基于视觉辅助的印制线路板质量智能检测方法技术

本发明专利技术涉及

【技术实现步骤摘要】
基于视觉辅助的印制线路板质量智能检测方法


[0001]本专利技术涉及
PCB
缺陷检测
，具体涉及一种基于视觉辅助的印制线路板质量智能检测方法
。

技术介绍

[0002]印制线路板是电子产品中常用的一种电路板，质量好的
PCB
可以确保电子产品正常可靠工作；在生产过程中不可避免产生碰撞导致划痕等缺陷，在对缺陷进行检测时，需要对
PCB
进行图像分割，将目标区域与背景区分开来，通过在检
PCB
目标区域与正常
PCB
的对比来评定产品质量；但由于受到光照等因素影响，导致无法对目标区域进行有效识别
。
[0003]在现有技术中，采用伽马增强算法时，设定固定的伽马值对图像的亮度和对比度进行调节，实现图像增强以消除光照影响
。
但伽马值过大时，原本隐藏在暗区域的噪点或者细微的图像缺陷可能会被放大；当伽马值过小时，又有可能造成图像必要细节的丢失，导致图像增强的效果较差，未能准确的检测出缺陷
。

技术实现思路

[0004]为了解决未确定合适的伽马值导致图像的增强效果较差，缺陷检测不准确的技术问题，本专利技术的目的在于提供一种基于视觉辅助的印制线路板质量智能检测方法，所采用的技术方案具体如下：本专利技术提出了一种基于视觉辅助的印制线路板质量智能检测方法，所述方法包括：获取待测
PCB
灰度图像；对所述待测
PCB
灰度图像进行分块处理，获得待测
>PCB
灰度图像的图像分块；根据每个图像分块中每个像素点的灰度特征获得每个图像分块的初始反光影响程度；根据每个图像分块中每个像素点与对应不同预设方向上其他每个像素点在预设不同邻域范围内的灰度分布特征获得每个像素点位于焊盘区域的可能性；根据每个图像分块的所述初始反光影响程度和每个像素点位于焊盘区域的所述可能性获得每个图像分块的优化反光影响程度；根据每个图像分块的整体灰度值和对应不同预设方向上所有图像分块的整体灰度值的分布特征获得每个图像分块的扩散性约束；根据每个图像分块的所述优化反光影响程度和所述扩散性约束获得每个图像分块的加权反光影响程度；获取每个图像分块的预设伽马值，根据每个图像分块所述加权反光影响程度对预设伽马值进行调整，获得优化伽马值；根据每个图像分块的所述优化伽马值和每个像素点的灰度值获得每个图像分块中每个像素点的灰度输出值，获得优化
PCB
灰度图像；根据所述优化
PCB
灰度图像对待测
PCB
板进行缺陷检测
。
[0005]进一步地，所述初始反光影响程度的获取方法包括：以第个图像分块为例，根据初始反光影响程度的获取公式获得初始反光影响程
度，初始反光影响程度的获取公式为：；其中，表示第个图像分块的反光影响程度；表示第个图像分块中第个像素点的灰度值；表示第个图像分块中所有像素点的灰度均值；表示第个图像分块中所有像素点的数量；表示归一化函数；表示以自然常数为底数的指数函数
。
[0006]进一步地，所述可能性的获取方法包括：计算每个图像分块中每个像素点与预设方向上其他每个像素点对应方向上的预设不同邻域范围内的灰度值方差，作为每个像素点在不同预设方向上预设不同邻域范围内的灰度分布特征；取最小的所述灰度分布特征对应的邻域范围，作为每个图像分块中每个像素点对应的参考范围；以第个图像分块为例，根据可能性的获取公式获得可能性，可能性的获取公式为：；其中，表示第个图像分块中第个像素点在焊盘区域的可能性；表示第个图像分块中第个像素点对应的参考范围大小；表示第个图像分块中第个像素点对应的参考范围之外，其他最小的灰度分布特征的邻域范围对应的像素点的序号；表示第个像素点的参考范围大小；表示最小值公式；为第个图像分块中第个像素点的灰度值；表示第个图像分块中第个像素点参考范围之外其他第个像素点的灰度值；表示归一化函数
。
[0007]进一步地，所述优化反光影响程度的获取方法包括：以第个图像分块为例，根据优化反光影响程度的获取方法获得优化反光影响程度，优化反光影响程度的获取公式为：；其中，表示第个图像分块的优化反光影响程度；表示第个图像分块中第个像素点的灰度值；表示第个图像分块中所有像素点的灰度均值；表示第个图像分块中所有像素点的数量；表示归一化函数；表示指数函数；表示第个图像分块中第个像素点在焊盘区域的可能性
。
[0008]进一步地，所述扩散性约束的获取方法包括：对每个图像分块所有像素点的灰度值求均值，获得每个图像分块的整体灰度值；计算每个图像分块对应行或列上所有图像分块的所述整体灰度值的方差，作为整
体灰度值的分布特征；将每个图像分块的所述整体灰度值进行归一化，作为归一化灰度值；根据所述归一化灰度值和所述整体灰度值的分布特征获得每个图像分块的扩散性约束；所述归一化灰度值和所述整体灰度值的分布特征均与所述扩散性约束为正相关关系
