似度不大于第一阈值，则该分裂子块为缺陷子块，若所述颜色直方图相似度大于第一阈本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种板卡缺陷识别方法，其特征在于，所述方法包括：获取板卡的原始检测图像与标准模板图像，并对所述原始检测图像进行图像预处理，以得到处理检测图像；对所述处理检测图像进行阈值图像分割，以得到若干分割检测图像；对若干所述分割检测图像与所述标准模板图像依次进行粗匹配与精匹配，以得到特征匹配点，并基于所述特征匹配点对若干所述分割检测图像与所述标准模板图像进行匹配点对位；基于预设特征缺陷识别算法对匹配点对位后的所述分割检测图像与所述标准模板图像进行缺陷识别，并输出对应的缺陷识别结果。2.根据权利要求1所述的板卡缺陷识别方法，其特征在于，所述对所述原始检测图像进行图像预处理，以得到处理检测图像的步骤包括：对所述原始检测图像依次进行图像裁切、图像去噪以及图像增强，以得到处理检测图像。3.根据权利要求1所述的板卡缺陷识别方法，其特征在于，所述对所述处理检测图像进行阈值图像分割，以得到若干分割检测图像的步骤包括：设定分割阀值X，并基于所述分割阀值X将所述处理检测图像分割为第一分割检测图像T1与第二分割检测图像T2；分别计算所述第一分割检测图像T1与所述第二分割检测图像T2的像素分布概率：；；式中，为第一分割检测图像T1的像素分布概率，为第二分割检测图像T2的像素分布概率，为像素灰度为i的概率；基于所述像素分布概率，计算所述处理检测图像的类间方差：；式中，为处理检测图像的平均灰度值，为灰度级为0到分割阀值X的像素平均灰度值；选取所述类间方差最大时对应的分割阀值X，并基于该分割阀值X对所述处理检测图像进行分割，以得到若干分割检测图像。4.根据权利要求1所述的板卡缺陷识别方法，其特征在于，所述对若干所述分割检测图像与所述标准模板图像依次进行粗匹配与精匹配，以得到特征匹配点的步骤包括：获取所述分割检测图像与所述标准模板图像的极坐标投影向量，并对所述极坐标投影向量进行平滑增强处理，以得到检测向量与模板向量；基于所述检测向量与所述模板向量计算所述分割检测图像与所述标准模板图像的第一相似度，并基于所述第一相似度确定若干待定匹配点；计算每个所述待定匹配点的正交函数积，并计算所述分割检测图像的待定匹配点与所述标准模板图像上的待定匹配点之间的第二相似度，基于所述第二相似度确定特征匹配
点。5.根据权利要求4所述的板卡缺陷识别方法，其特征在于，所述获取所述分割检测图像与所述标准模板图像的极坐标投影向量，并对所述极坐标投影向量进行平滑增强处理，以得到检测向量与模板向量的步骤包括：获取所述分割检测图像与所述标准模板图像的极坐标投影向量，对所述极坐标投影向量进行平滑处理，以得到第一平滑特征向量与第二平滑特征向量：；；式中，为分割检测图像的极坐标投影向量，为标准模板图像的极坐标投影向量，为卷积操作，为滤波器的方差，为滤波器的当前尺寸，为滤波器的最大尺寸；对所述第一平滑特征向量与所述第二平滑特征向量进行求导增强，以得到检测向量与模板向量。6.根据权利要求4所述的板卡缺陷识别方法，其特征在于，所述基于所述检测向量与所述模板向量计算所述分割检测图像与所述标准模板图像的第一相似度，并基于所述第一相似度确定若干待定匹配点的步骤包括：基于所述检测向量与所述模板向量中的元素个数，建立距离累加矩阵，其中，为检测向量的元素个数，为模板向量的元素个数；根据所述距离累加矩阵，确定若干并同步序列，并计算每个所述对应序列的累加距离，并选取累加距离最小时对应的同步序列作为最优序列；根据所述最优序列并采用NCC匹配算法计算所述分割检测图像与所述标准模板图像的第一相似度，并将所述分割检测图像与所述标准模板图像中不小于所述第一相似...

【专利技术属性】
技术研发人员：祝华锋，黄伟，万姜涛，徐晓明，丁建中，田丰，
申请(专利权)人：江西萤火虫微电子科技有限公司，
类型：发明
国别省市：