CN105139397B - 一种pcb板检测方法及装置 - Google Patents
一种pcb板检测方法及装置 Download PDFInfo
- Publication number
- CN105139397B CN105139397B CN201510527487.3A CN201510527487A CN105139397B CN 105139397 B CN105139397 B CN 105139397B CN 201510527487 A CN201510527487 A CN 201510527487A CN 105139397 B CN105139397 B CN 105139397B
- Authority
- CN
- China
- Prior art keywords
- pcb board
- designated area
- image
- threshold
- zero pixels
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 90
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000007689 inspection Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000006872 improvement Effects 0.000 description 11
- 238000000034 method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Quality & Reliability (AREA)
Abstract
本发明公开了一种PCB板检测方法,包括如下步骤:采集传送带的传送面上指定区域的图像;利用Canny算子对所述图像进行处理得到边缘图像,其中,所述Canny算子包括高阈值和低阈值两个参数,且所述高阈值和低阈值根据所述图像的像素信息自适应生成;统计所述边缘图像内的非零像素的个数;根据所述非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度。本发明还提供一种PCB板检测装置。本发明提供的PCB板检测方法及装置具有很强的鲁棒性,提高了PCB检测的效率和质量,实现了PCB检测的高度自动化。
Description
技术领域
本发明涉及PCB自动光学检测领域,具体是一种PCB板检测方法装置。
背景技术
采用自动光学检测技术(Automatic Optical Inspection,AOI)作为PCB检测手段已是大势所趋。该技术主要包括:图像采集、图像处理、特征提取和决策判断四个步骤,其中,在图像处理这一步骤中往往需要对采集到的原始图像进行初步分析,以判断原始图像中是否包含完整的PCB板,这对提高PCB检测的效率和质量起着至关重要的作用。然而现有的图像处理方案往往存在鲁棒性低、计算速度慢、操作复杂等问题,无法满足使用要求。
发明内容
针对上述问题,本发明的目的在于提供一种PCB板检测方法及装置,实现了快速、准确的PCB板检测,满足了使用要求。
本发明实施例提供一种PCB板检测方法,包括如下步骤:
采集传送带的传送面上指定区域的图像;
利用Canny算子对所述图像进行处理得到边缘图像,其中,所述Canny算子包括高阈值和低阈值两个参数,且所述高阈值和低阈值根据所述图像的像素信息自适应生成;
统计所述边缘图像内的非零像素的个数;
根据所述非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度。
作为上述方案的改进,在所述采集传送带的传送面上指定区域的图像之后,在所述利用Canny算子对所述图像进行处理得到边缘图像之前,还包括:
对所述图像的尺寸进行归一化处理。
作为上述方案的改进,所述利用Canny算子对所述图像进行处理得到边缘图像,其中,所述Canny算子包括高阈值和低阈值两个参数,且所述高阈值和低阈值根据所述图像的像素信息自适应生成,具体包括:
获取所述图像的像素取值范围,其中,所述像素取值范围为[Imin,Imax];
计算所述图像的像素中值m,其中,所述像素中值m为将所述图像的各个像素值按大小进行排序后,序号位于中间的像素值;
生成所述高阈值和低阈值,其中,所述高阈值取Imax和(1+σ)*m二者中的较小者;所述低阈值取Imin和(1-σ)*m二者中的较大者,σ为经验参数;
利用所述高阈值和低阈值作为所述Canny算子的阈值参数对所述图像进行处理,得到边缘图像。
作为上述方案的改进,所述经验参数σ取值为0.33。
作为上述方案的改进,所述统计所述边缘图像内的非零像素的个数,具体包括:
遍历所述边缘图像内的所有像素,将像素值不为零的像素标记为非零像素,并统计获取非零像素的个数。
作为上述方案的改进,所述根据所述非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度,为:
当判断所述边缘图像内的非零像素的个数少于第一阈值时,确定所述PCB板位于所述指定区域外。
