【技术实现步骤摘要】
本申请涉及图像处理，具体涉及一种pcb焊锡缺陷视觉自动化检测方法。
技术介绍
1、随着现代电子产品的普及，印刷电路板（pcb板）作为信息传输和控制的核心，质量直接关系到产品性能。焊接作为pcb制造的关键步骤，焊接质量直接关系到产品的可靠性和性能稳定性。随着市场对pcb板的需求增加，传统的焊接质量检测方法已经无法满足快速生产的需求。因此，提高pcb焊接质量检测效率和准确性显得尤为紧迫和重要。
2、现有基于图像处理的视觉检测方法在发现流水生产线中的问题方面具有很大潜力，可以自动识别并标记潜在的缺陷区域，并对不同类型的缺陷进行分类。然而，目前的图像检测算法在检测焊锡缺陷时存在一些局限性。传统方法通常使用阈值分割算法来将焊锡区域与其他区域分开，但这种方法忽略了元器件引脚、颜色和pcb板上文字的灰度值，导致可能将与焊锡无关的区域也纳入分割范围。这可能导致形态学处理阶段出现较大误差，例如在处理文字或引脚区域时，可能会影响到焊锡点的面积，使其变为缺乏足够焊料的点，从而误判为缺陷，降低焊锡缺陷检测的准确性。
技术实现思路
1、为了解决上述技术问题，本专利技术提供一种pcb焊锡缺陷视觉自动化检测方法，以解决现有的问题。
2、本专利技术的一种pcb焊锡缺陷视觉自动化检测方法采用如下技术方案：
3、本专利技术一个实施例提供了一种pcb焊锡缺陷视觉自动化检测方法，该方法包括以下步骤：
4、获取pcb板灰度图像；
5、以pcb板灰度图像中的各像素点
6、根据所有像素点的焊接点指数采用阈值分割算法获取焊锡区域；根据焊锡区域采用神经网络获取pcb板焊锡缺陷类别。
7、优选的，所述基于各像素点滑动窗口内灰度值的变化特征得到各像素点的序列趋势熵，包括：
8、将各像素点滑动窗口中所有像素点的灰度值组成的序列作为各像素点的灰度序列；
9、对于各像素点的灰度序列，计算任一元素与后一元素的差值绝对值；将所有元素的所述差值绝对值组成的序列保存为各像素点的灰度差分序列；
10、对于各像素点的灰度差分序列，将各元素在所述灰度差分序列中的频率作为各元素的相对频率；将各元素的相对频率作为以2为底数的对数函数的真数；计算各元素所述对数函数的计算结果与所述真数的乘积；将所有元素所述乘积的和值的相反数，作为各像素点的序列趋势熵。
11、优选的，所述根据各像素点的序列趋势熵结合滑动窗口的灰度分布特点得到各像素点的焊接窗口灰度趋势系数，具体为：
12、获取各像素点滑动窗口的最大灰度值；计算所述最大灰度值与各像素点的灰度值的差值；将各像素点的序列趋势熵与所述差值的和值作为各像素点的焊接窗口灰度趋势系数。
13、优选的，所述根据各像素点滑动窗口的灰度特征结合梯度分布特征得到各像素点的焊接边缘特征指数，具体为：
14、获取pcb板灰度图像中所有像素点的灰度值的求平均结果；
15、对于各像素点，获取像素点的滑动窗口中所有像素点的灰度值均值、灰度值标准差、梯度值均值；计算所述灰度值均值与所述求平均结果的差值；将所述差值作为以自然常数为底数的指数函数的指数；将所述指数函数的计算结果、所述灰度值标准差以及所述梯度值均值的乘积作为各像素点的焊接边缘特征指数。
16、优选的，所述根据各像素点滑动窗口的中间行、列像素点的梯度分布特征得到各像素点的圆形指数，具体为：
17、将各像素点滑动窗口的中间列像素点的梯度均值记为各像素点的垂直梯度均值；将各像素点滑动窗口的中间行像素点的梯度均值记为各像素点的水平梯度均值；
18、当各像素点的垂直梯度均值大于等于水平梯度均值时，将各像素点的水平梯度均值与垂直梯度均值的比值作为各像素点的圆形指数；
19、当各像素点的垂直梯度均值小于水平梯度均值时，将各像素点的垂直梯度均值与水平梯度均值的比值作为各像素点的圆形指数。
20、优选的，所述各像素点的邻域圆形指数具体为各像素点与各像素点的四邻域像素点的圆形指数的标准差。
21、优选的，所述根据各像素点的焊接窗口灰度趋势系数、焊接边缘特征指数、邻域圆形指数得到各像素点的焊接点指数，包括：
22、计算各像素点的焊接窗口灰度趋势系数、邻域圆形指数以及预设大于零的调参系数的和值；将各像素点的焊接边缘特征指数与所述和值的比值作为各像素点的焊接点指数。
