CN113298769A - Fpc软排线外观缺陷检测方法、***和介质 - Google Patents
Fpc软排线外观缺陷检测方法、***和介质 Download PDFInfo
- Publication number
- CN113298769A CN113298769A CN202110552204.6A CN202110552204A CN113298769A CN 113298769 A CN113298769 A CN 113298769A CN 202110552204 A CN202110552204 A CN 202110552204A CN 113298769 A CN113298769 A CN 113298769A
- Authority
- CN
- China
- Prior art keywords
- flat cable
- image
- flexible flat
- fpc
- edge
- 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.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 119
- 238000001514 detection method Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000009467 reduction Effects 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 22
- 238000003708 edge detection Methods 0.000 claims description 10
- 230000007797 corrosion Effects 0.000 claims description 8
- 238000005260 corrosion Methods 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 230000002146 bilateral effect Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000011478 gradient descent method Methods 0.000 claims description 4
- 230000001788 irregular Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 238000004458 analytical method Methods 0.000 description 34
- 238000007726 management method Methods 0.000 description 5
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 4
- 238000005452 bending Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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]
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种FPC软排线外观缺陷检测方法、***和介质,其中FPC软排线外观缺陷检测方法包括:获取FPC软排线的原始图像;将所述原始图像转换为灰度图像,对所述灰度图像进行预处理降噪;对所述灰度图像进行特征提取得到二值化图像,所述特征包括所述软排线的形心、面积和数量;根据所述软排线的形心、面积和数量判断所述软排线是否存在外观缺陷。能够大幅提升对于FPC软排线的外观缺陷检测速度,同时还可以提高检测的稳定性和准确性,也便于将外观缺陷及时发送到生产管理信息***,提高检测的自动化程度。
Description
技术领域
本发明涉及数字图像处理技术领域,特别涉及一种FPC软排线外观缺陷检测方法、***和介质。
背景技术
电子电路中用的FPC软排线在各制作工艺的生产过程中,由于沉金不到位、温度不稳定、镀锡喷锡不均匀、异物污染和其他设备故障因素,容易导致FPC软排线生产时引入不同类型的缺陷,造成FPC软排线的短路、断路、功能故障和性能质量的下降。传统的FPC软排线外观缺陷检测工艺主要是通过人工来完成,识别速度、准确度和稳定性容易受检测人员的经验、情绪和工作态度的影响,容易出现误检、漏检等问题,很难将检测数据快速、及时发送给生产管理信息***,自动化程度比较低。
发明内容
本发明旨在至少解决现有技术中存在的技术问题。为此,本发明提出一种FPC软排线外观缺陷检测方法,能够大幅提升对于FPC软排线的外观缺陷检测速度,同时还可以提高检测的稳定性和准确性,也便于将外观缺陷及时发送到生产管理信息***,提高检测的自动化程度。
本发明还提出一种具有上述FPC软排线外观缺陷检测方法的FPC软排线外观缺陷检测***。
本发明还提出一种计算机可读存储介质。
第一方面,本实施例提供了一种FPC软排线外观缺陷检测方法,包括以下步骤:
获取FPC软排线的原始图像;
将所述原始图像转换为灰度图像,对所述灰度图像进行预处理降噪;
对所述灰度图像进行特征提取得到二值化图像,所述特征包括所述软排线的形心、面积和数量;
