一种基于多尺度网格化的覆铜板表面缺陷检测方法技术

本发明专利技术提供了一种基于多尺度网格化的覆铜板表面缺陷检测方法，包括S1，通过线扫相机收集拍摄好的覆铜板图像；S2，分割覆铜区和非覆铜区，将覆铜区旋转至正；S3，根据设定的网格参数，对图像覆铜区进行划分，并对划分出来的原始网格图进行金字塔操作；S4，计算原始网格图以及各层金字塔网格图的均值；S5，通过均值退化系数，融合原始网格图以及各层金字塔网格图的均值，得出最终背景均值，通过背景前景差异，检出缺陷；S6，对缺陷进行分类。本发明专利技术在减少运算量的同时，又保留了背景的局部信息，既提升了检测速度，又保证了精度的稳定。这在对材料有需要进行高速检测的时候，有良好的检测效果。效果。效果。

【技术实现步骤摘要】
一种基于多尺度网格化的覆铜板表面缺陷检测方法


[0001]本专利技术涉及一种基于多尺度网格化的覆铜板表面缺陷检测方法。

技术介绍

[0002]覆铜板作为印刷电路板的核心材料，其主要对印刷电路板起到互连导通，绝缘等作用，以至于对电路中的信号传输有比较大的影响。由覆铜板制作后的电路板，又被广泛应用于通信、医疗、军事、半导体等行业，几乎涉及了所有电子信息产品。所以覆铜板作为源头材料，其质量的好坏直接影响到了后期各个行业的发展。
[0003]覆铜板工艺产线中的质检方式，传统是通过人工视察材料表面的方式来定位缺陷，而缺陷的种类比较多，如划伤、脏污、黑点、白点、气泡等。但是，具有以下缺点：1.由于材料表面的属性问题，有些微弱的缺陷人的肉眼不一定能很好的觉察。2.材料相对较大，工人在寻找缺陷的时候需要对材料进行旋转，翻面等操作，而这些操作会造成对材料的二次伤害。3.人的精力是有限的，导致即使出现缺陷也没有察觉。4.过多的人力成本 5.都会导致产线运行效率低下。
[0004]目前，也有相关视觉对覆铜板质检的应用：通过视觉成像，逐个计算图像中覆铜板局部区域均值来作为板面背景，当板面上有缺陷的时候，由于灰度差的关系，缺陷至此被检出。如此，由于均值计算受到整块区域的影响，当缺陷的大小占比整个局部区域比较大的时候，均值计算的背景几乎都是缺陷的灰阶值，导致缺陷无法正常检出。而且该种方式由于逐像素滑动窗口做均值，当检测目标比较大时，非常耗时。

