CN106503720B - 一种去除吸嘴干扰的元件图像识别方法 - Google Patents

一种去除吸嘴干扰的元件图像识别方法 Download PDF

Info

Publication number
CN106503720B
CN106503720B CN201610913757.9A CN201610913757A CN106503720B CN 106503720 B CN106503720 B CN 106503720B CN 201610913757 A CN201610913757 A CN 201610913757A CN 106503720 B CN106503720 B CN 106503720B
Authority
CN
China
Prior art keywords
element image
suction nozzle
point
image
vertex
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
Application number
CN201610913757.9A
Other languages
English (en)
Other versions
CN106503720A (zh
Inventor
贾孝荣
付文定
卜发军
邓泽峰
杨帮合
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHENZHEN FAROAD INTELLIGENT EQUIPMENT Co.,Ltd.
Original Assignee
Shenzhen Luyuan Automation Equipment Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Luyuan Automation Equipment Co Ltd filed Critical Shenzhen Luyuan Automation Equipment Co Ltd
Priority to CN201610913757.9A priority Critical patent/CN106503720B/zh
Publication of CN106503720A publication Critical patent/CN106503720A/zh
Application granted granted Critical
Publication of CN106503720B publication Critical patent/CN106503720B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种去除吸嘴干扰的图像识别方法，属于图像识别技术领域。本发明去除吸嘴干扰的图像识别方法通过边缘检测的方式提取元件图像的边缘点，使用最小外接矩形对边缘点进行粗定位，确定候选长边和候选短边，通过计算距离较近点的个数从候选长边和候选短边中确定最好长边和最好短边，拟合的最好长边和最好短边的直线交点即为第一顶点，再通过求导计算、峰值比较得到第二顶点和第三顶点，即可得到元件原本的轮廓。这种图像识别方法能够有效去除工业相机拍摄元件图像时吸嘴的干扰，保证了贴片机贴装元件的准确性、可靠性。