根据所述软排线的形心、面积和数量判断所述软排线是否存在外观缺陷。
根据本发明实施例的FPC软排线外观缺陷检测方法,至少具有如下有益效果:
首先获取FPC软排线的原始图像,原始图像可以是FPC软排线的彩色图像,再将原始图像转换为灰度图像,然后进行预处理去噪,提取FPC软排线特征二值化图像,并分析排线的形心、面积和数量,以此判断是否存在排线缺失、断裂、短路或锈蚀等缺陷。
据软排线区域位置,定义排线边沿检测基准直线,获得每根排线的边沿坐标,分析相邻两根排线的边沿间距,判断是否超出标准尺寸阈值,进而分析是否存在外观缺陷。计算分析每根排线在水平检测基准直线处的宽度,判断时候存在排线宽度不标准的缺陷;使用梯度下降法拟合排线的左、右边沿直线,计算边沿拟合直线的斜度,分析排线边沿斜度是否超出预设范围,进而判断是否存在不规整的缺陷。
本实施例提供的FPC软排线外观缺陷检测方法,相较于常规的使用人工检验FPC软排线,能够大幅提升对于FPC软排线的外观缺陷检测速度,同时还可以提高检测的稳定性和准确性,也便于将外观缺陷及时发送到生产管理信息***,提高检测的自动化程度,具有非常好的实用价值。
根据本发明的一些实施例,所述根据所述软排线的形心、面积和数量判断所述软排线是否存在外观缺陷,包括步骤:
获取所述二值化图像中的软排线区域,根据所述软排线区域获取排线边沿检测基准直线,获取每根所述排线的边沿坐标;
根据所述边沿坐标计算相邻所述排线的边沿间距,若所述边沿间距超出预设间距阈值,所述软排线存在间距不标准缺陷。
根据本发明的一些实施例,所述根据所述软排线的形心、面积和数量判断所述软排线是否存在外观缺陷,包括步骤:
获取所述二值化图像中的软排线区域,根据所述软排线区域获取排线边沿检测基准直线,获取每根所述排线的边沿坐标;
根据所述排线的所述边沿坐标计算得到所述排线的宽度,当所述宽度超过预设宽度阈值,所述排线存在宽度缺陷。
根据本发明的一些实施例,所述根据所述软排线的形心、面积和数量判断所述软排线是否存在外观缺陷,包括步骤:
获取所述二值化图像中的软排线区域,根据所述软排线区域获取排线边沿检测基准直线,获取每根所述排线的边沿坐标;
根据每根所述排线的边沿坐标,使用梯度下降法拟合得到排线的左边沿直线、右边沿直线,计算所述左边沿直线和所述右边沿直线的斜度,若所述斜度大于最大预设斜度,则判定该排线存在不规整的缺陷。
根据本发明的一些实施例,所述获取FPC软排线的原始图像,包括步骤:
使用环形光源从多角度对检测环境进行照明,使用CCD工业相机拍照获得所述FPC软排线的原始图像。
根据本发明的一些实施例,所述将所述原始图像转换为灰度图像,对所述灰度图像进行预处理降噪,包括步骤:
使用加权平均值法将所述原始图像转换为所述灰度图像,利用双边滤波算法对所述灰度图像进行去噪预处理。
根据本发明的一些实施例,所述对所述灰度图像进行特征提取得到二值化图像,所述特征包括所述软排线的形心、面积和数量,包括步骤:
对预处理后的所述灰度图像进行灰度拉伸,利用图像二值化算法对图像进行二值化处理,生成二值化图像;
对所述二值化图像进行腐蚀形态学算法处理,消除斑点和噪声干扰,进行膨胀形态学算法处理,获取包含所述FPC软排线的二值化图像。
第二方面,本实施例提供了一种FPC软排线外观缺陷检测***,存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的FPC软排线外观缺陷检测方法。
根据本发明实施例的FPC软排线外观缺陷检测***,至少具有如下有益效果:FPC软排线外观缺陷检测***应用了如第一方面所述的FPC软排线外观缺陷检测方法,能够大幅提升对于FPC软排线的外观缺陷检测速度,同时还可以提高检测的稳定性和准确性,也便于将外观缺陷及时发送到生产管理信息***,提高检测的自动化程度,具有非常好的实用价值。
第三方面,本实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如第一方面所述的FPC软排线外观缺陷检测方法。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中摘要附图要与说明书附图的其中一幅完全一致:
图1是本发明一个实施例提供的FPC软排线外观缺陷检测方法的流程图;
图2是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的采集的FPC软排线产品图像;
图3是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的灰度化、去噪预处理后图像;
图4是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的灰度拉伸处理后图像;
图5是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的二值化处理后图像;
图6是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的软排线区域分割、水平旋转后图像;
图7是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的数字形态学处理后图像;
图8是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的合格FPC软排线产品的Blob形心分析后图像;
