CN109829911B - 一种基于轮廓超差算法的pcb板表面检测方法 - Google Patents
一种基于轮廓超差算法的pcb板表面检测方法 Download PDFInfo
- Publication number
- CN109829911B CN109829911B CN201910107780.2A CN201910107780A CN109829911B CN 109829911 B CN109829911 B CN 109829911B CN 201910107780 A CN201910107780 A CN 201910107780A CN 109829911 B CN109829911 B CN 109829911B
- Authority
- CN
- China
- Prior art keywords
- contour
- point
- small
- test
- normal
- 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
Images
Landscapes
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于轮廓超差算法的PCB板表面检测方法，首先获得PCB裸板模板图，然后对采集到的图像进行处理得到测试图，其次对测试图和模板图进行模板匹配到位，最后利用轮廓超差算法思想寻找测试图上的缺陷；利用这种轮廓超差的方法可以在PCB板铜面轮廓360度方向上找PCB板上的缺陷，而且没有轮廓形状的限制；并且可以找到PCB板上断路、短路、破损、铜面划伤、铜渣等几乎所有的PCB板缺陷；这种方法比传统的利用图像开闭运算结合的方法等算法找PCB板缺陷的方法更为准确，适用面更广，可以找出几乎所有PCB板上缺陷类型。不会漏找，误找缺陷。
Description
技术领域
本发明涉及图像处理领域，具体涉及一种基于轮廓超差算法的PCB板表面检测方法。
背景技术
在基于机器视觉的PCB板的线路的缺陷检测中，目前主要采取用截取区域后计算连通域个数和面积进行短路，断路，破损，铜渣的缺陷识别。这样既费时费力又精度低，在采集的图像的过程中机械抖动打光等因素造成的在计划区域内的其他干扰，连通域个数和面积发生变化，容易造成误检。
目前多数检测PCB线路缺陷采用在截取的区域内计算连通区域的个数的方法来判断缺陷部分是短路还是断路，采用比较相应位置导体区域面积大小来判断铜渣和破损区域。首先截取区域的大小选择在实际生产检测中无法进行准确把握，在检测时间有限的情况下，无法有充足的时间准确截取区域，在计算区域个数的时候，由于线路边缘灰度是渐变的，二值化阈值后会存在微小区域影响区域的总个数，进而影响到缺陷的判断。
发明内容
针对现有技术的不足，本发明提供一种基于轮廓超差算法的PCB板表面检测方法，以解决背景技术中所述的技术问题。
为实现上述目的，本发明采用如下技术方案：
一种基于轮廓超差算法的PCB板表面检测方法，其特征在于，包括以下具体步骤：
S1，获得PCB裸板模板图,将其切分成数个大小相同特定尺寸的小图像，被分割的标准图像优先被用于被匹配的对象；
S2，将采集到的图像进行处理即去噪、自动阈值分割的算法将裸板铜面给准确分割出来，然后二值化图像即线路导体区的灰度值为255，背景区的灰度值为0，得到二值图即测试图切分成数个大小相同特定尺寸到的测试小图像，切分成的测试小图像用于优先匹配模板图；
S3，用形状模板匹配的方法测试小图像作为模板去匹配对应的标准小图即对位；
S4，将得到的测试图像和对应的标准图像分别求取边缘亚像素边缘，并求取亚像素边缘的行列坐标，然后用特定的方法求取边缘每个坐标点的法向；
S5，分别求取测试小图和对应的标准小图的边缘轮廓，将步骤S3中对位好的标准小图和对应测试小图放在同一图像坐标系下，用轮廓超差算法即优先在测试图轮廓坐标点的法向上的对应的步长数至内去找标准图的轮廓点。
进一步的，所述步骤S4中的具体步骤包括：
S401，将得到测试小图像和对应的标准小图像分别求取边缘亚像素边缘，并求取亚像素边缘的行列坐标，将求取的行列坐标按照游走轮廓的方式，按顺序存放在数组中，行坐标和列坐标应对应存放在不同的数组中；
