详情

原文传递一种自适应的PCB板缺陷视觉定位检测及分类系统

专利名称：	一种自适应的PCB板缺陷视觉定位检测及分类系统
摘要：	本发明提供了一种自适应的PCB板缺陷视觉定位检测及分类系统，涵盖了PCB检测的整套流程，包括离线预处理轮廓点属性分类阶段，在线PCB整板对位，缺陷检测以及缺陷分类，采用模板匹配的方法对整板进行对位，速度快，精度高，采用轮廓超差算法检测缺陷，精度达到亚像素级，速度快，具有很强的普适性；对轮廓点进行属性分类，满足因为缺陷种类不同匹配不同的检测标准带来的容忍度不同；本发明提高了PCB板的检测速度和精度，有效提高了检测效率，减少了缺陷误检或漏检情况的发生，实现了PCB板表面缺陷的自动化检测，节省人力物力财力，提高了生产自动化程度。
专利类型：	发明专利
国家地区组织代码：	广东;44
申请人：	佛山市南海区广工大数控装备协同创新研究院
发明人：	张美杰;李贤伟;张鹏中;张璐;王华龙;胡晓强;魏登明
专利状态：	有效
申请日期：	2019-03-04T00:00:00+0800
发布日期：	2019-06-04T00:00:00+0800
申请号：	CN201910161134.4
公开号：	CN109839385A
代理机构：	广州胜沃园专利代理有限公司
代理人：	徐翔
分类号：	G01N21/88(2006.01);G;G01;G01N;G01N21
申请人地址：	528225 广东省佛山市南海高新区佛高科技智库中心A座4楼
主权项：	1.一种自适应的PCB板缺陷视觉定位检测及分类系统，包括离线端的PCB整板像素点分类模块，在线前端的PCB整板定位模块，在线中端的缺陷检测模块，在线末端的缺陷分类模块，其特征在于，该系统实施的具体步骤如下： S1，对PCB整板进行离线像素点属性分类，包括圆形PAD，方形PAD，平行线对PAD，单直线PAD和特殊异类PAD； S2，对PCB整板进行在线定位，包括粗定位和精定位； S3，对PCB整板进行在线缺陷检测，包括缺陷定位和缺陷检测； S4，对PCB整板进行在线缺陷分类。 2.如权利要求1所述的自适应的PCB板缺陷视觉定位检测及分类系统，其特征在于，步骤S1的具体步骤包括： S101，采集标准PCB整板图像，并将其二值化，作为标准模板图像； S102，将上述二值图像阈值处理，提取前景图像连通域，并计算其数量Number_Connection； S103，对分割出来的连通域做for循环，针对单个连通域分别做圆形开运算和矩形开运算以及平行线对提取运算，用以分割出圆形PAD、矩形PAD和平行线对PAD； S104，对于圆形PAD，求其属性，包括轮廓点坐标：Row_Circle,Col_Circle；圆心坐标及半径：row_center_cir,col_center_cir，radius_cir；各轮廓点法向:Norm_Circle；对于矩形PAD，求其属性，包括轮廓点坐标:Row_Rectangle,Col_Rectangle；矩形中心及矩形宽、高:row_center_rec,col_center_rec,width_rectangle,height_rectangle；各轮廓点法向:Norm_Rectangle；对于平行线对PAD，求其属性，包括轮廓点坐标：Row_LinePairs,Col_LinePairs；平行线间距离：Distance_LinePairs；各轮廓点法向：Norm_LinePairs； S105，对单个连通域和上步分割出的圆形PAD，矩形PAD和平行线对PAD做减法运算，剩下的区域即为单直线PAD和特殊异类PAD的集合，对于单直线PAD，其属性包括轮廓点坐标：Row_LineSingle,Col_LineSingle；各轮廓点法向:Norm_LineSingle；对于特殊异类PAD，其属性包括轮廓点坐标：Row_Special,Col_Special；各轮廓点法向:Norm_Special。 S106，将上述所有连通域的各类PAD属性集合，即得到整块PCB板的所有像素点属性，将其导入到SQL数据库，作为后续PCB板缺陷点分类的标准模板。 3.