CN110517260A - 电路板的检测方法和装置、存储介质、电子设备 - Google Patents
电路板的检测方法和装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN110517260A CN110517260A CN201910817218.9A CN201910817218A CN110517260A CN 110517260 A CN110517260 A CN 110517260A CN 201910817218 A CN201910817218 A CN 201910817218A CN 110517260 A CN110517260 A CN 110517260A
- Authority
- CN
- China
- Prior art keywords
- circuit board
- target detection
- detection object
- module
- system diagram
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开实施例公开了一种电路板的检测方法和装置、存储介质、电子设备,其中,方法包括:获取包含有电路板的图像;基于所述图像确定所述电路板上的目标检测对象在所述电路板上的位置;基于所述目标检测对象在所述电路板上的位置生成所述电路板的二维电路***图;基于所述二维电路***图,检测所述电路板上的目标检测对象的状态。本公开实施例可以实现自动检测电路板,从而提高电路板的检测效率。
Description
技术领域
本公开涉及电路板检测技术,尤其是一种电路板的检测方法和装置、存储介质、电子设备。
背景技术
目前,在对电路板完成贴片之后,为保证电路板的质量,可以由相关人员通过显微镜或其他观测工具对电路板进行检测,以检测电路板上是否存在元器件漏焊、错焊、虚焊等异常情况。而这种通过人工目测的方式进行电路板检测效率很低。
发明内容
为了解决如何高效地对电路板进行检测的技术问题,提出了本公开。本公开的实施例提供了一种电路板的检测方法和装置、存储介质、电子设备。
根据本公开实施例的一个方面,提供了一种电路板的检测方法,包括:
获取包含有电路板的图像;
基于所述图像确定所述电路板上的目标检测对象在所述电路板上的位置;
基于所述目标检测对象在所述电路板上的位置生成所述电路板的二维电路***图;
基于所述二维电路***图,检测所述电路板上的目标检测对象的状态。
根据本公开实施例的另一方面,提供了一种电路板的检测装置,包括:
图像获取模块,用于获取包含有电路板的图像;
位置确定模块,用于基于所述图像获取模块拍摄的图像确定所述电路板上的目标检测对象在所述电路板上的位置;
图生成模块,用于基于所述位置确定模块确定的目标检测对象在所述电路板上的位置生成所述电路板的二维电路***图;
检测模块,用于基于所述图生成模块生成的二维电路***图,检测所述电路板上的目标检测对象的状态。
根据本公开实施例的又一方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述任一实施例所述的电路板的检测方法。
根据本公开实施例的再一方面,提供了所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于执行上述任一实施例所述的电路板的检测方法。
基于本公开上述实施例,通过获取包含有电路板的图像,基于该图像确定电路板上的目标检测对象在电路板上的位置,并基于该目标检测对象在电路板上的位置生成电路板的二维电路***图,基于该二维电路***图检测电路板上目标检测对象的状态,可以实现自动检测电路板,提高电路板检测的效率。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
通过结合附图对本公开实施例进行更详细的描述,本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解,并且构成说明书的一部分,与本公开实施例一起用于解释本公开,并不构成对本公开的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本公开电路板的检测方法在应用中的一个示例性***图。
图2是本公开中包含电路板的图像的一种示例。
图3是本公开一示例性实施例提供的电路板的检测方法的流程示意图。
图4是本公开中二维电路***图的一种示例。
图5是本公开另一示例性实施例提供的电路板的检测方法的流程示意图。
图6是本公开又一示例性实施例提供的电路板的检测方法的流程示意图。
图7是本公开再一示例性实施例提供的电路板的检测方法的流程示意图。
图8是本公开再一示例性实施例提供的电路板的检测方法的流程示意图。
图9是本公开再一示例性实施例提供的电路板的检测方法的流程示意图。
图10是本公开再一示例性实施例提供的电路板的检测方法的流程示意图。
图11是本公开一示例性实施例提供的电路板的检测装置的结构示意图。
图12是本公开另一示例性实施例提供的电路板的检测装置的结构示意图。
图13是本公开又一示例性实施例提供的电路板的检测装置的结构示意图。