S402，将在步骤4.1所求的轮廓行列坐标按照游走轮廓的方式将求得的行列坐标编号，如1、2、3、4......n，按照将编号1的轮廓坐标点和编号3的轮廓坐标点用直线连接起来，编号4和编号6用直线连接起来，按照这种方式连接下去，如果最后有剩余的坐标点，不论剩余多少个都是第n个坐标点与第n-2个坐标点用直线连接起来，并求取所连接起来的这些线段的斜率，进而求取这些线段法向角度；法向角度的范围为[-π，π]，将所求得的法向角度按照和求行列坐标游走轮廓的方向一样按顺序将其编号；如3、6、9.......3m、n；
S403，将步骤402中所求取的法向角度按照编号的顺序和对应的轮廓点坐标对应起来，如编号为1、2、3的轮廓点的法向角度为法向角度编号为3号的法向角度，编号为4、5、6的轮廓点的法向角度为法向角度编号为6号的法向角度，这样依次进行下去；每个轮廓坐标点都有对应于自己的法向角度。
进一步的，所述步骤S5中的具体步骤包括：
S501，分别求取测试小图和对应的标准小图的边缘轮廓，将步骤S3中对位好的标准小图和对应测试小图放在同一图像坐标系下；
S502，根据步骤S402中所优先求取测试小图的轮廓点和对应的法向角度按照测试小图轮廓游走的顺序求取轮廓点编号为1的坐标点正向法向步长为0的坐标点的坐标和这个坐标点上的灰度值，如果灰度为0,则找这个坐标点的8邻域的灰度值；如果这个坐标点上的灰度值为255，则找到了模板小图上的轮廓点并求出它们的距离D0，如果距离D0小于规定的法向距离值Dmix时，则测试小图上的这个轮廓点不为缺陷点；如果轮廓点编号为1的坐标点正向法向步长为0的坐标点的8邻域的灰度值都为0,则继续往下一个步长上寻找；如果测试小图轮廓点编号为1的坐标点正向法向步长为0的坐标点的8邻域的灰度值有为255时，说明找到了对位好的模板小图的轮廓点，然后求出测试小图轮廓点编号为1的坐标点与测试小图轮廓点编号为1的坐标点正向法向步长为0的坐标点的8邻域的灰度值为255坐标的距离D1，D2......；如果他们的的最小距离大于规定的法向距离值Dmix时,则测试小图上的这个轮廓点为缺陷点，反之不为缺陷点；如果找到了对应模板小图的轮廓点即灰度值为255的点就不在法向的步长上继续寻找；反之，没有找到缺陷点则在法向的步长上继续寻找；
S503，如果在规定的正向法向的步长数之内像素点上及其8邻域之内还没有找到灰度值为255的坐标点则按照步骤S502的方法步骤在测试小图轮廓点编号为1的坐标点反向法向步长数之内寻找模板图的轮廓点，如果找到模板图的轮廓点则不再法向上寻找，如果它们的距离大于规定的距离，则测试小图上的这个轮廓点为缺陷点；如果在规定的反向法向的步长数之内像素点上及其8邻域之内还没有找到灰度值为255的坐标点，则测试小图上的这个轮廓点为缺陷点；
S504，按照步骤S502和步骤S503的方法步骤，沿测试小图轮廓游走的方向去寻找轮廓点编号为2,3,4.......n等轮廊点上法向方向的模板小图像上的轮廓点，如果对应的测试小图像轮廓点和模板小图像轮廓点的距离大于规定的法向距离值Dmix时，则测试小图上的这个轮廓点为缺陷点，反之不为缺陷点；如果，在测试小图像轮廓点正反法向上都没有找到像素值为255的点即模板小图像轮廓点；此时，测试小图像轮廓点(亚像素级)也为缺陷点；
S505，如果测试小图像的像素值全为0或255时，则反过来在法向上去寻找轮廓点即在模板小图像的轮廓点上的法线方向上按照步骤S502和步骤S503及步骤S504的方法步骤下去寻找对应的测试小图像的轮廓点进而找到测试小图像上的缺陷点；
S506，如果是大铜面的裸板或大缺陷沿轮廓隔点在法向方向寻找缺陷点；如果是小铜面的裸板或小缺陷则沿轮廓逐点在法向方向寻找缺陷点；
S507，如果找PCB板上铜面的大缺陷则在轮廓点的法向方向上规定的法向距离值Dmix要适当的设置大一些，法向步长数也适当的要大一些；反之则相反。
进一步的，如果在测试小图像的轮廓点的法向方向的规定的步长数内找到了测试小图像上的轮廓点并且它们之间距离大于规定的最大Dmax距离则所找的缺陷点的类型为铜面破损，铜面多焊，铜渣等缺陷；如果在测试小图像的轮廓点的法向方向的正反方向上的规定的步长数内及其8邻域内都没有找到了模板小图像上的轮廓点则所找的缺陷点的类型为铜面断路；在模板小图像的轮廓点上的法线方向上的正反方向上的规定的步长数内及其8邻域内都没有找到了测试小图像上的轮廓点则所找的缺陷点的类型为铜面短路等缺陷。
本发明提供的一种基于轮廓超差算法的PCB板表面检测方法的有益效果在于：
(1)本发明根据采集的PCB图像，在考虑机械误差，光线误差等基础上，自动对位预处理的的PCB板图像与标准模板图像进而运用轮廓超差算法运算得到短路、断路、破损、铜渣等缺陷；