图9是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在短路缺陷的产品分析图像;
图10是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线断裂缺陷的产品分析图像;
图11是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线脱落缺陷的产品分析图像;
图12是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线宽度错误缺陷的产品分析图像;
图13是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线歪斜缺陷的产品分析图像;
图14是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线弯曲缺陷的产品分析图像;
图15是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在锈蚀缺陷的产品分析图像;
图16是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的合格FPC软排线边沿灰度检测分析图像;
图17是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在短路缺陷的产品分析图像;
图18是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线断裂缺陷的产品边沿灰度检测分析图像;
图19是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线脱落缺陷的产品边沿灰度检测分析图像;
图20是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线宽度错误缺陷的产品边沿灰度检测分析图像;
图21是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线歪斜缺陷的产品边沿灰度检测分析图像;
图22是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线弯曲缺陷的产品边沿灰度检测分析图像;
图23是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在锈蚀缺陷的产品边沿灰度检测分析图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
需要说明的是,虽然在***示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于***中的模块划分,或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
随着FPC软排线等电子器件产业规模、检测要求和人力成本的不断提高,传统的FPC软排线人工检测方法已不能满足FPC软排线大规模快速生产、检测的要求,如何实现FPC软排线外观缺陷的快速、高精度的自动检测是生产企业亟待解决的重要问题。
本发明提供了一种FPC软排线外观缺陷检测方法,能够大幅提升对于FPC软排线的外观缺陷检测速度,同时还可以提高检测的稳定性和准确性,也便于将外观缺陷及时发送到生产管理信息***,提高检测的自动化程度。
下面结合附图,对本发明实施例作进一步阐述。
参照图1至图7,图1是本发明一个实施例提供的FPC软排线外观缺陷检测方法的流程图,图2是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的采集的FPC软排线产品图像;图3是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的灰度化、去噪预处理后图像;图4是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的灰度拉伸处理后图像;图5是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的二值化处理后图像;图6是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的软排线区域分割、水平旋转后图像;图7是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的数字形态学处理后图像;FPC软排线外观缺陷检测方法包括但不仅限于步骤S110至步骤S140。
步骤S110,获取FPC软排线的原始图像;
步骤S120,将原始图像转换为灰度图像,对灰度图像进行预处理降噪;
步骤S130,对灰度图像进行特征提取得到二值化图像,特征包括软排线的形心、面积和数量;
步骤S140,根据软排线的形心、面积和数量判断软排线是否存在外观缺陷。
在一实施例中,首先获取FPC软排线的原始图像,原始图像可以是FPC软排线的彩色图像,再将原始图像转换为灰度图像,然后进行预处理去噪,提取FPC软排线特征二值化图像,并分析排线的形心、面积和数量,以此判断是否存在排线缺失、断裂、短路或锈蚀等缺陷。