技术实现思路

[0005]本专利技术的目的是提供一种基于多尺度网格化的覆铜板表面缺陷检测方法，对于覆铜板表面缺陷，尽管不同缺陷的大小不同，相比于以往的覆铜板质检的视觉检测，速度更快，鲁棒性更高。为此，本专利技术采用以下技术方案：一种基于多尺度网格化的覆铜板表面缺陷检测方法，其特征在于，包括以下步骤：S1，通过线扫相机收集拍摄好的覆铜板图像；S2，分割覆铜区和非覆铜区，将覆铜区旋转至正；S3，根据设定的网格参数，对图像覆铜区进行划分， 并对划分出来的原始网格图进行金字塔操作；所述参数包括：原始网格图的宽，原始网格图的高，金字塔层级数量N，各层金字塔网格缩放系数，为金字塔网格层索引，均值退化系数V，其中，均值退化系数的选定取决于层数数量N；S4，计算原始网格图以及各层金字塔网格图的均值；S5，通过均值退化系数，融合原始网格图以及各层金字塔网格图的均值，得出最终背景均值，通过背景前景差异，检出缺陷；S6，对缺陷进行分类。
[0006]进一步地，步骤S2具体为：S2.1针对每张图片，通过阈值求解的方式，分离覆铜区和非覆铜区；阈值求解通过基于直方图的前后背景分割方式；S2.2 分割完成之后，通过比对轮廓大小，筛选出覆铜区域，公式如下：，其中为目标轮廓，为选取出来的待比较轮廓，为轮廓的索引，为总共的轮廓数量，max为选取最大轮廓；S2.3 提取完轮廓后，采用最小外接矩形算法确定覆铜区实际的方位状态，即轮廓是“正”矩形还是非“正”矩形，以及轮廓在图像中所处的位置；在得到轮廓角度和中心位置之后，通过建立仿射变换矩阵，将图像进行旋转平移，覆铜区此时将被旋转到“正”位，后续将覆铜区从图像中抠出，以便后续进行视觉瑕疵检测。所述“正”，表示以笛卡尔为坐标参考系， 矩形其中一条边与x轴的夹角为0度。
[0007]进一步地，以为原始网格图的宽，为原始网格图的高，将覆铜区划分K 个原始网格图， 针对每个原始网格图，进行金字塔操作；金字塔层数 , 为每一层金字塔网格图的宽，为每一层金字塔网格图的高，金字塔层数的设定受限于金字塔网格图的宽高，当宽或高超过5的时候，层数被强制设置为1，并且停止金字塔操作， 否则以为缩放系数，为大于0，小于1的系数，为金字塔网格层的索引；将原始网格图缩放至N层；均值退化系数V的计算依赖于层数N，为层数N的倒数。
[0008]进一步地，步骤S4中，对K * N 张图片进行4点插值平均算法，公式如下;
[0009]上述公式中，为金字塔网格图的四个顶点，表示不同顶点的像素值，分别表示顶点的x和y值；=1,2,3,4；K为原始网格图数，N为层数；
通过上述计算，所有原始网格图以及金字塔网格图都拥有一个背景值。
[0010]进一步地，步骤S5中，抽取原始网格图以及金字塔网格图的背景值，将这些背景值乘以退化系数并进行累加，得到最终背景值；公式如下：，上式中，avg为最终背景值，为每层的均值，V为均值退化系数，为金字塔网格层索引。
[0011]创建跟原始网格图一样大小的空图，并以avg为值，填满整个空图，形成缺陷背景图，将形成缺陷背景图与原始网格图做差分，设定黑白缺陷灰阶容差，检出缺陷。
[0012]进一步地，本专利技术使用基于深度学习模型mobileNetV2作为迁移模型；所述迁移模型的网络迁移结构，由倒残差结构，金字塔结构，沙漏模块和分类模块组成；其中沙漏模块的搭建，又依赖于3种类型的子模块，每个子模块的建立通过不同的网络层进行连接，分别是：子模块1：扩维层，归一化层，relu6 激活函数层子模块2：深度分离层，归一化层，relu6 激活函数层子模块3：降维层，归一化层；所述残差结构指沙漏结构的输入特征跟输出特征做element wise add操作，用于将特征进行融合，而分类层则是在网络尾端继续套接两个全连接层，根据缺陷种类做flatten处理。