(2)利用这种轮廓超差算法可以在PCB板铜面轮廓360度方向上找PCB板上的缺陷，而且没有轮廓形状的限制，并且可以找到PCB板上断路、短路、破损、铜面划伤、铜渣等几乎所有的PCB板缺陷；而且，没有缺陷大小的限制；这种方法比传统的利用图像开闭运算结合的方法等算法找PCB板缺陷的方法更为准确，找到缺陷的精度达到了像素级别，适用面更广，可以找出几乎所有PCB板上缺陷类型。
附图说明
图1为本发明流程示意图；
图2为本发明Gerber文件生成的模板图像；
图3为本发明在测试小图像上的显示法向；
图4为本发明在测试小图像上的所找到的缺陷点。
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、完整的描述，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。本领域普通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，均属于本发明的保护范围。
实施例：一种基于轮廓超差算法的PCB板表面检测方法。
S1，将pcb文件转化为Gerber文件，然后，利用GerbMagic软件将Gerber文件解析出来转化为BMP格式图像；这样，就得到了pcb裸板标准线路的二值图像即标准图像，然后将其切分成数个大小相同特定尺寸的小图像，被分割的标准图像优先被用来被匹配的对象；
S2，将采集到的图像进行处理即去噪、自动阈值分割的算法将裸板铜面给准确分割出来，然后二值化图像即线路导体区的灰度值为255，背景区的灰度值为0，得到二值图即测试图切分成数个大小相同特定尺寸到的测试小图像，切分成的测试小图像用于优先匹配模板图；
S3，用形状模板匹配的方法测试小图像作为模板去匹配对应的标准小图即对位；
S4，将得到的测试图像和对应的标准图像分别求取边缘亚像素边缘，并求取亚像素边缘的行列坐标，然后用特定的方法求取边缘每个坐标点的法向；
S5，分别求取测试小图和对应的标准小图的边缘轮廓，将步骤S3中对位好的标准小图和对应测试小图放在同一图像坐标系下，用轮廓超差算法即优先在测试图轮廓坐标点的法向上的对应的步长数至内去找标准图的轮廓点。
进一步的，所述步骤S4中的具体步骤包括：
S401，将得到测试小图像和对应的标准小图像分别求取边缘亚像素边缘，并求取亚像素边缘的行列坐标，将求取的行列坐标按照游走轮廓的方式，按顺序存放在数组中，行坐标和列坐标应对应存放在不同的数组中；
S402，将在步骤4.1所求的轮廓行列坐标按照游走轮廓的方式将求得的行列坐标编号，如1、2、3、4......n，按照将编号1的轮廓坐标点和编号3的轮廓坐标点用直线连接起来，编号4和编号6用直线连接起来，按照这种方式连接下去，如果最后有剩余的坐标点，不论剩余多少个都是第n个坐标点与第n-2个坐标点用直线连接起来，并求取所连接起来的这些线段的斜率，进而求取这些线段法向角度；法向角度的范围为[-π，π]，将所求得的法向角度按照和求行列坐标游走轮廓的方向一样按顺序将其编号；如3、6、9.......3m、n；
S403，将步骤402中所求取的法向角度按照编号的顺序和对应的轮廓点坐标对应起来，如编号为1、2、3的轮廓点的法向角度为法向角度编号为3号的法向角度，编号为4、5、6的轮廓点的法向角度为法向角度编号为6号的法向角度，这样依次进行下去；每个轮廓坐标点都有对应于自己的法向角度。
进一步的，所述步骤S5中的具体步骤包括：
S501，分别求取测试小图和对应的标准小图的边缘轮廓，将步骤S3中对位好的标准小图和对应测试小图放在同一图像坐标系下；
S502，根据步骤S402中所优先求取测试小图的轮廓点和对应的法向角度按照测试小图轮廓游走的顺序求取轮廓点编号为1的坐标点正向法向步长为0的坐标点的坐标和这个坐标点上的灰度值，如果灰度为0,则找这个坐标点的8邻域的灰度值；如果这个坐标点上的灰度值为255，则找到了模板小图上的轮廓点并求出它们的距离D0，如果距离D0小于规定的法向距离值Dmix时，则测试小图上的这个轮廓点不为缺陷点；如果轮廓点编号为1的坐标点正向法向步长为0的坐标点的8邻域的灰度值都为0,则继续往下一个步长上寻找；如果测试小图轮廓点编号为1的坐标点正向法向步长为0的坐标点的8邻域的灰度值有为255时，说明找到了对位好的模板小图的轮廓点，然后求出测试小图轮廓点编号为1的坐标点与测试小图轮廓点编号为1的坐标点正向法向步长为0的坐标点的8邻域的灰度值为255坐标的距离D1，D2......；如果他们的的最小距离大于规定的法向距离值Dmix时,则测试小图上的这个轮廓点为缺陷点，反之不为缺陷点；如果找到了对应模板小图的轮廓点即灰度值为255的点就不在法向的步长上继续寻找；反之，没有找到缺陷点则在法向的步长上继续寻找；