Description

一种去除吸嘴干扰的元件图像识别方法
技术领域
本发明涉及图像识别技术领域，尤其涉及一种去除吸嘴干扰的元件图像识别方法。
背景技术
贴片机是用来实现高速、高精度地全自动地贴放元器件的设备，是整个SMT生产中最关键、最复杂的设备，作为SMT的生产线中的主要设备，贴片机已从早期的低速机械贴片机发展为高速光学对中贴片机，并向多功能、柔性连接模块化发展。贴片机的贴装头都设有吸嘴单元和工业相机，吸嘴单元利用真空吸附的原理对元件进行取放，而工业相机则用于对吸嘴单元吸附的元件进行位置识别判断，这是因为吸嘴单元在吸附元件时，并不能保证元件与吸嘴单元的位置角度关系，也就是说元件可能偏离了一定距离或者偏转了一定角度，这就需要工业相机对元件的位置进行准确识别，再通过贴装头的Z轴旋转组件对元件的角度偏转进行旋转补偿或对位置偏移进行直线补偿，因此工业相机对元件的位置、角度识别能力对于整体的贴装工序而言，至关重要。另外，吸嘴单元在吸附元件时，经过工业相机拍摄的元件图像轮廓有可能会包含吸嘴单元的轮廓，如图1、图2和图3所示，图1中吸嘴单元的轮廓在元件图像的长边露出，图2中吸嘴元件的轮廓在元件图像的短边露出，图3中吸嘴元件的轮廓在元件图像的顶点处露出，无论吸嘴元件从元件图像的哪个位置露出都会造成元件轮廓识别的障碍，进而影响元件贴装的精度。为此就需要一种能够有效去除吸嘴干扰、并准确地从元件图像中识别出元件本身的轮廓的方法。
发明内容
本发明所要解决的技术问题，在于提供一种元件图像识别方法，能够有效去除吸嘴干扰且准确地从元件图像中识别出元件轮廓。
本发明解决上述技术问题所采用的技术方案是：
本发明提供了一种去除吸嘴干扰的元件图像识别方法，包括步骤：对元件图像采用边缘检测的方式提取出边缘点，并使用最小外接矩形对所述边缘点进行粗定位；根据最小外接矩形的各边长度确定两个候选长边和两个候选短边；计算到各边距离小于m像素的点的个数，满足要求的点个数最多的候选长边为最好长边，个数最多的候选短边为最好短边，2≤m≤5，m∈N*；将距离最好长边和最好短边小于m像素的点进行拟合，计算拟合的两直线的交点，得到元件轮廓的第一顶点；统计所有边缘点到最好长边的距离，通过计算y1＝f(x1)在各点处的一阶导数，x1为距离，y1为个数，确定出个数峰值y1max1及个数次峰值y1max2，将个数峰值y1max1及个数次峰值y1max2所对应的距离x1max1及x1max2与元件尺寸设定值进行比较，最接近的距离为x1max即为元件轮廓的第一边长的长度，得到元件轮廓的第二顶点；统计所有边缘点到最好短边的距离，通过计算y2＝f(x2)在各点处的一阶导数，x2为距离，y2为个数，确定出个数峰值y2max1及个数次峰值y2max2，将个数峰值y2max1及个数次峰值y2max2所对应的距离x2max1及x2max2与元件尺寸设定值进行比较，最接近的距离为x2max即为元件轮廓垂直于所述第一边长的第二边长的长度，得到元件轮廓的第三顶点；根据三个顶点确定元件轮廓。
作为上述技术方案的进一步改进，在对元件图像提取边缘点的步骤前，要对元件图像进行二值化处理。
作为上述技术方案的进一步改进，在对元件图像提取边缘点的步骤前，要对元件图像进行开运算处理。
作为上述技术方案的进一步改进，在最好长边和最好短边的拟合步骤中采用的是最小二乘法。
作为上述技术方案的进一步改进，在计算到各边距离小于m像素的点的个数步骤中，m的取值为3。
本发明的有益效果是：
本发明元件图像识别方法通过对元件图像轮廓点进行边缘采集、拟合、计算求导、峰值比较，最终能够准确确定出矩形元件的三个顶点，进而确定元件本身的轮廓，有效去除了工业相机拍摄元件图像时吸嘴单元的干扰，保证了贴片机贴装元件的准确性、可靠性。
附图说明
图1是元件图像轮廓包含吸嘴单元轮廓的第一种情况示意图；
图2是元件图像轮廓包含吸嘴单元轮廓的第二种情况示意图；
图3是元件图像轮廓包含吸嘴单元轮廓的第三种情况示意图；
图4是图3所示元件图像的边缘轮廓示意图；
图5是图3的元件图像使用最小外接矩形粗定位的示意图；
图6是图3的元件图像确定最好长边和最好短边的示意图；
图7是图3的元件图像确定第一边长的长度示意图；
图8是图3的元件图像确定第二边长的长度示意图；
图9是图3的元件图像确定元件轮廓的示意图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。
本发明去除吸嘴干扰的元件图像识别方法包括如下步骤：
S1、对元件图像进行前处理，包括图像二值化和图像开运算。
图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。
开运算是指使用同一个结构元素对图像先腐蚀再进行膨胀的运算，其能够消除元件图像中的小对象物，在纤细点处分离物体，平滑较大物体的边界，且不明显改变元件图像的面积。
S2、对元件图像采用边缘检测的方式提取出边缘点，并使用最小外接矩形对所述边缘点进行粗定位。
如图4所示，元件图像由a、b、c、d、e五条线围成，明显地，该图像的轮廓包含了吸嘴单元的轮廓，也就是轮廓线d处。采用边缘检测的方式能够将元件图像的边缘点进行提取，以供后续步骤计算使用。
如图4和图5所示，在经边缘检测提取出边缘点之后，对边缘点进行最小外接矩形逼近，从示意图中可以看出，最小外接矩形的两条边与元件图像的a边和b边基本在一条直线上，而最小外接矩形的另外两条边则基本与元件图像的d边相切。
S3、根据最小外接矩形的各边长度确定两个候选长边和两个候选短边。
最小外接矩形具有四条边，根据其各条边的长度确定出两个候选长边和两个候选短边。
S4、计算到各边距离小于m像素的点的个数，满足要求的点个数最多的候选长边为最好长边，个数最多的候选短边为最好短边，2≤m≤5，m∈N*，本实施例中，m的值优选为3个。
如图6所示，根据S4的方法从两个候选长边中确定出最好长边11，再从两个候选短边中确定出最好短边12。
S5、将距离最好长边和最好短边小于m像素的点进行拟合，计算拟合的两直线的交点，得到元件轮廓的第一顶点。
如图6所示，最好长边11和最好短边12经直线拟合之后的交点即为元件轮廓的第一顶点13，本实施例中，直线的拟合优选采用最小二乘法。
S6、统计所有边缘点到最好长边的距离，通过计算y1＝f(x1)在各点处的一阶导数，x1为距离，y1为个数，确定出个数峰值y1max1及个数次峰值y1max2，将个数峰值y1max1及个数次峰值y1max2所对应的距离x1max1及x1max2与元件尺寸设定值进行比较，最接近的距离为x1max即为元件轮廓的第一边长的长度。
要得到矩形元件准确的外形尺寸，就需要准确判断出其至少三个顶点的位置。如图7所示，统计所有边缘点到最好长边11的距离，理论上来讲同一距离的个数峰值y1max的最大值应该出现在x1＝L1的位置，从示意图中就可以看出，x1在x1max的位置其距离最好长边11距离相等的点明显多于x1在x11和x12的位置，当通过对个数y1—距离x1函数进行一阶求导之后就能够确定出若干个个数峰值，将个数峰值y1max1及个数次峰值y1max2对应的距离x1max1及x1max2与元件尺寸设定值L1进行比较，距离与L1更加接近的即为第一边长的长度。第一边长的长度取得之后，就可以确定元件轮廓的第二顶点14。
S7、统计所有边缘点到最好短边的距离，通过计算y2＝f(x2)在各点处的一阶导数，x2为距离，y2为个数，确定出个数峰值y2max1及个数次峰值y2max2，将个数峰值y2max1及个数次峰值y2max2所对应的距离x2max1及x2max2与元件尺寸设定值进行比较，最接近的距离为x2max即为元件轮廓垂直于所述第一边长的第二边长的长度。
如图8所示，与S6相似，统计所有边缘点到最好短边12的距离，确定出个数峰值y2max1及个数次峰值y2max2所对应的距离x2max1及x2max2，再将x2max1及x2max2与元件尺寸设定值L2进行比较，距离与L2更加接近的即为第二边长的长度。第二边长的长度取得之后，就可以确定元件轮廓的第三顶点15。
S8、根据三个顶点确定元件轮廓。
如图9所示，第一顶点13、第二顶点14、第三顶点15的位置准确得到之后，就能够将元件的轮廓进行精准的判断，进而实现去除吸嘴干扰的目的。
以上是对本发明的较佳实施例进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (5)