参考图16至图23,图16是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的合格FPC软排线边沿灰度检测分析图像;图17是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在短路缺陷的产品分析图像;图18是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线断裂缺陷的产品边沿灰度检测分析图像;图19是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线脱落缺陷的产品边沿灰度检测分析图像;图20是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线宽度错误缺陷的产品边沿灰度检测分析图像;图21是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线歪斜缺陷的产品边沿灰度检测分析图像;图22是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线弯曲缺陷的产品边沿灰度检测分析图像;图23是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在锈蚀缺陷的产品边沿灰度检测分析图像。
在一实施例中,根据特征判断软排线是否存在外观缺陷,包括步骤:获取二值化图像中的软排线区域,根据软排线区域获取排线边沿检测基准直线,获取每根排线的边沿坐标;根据边沿坐标计算相邻排线的边沿间距,若边沿间距超出预设间距阈值,软排线存在间距不标准缺陷。
根据修正后的软排线形心坐标(最左侧、最右侧两根软排线)和软排线标准长度,获得FPC软排线所在区域的左上、左下、右上和右下四个顶点的坐标;
根据左上、左下、右上和右下四个顶点坐标,自上而下每隔固定间距定义一条水平检测基准直线,沿检测基准直线从左至右检测FPC软排线区域的图像像素灰度值,若检测到灰度值发生跳变,判定为排线左侧边沿,记录该点坐标,获得每条检测基准直线上所有排线左侧边沿坐标值;
根据每一根软排线左侧边沿坐标值,计算处于该检测基准直线上的相邻两根排线的左侧边沿间距,并与FPC软排线产品的标准尺寸对比分析,若两者的间距值超过设定阈值范围,则判断该处是否存在排线边沿破损、断裂、间距不标准、有锈蚀和污渍等缺陷;
获得每条水平检测基准直线上所有排线右侧边沿坐标值,分析相邻两根排线右测边沿的间距,与标准尺寸对比分析,若两者的差值超过设定阈值范围,则判断该处存在排线断裂、缺失、间距错误、锈蚀和污渍等缺陷。
在一实施例中,根据特征判断软排线是否存在外观缺陷,包括步骤:
获取二值化图像中的软排线区域,根据软排线区域获取排线边沿检测基准直线,获取每根排线的边沿坐标;
根据排线的边沿坐标计算得到排线的宽度,当宽度超过预设宽度阈值,排线存在宽度缺陷。
在一实施例中,根据特征判断软排线是否存在外观缺陷,包括步骤:
获取二值化图像中的软排线区域,根据软排线区域获取排线边沿检测基准直线,获取每根排线的边沿坐标;
根据每根排线的边沿坐标,使用梯度下降法拟合得到排线的左边沿直线、右边沿直线,计算左边沿直线和右边沿直线的斜度,若斜度大于最大预设斜度,则判定该排线存在不规整的缺陷。
在一实施例中,采用LED环形光源提供检测光照环境,通过CCD工业相机采集得到待检测FPC软排线的原始彩色图像,并利用图像采集卡将图像存入计算机内存。
在一实施例中,将原始图像转换为灰度图像,对灰度图像进行预处理降噪,包括步骤:
使用加权平均值法将原始图像转换为灰度图像,利用双边滤波算法对灰度图像进行去噪预处理。
将原始彩色图像转换为灰度图像,在不影响缺陷识别的效果情况下提高后续图像处理算法的执行效率,并去除图像噪声的影响。使用加权平均值法将原始彩色图像转换为灰度图像;利用双边滤波算法对采集软排线图像进行去噪预处理。
参考图8至图15,图8是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的合格FPC软排线产品的Blob形心分析后图像;图9是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在短路缺陷的产品分析图像;图10是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线断裂缺陷的产品分析图像;图11是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线脱落缺陷的产品分析图像;图12是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线宽度错误缺陷的产品分析图像;图13是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线歪斜缺陷的产品分析图像;图14是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在排线弯曲缺陷的产品分析图像;图15是本发明另一个实施例提供的FPC软排线外观缺陷检测方法的存在锈蚀缺陷的产品分析图像。
在一实施例中,对灰度图像进行特征提取得到二值化图像,特征包括软排线的形心、面积和数量,包括步骤:
对预处理后的灰度图像进行灰度拉伸,利用图像二值化算法对图像进行二值化处理,生成二值化图像;
对二值化图像进行腐蚀形态学算法处理,消除斑点和噪声干扰,进行膨胀形态学算法处理,获取包含FPC软排线的二值化图像。
提取FPC软排线特征二值化图像,计算排线的形心和数量,分析是否存在排线断裂、短路、脱落或锈蚀等缺陷;