S503，如果在规定的正向法向的步长数之内像素点上及其8邻域之内还没有找到灰度值为255的坐标点则按照步骤S502的方法步骤在测试小图轮廓点编号为1的坐标点反向法向步长数之内寻找模板图的轮廓点，如果找到模板图的轮廓点则不再法向上寻找，如果它们的距离大于规定的距离，则测试小图上的这个轮廓点为缺陷点；如果在规定的反向法向的步长数之内像素点上及其8邻域之内还没有找到灰度值为255的坐标点，则测试小图上的这个轮廓点为缺陷点；
S504，按照步骤S502和步骤S503的方法步骤，沿测试小图轮廓游走的方向去寻找轮廓点编号为2,3,4.......n等轮廊点上法向方向的模板小图像上的轮廊点，如果对应的测试小图像轮廊点和模板小图像轮廊点的距离大于规定的法向距离值Dmix时，则测试小图上的这个轮廓点为缺陷点，反之不为缺陷点；如果，在测试小图像轮廊点正反法向上都没有找到像素值为255的点即模板小图像轮廊点；此时，测试小图像轮廊点(亚像素级)也为缺陷点；
S505，如果测试小图像的像素值全为0或255时，则反过来在法向上去寻找轮廓点即在模板小图像的轮廓点上的法线方向上按照步骤S502和步骤S503及步骤S504的方法步骤下去寻找对应的测试小图像的轮廓点进而找到测试小图像上的缺陷点；
S506，如果是大铜面的裸板或大缺陷沿轮廓隔点在法向方向寻找缺陷点；如果是小铜面的裸板或小缺陷则沿轮廓逐点在法向方向寻找缺陷点；
S507，如果找PCB板上铜面的大缺陷则在轮廓点的法向方向上规定的法向距离值Dmix要适当的设置大一些，法向步长数也适当的要大一些；反之则相反。
进一步的，如果在测试小图像的轮廓点的法向方向的规定的步长数内找到了测试小图像上的轮廓点并且它们之间距离大于规定的最大Dmax距离则所找的缺陷点的类型为铜面破损，铜面多焊，铜渣等缺陷；如果在测试小图像的轮廓点的法向方向的正反方向上的规定的步长数内及其8邻域内都没有找到了模板小图像上的轮廓点则所找的缺陷点的类型为铜面断路；在模板小图像的轮廓点上的法线方向上的正反方向上的规定的步长数内及其8邻域内都没有找到了测试小图像上的轮廓点则所找的缺陷点的类型为铜面短路等缺陷。
以上所述为本发明的较佳实施例而已，但本发明不应局限于该实施例和附图所公开的内容，所以凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。
Claims (2)
1.一种基于轮廓超差算法的PCB板表面检测方法，其特征在于，包括以下具体步骤：
S1，获得PCB裸板模板图,将其切分成数个大小相同特定尺寸的小图像，被分割的标准图像优先被用于被匹配的对象；
S2，将采集到的图像进行处理即去噪、自动阈值分割的算法将裸板铜面给准确分割出来，然后二值化图像即线路导体区的灰度值为255，背景区的灰度值为0，得到二值图即测试图切分成数个大小相同特定尺寸到的测试小图像，切分成的测试小图像用于优先匹配模板图；
S3，用形状模板匹配的方法，将测试小图像作为模板去匹配对应的标准小图像；
S4，将得到的测试图像和对应的标准图像分别求取边缘亚像素边缘，并求取亚像素边缘的行列坐标，然后用特定的方法求取边缘每个坐标点的法向；
所述步骤S4中的具体步骤包括：
S401，将得到测试小图像和对应的标准小图像分别求取亚像素边缘，并求取亚像素边缘的行列坐标，将求取的行列坐标按照游走轮廓的方式，按顺序存放在数组中，行坐标和列坐标应对应存放在不同的数组中；
S402，将在步骤401所求的轮廓行列坐标按照游走轮廓的方式将求得的行列坐标编号，1、2、3、4......n，将编号1的轮廓坐标点和编号3的轮廓坐标点用直线连接起来，编号4和编号6用直线连接起来，按照这种方式连接下去，如果最后有剩余的坐标点，不论剩余多少个都是第n个坐标点与第n-2个坐标点用直线连接起来，并求取所连接起来的这些线段的斜率，进而求取这些线段法向角度；法向角度的范围为[-π，π]，将所求得的法向角度按照和求行列坐标游走轮廓的方向一样按顺序将其编号；3、6、9.......3m、n；