作为上述方案的改进,所述指定区域包括边界区域,其中,所述边界区域为所述指定区域内的到与传送带前进方向垂直的两条边的最小距离小于或者等于一预设的长度的点所组成的区域;
则所述统计所述边缘图像内的非零像素的个数,为:
统计所述边界区域对应的边缘图像内的非零像素的个数;
所述根据所述非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度,为:
当判断所述边界区域对应的边缘图像内的非零像素的个数大于预设的第二阈值时,确定所述PCB板部分进入所述指定区域。
作为上述方案的改进,所述指定区域还包括内部区域,所述内部区域为所述指定区域内除所述边界区域之外的区域;
则所述统计所述边缘图像内的非零像素的个数,为:
分别统计所述边界区域对应的边缘图像内的非零像素的个数和所述内部区域对应的边缘图像内的非零像素的个数;
所述根据所述非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度,为:
当判断所述内部区域对应的边缘图像内的非零像素的个数大于预设的第三阈值,且所述边界区域对应的边缘图像内的非零像素的个数少于预设的第四阈值时,确定所述PCB板完全进入所述指定区域。
本发明还提供一种PCB板检测装置,包括:
采集单元,用于采集传送带的传送面上指定区域的图像;
图像处理单元,用于利用Canny算子对所述图像进行处理得到边缘图像,其中,所述Canny算子包括高阈值和低阈值两个参数,且所述高阈值和低阈值根据所述图像的像素信息自适应生成;
统计单元,用于统计所述边缘图像内的非零像素的个数;
检测单元,用于根据所述非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度。
作为上述方案的改进,所述PCB板检测装置还包括:
归一化单元,用于对所述图像的尺寸进行归一化处理。
作为上述方案的改进,所述图像处理单元具体包括:
像素获取单元,用于获取所述图像的像素取值范围,其中,所述像素取值范围为[Imin,Imax];
计算单元,用于计算所述图像的像素中值m,其中,所述像素中值m为将所述图像的各个像素值按大小进行排序后,序号位于中间的像素值;
阈值生成单元,用于生成所述高阈值和低阈值,其中,所述高阈值取Imax和(1+σ)*m二者中的较小者;所述低阈值取Imin和(1-σ)*m二者中的较大者,σ为经验参数;
处理单元,用于利用所述高阈值和低阈值作为所述Canny算子的阈值参数对所述图像进行处理,得到边缘图像。
作为上述方案的改进,所述指定区域包括边界区域,其中,所述边界区域为所述指定区域内的到与传送带前进方向垂直的两条边的最小距离小于或者等于一预设的长度的点所组成的区域;
所述统计单元具体用于,统计所述边界区域对应的边缘图像内的非零像素的个数;
所述检测单元具体用于,在判断所述边界区域对应的边缘图像内的非零像素的个数大于预设的第二阈值时,确定所述PCB板部分进入所述指定区域。
作为上述方案的改进,所述指定区域还包括内部区域,其中,所述内部区域为所述指定区域内除所述边界区域之外的区域;
所述统计单元具体用于,分别统计所述内部区域对应的边缘图像和边界区域对应的边缘图像的非零像素的个数;
所述检测单元具体用于,在判断所述内部区域对应的边缘图像内的非零像素的个数大于预设的第三阈值,且所述边界区域对应的边缘图像内的非零像素的个数少于预设的第四阈值时,确定所述PCB板完全进入所述指定区域。
本发明实施例提供的PCB板检测方法及装置,采用自适应Canny算子对采集到传送带的传送面上指定区域的图像进行分析,检测PCB板进入指定区域的程度,确定所述PCB板完全进入所述指定区域的图像,从而为后续处理过滤掉不必要的无效图像,提高PCB检测的速度和准确度。由于所述自适应Canny算子的边缘检测参数是根据所述图像的像素信息自适应生成,不需要人工根据具体情况调整参数,具有很强的鲁棒性,实现了PCB检测的高度自动化。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的PCB板检测方法的流程示意图。
图2是本发明第一实施例提供的PCB板未进入或已经离开指定区域的示意图。。
图3是本发明第一实施例提供的PCB板部分进入指定区域的示意图。
图4是本发明第一实施例提供的PCB板完全进入指定区域的示意图
图5是本发明第二实施例提供的PCB板检测方法的流程示意图。
图6是本发明第三实施例提供的PCB板检测装置的结构示意图。
图7是图6所示的图像处理单元的结构示意图。
图8是本发明第四实施例提供的PCB板检测装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种PCB板检测方法及装置,用于检测PCB板进入图像采集视野的程度,提高PCB自动光学检测的效率和质量。下面分别进行详细的描述。
请参阅图1,本发明第一实施例提供一种PCB板检测方法,所述PCB板检测方法由PCB板检测装置来实施,至少包括如下步骤:
S101,采集传送带的传送面上指定区域的图像。
