CN110838135A - 一种pcb裸板图像配准方法 - Google Patents
一种pcb裸板图像配准方法 Download PDFInfo
- Publication number
- CN110838135A CN110838135A CN201911056182.3A CN201911056182A CN110838135A CN 110838135 A CN110838135 A CN 110838135A CN 201911056182 A CN201911056182 A CN 201911056182A CN 110838135 A CN110838135 A CN 110838135A
- Authority
- CN
- China
- Prior art keywords
- image
- registered
- bare board
- processed
- pcb
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30141—Printed circuit board [PCB]
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)
Abstract
本发明涉及一种PCB裸板图像配准方法,包括以下步骤:步骤S1:获得待配准PCB裸板图像和模板图像;步骤S2:对待配准PCB裸板图像进行预处理和边缘连通域检测,对模板图像进行预处理和边缘连通域检测,得到处理后待配准PCB裸板图像和处理后模板图像;步骤S3:对处理后待配准PCB裸板图像和处理后模板图像进行整体的Hough变换,得到模板图像的单应性矩阵;步骤S4:基于单应性矩阵,对待配准PCB裸板图像进行仿射变换,得到配准PCB裸板图像。与现有技术相比,减少了Hough变换的计算量,使配准精度提高,且对待配准PCB裸板的基准点没有要求。
Description
技术领域
本发明涉及PCB裸板检测领域,尤其是涉及一种PCB裸板图像配准方法。
背景技术
印制电路板(也称PCB),是电子元器件电气连接的提供者,是各种电子产品的关键部件,其性能的好坏直接影响电子产品的使用寿命。PCB裸板的发展已有100多年的历史,它的主要优点是大大减少布线和装配的差错,提高了自动化水平和生产效率。PCB裸板从单层板发展到双面板、多层板和挠性板,并不断地向高精度、高密度和高可靠性方向发展,不断缩小体积、减少成本、提高性能,未来PCB生产技术的发展趋势也在性能上往高密度、高精度、细孔径、细导线、小间距、高可靠、多层化、高速传输、轻量、薄型方向发展,这也对PCB裸板的质量检测工作产生了越来越大的挑战,而对PCB裸板的质量检测对PCB裸板图像进行配准。
目前,缺少精确度高且计算量少的PCB裸板图像配准方法。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种PCB裸板图像配准方法。
本发明的目的可以通过以下技术方案来实现:
一种PCB裸板图像配准方法,该方法包括以下步骤:
步骤S1:获得待配准PCB裸板图像和模板图像;
步骤S2:对待配准PCB裸板图像进行预处理和边缘连通域检测,对模板图像进行预处理和边缘连通域检测,得到处理后待配准PCB裸板图像和处理后模板图像;
步骤S3:对处理后待配准PCB裸板图像和处理后模板图像进行整体的Hough变换,得到模板图像的单应性矩阵;
步骤S4:基于单应性矩阵,对待配准PCB裸板图像进行仿射变换,得到配准PCB裸板图像。
所述的预处理包括中值滤波、二值化、边缘提取和闭操作。
所述的边缘连通域检测通过经验设定的连通域值剔除小面积区域。
所述的步骤S3包括:
步骤S31:对处理后待配准PCB裸板图像和处理后模板图像进行整体的Hough变换,得到处理后待配准PCB裸板图像顶点坐标(x',y')、处理后模板图像相应的顶点坐标(x,y)和旋转角θ;
步骤S32:基于处理后待配准PCB裸板图像顶点坐标(x',y')、处理后模板图像相应的顶点坐标(x,y)和旋转角θ,通过转换公式得到平移量;
步骤S33:基于平移量和旋转角θ,得到模板图像的单应性矩阵。
所述的步骤S31包括:
步骤S311:对处理后待配准PCB裸板图像和处理后模板图像进行整体的Hough变换,得到处理后待配准PCB裸板图像最长线段和处理后模板图像最长线段;
步骤S312:分别对处理后待配准PCB裸板图像最长线段和处理后模板图像最长线段进行拟合,得到处理后待配准PCB裸板图像最长拟合线段和处理后模板图像最长拟合线段;
步骤S313:基于处理后待配准PCB裸板图像最长拟合线段和处理后模板图像最长拟合线段,得到处理后待配准PCB裸板图像顶点坐标(x',y')、处理后模板图像相应的顶点坐标(x,y)和旋转角θ。
所述的转换公式为:
x=x'×cos(-θ)-y'×sin(-θ)+Tx