首先利用分段线性变换函数对FPC软排线图像进行灰度拉伸处理,然后进行图像二值化算法分割出FPC软排线图像;通过区域处理求矩算法获取FPC软排线图像形心,根据二阶惯性矩的轴向确定算法分析FPC软排线图形的方向,以此获得FPC软排线中导线区域的ROI坐标值,分割只保留软排线的二值化图像;使用数学形态学算法处理ROI区域内的软排线二值化图像,减少噪声干扰;利用Blob形心分析算法计算每一根排线的面积、形心坐标和数量等,以此判断是否存在排线缺失、断裂等缺陷;并根据形心坐标拟合成直线,将软排线图像旋转至水平位置,通过图像增强算法增强FPC软排线的图像特征,获取每根排线的坐标值,并将软排线图像旋转至水平位置。
对预处理后图像进行灰度拉伸,突出排线区域图像,然后利用OSTU算法对图像进行二值化处理,生成黑白二值化图像,分割出软排线图像。
通过区域处理求矩算法获取FPC软排线图像形心,根据二阶惯性矩的轴向确定算法分析FPC软排线图形的方向,以此获得FPC软排线中导线区域的ROI坐标值,分割只保留软排线的二值化图像,并将图像粗略旋转至水平位置。
对二值化图像进行数学形态学算法处理,减少细小斑点、噪声干扰。
对FPC软排线形态学处理后图像进行Blob分析,计算每根软排线的面积和周长的特征量,根据合格产品特征设置面积和周长的阈值范围,并以此获取所有符合条件的软排线二值化图像,然后进行Blob形心分析,获得每一根软排线的像素面积、形心位置坐标和所有软排线的数量,判断是否存在软排线数量缺失的问题。
根据每一根软排线的形心位置坐标,拟合成直线,并以最左侧排线的形心为中心、拟合直线与水平位置的夹角为旋转角度,将FPC软排线图像精确旋转至水平位置。
此外,本发明的一个实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,例如,控制处理器能够执行图1中的方法步骤S110至步骤S140。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、***可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“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一定指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何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不局限于上述实施方式,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作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发明权利要求所限定的范围内。
Claims (9)
1.一种FPC软排线外观缺陷检测方法,其特征在于,包括以下步骤:
获取FPC软排线的原始图像;
将所述原始图像转换为灰度图像,对所述灰度图像进行预处理降噪;
对所述灰度图像进行特征提取得到二值化图像,所述特征包括所述软排线的形心、面积和数量;
根据所述软排线的形心、面积和数量判断所述软排线是否存在外观缺陷。
2.根据权利要求1所述的FPC软排线外观缺陷检测方法,其特征在于,所述根据所述软排线的形心、面积和数量判断所述软排线是否存在外观缺陷,包括步骤:
获取所述二值化图像中的软排线区域,根据所述软排线区域获取排线边沿检测基准直线,获取每根所述排线的边沿坐标;
根据所述边沿坐标计算相邻所述排线的边沿间距,若所述边沿间距超出预设间距阈值,所述软排线存在间距不标准缺陷。
3.根据权利要求1所述的FPC软排线外观缺陷检测方法,其特征在于,所述根据所述软排线的形心、面积和数量判断所述软排线是否存在外观缺陷,包括步骤:
获取所述二值化图像中的软排线区域,根据所述软排线区域获取排线边沿检测基准直线,获取每根所述排线的边沿坐标;
根据所述排线的所述边沿坐标计算得到所述排线的宽度,当所述宽度超过预设宽度阈值,所述排线存在宽度缺陷。
4.根据权利要求1所述的FPC软排线外观缺陷检测方法,其特征在于,所述根据所述软排线的形心、面积和数量判断所述软排线是否存在外观缺陷,包括步骤:
获取所述二值化图像中的软排线区域,根据所述软排线区域获取排线边沿检测基准直线,获取每根所述排线的边沿坐标;
根据每根所述排线的边沿坐标,使用梯度下降法拟合得到排线的左边沿直线、右边沿直线,计算所述左边沿直线和所述右边沿直线的斜度,若所述斜度大于最大预设斜度,则判定该排线存在不规整的缺陷。
5.根据权利要求1所述的FPC软排线外观缺陷检测方法,其特征在于,所述获取FPC软排线的原始图像,包括步骤:
使用环形光源从多角度对检测环境进行照明,使用CCD工业相机拍照获得所述FPC软排线的原始图像。
6.根据权利要求1所述的FPC软排线外观缺陷检测方法,其特征在于,所述将所述原始图像转换为灰度图像,对所述灰度图像进行预处理降噪,包括步骤:
使用加权平均值法将所述原始图像转换为所述灰度图像,利用双边滤波算法对所述灰度图像进行去噪预处理。
7.根据权利要求1所述的FPC软排线外观缺陷检测方法,其特征在于,所述对所述灰度图像进行特征提取得到二值化图像,所述特征包括所述软排线的形心、面积和数量,包括步骤:
对预处理后的所述灰度图像进行灰度拉伸,利用图像二值化算法对图像进行二值化处理,生成二值化图像;
对所述二值化图像进行腐蚀形态学算法处理,消除斑点和噪声干扰,进行膨胀形态学算法处理,获取包含所述FPC软排线的二值化图像。