图14是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
下面,将参考附图详细地描述根据本公开的示例实施例。显然,所描述的实施例仅仅是本公开的一部分实施例,而不是本公开的全部实施例,应理解,本公开不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机***、服务器等电子设备,其可与众多其它通用或专用计算***环境或配置一起操作。适于与终端设备、计算机***、服务器等电子设备一起使用的众所周知的终端设备、计算***、环境和/或配置的例子包括但不限于:个人计算机***、服务器计算机***、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的***、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机***、大型计算机***和包括上述任何***的分布式云计算技术环境,等等。
终端设备、计算机***、服务器等电子设备可以在由计算机***执行的计算机***可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机***/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算***存储介质上。
申请概述
在实现本公开的过程中,发明人发现,现有的电路板检测方法主要是通过人工目测的方式进行电路板检测,该电路板检测方法至少存在以下问题:电路板检测效率低。
示例性***
图1是本公开电路板的检测方法在应用中的一个示例性***图,图2是本公开中包含电路板的图像的一种示例。如图1所示,在该***图中包括IPC(IP Camera,网络摄像机)110、电子设备120,其中,IPC110与电子设备120之间通信连接。
在图1所示例的***图中,IPC 110可用于拍摄电路板。在拍摄过程中,其可以通过内置的人工智能处理器(图1中未示出)对拍摄得到的图像的大小、质量进行智能分析,依据分析结果调整拍摄焦距,并进行多次拍摄,直至拍摄到清晰的包含电路板的图像。其中,这里所说的“清晰”可以指图像不受镜头畸变的影响,例如,如图2所示,为本公开中包含电路板的图像的一种示例。
进一步,IPC 110可以将拍摄得到的包含电路板的图像发送至电子设备120。
电子设备120则可以用于依据该包含电路板的图像实现电路板的检测。至于电子设备120是如何依据该包含电路板的图像实现电路板的检测的,在下文中示出,在此不做详述。
示例性方法
图3是本公开一示例性实施例提供的电路板的检测方法的流程示意图,可应用在上述图1所示实施例中的电子设备120上,本实施例结合图2进行示例性说明,如图3所示,包括如下步骤:
步骤301,获取包含有电路板的图像。
在一实施例中,如图2所示,为包含有电路板的图像,该电路板上包含电容、电感、电阻等元器件,还包含有未贴片的点位。
步骤302,基于图像确定电路板上的目标检测对象在电路板上的位置。
在一实施例中,目标检测对象可以包括上述电容、电感、电阻等元器件,还可以包括上述未贴片的点位。
例如,如图2所示,位置21上的目标检测对象为电容,位置22上的目标检测对象为电感,位置23上的目标检测对象为电阻,位置24上的目标检测对象为未贴片的点位。
步骤303,基于目标检测对象在电路板上的位置生成电路板的二维电路***图。
在一实施例中,电路板的二维电路***图可以反映出各目标检测对象在电路板上的位置。
例如,如图4所示,为电路板的二维电路***图的一种示例,在图4中,通过矩形框标识出各目标检测对象在电路板上的位置。
步骤304:基于二维电路***图,检测电路板上的目标检测对象的状态。
在一实施例中,目标检测对象的状态可以包括:正常、异常。
在一实施例中,上述异常又可以包括漏焊、误焊。
其中漏焊针对的是未贴片的点位,例如,在图4中,位置31处的目标检测对象为未贴片的点位,该目标检测对象的状态为漏焊。
误焊则是指元器件焊接错误,例如,在图4中,位置32处的目标检测对象所在点位上原本应该焊接的元器件为电阻,但实际上焊接的却是电容,因此,该点位上的元器件焊接错误,该目标检测对象的状态为误焊。
基于上述实施例,通过对电路板进行拍摄图像,基于该图像确定电路板上的目标检测对象在电路板上的位置,并基于该目标检测对象在电路板上的位置生成电路板的二维电路***图,基于该二维电路***图检测电路板上目标检测对象的状态,由于二维电路***图能够准确显示出电路板上的各个元器件的位置以及状态,因此基于二维电路***图即可准确检测电路板上各个元器件的状态,由于不同的电路板均可通过拍摄图像的方式实现检测,因此大大提高了电路板的检测效率。
如图5所示,在上述图3所示实施例的基础上,步骤302可包括如下步骤:
步骤3021,基于图像生成电路板的三维模型。
在一实施例中,可以利用三维建模软件,例如3D Max、Maya等软件生成电路板的三维模型。
步骤3022,将电路板的三维模型输入至已训练的神经网络模型,得到电路板上的目标检测对象在电路板上的位置。
在一实施例中,如图4所示,可以通过矩形框标识出各目标检测对象在电路板上的位置。