y=x'×sin(-θ)+y'×cos(-θ)+Ty
其中,Tx,Ty分别为水平和垂直方向的平移量。
所述的单应性矩阵A为:
所述的待配准PCB裸板图像通过CCD相机得到。
与现有技术相比,本发明具有以下优点:
(1)对待配准PCB裸板图像和模板图像进行边缘连通域检测,通过经验设定的连通域值剔除小面积区域,减少了Hough变换的计算量,提高了计算速度。
(2)对处理后待配准PCB裸板图像和处理后模板图像进行整体的Hough变换,避免了传统局部的Hough变换的繁琐过程,减少了Hough变换的计算量,提高了计算速度。
(3)利用处理后待配准PCB裸板图像最长线段和处理后模板图像最长线段进行配准,可获得较多的特征信息,足以表征整张图像的位置变换,使配准精度提高,且对待配准PCB裸板的基准点没有要求。
附图说明
图1为本发明的流程图;
图2为本发明的待配准PCB裸板图像获取装置示意图;
图3为本发明的结果对比图;
附图标记:
1为CCD相机;2为镜头;3为环形光源;4为支柱;6为操作台;7为相机固定支架;8为光源固定支架;9为支柱法兰盘。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例
一、本实施例提供一种PCB裸板图像配准方法,如图1所示,包括以下步骤:
步骤S1:获得待配准PCB裸板图像和模板图像;
步骤S2:对待配准PCB裸板图像进行预处理和边缘连通域检测,对模板图像进行预处理和边缘连通域检测,得到处理后待配准PCB裸板图像和处理后模板图像;
步骤S3:对处理后待配准PCB裸板图像和处理后模板图像进行整体的Hough变换,得到模板图像的单应性矩阵;
步骤S4:基于单应性矩阵,对待配准PCB裸板图像进行仿射变换,得到配准PCB裸板图像。
具体而言:
步骤S1中,待配准PCB裸板图像可通过CCD相机1对待配准PCB裸板进行拍照获得,CCD相机1拍照获取到的待配准PCB裸板图像分辨率非常高,图片像素可以达到数千万级。
步骤S2和步骤S3中,预处理的主要目的是去除掉图像中无用的信息,减少图像的复杂度,突出PCB板的孔洞、线路、焊盘等等基本特征,方便计算机分析和处理。预处理包括:中值滤波、二值化、边缘提取和闭操作。
中值滤波是一种统计排序滤波,它的思想是一定领域内的所有像素从小到大进行排序,比较像素值的大小,取出其中的中值作为这个领域中心像素的值,消除孤立的噪声点。采集的图像通常含有噪声,所谓的图像噪声,是指图像在摄取时或是传输时受到的随机干扰信号。中值滤波是一种经典的平滑噪声的方法,对于消除椒盐噪声十分有效果,可用于保护图像边缘信息。
图像的二值化,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只有黑和白的视觉效果。
边缘检测首先是利用边缘增强算子,突出图像中的局部边缘,将边缘定义为图像中灰度发生急剧变化的区域边界,通过设置阈值的方法提取边缘点集。由于噪声和模糊的存在,监测到的边界可能会变宽或在某点处发生间断。因此,边界检测包括两个基本内容:1)用边缘算子提取出反映灰度变化的边缘点集。2)在边缘点集合中剔除某些边界点或填补边界间断点,并将这些边缘连接成完整的线。
形态学闭运算,先膨胀后腐蚀。膨胀会扩大一幅图像的组成部分,而腐蚀则会缩小一幅图像中的组成部分。膨胀的效果是扩张目标图像的边缘,使邻近像素点被较大的边界像素集合给吞噬。闭操作会平滑轮廓的一部分,弥合较窄的间断和细长的沟壑,消除小的孔洞,填补轮廓线中的断裂。腐蚀的处理效果是去除对象边界的某些相关度较低的像素,在PCB裸板的图像处理中,可以适当消除干扰的线路边缘斑点,经闭运算后的PCB裸板二值图像轮廓更加鲜明。
Hough变换较好的可靠性和鲁棒性是其在实际应用中的显著优点,对图像中直线提取效果较好,但是Hough变换在图像空间映射到参数空间后,对参数空间中的每一个点进行检测和用累加器累加,计算量庞大,这使得Hough变换在应用时需要大量的存储空间,这是Hough变换最大的弊端。提高Hough变换的效率需要在传统Hough变换基础上,尽量减少点数并且尽量降低累加器阵列的维数。因此,在传统Hough变换的基础上,提出了运用边缘连通域检测,并根据经验设定连通域值的方法,减少参与Hough变换的点数,将小面积区域(指连通域较小的部分,且该小面积区域可恢复)用经验设定连通域值进行剔除,将已经进行了预处理的待配准PCB裸板图像和模板图像进行边缘连通域检测后得到处理后待配准PCB裸板图像和处理后模板图像,继而对处理后待配准PCB裸板图像和处理后模板图像进行Hough变换,而小面积区域无法参与到直线信息提取中,对复杂场景下的PCB板图像直线信息提取能够显著提高精度和效率。
步骤S3包括:
步骤S31:对处理后待配准PCB裸板图像和处理后模板图像进行整体的Hough变换,得到处理后待配准PCB裸板图像顶点坐标(x',y')、处理后模板图像相应的顶点坐标(x,y)和旋转角θ,顶点为处理后待配准PCB裸板图像四个顶点中任意一个;