在本发明实施例中,所述传送带可沿一定的传送方向连续不断地输送PCB板,所述PCB板检测装置采集输送中的PCB板图像,具体为,所述PCB板检测装置包括摄像头,所述摄像头架设于传送带上方,并实时采集所述传送面上指定区域的图像,其中,所述图像可为彩色图像,也可以是黑白图像。由于相对所述摄像头而言,所述PCB板在不断运动,因此,所述摄像头采集到的所述指定区域的图像中可能存在PCB板部分进入所述指定区域,PCB板完全进入所述指定区域,或者PCB板未进入或已经离开所述指定区域等各种情况。
S102,利用Canny算子对所述图像进行处理得到边缘图像,其中,所述Canny算子包括高阈值和低阈值两个参数,且所述高阈值和低阈值根据所述图像的像素信息自适应生成。
在本发明实施例中,所述Canny算子被普遍用于图像边缘的检测,然而,传统的Canny算子的高阈值和低阈值是预先设定的,无法根据当前的图像的具体情况做自适应调整。
在本发明实施例中,所述PCB板检测装置采用自适应边缘检测的策略,根据所述图像的像素信息自动生成合适的高阈值和低阈值,从而为所述Canny算子提供较优的阈值参数,具体为,
首先,获取所述图像的像素取值范围。
在本发明实施例中,所述PCB板检测装置获取所述图像的每个像素点的灰度值,并从这些灰度值中读取出最大值Imax和最小值Imin,此时,所述像素取值范围标记为[Imin,Imax]。
然后,计算所述图像的像素中值m,其中,所述像素中值m为将所述图像的各个像素值按大小进行排序后,序号位于中间的像素值。
接着,生成所述高阈值thigh和低阈值tlow,其中,所述高阈值thigh取Imax和(1+σ)*m二者中的较小者,所述低阈值tlow取Imin和(1-σ)*m二者中的较大者。
在本发明实施例中,所述高阈值thigh取Imax和(1+σ)*m二者中的较小者,所述低阈值tlow取Imin和(1-σ)*m二者中的较大者,即thigh=min(Imax,(1+σ)*m),tlow=max(Imin,(1-σ)*m),σ为经验参数。
在本发明实施例中,优选地,所述经验参数σ取值为0.33。可以理解的是,所述经验参数σ还可取值为0.2、0.3、0.4或其它任意合适的数值,这些可根据实际的需要进行设置,本发明不做具体的限定。
最后,利用所述高阈值和低阈值作为所述Canny算子的阈值参数对所述图像进行处理,得到边缘图像。
具体为,在本发明实施例中,所述PCB板检测装置利用所述高阈值和低阈值作为所述Canny算子的阈值参数对所述图像进行处理,得到边缘图像。其中,所述canny算子对所述图像处理得到边缘图像的过程可参考Canny算子的计算原理,本发明在此不做说明。
S103,统计所述边缘图像内的非零像素的个数。
在本发明实施例中,所述PCB板检测装置遍历所述边缘图像内的所有像素,并将像素值不为零的像素标记为非零像素后,统计所述非零像素的个数。
S104,根据所述非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度。
在本发明实施例中,所述PCB板与所述指定区域的关系可包括未进入或者已经离开、部分进入、完全进入,下面本发明实施例将对上述情况逐一进行描述。
请一并参阅图2,对于所述PCB板20未进入或已经离开所述指定区域10情况的判断:
在本发明实施例中,所述PCB板检测装置统计所述指定区域10对应的边缘图像内的非零像素的个数后,并分别将所述边缘图像内的非零像素的个数与预设的第一阈值进行比较,当所述边缘图像内的非零像素的个数少于所述第一阈值,则确定所述PCB板20未进入或已经离开所述指定区域10,其中,所述第一阈值可为零,或接近于零的数值。
请一并参阅图3,对于所述PCB板20部分进入所述指定区域10情况的判断:所述指定区域10包括边界区域11,其中,所述边界区域11为所述指定区域10内的到与传送带前进方向垂直的两条边的最小距离小于或者等于一预设的长度的点所组成的区域,例如,可将所述预设的长度设置为所述指定区域的宽度的十分之一或二十分之一等。所述PCB板检测装置统计所述边界区域11对应的边缘图像内的非零像素的个数后,将所述边界区域11对应的边缘图像内内的非零像素的个数与预设的第二阈值进行比较。当所述边界区域11对应的边缘图像内的非零像素的个数大于所述第二阈值时,则确定所述PCB板20部分进入所述指定区域10。
请一并参阅图4,对于所述PCB板20完全进入所述指定区域10情况的判断:
在本发明实施例中,所述指定区域10还可包括内部区域12,其中,所述内部区域12为所述指定区域10内除所述边界区域11之外的区域。所述PCB板检测装置分别统计所述内部区域12对应的边缘图像内和所述边界区域11对应的边缘图像内的非零像素的个数后,并分别将所述内部区域12对应的边缘图像内的非零像素的个数与预设的第三阈值进行比较,及将所述边界区域11对应的边缘图像内内的非零像素的个数与预设的第四阈值进行比较。当所述内部区域12对应的边缘图像内的非零像素的个数大于所述第三阈值,且所述边界区域11对应的边缘图像内的非零像素的个数少于所述第四阈值时,则确定所述PCB板20完全进入所述指定区域10。