8.一种FPC软排线外观缺陷检测***,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的FPC软排线外观缺陷检测方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至7任意一项所述的FPC软排线外观缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110552204.6A CN113298769B (zh) | 2021-05-20 | 2021-05-20 | Fpc软排线外观缺陷检测方法、***和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110552204.6A CN113298769B (zh) | 2021-05-20 | 2021-05-20 | Fpc软排线外观缺陷检测方法、***和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113298769A true CN113298769A (zh) | 2021-08-24 |
CN113298769B CN113298769B (zh) | 2023-01-24 |
Family
ID=77323165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110552204.6A Active CN113298769B (zh) | 2021-05-20 | 2021-05-20 | Fpc软排线外观缺陷检测方法、***和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298769B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114022439A (zh) * | 2021-11-01 | 2022-02-08 | 苏州科德软体电路板有限公司 | 一种基于形态学图像处理的柔性电路板缺陷检测方法 |
CN114627114A (zh) * | 2022-05-12 | 2022-06-14 | 成都数联云算科技有限公司 | 产品缺陷严重程度测量方法及***及装置及介质 |
CN114858211A (zh) * | 2022-04-20 | 2022-08-05 | 常州工业职业技术学院 | 一种线束布置安全性检测***、设备及介质 |
CN115439476A (zh) * | 2022-11-07 | 2022-12-06 | 成都博视广达科技有限责任公司 | 基于图像分析的丝印缺陷检测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11250253A (ja) * | 1998-03-03 | 1999-09-17 | Hitachi Ltd | 配線パターンの欠陥検査方法およびその装置並びに配線パターンの欠陥修正方法およびそのシステム |
CN103473778A (zh) * | 2013-09-18 | 2013-12-25 | 陕西中莱节能有限公司 | 一种led发光芯片插偏缺陷的检测算法 |
CN105445277A (zh) * | 2015-11-12 | 2016-03-30 | 湖北工业大学 | 一种fpc表面质量视觉智能检测方法 |
CN111413350A (zh) * | 2020-03-24 | 2020-07-14 | 江苏斯德雷特通光光纤有限公司 | 一种检测光纤排线缺陷的方法及装置 |
CN112767396A (zh) * | 2021-04-07 | 2021-05-07 | 深圳中科飞测科技股份有限公司 | 缺陷的检测方法、装置和计算机可读存储介质 |
-
2021
- 2021-05-20 CN CN202110552204.6A patent/CN113298769B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11250253A (ja) * | 1998-03-03 | 1999-09-17 | Hitachi Ltd | 配線パターンの欠陥検査方法およびその装置並びに配線パターンの欠陥修正方法およびそのシステム |
CN103473778A (zh) * | 2013-09-18 | 2013-12-25 | 陕西中莱节能有限公司 | 一种led发光芯片插偏缺陷的检测算法 |
CN105445277A (zh) * | 2015-11-12 | 2016-03-30 | 湖北工业大学 | 一种fpc表面质量视觉智能检测方法 |
CN111413350A (zh) * | 2020-03-24 | 2020-07-14 | 江苏斯德雷特通光光纤有限公司 | 一种检测光纤排线缺陷的方法及装置 |
CN112767396A (zh) * | 2021-04-07 | 2021-05-07 | 深圳中科飞测科技股份有限公司 | 缺陷的检测方法、装置和计算机可读存储介质 |
Non-Patent Citations (4)
Title |
---|
JUAN DU ET AL: "Automatic defect inspection of patterned FPC board based on 1-D fourier reconstruction", 《2017 36TH CHINESE CONTROL CONFERENCE (CCC)》 * |