步骤S32:基于处理后待配准PCB裸板图像顶点坐标(x',y')、处理后模板图像相应的顶点坐标(x,y)和旋转角θ,通过转换公式得到平移量;
步骤S33:基于平移量和旋转角θ,得到模板图像的单应性矩阵。
本实施例中Hough变换为整体的Hough变换,避免了传统局部的Hough变换的繁琐过程,减少了Hough变换的计算量,提高了计算速度;可以进行整体的Hough变换的条件为待配准PCB裸板图像和模板图像大小适中,且在良好的光照条件下获得,待配准PCB裸板图像和模板图像均无畸变。
为了使进行Hough变换的所耗时间更短,PCB板边缘直线是图像中最长的线段,利用Hough变换检测出处理后待配准PCB裸板图像最长线段和处理后模板图像最长线段,分别对处理后待配准PCB裸板图像最长线段和处理后模板图像最长线段进行拟合,得到处理后待配准PCB裸板图像最长拟合线段和处理后模板图像最长拟合线段,由处理后待配准PCB裸板图像最长拟合线段和处理后模板图像最长拟合线段的斜率,获得待配准PCB裸板图像旋转角度θ;基于处理后待配准PCB裸板图像最长拟合线段和处理后模板图像最长拟合线段,得到处理后待配准PCB裸板图像顶点坐标(x',y')、处理后模板图像相应的顶点坐标(x,y),(x',y')和(x,y)可通过计算机图形界面直接获得,也可通过求出与最长拟合线段垂直的拟合线段,继而计算交点得到。
由预置公式的转换公式获取待配准图像中PCB板的平移量,转换公式为:
x=x'×cos(-θ)-y'×sin(-θ)+Tx
y=x'×sin(-θ)+y'×cos(-θ)+Ty
其中,Tx,Ty分别为水平和垂直方向的平移量。
恢复待配准PCB裸板图像和模板图像删除的小面积区域。
步骤S4中,单应性研究的是一个平面上到另外一个平面的映射,单应性矩阵可以表示两张图片之间的仿射变换关系。
单应性矩阵A为:
二、本实施例还提供一种待配准PCB裸板图像获取装置,如图2所示。
该待配准PCB裸板图像获取装置包括CCD相机1、镜头2、环形光源3、支柱4、待检测PCB板、操作台6、相机固定支架7、光源固定支架8和支柱法兰盘9。CCD相机1通过螺钉连接在相机固定支架7上;镜头2通过螺纹安装在CCD相机1上;环形光源3通过螺钉连接在光源固定支架8上;相机固定支架7、光源固定支架8通过螺钉连接在支柱4上;支柱4通过紧定螺钉连接在支柱法兰盘9上;待配准PCB裸板放置在操作台6上;操作台6为整个装置的支撑台。
具体而言:
CCD是一种半导体器件,能够把光学影像转化为数字信号;CCD的作用像胶片一样,但它是把图像像素转换成数字信号;镜头2的主要作用是将目标的光学图像聚焦在图像传感器的光敏面阵上,在机器视觉***中,所有图像信息均通过镜头2得到,镜头2一般是由多个透镜、可变光圈和对焦环组成;操作台6放置在平稳的水平台上。
环形光源3为环形RGB光源,LED高密度排列在环形基板上,其光线主要集中在环形基板形成的中央部位,以保证采集的PCB裸板的图片有良好的光照条件。
CCD相机1、镜头2以及环形光源3的中心要尽可能于待测的PCB板垂直,方便采集到的图像无畸变。
待配准PCB裸板放置于操作台6之上,调节相机固定支架7和光源固定支架8,找到合适的位置,固定好相机固定支架7和光源固定支架8,调节镜头2和光照亮度,以获得清晰的PCB图片。
图3为本实施例方法的结果对比图,可以看出与传统方法相比,本实施例方法具有更少的计算量、更快的计算速度和更高的精准度。
本实施例提供的PCB裸板图像配准方法,对待配准PCB裸板图像和模板图像进行边缘连通域检测,通过经验设定的连通域值剔除小面积区域,减少了Hough变换的计算量,提高了计算速度;对处理后待配准PCB裸板图像和处理后模板图像进行整体的Hough变换,避免了传统局部的Hough变换的繁琐过程,减少了Hough变换的计算量,提高了计算速度;利用处理后待配准PCB裸板图像最长线段和处理后模板图像最长线段进行配准,可获得较多的特征信息,足以表征整张图像的位置变换,使配准精度提高,且对待配准PCB裸板的基准点没有要求。
Claims (8)
1.一种PCB裸板图像配准方法,其特征在于,该方法包括以下步骤:
步骤S1:获得待配准PCB裸板图像和模板图像;
步骤S2:对待配准PCB裸板图像进行预处理和边缘连通域检测,对模板图像进行预处理和边缘连通域检测,得到处理后待配准PCB裸板图像和处理后模板图像;
步骤S3:对处理后待配准PCB裸板图像和处理后模板图像进行整体的Hough变换,得到模板图像的单应性矩阵;
步骤S4:基于单应性矩阵,对待配准PCB裸板图像进行仿射变换,得到配准PCB裸板图像。
2.根据权利要求1所述的一种PCB裸板图像配准方法,其特征在于,所述的预处理包括中值滤波、二值化、边缘提取和闭操作。
3.根据权利要求1所述的一种PCB裸板图像配准方法,其特征在于,在所述的边缘连通域检测中,通过经验设定的连通域值剔除小面积区域。