本发明实施例提供的PCB板检测方法,采用自适应Canny算子对采集到传送带的传送面上指定区域的图像进行分析,检测PCB板进入指定区域的程度,确定所述PCB板完全进入所述指定区域的图像,从而为后续处理过滤掉不必要的无效图像,提高PCB检测的速度和准确度。由于所述自适应Canny算子的边缘检测参数是根据所述图像的像素信息自适应生成,不需要人工根据具体情况调整参数,具有很强的鲁棒性,实现了PCB检测的高度自动化。
请参阅图5,图5是本发明第二实施例提供的PCB检测方法的流程示意图。所述PCB板检测方法包括:
S201,采集传送带的传送面上指定区域的图像。
S202,对所述图像的尺寸进行归一化处理。
在本发明实施例中,所述PCB板检测装置可先对所述图像进行下采样,并降低图像分辨率至预定的大小,其中,所述预定的大小可为保持图像的高度像素值不变,降低宽度像素值至预设的阈值、或保持图像的宽度像素值不变,降低高度像素值至预设的阈值,或者同时降低图像的宽度和高度像素值至预设的阈值,这些可根据实际的需要进行设置,本发明不做具体的限定。
S203,利用Canny算子对所述图像进行处理得到边缘图像,其中,所述Canny算子包括高阈值和低阈值两个参数,且所述高阈值和低阈值根据所述图像的像素信息自适应生成。
S204,统计所述边缘图像内的非零像素的个数。
S205,根据所述非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度。
本发明实施例提供的PCB板检测方法,通过对采集的图像进行下采样,从而实现图像的归一化处理,提高了检测的效率。
请一并参阅图6,图6是本发明第三实施例提供的PCB板检测装置的结构示意图。所述PCB板检测装置300包括采集单元310、图像处理单元320、统计单元330及检测单元340,其中:
所述采集单元310,用于采集传送带的传送面上指定区域的图像。
所述图像处理单元320,用于利用Canny算子对所述图像进行处理得到边缘图像,其中,所述Canny算子包括高阈值和低阈值两个参数,且所述高阈值和低阈值根据所述图像的像素信息自适应生成。
请一并参阅图6,在本发明实施例中,所述图像处理单元320包括:
像素获取单元321,用于获取所述图像的像素取值范围,其中,所述像素取值范围为[Imin,Imax]。
计算单元322,用于计算所述图像的像素中值m,其中,所述像素中值m为将所述图像的各个像素值按大小进行排序后,序号位于中间的像素值。
阈值生成单元323,用于生成所述高阈值和低阈值,其中,所述高阈值取Imax和(1+σ)*m二者中的较小者;所述低阈值取Imin和(1-σ)*m二者中的较大者,σ为经验参数。
处理单元324,用于利用所述高阈值和低阈值作为所述Canny算子的阈值参数对所述图像进行处理,得到边缘图像,其中,所述边缘图像包括第一边缘图像和第二边缘图像,所述高阈值作用于所述图像得到所述第一边缘图像,所述低阈值作用于所述图像得到所述第二边缘图像。
所述统计单元330,用于统计所述边缘图像内的非零像素的个数。
所述检测单元340,用于根据所述非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度。
在本发明实施例中,所述PCB板与所述指定区域的关系可包括未进入或者已经离开、部分进入、完全进入、,下面本发明实施例将对上述情况逐一进行描述。
请一并参阅图2,对于所述PCB板20未进入或已经离开所述指定区域10情况的判断:
在本发明实施例中,所述统计单元330统计所述指定区域10对应的边缘图像内的非零像素的个数后,所述检测单元340将所述指定区域10对应的边缘图像内的非零像素的个数与预设的第一阈值进行比较,当所述指定区域10对应的边缘图像内的非零像素的个数少于所述第一阈值,则所述检测单元340确定所述PCB板20未进入或已经离开所述指定区域10,其中,所述第一阈值可为零,或接近于零的数值。
请一并参阅图3,对于所述PCB板20部分进入所述指定区域10情况的判断:
所述指定区域10包括边界区域11,其中,所述边界区域11为所述指定区域10内的到与传送带前进方向垂直的两条边的最小距离小于或者等于一预设的长度的点所组成的区域,例如,可将所述预设的长度设置为所述指定区域的宽度的十分之一或二十分之一等。所述统计单元330统计所述边界区域11对应的边缘图像内的非零像素的个数后,所述检测单元340将所述边界区域11对应的边缘图像内的非零像素的个数与预设的第二阈值进行比较。当所述边界区域11对应的边缘图像内的非零像素的个数大于所述第二阈值时,则所述检测单元340确定所述PCB板20部分进入所述指定区域10。
请一并参阅图4,对于所述PCB板20完全进入所述指定区域10情况的判断:
在本发明实施例中,所述指定区域10还可包括内部区域12,其中,所述内部区域12为所述指定区域10内除所述边界区域11之外的区域。所述统计单元330分别统计所述内部区域12对应的边缘图像和所述边界区域11对应的边缘图像的非零像素的个数后,所述检测单元340分别将所述内部区域12对应的边缘图像内的非零像素的个数与预设的第三阈值进行比较,及将所述边界区域11对应的边缘图像内的非零像素的个数与预设的第四阈值进行比较。当所述内部区域12对应的边缘图像内的非零像素的个数大于所述第三阈值,且所述边界区域11对应的边缘图像内的非零像素的个数少于所述第四阈值时,则所述检测单元340确定所述PCB板20完全进入所述指定区域10。
