System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于印刷电子电路板检测,特别涉及基于机器视觉的锡焊高度及锡焊缺陷检测方法。
技术介绍
1、近年来,电子技术和计算机技术都得到了迅猛的发展,市场对智能手机、笔记本电脑等电子终端产品的需求量越来越大,因此印刷电子电路板(printed circuit board,pcb)的产量也随之增加,其工艺也越来越精良。为了提高生产效率以满足逐年上涨的市场需求,许多公司引进了流水线式的焊接机以替代传统的焊接方法。然而随着pcb表面贴装元器件尺寸逐渐缩小,组件之间的间隔也越来越小,自动焊接机等系统的误差、故障失灵等原因导致焊锡缺陷的问题也越来越严峻,因此对pcb板的生产工艺和检测手段提出了新的要求。尤其是焊接质量与pcb板性能直接相关,而传统的锡焊缺陷检测手段方法因其依赖人工、精度低、耗时久等问题,使焊接质量的检测变得更具挑战性。此外,焊接时产生的有毒气体和烟雾,以及射线辐射等问题对检测人员的健康安全造成了一定的影响和风险,必须采取改进措施以提高生产效率和检测质量。现如今,传统的锡焊检测技术已经无法满足自动化、高速、高精的生产需求,因此需要更完善、更高效的检测方法来提升检测质量和工作效率。
2、现有技术中有将机器视觉应用到电路板的检测中,然而由于锡球的体积微小、间距小,现有技术难以克服pcb基板的细微弯曲对锡焊高度的测量的影响,导致高度检测不准确,锡焊缺陷易出现漏检、误检的情况。
技术实现思路
1、为了解决以上问题,本专利技术提供一种基于机器视觉的锡焊高度检测方法,检测效率高、
2、基于机器视觉的锡焊高度检测方法,包括以下步骤:
3、s1.根据采集的pcb模板图像,预先建立标准的pcb模板库;
4、s2.获取待测pcb板图像,使用基于轮廓的模板匹配的方法在pcb模板库中搜索,计算pcb模板与待测pcb板图像中每个位置之间的相似度,利用相似度匹配正确的pcb模板;
5、s3.通过直线拟合方法求取待测pcb板图像特征量从而构建变换矩阵,实现待测pcb板图像的校正定位,进而实时获得pcb板上焊点的位置信息以及单个焊点图像,生成锡焊检测区域;所述步骤s3具体包括:
6、通过直线拟合操作在预处理后的图像上利用最小二乘法建立两条拟合直线和其交点作为特征量,其中由交点构建位移变化矩阵,模板图与待测图直线夹角构建旋转变换矩阵,即根据模板图与待测pcb板图像中对应特征量的差值来构建综合变换矩阵;
7、通过变换矩阵对待测图像进行仿射变换处理从而完成pcb板图像的校正定位,实现待测pcb板图像与pcb模板图像位置信息保持一致;
8、读取在pcb模板库的模板位置信息与待测pcb板进行匹配,根据匹配的pcb模板的焊点位置在待测图像中设定roi区域,于roi区域中提取出待检测pcb板图像中的单个焊锡图像,得到待测pcb板焊点位置,生成锡焊检测区域;
9、s4.利用单个焊点图像进行三维重构建立焊点的3d点云图像,通过3d点云图像获取焊锡轮廓高度特征,计算锡焊高度;所述锡焊高度的计算方法具体包括:
10、在3d点云图像上,于焊点周围随机选取两点得到三维向量a,沿着不同方向另选两点,得到三维向量b,通过三维向量a、b的叉乘运算得到平面法向量c,再由三维向量a、c的叉乘运算得到向量d;
11、将向量a、c、d进行单位化操作即可构建点云图像的相对坐标系,其中向量a、c构成了点云平面;随后将点云图像进行旋转,使得向量a、c构建的点云平面与点云空间默认的x、y轴构建的平面保持一致,从而使得焊点所处的平面与点云空间默认的xy平面保持一致,则z轴与扫描所得平面垂直,获得的垂直量δz即焊锡高度h。
12、进一步地,所述步骤s1具体包括:
13、s11.对采集的pcb模板图像进行滤波、二值化预处理;
14、s12.对预处理后的pcb模板图像上标识需要识别的pcb板轮廓,获取pcb模板的边缘特征信息,保存pcb模板的边缘像素坐标及其对应的方向向量;
15、s13.在pcb模板图像上绘制锡焊roi区域,并保存。
16、进一步地,所述步骤s2具体包括:
17、s21.对采集的待测pcb板图像进行滤波、二值化预处理;