[0013]进一步地，所述步骤S6具体为：6.1.1）首先对输入的图像与一个卷积层进行串联，开始第一层的特征提取；6.1.2）将3个子模块形成沙漏结构，同时将不同数量的沙漏结构串联成倒残差结构。用于获取不同维度的特征以及不会出现过大的参数量；6.1.3）网络末端进行一个跳连接金字塔操作。 使得特征信息在抽象的同时，又保证不会抽象过多而丢失信息；6.2）收集缺陷样本数据，并对这些数据进行类别标注，将这些预处理好的数据送入网络进行训练，网络将根据设定的损失函数来调整最终的输出；所用的损失函数定义为：，其中为预测值，为真实的标签类别, 为类别个数，n为类别索引。当越小，说明括号内概率越大，也就表明样本在真实类别上的概率越大；6.3）在训练完成之后，模型将被部署在实际运行环境，当有缺陷被正常检出时， 该缺陷会被送入网络进行分类。 达到了最后的缺陷分类效果。
[0014]在对缺陷进行检测的时候，获取到的视觉图片受制于精度要求，数据量往往会比较大，采用本专利技术的方案，由于背景的制作不再需要对整块网格或者以滑动窗口的方式进行均值计算，通过使用上述提出的技术流程，在减少运算量的同时，又保留了背景的局部信息。既提升了检测速度，又保证了精度的稳定。这在对材料有需要进行高速检测的时候，有良好的检测效果。
附图说明
[0015]图1为本专利技术检测方法的流程图。
[0016]图2为分割覆铜区和非覆铜区的直方图。
[0017]图3
‑
1和图3
‑
2分别为像素步距图和原始网格图的划分。
[0018]图4为网格金字塔网格图的制作过程图。
[0019]图5为4点插值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度网格化的覆铜板表面缺陷检测方法，其特征在于，包括以下步骤：S1，通过线扫相机收集拍摄好的覆铜板图像；S2，分割覆铜区和非覆铜区，将覆铜区旋转至正；S3，根据设定的网格参数，对图像覆铜区进行划分， 并对划分出来的原始网格图进行金字塔操作；所述参数包括：原始网格图的宽，原始网格图的高，金字塔层级数量N，各层金字塔网格缩放系数 ，为金字塔网格层索引，均值退化系数V，其中，均值退化系数的选定取决于层数数量N；S4，计算原始网格图以及各层金字塔网格图的均值；S5，通过均值退化系数，融合原始网格图以及各层金字塔网格图的均值，得出最终背景均值，通过背景前景差异，检出缺陷；S6，对缺陷进行分类。2.如权利要求1所述的一种基于多尺度网格化的覆铜板表面缺陷检测方法，其特征在于，步骤S2具体为：S2.1针对每张图片，通过阈值求解的方式，分离覆铜区和非覆铜区；阈值求解通过基于直方图的前后背景分割方式；S2.2 分割完成之后，通过比对轮廓大小，筛选出覆铜区域，公式如下：，其中为目标轮廓，为选取出来的待比较轮廓，为轮廓的索引，为总共的轮廓数量，max为选取最大轮廓；S2.3 提取完轮廓后，采用最小外接矩形算法确定覆铜区实际的方位状态，即轮廓是“正”矩形还是非“正”矩形，以及轮廓在图像中所处的位置；在得到轮廓角度和中心位置之后，通过建立仿射变换矩阵，将图像进行旋转平移，覆铜区此时将被旋转到“正”位，后续将覆铜区从图像中抠出，以便后续进行视觉瑕疵检测。3.如权利要求1所述的一种基于多尺度网格化的覆铜板表面缺陷检测方法，其特征在于，以为原始网格图的宽，为原始网格图的高，将覆铜区划分K 个原始网格图， 针对每个原始网格图，进行金字塔操作；金字塔层数 , 为每一层金字塔网格图的宽，为每一层金字塔网格图的高，金字塔层数的设定受限于金字塔网格图的宽高，当宽或高超过5的时候，层数被强制设置为1，并且停止金字塔操作， 否则以为缩放系数，为大于0，小于1的系数，为金字塔网格层的索引；将原始网格图缩放至N层；均值退化系数V的计算依赖于层数N，为层数N的倒数。
4.权利要求1所述的一种基于多尺度网格化的覆铜板表面缺陷检测方法，其特征在于，步骤S4中，对K * N 张图片进行4点插值平均算法，公式如下;，上述公式中，为金字塔网格图的四个顶点，表示不同顶点的像素值，分别表示顶点的x和y值；=1,2,3,4；K为...

【专利技术属性】
技术研发人员：葛铭，马露野，魏江，沈井学，
申请(专利权)人：杭州百子尖科技股份有限公司，
类型：发明
国别省市：