S403，将步骤402中所求取的法向角度按照编号的顺序和对应的轮廓点坐标对应起来，编号为1、2、3的轮廓点的法向角度为法向角度编号为3号的法向角度，编号为4、5、6的轮廓点的法向角度为法向角度编号为6号的法向角度，这样依次进行下去；每个轮廓坐标点都有对应于自己的法向角度；
S5，分别求取测试小图和对应的标准小图的边缘轮廓，将步骤S3中对位好的标准小图和对应测试小图放在同一图像坐标系下，用轮廓超差算法即优先在测试图轮廓坐标点的法向上的对应的步长数之内去找标准图的轮廓点；
所述步骤S5中的具体步骤包括：
S501，分别求取测试小图和对应的标准小图的边缘轮廓，将步骤S3中对位好的标准小图和对应测试小图放在同一图像坐标系下；
S502，根据步骤S402中所优先求取测试小图的轮廓点和对应的法向角度按照测试小图轮廓游走的顺序求取轮廓点编号为1的坐标点正向法向步长为0的坐标点的坐标和这个坐标点上的灰度值，如果灰度为0,则找这个坐标点的8邻域的灰度值；如果这个坐标点上的灰度值为255，则找到了模板小图上的轮廓点并求出它们的距离D0，如果距离D0小于规定的法向距离值Dmix时，则测试小图上的这个轮廓点不为缺陷点；如果轮廓点编号为1的坐标点正向法向步长为0的坐标点的8邻域的灰度值都为0,则继续往下一个步长上寻找；如果测试小图轮廓点编号为1的坐标点正向法向步长为0的坐标点的8邻域的灰度值有为255时，说明找到了对位好的模板小图的轮廓点，然后求出测试小图轮廓点编号为1的坐标点与测试小图轮廓点编号为1的坐标点正向法向步长为0的坐标点的8邻域的灰度值为255坐标的距离D1，D2......；如果他们的的最小距离大于规定的法向距离值Dmix时,则测试小图上的这个轮廓点为缺陷点，反之不为缺陷点；如果找到了对应模板小图的轮廓点即灰度值为255的点就不在法向的步长上继续寻找；反之，没有找到缺陷点则在法向的步长上继续寻找；
S503，如果在规定的正向法向的步长数之内像素点上及其8邻域之内还没有找到灰度值为255的坐标点则按照步骤S502的方法步骤在测试小图轮廓点编号为1的坐标点反向法向步长数之内寻找模板图的轮廓点，如果找到模板图的轮廓点则不在法向上寻找，如果它们的距离大于规定的距离，则测试小图上的这个轮廓点为缺陷点；如果在规定的反向法向的步长数之内像素点上及其8邻域之内还没有找到灰度值为255的坐标点，则测试小图上的这个轮廓点为缺陷点；
S504，按照步骤S502和步骤S503的方法步骤，沿测试小图轮廓游走的方向去寻找轮廓点编号为2,3,4.......n轮廓点上法向方向的模板小图像上的轮廓点，如果对应的测试小图像轮廓点和模板小图像轮廓点的距离大于规定的法向距离值Dmix时，则测试小图上的这个轮廓点为缺陷点，反之不为缺陷点；如果，在测试小图像轮廓点正反法向上都没有找到像素值为255的点即模板小图像轮廓点；此时，测试小图像轮廓点也为缺陷点；
S505，如果测试小图像的像素值全为0或255时，则反过来在法向上去寻找轮廓点即在模板小图像的轮廓点上的法线方向上按照步骤S502和步骤S503及步骤S504的方法步骤下去寻找对应的测试小图像的轮廓点进而找到测试小图像上的缺陷点；
S506，如果是大铜面的裸板或大缺陷沿轮廓隔点在法向方向寻找缺陷点；如果是小铜面的裸板或小缺陷则沿轮廓逐点在法向方向寻找缺陷点；
S507，如果找PCB板上铜面的大缺陷则在轮廓点的法向方向上规定的法向距离值Dmix要适当的设置大一些，法向步长数也适当的要大一些；反之则相反。
2.如权利要求1所述的基于轮廓超差算法的PCB板表面检测方法，其特征在于，如果在测试小图像的轮廓点的法向方向的规定的步长数内找到了测试小图像上的轮廓点并且它们之间距离大于规定的最大Dmax距离则所找的缺陷点的类型为铜面破损，铜面多焊，铜渣缺陷；如果在测试小图像的轮廓点的法向方向的正反方向上的规定的步长数内及其8邻域内都没有找到模板小图像上的轮廓点则所找的缺陷点的类型为铜面断路；在模板小图像的轮廓点上的法线方向上的正反方向上的规定的步长数内及其8邻域内都没有找到测试小图像上的轮廓点则所找的缺陷点的类型为铜面短路缺陷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910107780.2A CN109829911B (zh) | 2019-02-01 | 2019-02-01 | 一种基于轮廓超差算法的pcb板表面检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910107780.2A CN109829911B (zh) | 2019-02-01 | 2019-02-01 | 一种基于轮廓超差算法的pcb板表面检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109829911A CN109829911A (zh) | 2019-05-31 |