基于上述实施例,通过基于图像生成电路板的三维模型,将电路板的三维模型输入至已训练的神经网络模型,得到电路板上的目标检测对象在电路板上的位置,可以实现自动识别电路板上目标检测对象在电路板上的位置。
如图6所示,在上述图3所示实施例的基础上,电路板的检测方法还可包括:
步骤601,确定目标检测对象的类型。
在一实施例中,可以通过模式识别算法确定出电路板上各目标检测对象的类型。
在一实施例中,目标检测对象的类型可以包括电阻、电感、电容、未贴片点位等。
例如,在图2中,位置21处的目标检测对象的类型为电容,位置22处的目标检测对象的类型为电感,位置23处的目标检测对象的类型为电阻,位置24处的目标检测对象的类型为未贴片点位。
步骤602,确定与目标检测对象的类型相对应的第一预设颜色值。
在一实施例中,可以预先设置不同类型的目标检测对象各自对应的颜色值,为了描述方便,将该颜色值称为第一预设颜色值。
例如,如下述表1所示,为不同类型的目标检测对象各自对应的第一预设颜色值的一种示例:
表1
目标检测对象的类型 | 第一预设颜色值 |
电阻 | #00FF00(绿色) |
电感 | #FFFF00(黄色) |
电容 | #0000FF(蓝色) |
未贴片的点位 | #FF0000(红色) |
… | … |
在该实施例中,可以通过上述表1确定与各目标检测对象的类型相对应的第一颜色值。
步骤603,在二维电路***图中以第一预设颜色值显示目标检测对象。
在一实施例中,可以在图4所示例的二维***电路图中,通过第一预设颜色值的矩形框显示出目标检测对象。
例如,假设目标检测对象的类型为电阻,则可以在图4所示例的二维***电路图中,通过绿色的矩形框显示出该目标检测对象;又例如,假设目标检测对象的类型未为贴片的点位,则可以在图4所示例的二维***电路图中,通过红色的矩形框显示出该目标检测对象。
基于上述实施例,通过确定目标检测对象的类型和与该类型相对应的第一预设颜色值,在二维电路***图中以第一预设颜色值显示目标检测对象,由于二维电路***图能够通过不同的颜色显示出电路板上的不同类型的元器件和未贴片的点位,因此基于二维电路***图即可准确检测电路板上各个元器件的类型和点位上是否存在漏焊,由于不同的电路板均可通过拍摄图像的方式实现检测,因此大大提高了电路板的检测效率。
如图7所示,在上述图6所示实施例的基础上,电路板的检测方法还可包括:
步骤701,确定目标检测对象的元件代号。
在一实施例中,目标检测对象的元件代号指电路板上该目标检测对象的编号。
在一实施例中,元件代号可以为字母和数字的组合,其中的字母可以表示出目标检测对象的类型。
例如,在图2中,位置21上的目标检测对象的元件代号为“C831”,其中的字母“C”则表示电容;位置22上的目标检测对象的元件代号为“L36”,其中的字母“L”则表示电感;位置23上的目标检测对象的元件代号为“R782”,其中的字母“R”则表示电阻。
步骤702,判断目标检测对象的类型与其元件代号所对应的类型是否一致。
在一实施例中,可以判断目标检测对象的类型与其元件代号中的字母所表示的类型是否一致。
步骤703,若不一致,在二维电路***图中以用于表示状态异常的第二预设颜色值显示目标检测对象。
在一实施例中,上述状态异常指误焊。
例如,在图4中,位置32处的目标检测对象的类型为电容,但其元件代号为“R781”,那么,目标检测对象的类型和字母“R”所表示的类型不一致,因此,位置32处的矩形框的颜色可以为用于表示状态异常的第二预设颜色值。
基于上述实施例,通过确定目标检测对象的元件代号,并判断目标检测对象的类型与其元件代号所对应的类型是否一致,可以识别目标检测对象是否存在误焊,在不一致时,通过在二维电路***图中以用于表示状态异常的第二预设颜色值显示目标检测对象,由于二维电路***图能够通过颜色显示出电路板上状态异常的目标检测对象,因此基于二维电路***图即可准确检测电路板上各个元器件的状态,由于不同的电路板均可通过拍摄图像的方式实现检测,因此大大提高了电路板的检测效率。
如图8所示,在上述图7所示实施例的基础上,电路板的检测方法还可包括:
步骤801,记录目标检测对象在电路板上的位置与其元件代号之间的对应关系表。
步骤802,当接收到元器件检视指令时,基于元器件检视指令中携带的目标元件代号查找对应关系表,得到与目标元件代号对应的目标位置。
在一实施例中,用户可以通过语音、图形、文字等方式下发元器件检视指令,该元器件检视指令中携带有用户指定的目标元件代号。
步骤803,在二维电路***图中,以第三预设颜色值显示目标位置对应的目标检测对象。
基于上述实施例,通过记录目标检测对象在电路板上的位置与其元件代号之间的对应关系表,可以实现当用户下发元器件检视指令时,基于该对应关系表查找到用户指定的目标元件代号对应的目标位置,在二维电路***图中,以第三预设颜色值显示目标位置对应的目标检测对象,由于二维电路***图能够通过颜色显示出用户期望检测的目标检测对象,因此可以使得用户在二维电路***图中能够快速地查找到其期望检测的目标检测对象,从而提高电路板的检测效率,提升用户体验。
如图9所示,在上述图8所示实施例的基础上,电路板的检测方法还可包括:
步骤901,获取预先存储的与目标元件代号对应的目标检测对象的集成信息。