23、优选的，所述根据所有像素点的焊接点指数采用阈值分割算法获取焊锡区域，包括：
24、对所有像素点的焊接点指数采用阈值分割算法获取最优阈值，将焊接点指数大于最优阈值的像素点作为焊锡像素点，将焊锡像素点在pcb板灰度图像中所在区域作为焊锡区域。
25、优选的，所述根据焊锡区域采用神经网络获取pcb板焊锡缺陷类别，具体为：
26、将分割后焊锡区域作为卷积神经网络cnn的输入，输出pcb板焊锡缺陷类别。
27、优选的，所述pcb板焊锡缺陷类别包括但不限于：焊锡合适、多锡串联、缺焊、少锡、焊料堆积。
28、本专利技术至少具有如下有益效果：
29、本专利技术主要通过对焊接点的反光特征进行分析，判断像素点的滑动窗口是否位于焊接点区域，通过对像素点的灰度值变化趋势分析，构建焊接窗口灰度趋势系数，对像素点的位置进行判断，进一步根据焊接点缺陷的梯度特征，构建焊接边缘特征指数以及圆形指数的标准差，更精确地定位像素点所在的位置，有效区分焊盘与引脚和文字区域，最后得到每个像素点构建出焊接点指数，并根据焊接点指数对图像进行精准分割，避免了现有的pcb板焊锡缺陷检测算法在图像分割阶段因分割精度不高从而影响后续缺陷分类的问题，提高了缺陷检测的分类精度，进而保障焊接缺陷检测的准确性。
本文档来自技高网...【技术保护点】
1.一种PCB焊锡缺陷视觉自动化检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种PCB焊锡缺陷视觉自动化检测方法，其特征在于，所述基于各像素点滑动窗口内灰度值的变化特征得到各像素点的序列趋势熵，包括：
3.如权利要求1所述的一种PCB焊锡缺陷视觉自动化检测方法，其特征在于，所述根据各像素点的序列趋势熵结合滑动窗口的灰度分布特点得到各像素点的焊接窗口灰度趋势系数，具体为：
4.如权利要求1所述的一种PCB焊锡缺陷视觉自动化检测方法，其特征在于，所述根据各像素点滑动窗口的灰度特征结合梯度分布特征得到各像素点的焊接边缘特征指数，具体为：
5.如权利要求1所述的一种PCB焊锡缺陷视觉自动化检测方法，其特征在于，所述根据各像素点滑动窗口的中间行、列像素点的梯度分布特征得到各像素点的圆形指数，具体为：
6.如权利要求1所述的一种PCB焊锡缺陷视觉自动化检测方法，其特征在于，所述各像素点的邻域圆形指数具体为各像素点与各像素点的四邻域像素点的圆形指数的标准差。
7.如权利要求1所述的一种PCB焊锡缺陷视
8.如权利要求1所述的一种PCB焊锡缺陷视觉自动化检测方法，其特征在于，所述根据所有像素点的焊接点指数采用阈值分割算法获取焊锡区域，包括：
9.如权利要求1所述的一种PCB焊锡缺陷视觉自动化检测方法，其特征在于，所述根据焊锡区域采用神经网络获取PCB板焊锡缺陷类别，具体为：
10.如权利要求9所述的一种PCB焊锡缺陷视觉自动化检测方法，其特征在于，所述PCB板焊锡缺陷类别包括但不限于：焊锡合适、多锡串联、缺焊、少锡、焊料堆积。
...【技术特征摘要】
1.一种pcb焊锡缺陷视觉自动化检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种pcb焊锡缺陷视觉自动化检测方法，其特征在于，所述基于各像素点滑动窗口内灰度值的变化特征得到各像素点的序列趋势熵，包括：
3.如权利要求1所述的一种pcb焊锡缺陷视觉自动化检测方法，其特征在于，所述根据各像素点的序列趋势熵结合滑动窗口的灰度分布特点得到各像素点的焊接窗口灰度趋势系数，具体为：
4.如权利要求1所述的一种pcb焊锡缺陷视觉自动化检测方法，其特征在于，所述根据各像素点滑动窗口的灰度特征结合梯度分布特征得到各像素点的焊接边缘特征指数，具体为：
5.如权利要求1所述的一种pcb焊锡缺陷视觉自动化检测方法，其特征在于，所述根据各像素点滑动窗口的中间行、列像素点的梯度分布特征得到各像素点的圆形指数，具体为：
6.如权利要求1...
【专利技术属性】
技术研发人员：周琳玲，陈新桥，龙叶家，
申请(专利权)人：深圳市联合盛鑫科技有限公司，
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。