4.根据权利要求1所述的一种PCB裸板图像配准方法,其特征在于,所述的步骤S3包括:
步骤S31:对处理后待配准PCB裸板图像和处理后模板图像进行整体的Hough变换,得到处理后待配准PCB裸板图像顶点坐标(x',y')、处理后模板图像相应的顶点坐标(x,y)和旋转角θ;
步骤S32:基于处理后待配准PCB裸板图像顶点坐标(x',y')、处理后模板图像相应的顶点坐标(x,y)和旋转角θ,通过转换公式得到平移量;
步骤S33:基于平移量和旋转角θ,得到模板图像的单应性矩阵。
5.根据权利要求4所述的一种PCB裸板图像配准方法,其特征在于,所述的步骤S31包括:
步骤S311:对处理后待配准PCB裸板图像和处理后模板图像进行整体的Hough变换,得到处理后待配准PCB裸板图像最长线段和处理后模板图像最长线段;
步骤S312:分别对处理后待配准PCB裸板图像最长线段和处理后模板图像最长线段进行拟合,得到处理后待配准PCB裸板图像最长拟合线段和处理后模板图像最长拟合线段;
步骤S313:基于处理后待配准PCB裸板图像最长拟合线段和处理后模板图像最长拟合线段,得到处理后待配准PCB裸板图像顶点坐标(x',y')、处理后模板图像相应的顶点坐标(x,y)和旋转角θ。
6.根据权利要求4所述的一种PCB裸板图像配准方法,其特征在于,所述的转换公式为:
x=x'×cos(-θ)-y'×sin(-θ)+Tx
y=x'×sin(-θ)+y'×cos(-θ)+Ty
其中,Tx,Ty分别为水平和垂直方向的平移量。
8.根据权利要求1所述的一种PCB裸板图像配准方法,其特征在于,所述的待配准PCB裸板图像通过CCD相机(1)得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911056182.3A CN110838135A (zh) | 2019-10-31 | 2019-10-31 | 一种pcb裸板图像配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911056182.3A CN110838135A (zh) | 2019-10-31 | 2019-10-31 | 一种pcb裸板图像配准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110838135A true CN110838135A (zh) | 2020-02-25 |
Family
ID=69575819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911056182.3A Pending CN110838135A (zh) | 2019-10-31 | 2019-10-31 | 一种pcb裸板图像配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838135A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630325A (zh) * | 2023-07-25 | 2023-08-22 | 苏州赫芯科技有限公司 | 基于电路板的uv胶检测方法、设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096920A (zh) * | 2010-12-31 | 2011-06-15 | 清华大学 | 基于标靶图像的亚像素配准方法 |
CN103295232A (zh) * | 2013-05-15 | 2013-09-11 | 西安电子科技大学 | 基于直线和区域的sar图像配准方法 |
CN106897994A (zh) * | 2017-01-20 | 2017-06-27 | 北京京仪仪器仪表研究总院有限公司 | 一种基于分层图像的pcb板缺陷检测***和方法 |
CN108269274A (zh) * | 2016-12-31 | 2018-07-10 | 南京理工大学 | 基于傅里叶变换和Hough变换的图像配准方法 |
CN110298799A (zh) * | 2019-06-25 | 2019-10-01 | 福建工程学院 | 一种pcb图像定位校正方法 |
-
2019
- 2019-10-31 CN CN201911056182.3A patent/CN110838135A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096920A (zh) * | 2010-12-31 | 2011-06-15 | 清华大学 | 基于标靶图像的亚像素配准方法 |
CN103295232A (zh) * | 2013-05-15 | 2013-09-11 | 西安电子科技大学 | 基于直线和区域的sar图像配准方法 |