| CN109829911B true CN109829911B (zh) | 2020-09-29 |
Family
ID=66863419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910107780.2A Active CN109829911B (zh) | 2019-02-01 | 2019-02-01 | 一种基于轮廓超差算法的pcb板表面检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109829911B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110702002B (zh) * | 2019-07-04 | 2020-12-11 | 天津大学 | 一种曲面透光件多层同步测量方法 |
| CN113433128A (zh) * | 2021-07-02 | 2021-09-24 | 南通海舟电子科技有限公司 | 一种基于电路板自动化生产的智能显示屏*** |
| CN113838045B (zh) * | 2021-09-30 | 2024-02-02 | 佛山市南海区广工大数控装备协同创新研究院 | 一种改进骨刺去除算法的pcb覆铜线路骨架轮廓提取方法 |
| CN113989312B (zh) * | 2021-11-10 | 2024-04-09 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于形状上下文特征的不规则pcb板轮廓匹配的方法 |
| CN113870256B (zh) * | 2021-12-01 | 2022-02-11 | 成都数之联科技有限公司 | Pcb板缺陷评估方法、装置、设备及介质 |
| CN116503401B (zh) * | 2023-06-26 | 2023-09-22 | 成都数联云算科技有限公司 | 一种pcb连板目标检测方法、装置、设备和介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106407502A (zh) * | 2016-08-19 | 2017-02-15 | 西安交通大学 | 一种基于最佳匹配的叶片截面型线轮廓参数评价方法 |
| CN106651889A (zh) * | 2016-11-30 | 2017-05-10 | 太原科技大学 | 一种x射线焊接接头缺陷分割方法及其分割*** |
| CN107798326A (zh) * | 2017-10-20 | 2018-03-13 | 华南理工大学 | 一种轮廓视觉检测算法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI337331B (en) * | 2007-07-20 | 2011-02-11 | Asustek Comp Inc | Method for finding specific pattern and method for compensating image offset |
| WO2013018235A1 (en) * | 2011-08-04 | 2013-02-07 | Mitsubishi Electric Corporation | Method and system for determining defect of surface of model of object |
| CN109003258B (zh) * | 2018-06-15 | 2021-10-19 | 广东工业大学 | 一种高精度亚像素圆形零件测量方法 |
-
2019