如权利要求1所述的自适应的PCB板缺陷视觉定位检测及分类系统，其特征在于，步骤S2中的粗定位具体方法为：选择模板PCB整板四个角为ROI区域，在每个ROI区域内制定搜索策略，即选择特征多边形，接着计算该特征多边形分别在模板图中的位置坐标Row_temp,Col_temp以及待测图中的位置坐标Row_test,Col_test，并计算其行列坐标偏差offset_row,offset_col；然后将每个行列坐标偏差对应求和abs(offset_row[index],offset_col[index]),后按照从小到大的顺序排列，扔掉前面的3/10和后面的的3/10，只留下中间部分的4/10作为有效数据，对这部分有效数据求其均方差，其中和均方差最为接近的数据即作为本次搜索策略的最终结果；最后，将四个角的四个数据作为一组模板数据；同样的，对测试PCB板做同样的操作，得到四个角的四个数据作为一组测试数据；然后，将这两组数据作为透视变换的四组对应特征点，对测试PCB板作透视变换。变换后的图像即为粗定位得到的矫正图。 4.如权利要求3所述的自适应的PCB板缺陷视觉定位检测及分类系统，其特征在于，步骤S2中精定位具体方法为：分别将模板PCB和测试PCB分成若干FOV块,每一块都有一个索引号Index，然后对每个FOV块进行对位，对位策略具体为：提取每个FOV的连通域，然后对该FOV的连通域作开运算，分割出圆形PAD和矩形PAD以及线对PAD，接下来分别计算上述分割出来的连通域在模板FOV的位置坐标Row_temp_fovIndex,以及在测试FOV的位置坐标Col_temp_fovIndex以及待测图中的位置坐标Row_test_fovIndex,Col_test_fovIndex，并计算其行列坐标偏差offset_row_fovIndex,offset_col_fovIndex，将每个行列坐标偏差对应求和abs(offset_row_fovIndex[index],offset_col_fovIndex[index]),后按照从小到大的顺序排列，扔掉前面的3/10和后面的的3/10，只留下中间部分的4/10作为有效数据，对这部分有效数据求其均方差，其中和均方差最为接近的数据即作为本块FOV的标准偏差，然后根据该偏移量对该FOV块进行矫正。 5.如权利要求4所述的自适应的PCB板缺陷视觉定位检测及分类系统，其特征在于，步骤S3中缺陷定位具体方法为：将模板PCB板FOV块分割成overlap为10个像素的15001500的小图Image_temp，将待测PCB板FOV块分割成overlap为10个像素的16001600的小图Image_test，然后用模板小图创建模板，带放缩的形状模板匹配在待测小图寻找模板，进行定位，利用返回的对位结果在待测小图上抠出和模板小图一样大小的1500*1500图Image_crop。接下来，对Image_temp和Image_crop作亦或处理，紧接着对处理结果作半径为2个像素的开运算；剩下部分即为疑似缺陷点。 6.如权利要求5所述的自适应的PCB板缺陷视觉定位检测及分类系统，其特征在于，所述缺陷检测具体方法为：对上步的疑似缺陷部分提取连通域，并对每个连通域求取最小外接矩形，接着分别对每个最小外界矩形向四周扩充20个像素，并由根据扩充后矩形左上角和右下角坐标分别在Image_temp和Image_crop上抠出同样大小的图像image_temp_susdfect和image_crop_susdefect，对image_temp_susdefect和image_crop_susdefect作轮廓超差处理，即可得到缺陷点，将模板轮廓坐标点在待测图像上沿其法向方向游走；若模板轮廓坐标点在待测图像上轮廓上为白像素，则说明模板图和待测图在该点重合，该点明显不是缺陷点；反之，若模板轮廓坐标点在待测图像上轮廓上为黑像素，则在其八领域找白像素，若找到，计算其与该点距离，并选择距离最小的；若没找到，则沿法线方向步进一个像素；重复上述步骤，如果在给定的阈值范围内都没找到白像素，则认为该点在待测图上是缺陷点。 7.如权利要求6所述的自适应的PCB板缺陷视觉定位检测及分类系统，其特征在于，步骤S4具体方法为：在上步缺陷检测的基础上，如果检测到image_crop_susdefect上有缺陷点，则认为这块区域为缺陷区域；通过提取改区域的形态学特征和灰度特征，即可判定改缺陷块的类别；在判断出缺陷块类别后，提取其轮廓点，遍历根据S1对PCB整板像素点属性分类创建的数据库内容，即可判定该点是属于圆形PAD，矩形PAD，平行线对PAD，还是特殊异类PAD。
所属类别：	发明专利