1.一种去除吸嘴干扰的元件图像识别方法，其特征在于，包括步骤：
对元件图像采用边缘检测的方式提取出边缘点，并使用最小外接矩形对所述边缘点进行粗定位；
根据最小外接矩形的各边长度确定两个候选长边和两个候选短边；
计算到各边距离小于m像素的点的个数，满足要求的点个数最多的候选长边为最好长边，个数最多的候选短边为最好短边，2≤m≤5，m∈N*；
将距离最好长边和最好短边小于m像素的点进行拟合，计算拟合的两直线的交点，得到元件轮廓的第一顶点；
统计所有边缘点到最好长边的距离，通过计算y1＝f(x1)在各点处的一阶导数，x1为距离，y1为个数，确定出个数峰值y1max1及个数次峰值y1max2，将个数峰值y1max1及个数次峰值y1max2所对应的距离x1max1及x1max2与元件尺寸设定值进行比较，最接近的距离为x1max即为元件轮廓的第一边长的长度，得到元件轮廓的第二顶点；
统计所有边缘点到最好短边的距离，通过计算y2＝f(x2)在各点处的一阶导数，x2为距离，y2为个数，确定出个数峰值y2max1及个数次峰值y2max2，将个数峰值y2max1及个数次峰值y2max2所对应的距离x2max1及x2max2与元件尺寸设定值进行比较，最接近的距离为x2max即为元件轮廓垂直于所述第一边长的第二边长的长度，得到元件轮廓的第三顶点；
根据三个顶点确定元件轮廓。
2.如权利要求1所述的去除吸嘴干扰的元件图像识别方法，其特征在于：在对元件图像提取边缘点的步骤前，要对元件图像进行二值化处理。
3.如权利要求1所述的去除吸嘴干扰的元件图像识别方法，其特征在于：在对元件图像提取边缘点的步骤前，要对元件图像进行开运算处理。
4.如权利要求1所述的去除吸嘴干扰的元件图像识别方法，其特征在于：在最好长边和最好短边的拟合步骤中采用的是最小二乘法。
5.如权利要求1所述的去除吸嘴干扰的元件图像识别方法，其特征在于：在计算到各边距离小于m像素的点的个数步骤中，m的取值为3。
CN201610913757.9A 2016-10-19 2016-10-19 一种去除吸嘴干扰的元件图像识别方法 Active CN106503720B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610913757.9A CN106503720B (zh) 2016-10-19 2016-10-19 一种去除吸嘴干扰的元件图像识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610913757.9A CN106503720B (zh) 2016-10-19 2016-10-19 一种去除吸嘴干扰的元件图像识别方法