。
[0009]进一步地，所述加权反光影响程度的获取方法包括：计算每个图像分块的所述优化反光影响程度和所述扩散性约束的乘积，获得每个图像分块的加权反光影响程度
。
[0010]进一步地，所述优化伽马值的获取方法包括：计算每个图像分块的所述加权反光影响程度与预设常数之和，作为伽马值调整系数；计算所述预设伽马值和所述伽马值调整系数的乘积，获得优化伽马值
。
[0011]进一步地，所述灰度输出值的获取方法包括：根据灰度输出值的获取公式获得灰度输出值，灰度输出值的获取公式为：；其中，表示每个图像分块中每个像素点的灰度值；表示每个图像分块中每个像素点的灰度输出值；
c
表示灰度缩放系数；表示第个图像分块的优化伽马值
。
[0012]进一步地，所述根据所述优化
PCB
灰度图像对待测
PCB
板进行缺陷检测包括：对所述优化
PCB
灰度图像采用阈值分割算法获得优化
PCB
灰度图像的目标检测区域；采用参考法对优化
PCB
灰度图像的所述目标检测区域进行缺陷检测
。
[0013]进一步地，所述预设伽马值的取值为
7。
[0014]本专利技术具有如下有益效果：本专利技术通过根据每个图像分块中每个像素点的灰度值变化特征获得每个图像分块的初始反光影响程度，分析每个图像分块受到光照影响的程度；根据每个图像分块中每个像素点与对应不同预设方向上其他每个像素点在预设不同邻域范围内的灰度分布特征获得每个像素点位于焊盘区域的可能性，更准确地确定焊盘的位置和大小，提高识别精度；结合获得每个图像分块的优化反光影响程度；考虑反光区域的扩散性特征，根据每个图像分块的整体灰度值和对应不同预设方向上所有图像分块的整体灰度值的分布特征获得每个图像分块的扩散性约束，通过对图像分块的整体灰度值进行分析，可以了解图像分块的亮度分布，从而更好地约束反光的影响；进而获得每个图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于视觉辅助的印制线路板质量智能检测方法，其特征在于，所述方法包括：获取待测
PCB
灰度图像；对所述待测
PCB
灰度图像进行分块处理，获得待测
PCB
灰度图像的图像分块；根据每个图像分块中每个像素点的灰度特征获得每个图像分块的初始反光影响程度；根据每个图像分块中每个像素点与对应不同预设方向上其他每个像素点在预设不同邻域范围内的灰度分布特征获得每个像素点位于焊盘区域的可能性；根据每个图像分块的所述初始反光影响程度和每个像素点位于焊盘区域的所述可能性获得每个图像分块的优化反光影响程度；根据每个图像分块的整体灰度值和对应不同预设方向上所有图像分块的整体灰度值的分布特征获得每个图像分块的扩散性约束；根据每个图像分块的所述优化反光影响程度和所述扩散性约束获得每个图像分块的加权反光影响程度；获取每个图像分块的预设伽马值，根据每个图像分块所述加权反光影响程度对预设伽马值进行调整，获得优化伽马值；根据每个图像分块的所述优化伽马值和每个像素点的灰度值获得每个图像分块中每个像素点的灰度输出值，获得优化
PCB
灰度图像；根据所述优化
PCB
灰度图像对待测
PCB
板进行缺陷检测
。2.
根据权利要求1所述的一种基于视觉辅助的印制线路板质量智能检测方法，其特征在于，所述初始反光影响程度的获取方法包括：以第个图像分块为例，根据初始反光影响程度的获取公式获得初始反光影响程度，初始反光影响程度的获取公式为：；其中，表示第个图像分块的反光影响程度；表示第个图像分块中第个像素点的灰度值；表示第个图像分块中所有像素点的灰度均值；表示第个图像分块中所有像素点的数量；表示归一化函数；表示以自然常数为底数的指数函数
。3.
根据权利要求1所述的一种基于视觉辅助的印制线路板质量智能检测方法，其特征在于，所述可能性的获取方法包括：计算每个图像分块中每个像素点与预设方向上其他每个像素点对应方向上的预设不同邻域范围内的灰度值方差，作为每个像素点在不同预设方向上预设不同邻域范围内的灰度分布特征；取最小的所述灰度分布特征对应的邻域范围，作为每个图像分块中每个像素点对应的参考范围；以第个图像分块为例，根据可能性的获取公式获得可能性，可能性的获取公式为：；其中，表示第个图像分块中第个像素点在焊盘区域的可能性；表示第个图像分块中第个像素点对应的参考范围大小；表示第个图像分块中第个像素点对应的参考范围之外，其他最小的灰度分
布特征的邻域范围对应的像素点的序号；表示第个像素点的参考范围大小；表示最小值公式；为第个图像分块中第个像素点的灰度值；表示第个图像分块中第个像素点参考范围之外其他第个像素点的灰度值；表示归一化函数
。4.

【专利技术属性】
技术研发人员：高峻，林国杰，
申请(专利权)人：威海坤科流量仪表股份有限公司，
类型：发明
国别省市：