CN108269274A (zh) * | 2016-12-31 | 2018-07-10 | 南京理工大学 | 基于傅里叶变换和Hough变换的图像配准方法 |
CN106897994A (zh) * | 2017-01-20 | 2017-06-27 | 北京京仪仪器仪表研究总院有限公司 | 一种基于分层图像的pcb板缺陷检测***和方法 |
CN110298799A (zh) * | 2019-06-25 | 2019-10-01 | 福建工程学院 | 一种pcb图像定位校正方法 |
Non-Patent Citations (4)
Title |
---|
李孟等: "基于改进Hough变换的印刷电路板定位配准", 《电视技术》 * |
陈姜嘉旭: "基于机器视觉的PCB裸板缺陷检测技术研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
黄亚伟: "PCB裸板缺陷光学检测技术的研究与应用", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
黄祚继等: "《多源遥感数据目标地物的分类与优化》", 31 May 2017 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630325A (zh) * | 2023-07-25 | 2023-08-22 | 苏州赫芯科技有限公司 | 基于电路板的uv胶检测方法、设备和存储介质 |
CN116630325B (zh) * | 2023-07-25 | 2023-10-13 | 苏州赫芯科技有限公司 | 基于电路板的uv胶检测方法、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111308448B (zh) | 图像采集设备与雷达的外参确定方法及装置 | |
CN109100370A (zh) | 一种基于投影法和连通域分析的pcb板缺陷检测方法 | |
CN110189322B (zh) | 平整度检测方法、装置、设备、存储介质及*** | |
JP2011238228A (ja) | スクリーン領域検知方法及びシステム | |
CN107610085A (zh) | 一种基于计算机视觉的焊点缺陷检测*** | |
CN108918093B (zh) | 一种滤光片镜面缺陷检测方法、装置及终端设备 | |
CN106643555B (zh) | 基于结构光三维测量***的连接件识别方法 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN109738450A (zh) | 笔记本键盘的检测方法和装置 | |
CN110599404A (zh) | 一种电路板显微图像拼接方法、装置、信息数据处理终端 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及*** | |
CN114820439A (zh) | 基于aoi的pcb裸板缺陷的检测***及方法 | |
CN117152165A (zh) | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 | |
CN116777877A (zh) | 电路板缺陷检测方法、装置、计算机设备及存储介质 | |
CN114720473A (zh) | 基于机器视觉的车载屏幕背板的缺陷检测方法 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN110838135A (zh) | 一种pcb裸板图像配准方法 | |
CN112833821B (zh) | 高密度ic焊点的微分几何立体微视觉检测***及方法 | |
CN107248151B (zh) | 一种基于机器视觉的液晶片智能检测方法及*** | |
CN112669272A (zh) | 一种aoi快速检测方法及快速检测*** | |
JP2014191685A (ja) | 画像処理装置および画像処理方法 | |
CN108898584B (zh) | 一种基于图像分析的全自动贴面电容装焊极性判别方法 | |
CN116908185A (zh) | 物品的外观缺陷检测方法、装置、电子设备及存储介质 | |
CN111784779A (zh) | 基于卷积神经网络和嵌套轮廓识别的棋盘格图像识别定位***及方法 | |
JP2009281759A (ja) | カラーフィルタ欠陥検査方法、及び検査装置、これを用いたカラーフィルタ製造方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200225 |