18、s22.对预处理后的待测pcb板图像进行边缘提取,获得边缘点坐标集合以及其对应的方向向量;
19、s23.对pcb模板进行仿射变换使pcb模板具备对旋转或缩放目标进行定位的能力;
20、s24.通过相似度计算来比较待测pcb板与pcb模板之间的匹配程度,选取得分最高的pcb模板与待测pcb板进行匹配。
21、进一步地,所述步骤s22中,获取的pcb模板轮廓边缘像素坐标,其对应的方向向量,经过仿射变化后,,待测pcb板轮廓像素坐标,其对应的方向向量;
22、所述步骤s24中,相似度s的计算公式为:
23、
24、公式单位化:
25、
26、其中,分别为pcb模板轮廓边缘像素的横、纵坐标,分别为pcb模板轮廓边缘像素对应的方向向量的横、纵坐标;分别为pcb模板轮廓边缘像素经过仿射变化后的横、纵坐标,分别为pcb模板轮廓边缘像素对应的方向向量经过仿射变化后的横、纵坐标;分别为待测pcb板轮廓边缘像素的横、纵坐标,分别为待测pcb板轮廓边缘像素对应的方向向量的横、纵坐标;t表示矩阵的转置; i=1、2、3......n,表示第i个像素坐标;n为轮廓边缘所有像素点个数。
27、所述步骤s4中的三维重构方法为基于双目视觉的三维重构、基于结构光的三维重构的一种。
28、本专利技术的另一目的在于提供一种基于机器视觉的锡焊缺陷检测方法,所述缺陷检测方法包括:
29、应用上述基于机器视觉的锡焊高度检测方法,利用单个焊点图像进行三维重构建立焊点的3d点云图像,通过3d点云图像获取焊锡轮廓高度特征;
30、对单个焊点图像进行焊锡的轮廓提取,获取焊锡轮廓的边长、圆度、面积特征;
31、将焊锡轮廓的边长、圆度、面积、高度特征作为评价尺度,对焊锡缺陷进行分类识别。
32、进一步地,所述对单个焊点图像进行焊锡的轮廓提取,获取焊锡轮廓的边长、圆度、面积特征的方法具体包括:
33、利用高斯值滤波的方法抑制图像中的噪点;
34、对焊点图像进行轮廓提取;
35、通过计算轮廓像素数总数得到焊点周长;计算轮廓内部的像素点个数得到焊点面积;利用焊点的面积与周长来计算焊点的圆度。
36、进一步地,对焊锡缺陷进行分类识别前,建立焊锡图像的数据库和特征分类器,并将数据库中获取的特征转换成特征向量作为训练样本添加到分类器中进行训练,最后使分类器收敛完成训练;
37、将焊锡轮廓的边长、圆度、面积、高度特征导入分类器得到分类结果,完成锡焊质量检测。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的锡焊高度检测方法,其特征在于,所述高度检测方法包括以下步骤:
2.根据权利要求1所述的基于机器视觉的锡焊高度检测方法,其特征在于,所述步骤S1具体包括:
3.根据权利要求1所述的基于机器视觉的锡焊高度检测方法,其特征在于,所述步骤S2具体包括:
4.根据权利要求3所述的基于机器视觉的锡焊高度检测方法,其特征在于,
5.根据权利要求1所述的基于机器视觉的锡焊高度检测方法,其特征在于,所述步骤S4中的三维重构方法为基于双目视觉的三维重构、基于结构光的三维重构的一种。
6.一种基于机器视觉的锡焊缺陷检测方法,其特征在于,所述缺陷检测方法包括:
7.根据权利要求6所述的基于机器视觉的锡焊缺陷检测方法,其特征在于,所述对单个焊点图像进行焊锡的轮廓提取,获取焊锡轮廓的边长、圆度、面积特征的方法具体包括:
8.根据权利要求6或7所述的基于机器视觉的锡焊缺陷检测方法,其特征在于,
【技术特征摘要】
1.一种基于机器视觉的锡焊高度检测方法,其特征在于,所述高度检测方法包括以下步骤:
2.根据权利要求1所述的基于机器视觉的锡焊高度检测方法,其特征在于,所述步骤s1具体包括:
3.根据权利要求1所述的基于机器视觉的锡焊高度检测方法,其特征在于,所述步骤s2具体包括:
4.根据权利要求3所述的基于机器视觉的锡焊高度检测方法,其特征在于,
5.根据权利要求1所述的基于机器视觉的锡焊高度检测方法...
【专利技术属性】
技术研发人员:刘翊,钟逸轩,刘淑丽,梁云龙,雷高攀,赵又红,李明富,周受钦,刘金刚,
申请(专利权)人:湘潭大学,
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。