在一实施例中,目标检测对象的集成信息可以包括:封装信息、型号信息、供应商信息等。
在一实施例中,电路板上各目标检测对象的集成信息可以是在电路板加工阶段进行存储的。
步骤902,输出集成信息。
基于上述实施例,通过获取预先存储的与目标元件代号对应的目标检测对象的集成信息,并输出该集成信息,由于集成信息可以反映目标检测对象的封装信息、型号信息、供应商信息等,因此,通过输出集成信息可以使用户从多个维度了解目标检测对象,提高电路板的检测效率。
如图10所示,在上述图3所示实施例的基础上,电路板的检测方法还可包括:
步骤1001,基于检测出的电路板上的目标检测对象的状态确定电路板的风险等级。
在一实施例中,可以基于电路板上处于异常状态的目标检测对象的数量N1确定电路板的风险等级,其中,数量N1越大,表示电路板的风险等级越高。
在一实施例中,可以基于上述数量N1和电路板上处于正常状态的目标检测对象的数量N2之间的比值D确定电路板的风险等级,其中,比值D越大,表示电路板的风险等级越高。
在一实施例中,可以定义电路板的风险等级包括低、中、高三个级别,并为每一风险等级分别设置对应的阈值区间,基于此,通过将上述数量N1(或比值D)与每一风险等级对应的阈值区间进行比较,根据比较结果确定该数量N1所处的阈值区间,进而则可以确定电路板的风险等级。
步骤1002,输出风险等级。
基于上述实施例,通过检测出的电路板上目标检测对象的状态确定电路板的风险等级,输出该风险等级,由于该风险等级可以从整体上反映电路板的质量,因此通过输出风险等级有助于用户从整体上对电路板的质量有所了解,提高电路板的检测效率。
本公开实施例提供的任一种电路板的检测方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:终端设备和服务器等。或者,本公开实施例提供的任一种电路板的检测方法可以由处理器执行,如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种电路板的检测方法。下文不再赘述。
示例性装置
图11是本公开一示例性实施例提供的电路板的检测装置的结构示意图。如图11所示,包括:
图像获取模块1101,用于获取包含有电路板的图像;
位置确定模块1102,用于基于图像获取模块获取的包含有电路板的图像确定电路板上的目标检测对象在电路板上的位置;
图生成模块1103,用于基于位置确定模块确定的目标检测对象在电路板上的位置生成电路板的二维电路***图;
检测模块1104,用于基于图生成模块生成的二维电路***图,检测电路板上的目标检测对象的状态。
本公开提供的电路板的检测装置,通过对电路板进行拍摄图像,基于该图像确定电路板上的目标检测对象在电路板上的位置,并基于该目标检测对象在电路板上的位置生成电路板的二维电路***图,基于该二维电路***图检测电路板上目标检测对象的状态,由于二维电路***图能够准确显示出电路板上的各个元器件的位置以及状态,因此基于二维电路***图即可准确检测电路板上各个元器件的状态,由于不同的电路板均可通过拍摄图像的方式实现检测,因此大大提高了电路板的检测效率。
图12是本公开另一示例性实施例提供的电路板的检测装置的结构示意图。如图12所示,本公开提供的电路板的检测装置还可以包括:
类型确定模块1105,用于确定目标检测对象的类型;
颜色确定模块1106,用于确定与类型确定模块确定出的目标检测对象的类型相对于的第一预设颜色值;
第一显示模块1107,用于在二维电路***图中以颜色确定模块确定出的第一预设颜色值显示目标检测对象。
在一可选的示例中,电路板的检测装置还可以包括:
代号确定模块1108,用于确定目标检测对象的元件代号;
判断模块1109,用于判断类型确定模块确定出的目标检测对象的类型与代号确定模块确定出的元件代号所对应的类型是否一致;
第二显示模块1110,用于若判断模块的判断结果为不一致,则在二维电路***图中以用于表示状态异常的第二预设颜色值显示目标检测对象。
在一可选的示例中,电路板的检测装置还可以包括:
记录模块1111,用于记录位置确定模块确定出的目标检测对象在电路板上的位置与代号确定模块确定出的元件代号之间的对应关系表;
查找模块1112,用于当接收到元器件检视指令时,基于元器件检视指令中携带的目标元件代号查找记录模块记录的对应关系表,得到与目标元件代号对应的目标位置;
第三显示模块1113,用于在二维电路***图中,以第三预设颜色值显示查找模块得到的目标位置对应的目标检测对象。
在一可选的示例中,电路板的检测装置还可以包括:
信息获取模块1114,用于获取预先存储的与目标元件代号对应的目标检测对象的集成信息;
第一输出模块1115,用于输出信息获取模块获取到的集成信息。
在一可选的示例中,电路板的检测装置还可以包括:
风险确定模块1116,用于基于检测模块检测出的电路板上的目标检测对象的状态确定电路板的风险等级;
第二输出模块1117,用于输出风险确定模块确定出的风险等级。
图13是本公开又一示例性实施例提供的电路板的检测装置的结构示意图。如图13所示,位置确定模块1102可以包括:
建模子模块11021,用于基于图像生成电路板的三维模型;