JUAN DU ET AL: "Automatic defect inspection of patterned FPC board based on 1-D fourier reconstruction", 《2017 36TH CHINESE CONTROL CONFERENCE (CCC)》, 31 December 2017 (2017-12-31), pages 10109 - 10112 * |
苑玮琦等: "基于骨架特征的柔性电路板缺陷检测方法", 《计算机应用》 * |
苑玮琦等: "基于骨架特征的柔性电路板缺陷检测方法", 《计算机应用》, 10 June 2016 (2016-06-10), pages 174 - 178 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114022439A (zh) * | 2021-11-01 | 2022-02-08 | 苏州科德软体电路板有限公司 | 一种基于形态学图像处理的柔性电路板缺陷检测方法 |
CN114858211A (zh) * | 2022-04-20 | 2022-08-05 | 常州工业职业技术学院 | 一种线束布置安全性检测***、设备及介质 |
CN114627114A (zh) * | 2022-05-12 | 2022-06-14 | 成都数联云算科技有限公司 | 产品缺陷严重程度测量方法及***及装置及介质 |
CN114627114B (zh) * | 2022-05-12 | 2022-08-09 | 成都数联云算科技有限公司 | 产品缺陷严重程度测量方法及***及装置及介质 |
CN115439476A (zh) * | 2022-11-07 | 2022-12-06 | 成都博视广达科技有限责任公司 | 基于图像分析的丝印缺陷检测方法及装置 |
CN115439476B (zh) * | 2022-11-07 | 2023-03-14 | 成都博视广达科技有限责任公司 | 基于图像分析的丝印缺陷检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113298769B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113298769B (zh) | Fpc软排线外观缺陷检测方法、***和介质 | |
CN111179243A (zh) | 一种基于计算机视觉的小尺寸芯片裂纹检测方法及*** | |
CN105139386B (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
CN113658133A (zh) | 一种基于图像处理的齿轮表面缺陷检测方法及*** | |
CN107490582B (zh) | 一种流水线工件检测*** | |
CN111027546B (zh) | 一种字符分割方法、装置以及计算机可读存储介质 | |
CN110070523B (zh) | 一种用于瓶底的异物检测方法 | |
CN115131348B (zh) | 一种纺织品表面缺陷的检测方法及*** | |
CN114881915A (zh) | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 | |
CN113077437B (zh) | 工件质量检测方法及其*** | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN115100191A (zh) | 基于工业检测的金属铸件缺陷识别方法 | |
CN117152165B (zh) | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 | |
CN108889635B (zh) | 一种易拉罐制造缺陷在线视觉检测方法 | |
CN117635609B (zh) | 一种塑胶产品生产质量视觉检测方法 | |
CN113947598B (zh) | 基于图像处理的塑料餐盒缺陷检测方法、装置及*** | |
CN115187562A (zh) | 涂胶缺陷检测方法及装置 | |
CN112419207A (zh) | 一种图像矫正方法及装置、*** | |
CN113298775B (zh) | 自吸泵双面金属叶轮外观缺陷检测方法、***和介质 | |
JP2019200775A (ja) | 表面欠陥検査装置及び表面欠陥検査方法 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测***、方法及介质 | |
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 | |
CN116580006A (zh) | 一种基于机器视觉的瓶装产品贴标质量检测方法 | |
CN113192061B (zh) | Led封装外观检测图像的提取方法、装置、电子设备和存储介质 | |
CN109934817A (zh) | 一种果体外部轮廓畸形检测方法 |
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 |