Publications (2)

Publication Number Publication Date
CN106503720A CN106503720A (zh) 2017-03-15
CN106503720B true CN106503720B (zh) 2019-09-13

Family

ID=58319253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610913757.9A Active CN106503720B (zh) 2016-10-19 2016-10-19 一种去除吸嘴干扰的元件图像识别方法

Country Status (1)

Country Link
CN (1) CN106503720B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111568182A (zh) * 2020-02-28 2020-08-25 佛山市云米电器科技有限公司 智能出水方法、***及存储介质
CN111568197A (zh) * 2020-02-28 2020-08-25 佛山市云米电器科技有限公司 智能检测方法、***及存储介质
CN111568199B (zh) * 2020-02-28 2023-11-07 佛山市云米电器科技有限公司 接水容器的识别方法、***及存储介质
CN113160161B (zh) * 2021-04-14 2023-07-11 歌尔股份有限公司 目标边缘处缺陷的检测方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003178299A (ja) * 2001-12-07 2003-06-27 Asahi Koyo Kk 図形縮小編纂方法及び装置並びに図形変形装置及び方法
CN101839690A (zh) * 2010-04-13 2010-09-22 河海大学常州校区 一种基于边缘拟合的片式电子元件位置误差视觉检测方法
CN104809422A (zh) * 2015-04-27 2015-07-29 江苏中科贯微自动化科技有限公司 基于图像处理的qr码识别方法
CN104981105A (zh) * 2015-07-09 2015-10-14 广东工业大学 一种快速精确获得元件中心和偏转角度的检测及纠偏方法
CN105046271A (zh) * 2015-06-25 2015-11-11 哈尔滨工业大学 基于模板匹配的melf元件定位与检测方法
CN105809705A (zh) * 2016-03-30 2016-07-27 广东工业大学 一种基于最小外接矩形的贴片元件定位识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4525787B2 (ja) * 2008-04-09 2010-08-18 富士ゼロックス株式会社 画像抽出装置、及び画像抽出プログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003178299A (ja) * 2001-12-07 2003-06-27 Asahi Koyo Kk 図形縮小編纂方法及び装置並びに図形変形装置及び方法
CN101839690A (zh) * 2010-04-13 2010-09-22 河海大学常州校区 一种基于边缘拟合的片式电子元件位置误差视觉检测方法
CN104809422A (zh) * 2015-04-27 2015-07-29 江苏中科贯微自动化科技有限公司 基于图像处理的qr码识别方法
CN105046271A (zh) * 2015-06-25 2015-11-11 哈尔滨工业大学 基于模板匹配的melf元件定位与检测方法
CN104981105A (zh) * 2015-07-09 2015-10-14 广东工业大学 一种快速精确获得元件中心和偏转角度的检测及纠偏方法
CN105809705A (zh) * 2016-03-30 2016-07-27 广东工业大学 一种基于最小外接矩形的贴片元件定位识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Evaluating Edge Detection through Boundary Detection;Song Wang 等;《EURASIP Journal on Applied Signal Processing》;20061231;第2006卷;第1-15页 *
视觉***在贴片头定位于片状元件检测纠偏中的应用研究;余大伟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110115;第2011年卷(第01期);第I138-1159页 *
贴片元件几何尺寸精密测量***的关键技术研究;李小伟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150115;第2015年卷(第01期);第I138-1235页 *