模型子模块11022,用于将建模子模块生成的电路板的三维模型输入至已训练的神经网络模型,得到电路板上的目标检测对象在电路板上的位置。
示例性电子设备
下面,参考图14来描述根据本公开实施例的电子设备。该电子设备可以是第一设备100和第二设备200中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。
图14图示了根据本公开实施例的电子设备的框图。
如图14所示,电子设备140包括一个或多个处理器141和存储器142。
处理器141可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备140中的其他组件以执行期望的功能。
存储器142可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器141可以运行所述程序指令,以实现上文所述的本公开的各个实施例的电路板的检测方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备140还可以包括:输入装置143和输出装置144,这些组件通过总线***和/或其他形式的连接机构(未示出)互连。
例如,在该电子设备是第一设备100或第二设备200时,该输入装置143可以是上述的麦克风或麦克风阵列,用于捕捉声源的输入信号。在该电子设备是单机设备时,该输入装置143可以是通信网络连接器,用于从第一设备100和第二设备200接收所采集的输入信号。
此外,该输入设备143还可以包括例如键盘、鼠标等等。
该输出装置144可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出设备144可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图14中仅示出了该电子设备140中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备140还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的电路板的检测方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的电路板的检测方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于***实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、***的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、***。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (11)
1.一种电路板的检测方法,包括:
获取包含有电路板的图像;
基于所述图像确定所述电路板上的目标检测对象在所述电路板上的位置;
基于所述目标检测对象在所述电路板上的位置生成所述电路板的二维电路***图;
基于所述二维电路***图,检测所述电路板上的目标检测对象的状态。
2.根据权利要求1所述的方法,还包括:
确定所述目标检测对象的类型;
确定与所述目标检测对象的类型相对应的第一预设颜色值;
在所述二维电路***图中以所述第一预设颜色值显示所述目标检测对象。
3.根据权利要求2所述的方法,还包括:
确定所述目标检测对象的元件代号;
判断所述目标检测对象的类型与其元件代号所对应的类型是否一致;
若不一致,则在所述二维电路***图中以用于表示状态异常的第二预设颜色值显示所述目标检测对象。
4.根据权利要求3所述的方法,还包括:
记录所述目标检测对象在所述电路板上的位置与其元件代号之间的对应关系表;
当接收到元器件检视指令时,基于所述元器件检视指令中携带的目标元件代号查找所述对应关系表,得到与所述目标元件代号对应的目标位置;
在所述二维电路***图中,以第三预设颜色值显示所述目标位置对应的目标检测对象。
5.根据权利要求4所述的方法,还包括:
获取预先存储的与所述目标元件代号对应的目标检测对象的集成信息;
输出所述集成信息。
6.根据权利要求1所述的方法,还包括:
基于检测出的所述电路板上的目标检测对象的状态确定所述电路板的风险等级;
输出所述风险等级。
7.根据权利要求1所述的方法,其中,所述基于所述图像确定所述电路板上的目标检测对象在所述电路板上的位置,包括:
基于所述图像生成所述电路板的三维模型;
将所述电路板的三维模型输入至已训练的神经网络模型,得到所述电路板上的目标检测对象在所述电路板上的位置。
8.一种电路板的检测装置,包括:
图像获取模块,用于获取包含有电路板的图像;
位置确定模块,用于基于所述图像获取模块拍摄的图像确定所述电路板上的目标检测对象在所述电路板上的位置;
图生成模块,用于基于所述位置确定模块确定的目标检测对象在所述电路板上的位置生成所述电路板的二维电路***图;
检测模块,用于基于所述图生成模块生成的二维电路***图,检测所述电路板上的目标检测对象的状态。
9.根据权利要求8所述的装置,还包括:
类型确定模块,用于确定所述目标检测对象的类型;