- 2019-02-01 CN CN201910107780.2A patent/CN109829911B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106407502A (zh) * | 2016-08-19 | 2017-02-15 | 西安交通大学 | 一种基于最佳匹配的叶片截面型线轮廓参数评价方法 |
| CN106651889A (zh) * | 2016-11-30 | 2017-05-10 | 太原科技大学 | 一种x射线焊接接头缺陷分割方法及其分割*** |
| CN107798326A (zh) * | 2017-10-20 | 2018-03-13 | 华南理工大学 | 一种轮廓视觉检测算法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于亚像素的PCB表面质量检测;郭联金 等;《电子质量》;20180630;第8-13页 * |
| 基于轮廓对比的PCB裸板缺陷检测算法研究;胡涛;《中国博士学位论文全文数据库信息科技辑》;20111115;第I135-37页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109829911A (zh) | 2019-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109829911B (zh) | 一种基于轮廓超差算法的pcb板表面检测方法 | |
| JP6598162B2 (ja) | 線形クラスタリングに基づくマルチタイプのｂｇａチップの視覚識別方法 | |
| CN100547351C (zh) | 一种机器视觉定位方法 | |
| US9075026B2 (en) | Defect inspection device and defect inspection method | |
| CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
| CN108510476B (zh) | 一种基于机器视觉的手机屏线路检测方法 | |
| US7031511B2 (en) | Hole inspection apparatus and method | |
| WO2018010391A1 (zh) | 一种板卡的检测方法及装置 | |
| CN112598001A (zh) | 一种基于多模型融合的船舶水尺读数自动识别方法 | |
| CN107239742B (zh) | 一种仪表指针刻度值计算方法 | |
| CN108520514B (zh) | 基于计算机视觉的印刷电路板电子元器一致性检测方法 | |
| JPH06123609A (ja) | 自動パッケージ検査方法 | |
| CN107102009A (zh) | 一种基于机器视觉的筒纱管质量检测的方法 | |
| CN113643276B (zh) | 一种基于统计分析的纺织物纹理缺陷自动检测方法 | |
| CN111539927B (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测方法 | |
| CN110910359A (zh) | 一种基于特征跟踪与骨架特征匹配的fpc线路检测方法 | |
| WO2017071406A1 (zh) | 金针类元件的引脚检测方法和*** | |
| CN115597494B (zh) | 一种基于点云的预制构件预留孔的精度检测方法、*** | |
| CN111551559A (zh) | 一种基于多目视觉***的lcd液晶屏缺陷检测方法 | |
| CN113237889A (zh) | 一种多尺度的陶瓷检测方法及*** | |
| CN113393447B (zh) | 基于深度学习的针尖正位度检测方法及*** | |
| CN114926415A (zh) | 一种基于pcnn与深度学习的钢轨表面检测方法 | |
| CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
| CN115375679B (zh) | 一种缺陷芯片寻边寻点定位方法及装置 | |
| JP2019003575A (ja) | 画像分析装置及び鉄道設備部品の保守管理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 |