本发明实施例提供的PCB板检测装置300,通过所述图像处理单元320对所述采集单元310采集的图像进行处理得到边缘图像,再利用所述统计单元330统计所述图像处理单元320得到的边缘图像的非零像素的个数,通过所述检测单元340检测PCB板进入图像采集视野的程度,确定所述PCB板完全进入所述图像采集视野的图像,从而为后续处理过滤掉不必要的无效图像,提高PCB检测的速度和准确度。由于所述图像处理单元320采用的自适应Canny算子的边缘检测参数是根据所述图像的像素信息自适应生成,不需要人工根据具体情况调整参数,具有很强的鲁棒性,实现了PCB检测的高度自动化。
请一并参阅图8,图8是本发明第四实施例提供的PCB板检测装置的结构示意图。所述PCB板检测装置400包括采集单元410、归一化单元420、图像处理单元430、统计单元440及检测单元450,其中:
所述采集单元410,用于采集传送带的传送面上指定区域的图像。
所述归一化单元420,用于对所述图像的尺寸进行归一化处理。
在本发明实施例中,所述归一化单元420可先对所述采集单元410图像进行下采样,并降低图像分辨率至预定的大小,其中,所述预定的大小可为保持图像的高度像素值不变,降低宽度像素值至预设的阈值、或保持图像的宽度像素值不变,降低高度像素值至预设的阈值,或者同时降低图像的宽度和高度像素值至预设的阈值,这些可根据实际的需要进行设置,本发明不做具体的限定。
所述图像处理单元430,用于利用Canny算子对所述图像进行处理得到边缘图像,其中,所述Canny算子包括高阈值和低阈值两个参数,且所述高阈值和低阈值根据所述图像的像素信息自适应生成。
所述统计单元440,用于统计所述边缘图像内的非零像素的个数。
所述检测单元450,用于根据所述非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度。
本发明实施例提供的PCB板检测装置400,通过所述归一化单元420对所述采集单元410采集的图像进行下采样,从而实现图像的归一化处理,提高了检测的效率。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输软件以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述软件的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述软件,然后将其存储在计算机存储器中。
在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过软件来指令相关的硬件完成,所述的软件可以存储于一种计算机可读存储介质中,该软件在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (13)
1.一种PCB板检测方法,其特征在于,包括如下步骤:
采集传送带的传送面上指定区域的图像;其中,所述指定区域包括边界区域,所述边界区域为所述指定区域内的到与传送带前进方向垂直的两条边的最小距离小于或者等于一预设的长度的点所组成的区域;
利用Canny算子对所述图像进行处理得到边缘图像,其中,所述Canny算子包括高阈值和低阈值两个参数,且所述高阈值和低阈值根据所述图像的像素信息自适应生成;
统计所述边缘图像内的非零像素的个数;其中,包括:统计所述边界区域对应的边缘图像内的非零像素的个数;
根据所述非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度;其中,包括:根据所述边界区域对应的非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度。
2.根据权利要求1所述的PCB板检测方法,其特征在于,在所述采集传送带的传送面上指定区域的图像之后,在所述利用Canny算子对所述图像进行处理得到边缘图像之前,还包括:
对所述图像的尺寸进行归一化处理。
3.根据权利要求1所述的PCB板检测方法,其特征在于,所述利用Canny算子对所述图像进行处理得到边缘图像,其中,所述Canny算子包括高阈值和低阈值两个参数,且所述高阈值和低阈值根据所述图像的像素信息自适应生成,具体包括:
获取所述图像的像素取值范围,其中,所述像素取值范围为[Imin,Imax];
计算所述图像的像素中值m,其中,所述像素中值m为将所述图像的各个像素值按大小进行排序后,序号位于中间的像素值;
生成所述高阈值和低阈值,其中,所述高阈值取Imax和(1+σ)*m二者中的较小者;所述低阈值取Imin和(1-σ)*m二者中的较大者,σ为经验参数;
利用所述高阈值和低阈值作为所述Canny算子的阈值参数对所述图像进行处理,得到边缘图像。