颜色确定模块,用于确定与所述类型确定模块确定出的所述目标检测对象的类型相对于的第一预设颜色值;
第一显示模块,用于在所述二维电路***图中以所述颜色确定模块确定出的第一预设颜色值显示所述目标检测对象。
10.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7任一所述的电路板的检测方法。
11.一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于执行上述权利要求1-7任一所述的电路板的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817218.9A CN110517260A (zh) | 2019-08-30 | 2019-08-30 | 电路板的检测方法和装置、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910817218.9A CN110517260A (zh) | 2019-08-30 | 2019-08-30 | 电路板的检测方法和装置、存储介质、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110517260A true CN110517260A (zh) | 2019-11-29 |
Family
ID=68628853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910817218.9A Pending CN110517260A (zh) | 2019-08-30 | 2019-08-30 | 电路板的检测方法和装置、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110517260A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112435222A (zh) * | 2020-11-11 | 2021-03-02 | 深圳技术大学 | 一种电路板检测方法、装置及计算机可读存储介质 |
CN112528845A (zh) * | 2020-12-11 | 2021-03-19 | 华中师范大学 | 一种基于深度学习的物理电路图识别方法及其应用 |
CN112733924A (zh) * | 2021-01-04 | 2021-04-30 | 哈尔滨工业大学 | 一种多贴片元器件检测方法 |
CN113256558A (zh) * | 2021-04-12 | 2021-08-13 | 珠海欣泰电子科技有限公司 | 残桩检测方法、装置及*** |
CN113739695A (zh) * | 2020-05-27 | 2021-12-03 | 云米互联科技(广东)有限公司 | 基于图像的射频连接器检测方法、检测装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477066A (zh) * | 2009-01-09 | 2009-07-08 | 华南理工大学 | 基于超分辨率图像重建的电路板元件安装/焊接质量检测方法及*** |
CN103869215A (zh) * | 2012-12-10 | 2014-06-18 | 鸿富锦精密工业(深圳)有限公司 | 电子元件检查***及检查方法 |
CN106529369A (zh) * | 2016-10-11 | 2017-03-22 | 广州视源电子科技股份有限公司 | 元件安装状态检测方法和*** |
CN107886131A (zh) * | 2017-11-24 | 2018-04-06 | 佛山科学技术学院 | 一种基于卷积神经网络检测电路板元器件极性方法和装置 |
CN108254374A (zh) * | 2017-12-31 | 2018-07-06 | 芜湖哈特机器人产业技术研究院有限公司 | 电路板元器件插装异常的检测方法 |
CN109725247A (zh) * | 2018-12-18 | 2019-05-07 | 蒂姆维澳(上海)网络技术有限公司 | 一种电路板远程维护保障方法及*** |
-
2019
- 2019-08-30 CN CN201910817218.9A patent/CN110517260A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477066A (zh) * | 2009-01-09 | 2009-07-08 | 华南理工大学 | 基于超分辨率图像重建的电路板元件安装/焊接质量检测方法及*** |
CN103869215A (zh) * | 2012-12-10 | 2014-06-18 | 鸿富锦精密工业(深圳)有限公司 | 电子元件检查***及检查方法 |
CN106529369A (zh) * | 2016-10-11 | 2017-03-22 | 广州视源电子科技股份有限公司 | 元件安装状态检测方法和*** |
CN107886131A (zh) * | 2017-11-24 | 2018-04-06 | 佛山科学技术学院 | 一种基于卷积神经网络检测电路板元器件极性方法和装置 |