Also Published As

Publication number Publication date
CN106503720A (zh) 2017-03-15

Similar Documents

Publication Publication Date Title
CN106503720B (zh) 一种去除吸嘴干扰的元件图像识别方法
CN111044522B (zh) 缺陷检测方法、装置及终端设备
US10430951B2 (en) Method and device for straight line detection and image processing
CN106824806B (zh) 基于机器视觉的小模数塑料齿轮的检测方法
CN101936708B (zh) Qfp芯片的定位检测方法
CN108510476B (zh) 一种基于机器视觉的手机屏线路检测方法
CN109993099A (zh) 一种基于机器视觉的车道线提取识别方法
CN110189375B (zh) 一种基于单目视觉测量的图像目标识别方法
CN108537772B (zh) 贴片电阻正导体印刷缺陷的视觉检测方法
CN110480127A (zh) 一种基于结构光视觉传感的焊缝跟踪***及方法
CN110910359B (zh) 一种基于特征跟踪与骨架特征匹配的fpc线路检测方法
CN105447489B (zh) 一种图片ocr识别***的字符与背景粘连噪声消除方法
CN113077437B (zh) 工件质量检测方法及其***
CN114279357A (zh) 一种基于机器视觉的压铸件毛刺尺寸测量方法及***
CN112505055B (zh) 一种电路板的漏铜检测方法以及装置
CN105678737A (zh) 一种基于Radon变换的数字图像角点检测方法
CN113822810A (zh) 一种基于机器视觉的三维空间中工件的定位方法
CN113705564B (zh) 一种指针式仪表识别读数方法
CN112734779A (zh) 一种圆点标定板边缘亚像素检测方法
CN111476792A (zh) 一种板带钢图像轮廓的提取方法
CN113781508B (zh) 叶型孔图像的轮廓型线提取与分割方法及***、设备、存储介质
CN111325802A (zh) 一种直升机风洞试验中圆形标记点识别匹配方法
JPH06288732A (ja) 電子部品の位置検出方法
CN111462242B (zh) 一种基于改进的可变形部件模型的矩形引脚芯片定位方法
CN113624134B (zh) 一种发动机涡轮叶片顶端气膜孔的定位方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200911

Address after: 518000 Fourth Floor, First Floor and Third Floor of Block G, 52 Huangpu Road, Shangliao Community, Xinqiao Street, Baoan District, Shenzhen City, Guangdong Province

Patentee after: SHENZHEN FAROAD INTELLIGENT EQUIPMENT Co.,Ltd.

Address before: 518000,, Guangdong, Baoan District province Shenzhen manhole street, community 52, Whampoa Road, two floor

Patentee before: SHENZHEN LUYUAN AUTOMATION EQUIPMENT Co.,Ltd.