4.根据权利要求3所述的PCB板检测方法,其特征在于,所述经验参数σ取值为0.33。
5.根据权利要求1所述的PCB板检测方法,其特征在于,所述统计所述边缘图像内的非零像素的个数,包括:
遍历所述边缘图像内的所有像素,将像素值不为零的像素标记为非零像素,并统计获取非零像素的个数。
6.根据权利要求5所述的PCB板检测方法,其特征在于,所述根据所述非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度,还包括:
当判断所述边缘图像内的非零像素的个数少于第一阈值时,确定所述PCB板位于所述指定区域外。
7.根据权利要求1所述的PCB板检测方法,其特征在于,所述根据所述边界区域对应的非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度,包括:
当判断所述边界区域对应的边缘图像内的非零像素的个数大于预设的第二阈值时,确定所述PCB板部分进入所述指定区域。
8.根据权利要求1所述的PCB板检测方法,其特征在于,所述指定区域还包括内部区域,所述内部区域为所述指定区域内除所述边界区域之外的区域;
则所述统计所述边缘图像内的非零像素的个数,还包括:
统计所述内部区域对应的边缘图像内的非零像素的个数;
所述根据所述边界区域对应的非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度,包括:
当判断所述内部区域对应的边缘图像内的非零像素的个数大于预设的第三阈值,且所述边界区域对应的边缘图像内的非零像素的个数少于预设的第四阈值时,确定所述PCB板完全进入所述指定区域。
9.一种PCB板检测装置,其特征在于,包括:
采集单元,用于采集传送带的传送面上指定区域的图像;其中,所述指定区域包括边界区域,所述边界区域为所述指定区域内的到与传送带前进方向垂直的两条边的最小距离小于或者等于一预设的长度的点所组成的区域;
图像处理单元,用于利用Canny算子对所述图像进行处理得到边缘图像,其中,所述Canny算子包括高阈值和低阈值两个参数,且所述高阈值和低阈值根据所述图像的像素信息自适应生成;
统计单元,用于统计所述边缘图像内的非零像素的个数;其中,包括:统计所述边界区域对应的边缘图像内的非零像素的个数;
检测单元,用于根据所述非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度;其中,检测单元,用于根据所述边界区域对应的非零像素的个数与至少一个预设的阈值的大小关系,检测所述PCB板进入所述指定区域的程度。
10.根据权利要求9所述的PCB板检测装置,其特征在于,所述PCB板检测装置还包括:
归一化单元,用于对所述图像的尺寸进行归一化处理。
11.根据权利要求9所述的PCB板检测装置,其特征在于,所述图像处理单元具体包括:
像素获取单元,用于获取所述图像的像素取值范围,其中,所述像素取值范围为[Imin,Imax];
计算单元,用于计算所述图像的像素中值m,其中,所述像素中值m为将所述图像的各个像素值按大小进行排序后,序号位于中间的像素值;
阈值生成单元,用于生成所述高阈值和低阈值,其中,所述高阈值取Imax和(1+σ)*m二者中的较小者;所述低阈值取Imin和(1-σ)*m二者中的较大者,σ为经验参数;
处理单元,用于利用所述高阈值和低阈值作为所述Canny算子的阈值参数对所述图像进行处理,得到边缘图像。
12.根据权利要求9所述的PCB板检测装置,其特征在于,
所述检测单元用于,在判断所述边界区域对应的边缘图像内的非零像素的个数大于预设的第二阈值时,确定所述PCB板部分进入所述指定区域。
13.根据权利要求9所述的PCB板检测装置,其特征在于,所述指定区域还包括内部区域,其中,所述内部区域为所述指定区域内除所述边界区域之外的区域;
所述统计单元还用于,统计所述内部区域对应的边缘图像的非零像素的个数;
所述检测单元还用于,在判断所述内部区域对应的边缘图像内的非零像素的个数大于预设的第三阈值,且所述边界区域对应的边缘图像内的非零像素的个数少于预设的第四阈值时,确定所述PCB板完全进入所述指定区域。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510527487.3A CN105139397B (zh) | 2015-08-25 | 2015-08-25 | 一种pcb板检测方法及装置 |
PCT/CN2016/096546 WO2017032308A1 (zh) | 2015-08-25 | 2016-08-24 | 一种pcb板检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510527487.3A CN105139397B (zh) | 2015-08-25 | 2015-08-25 | 一种pcb板检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105139397A CN105139397A (zh) | 2015-12-09 |