CN108254374A (zh) * | 2017-12-31 | 2018-07-06 | 芜湖哈特机器人产业技术研究院有限公司 | 电路板元器件插装异常的检测方法 |
CN109725247A (zh) * | 2018-12-18 | 2019-05-07 | 蒂姆维澳(上海)网络技术有限公司 | 一种电路板远程维护保障方法及*** |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113739695A (zh) * | 2020-05-27 | 2021-12-03 | 云米互联科技(广东)有限公司 | 基于图像的射频连接器检测方法、检测装置及存储介质 |
CN112435222A (zh) * | 2020-11-11 | 2021-03-02 | 深圳技术大学 | 一种电路板检测方法、装置及计算机可读存储介质 |
CN112528845A (zh) * | 2020-12-11 | 2021-03-19 | 华中师范大学 | 一种基于深度学习的物理电路图识别方法及其应用 |
CN112528845B (zh) * | 2020-12-11 | 2022-09-20 | 华中师范大学 | 一种基于深度学习的物理电路图识别方法及其应用 |
CN112733924A (zh) * | 2021-01-04 | 2021-04-30 | 哈尔滨工业大学 | 一种多贴片元器件检测方法 |
CN113256558A (zh) * | 2021-04-12 | 2021-08-13 | 珠海欣泰电子科技有限公司 | 残桩检测方法、装置及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110517260A (zh) | 电路板的检测方法和装置、存储介质、电子设备 | |
US20200089457A1 (en) | Augmented reality quick-start and user guide | |
CN107179324B (zh) | 检测产品包装的方法、装置和*** | |
CN109727229B (zh) | 虚焊检测方法及装置 | |
CN109871326A (zh) | 一种脚本录制的方法和装置 | |
US10684321B2 (en) | Printed circuit board inspecting apparatus, method for detecting anomaly in solder paste and computer readable recording medium | |
CN104914845B (zh) | 一种基于工控机的车身控制器故障测试方法和*** | |
CN111044149A (zh) | 电压互感器的温度异常点检测方法、装置及可读存储介质 | |
CN107315140A (zh) | 一种aoi检测的方法、装置、设备及存储介质 | |
KR20220085589A (ko) | 딥러닝 기반 제품 불량 검출방법 및 시스템 | |
CN105022694A (zh) | 用于移动终端测试的测试用例生成方法及*** | |
CN107229887A (zh) | 多码扫描设备及多码扫描方法 | |
KR102174424B1 (ko) | 서버 기반 부품 검사방법 및 그를 위한 시스템 및 장치 | |
CN114153926A (zh) | 一种数据质量评估方法、装置、计算机设备及存储介质 | |
CN104407699A (zh) | 一种人机交互方法、装置及*** | |
CN107907546A (zh) | 一种基于智能移动终端的视觉缺陷检测方法与*** | |
CN115987617A (zh) | 一种等保测评安全设备配置核查方法 | |
JPWO2018158815A1 (ja) | 点検支援装置、点検支援方法およびプログラム | |
CN104933454A (zh) | 基于物联网技术的设备点检装置及其控制方法 | |
Kleber et al. | Automated {PCB} reverse engineering | |
CN104596578A (zh) | 一种基于移动终端的外接件巡检方法、***及移动终端 | |
CN108874339A (zh) | 信号源故障检测方法、装置及电子设备 | |
CN204347856U (zh) | 基于物联网技术的设备点检装置 | |
CN105227333B (zh) | 网元设备数据维护的方法和装置 | |
WO2021250679A1 (en) | System and method for tracing components of electronic assembly |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191129 |
|
RJ01 | Rejection of invention patent application after publication |