CN105139397B true CN105139397B (zh) | 2017-12-19 |
Family
ID=54724729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510527487.3A Active CN105139397B (zh) | 2015-08-25 | 2015-08-25 | 一种pcb板检测方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105139397B (zh) |
WO (1) | WO2017032308A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139397B (zh) * | 2015-08-25 | 2017-12-19 | 广州视源电子科技股份有限公司 | 一种pcb板检测方法及装置 |
CN106469482A (zh) * | 2016-09-05 | 2017-03-01 | 深圳怡化电脑股份有限公司 | 纸币越界检测方法、装置及纸币存取设备 |
CN109035236B (zh) * | 2018-07-27 | 2024-02-23 | 深圳市闿思科技有限公司 | 铸件毛边检测方法及装置 |
CN112215827A (zh) * | 2020-10-20 | 2021-01-12 | 中广核核电运营有限公司 | 电迁移区域检测方法、装置、计算机设备和存储介质 |
CN113252625B (zh) * | 2021-04-27 | 2022-08-16 | 歌尔光学科技有限公司 | 一种具有荧光效应的胶水的胶路检测方法 |
CN115131287A (zh) * | 2022-05-16 | 2022-09-30 | 奥蒂玛光学科技(深圳)有限公司 | 一种图像处理方法、区域检测方法、检测设备和存储介质 |
CN115601364B (zh) * | 2022-12-14 | 2023-04-07 | 惠州威尔高电子有限公司 | 基于图像分析的金手指电路板检测方法 |
CN116703889B (zh) * | 2023-07-31 | 2023-10-03 | 深圳市普能达电子有限公司 | 一种柔性电路板贴片异常检测方法 |
CN116758077B (zh) * | 2023-08-18 | 2023-10-20 | 山东航宇游艇发展有限公司 | 一种冲浪板表面平整度在线检测方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436656A (zh) * | 2011-09-05 | 2012-05-02 | 同济大学 | 基于计算机视觉的动物多样性监测方法 |
CN102456131A (zh) * | 2010-11-02 | 2012-05-16 | 屏东科技大学 | 障碍物感测方法 |
CN102496161A (zh) * | 2011-12-13 | 2012-06-13 | 浙江欧威科技有限公司 | 一种印刷电路板图像的轮廓提取方法 |
CN103600707A (zh) * | 2013-11-06 | 2014-02-26 | 同济大学 | 一种智能泊车***的泊车位检测装置及方法 |
CN104268857A (zh) * | 2014-09-16 | 2015-01-07 | 湖南大学 | 一种基于机器视觉的快速亚像素边缘检测与定位方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4454428B2 (ja) * | 2004-07-30 | 2010-04-21 | 富士通株式会社 | 部品エッジ検出方法、部品エッジ検出プログラム及び検査装置 |
CN102034101B (zh) * | 2010-10-22 | 2014-11-05 | 广东工业大学 | 一种pcb视觉检测中快速圆形标志定位方法 |
CN105139397B (zh) * | 2015-08-25 | 2017-12-19 | 广州视源电子科技股份有限公司 | 一种pcb板检测方法及装置 |
-
2015
- 2015-08-25 CN CN201510527487.3A patent/CN105139397B/zh active Active
-
2016
- 2016-08-24 WO PCT/CN2016/096546 patent/WO2017032308A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102456131A (zh) * | 2010-11-02 | 2012-05-16 | 屏东科技大学 | 障碍物感测方法 |
CN102436656A (zh) * | 2011-09-05 | 2012-05-02 | 同济大学 | 基于计算机视觉的动物多样性监测方法 |
CN102496161A (zh) * | 2011-12-13 | 2012-06-13 | 浙江欧威科技有限公司 | 一种印刷电路板图像的轮廓提取方法 |
CN103600707A (zh) * | 2013-11-06 | 2014-02-26 | 同济大学 | 一种智能泊车***的泊车位检测装置及方法 |
CN104268857A (zh) * | 2014-09-16 | 2015-01-07 | 湖南大学 | 一种基于机器视觉的快速亚像素边缘检测与定位方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2017032308A1 (zh) | 2017-03-02 |
CN105139397A (zh) | 2015-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105139397B (zh) | 一种pcb板检测方法及装置 | |
CN105453153B (zh) | 交通灯检测 | |
CN108230321A (zh) | 缺陷检测方法及装置 | |
CN107833221A (zh) | 一种基于多通道特征融合和机器学习的漏水监测方法 | |
CN104749184A (zh) | 自动光学检测方法和*** | |
CN103530878B (zh) | 一种基于融合策略的边缘提取方法 | |
CN102673979B (zh) | 输送带跑偏判断方法及判断装置 | |
CN100376889C (zh) | 智能数码图文检测***及其检测方法 | |
CN106228546A (zh) | 一种板卡的检测方法及装置 | |
CN102169093A (zh) | 基于图形处理器的多工位机器视觉成像检测方法及*** | |
CN101751572A (zh) | 一种图案检测方法、装置、设备及*** | |
CN109087363B (zh) | 一种基于hsv颜色空间的污水排放检测方法 | |
CN108896278A (zh) | 一种滤光片丝印缺陷检测方法、装置及终端设备 | |
CN109389599A (zh) | 一种基于深度学习的缺陷检测方法及装置 | |
CN106780473A (zh) | 一种磁环缺陷多目视觉检测方法及*** | |
JPH04270950A (ja) | 外観検査装置 | |
CN105866136A (zh) | 摄像头模组滤光片涂胶检测装置和方法 | |
CN108449525A (zh) | 自动光学检查中标准图像的获取方法及自动光学检查设备 | |
CN108037132A (zh) | 一种用于干电池浆层纸卷绕缺陷检测的视觉传感器***及方法 | |
CN103049743B (zh) | 碗底字符检测***及检测方法 | |
EP3904868A1 (en) | Learned model generation method, learned model, surface defect inspection method, steel manufacturing method, pass/fail determination method, grade determination method, surface defect determination program, pass/fail determination program, determination system, and steel manufacturing equipment | |
CN102749034A (zh) | 基于图像处理的铁路道岔缺口偏移量检测方法 | |
WO2024055796A1 (zh) | 一种缺陷检测***、方法、装置、电子设备及存储介质 | |
CN101510295A (zh) | 基于PCIe和Vision Assistan的机器视觉***的设计方法 | |
CN106650735B (zh) | 一种led字符自动定位识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20181106 Address after: 510663 3, 310, No. 192, Ke Zhu Road, Guangzhou high tech Industrial Development Zone, Guangdong Patentee after: GUANGZHOU SHIKUN ELECTRONICS Co.,Ltd. Address before: 510663, 4, No. 192, Ke Zhu Road, science and Technology City, Guangzhou high tech Industrial Development Zone, Guangdong Patentee before: Guangzhou Shiyuan Electronic Technology Company Limited |
|
TR01 | Transfer of patent right |