CN113466261A - 一种pcb板自动检测装置 - Google Patents

一种pcb板自动检测装置 Download PDF

Info

Publication number
CN113466261A
CN113466261A CN202110841453.7A CN202110841453A CN113466261A CN 113466261 A CN113466261 A CN 113466261A CN 202110841453 A CN202110841453 A CN 202110841453A CN 113466261 A CN113466261 A CN 113466261A
Authority
CN
China
Prior art keywords
pcb
image
alarm
module
defect
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
Application number
CN202110841453.7A
Other languages
English (en)
Other versions
CN113466261B (zh
Inventor
吴志炫
吴志良
吴建军
叶柳萱
吴建初
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.)
Hongan Machinery Co ltd
Original Assignee
Hongan Machinery 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 Hongan Machinery Co ltd filed Critical Hongan Machinery Co ltd
Priority to CN202110841453.7A priority Critical patent/CN113466261B/zh
Publication of CN113466261A publication Critical patent/CN113466261A/zh
Application granted granted Critical
Publication of CN113466261B publication Critical patent/CN113466261B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2801—Testing of printed circuits, backplanes, motherboards, hybrid circuits or carriers for multichip packages [MCP]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2801—Testing of printed circuits, backplanes, motherboards, hybrid circuits or carriers for multichip packages [MCP]
    • G01R31/281—Specific types of tests or tests for a specific type of fault, e.g. thermal mapping, shorts testing
    • G01R31/2812—Checking for open circuits or shorts, e.g. solder bridges; Testing conductivity, resistivity or impedance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/44—Testing lamps
    • 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
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/888—Marking defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30141—Printed circuit board [PCB]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供了一种PCB板自动检测装置，包括：图像数据获取单元、辅助检测单元、缺陷识别单元和报警显示单元；图像数据获取单元用于采集检测区域中PCB裸板表面的高清图像信息和进行图像预处理，并在图像采集时进行智能补光；辅助检测单元用于将待检测PCB板运输到待检测区域，并对检测后的PCB板进行分类，将检测合格的运输到打包区域；缺陷识别单元用于对预处理后的图像进行分析识别，并基于识别结果输出PCB板的分类输出信号；报警显示单元用于在检测到缺陷PCB板时按照预设报警规则自动匹配报警类型进行报警，对报警信息进行记录和分析，基于分析结果形成缺陷优化数据库，本发明稳定性好，对PCB板的缺陷及异常检测准确率高。

Description

一种PCB板自动检测装置
技术领域
本发明涉及电子技术领域，尤其涉及到一种PCB板自动检测装置。
背景技术
随着电子技术的发展，人们的生活中出现了各式各样的电子产品,而电子产品的重要电子元器件印刷电路板(PrintedCircuitBoa-rd,PCB)的需求量也与日俱增，PCB板以绝缘板为基材，切成一定尺寸，其上至少附有一个导电图形，并布有孔(如元件孔、紧固孔、金属化孔等)，用来代替以往装置电子元器件的底盘，并实现电子元器件之间的相互连接。由于PCB的尺寸、款式、元器件的数目以及种类众多,采用传统的人工检测,错误率很高,不能较好地满足企业生产的合格率。
综上所述，提供一种稳定性好，对PCB板的缺陷及异常检测准确率高的PCB板自动检测装置，是本领域技术人员急需解决的问题。
发明内容
本方案针对上文提到的问题和需求，提出一种PCB板自动检测装置，其由于采取了如下技术方案而能够解决上述技术问题。
为实现上述目的，本发明提供如下技术方案：一种PCB板自动检测装置，包括：图像数据获取单元、辅助检测单元、缺陷识别单元和报警显示单元；
所述图像数据获取单元用于采集检测区域中PCB裸板表面的高清图像信息和进行图像预处理，并在图像采集时进行智能补光；
所述辅助检测单元用于将待检测PCB板运输到待检测区域，并对检测后的PCB板进行分类，将检测合格的运输到打包区域；
所述缺陷识别单元用于对预处理后的图像进行分析识别，并基于识别结果输出PCB板的分类输出信号；
所述报警显示单元用于在检测到缺陷PCB板时按照预设报警规则自动匹配报警类型进行报警，对报警信息进行记录和分析，基于分析结果形成缺陷优化数据库。
进一步地，所述图像数据获取单元包括摄像装置、自动补光模块和图像预处理模块；
所述摄像装置通过CCD摄像头对PCB板进行自动扫描拍摄，得到原始图像信息；
所述自动补光模块用于对检测区域中的图像采集装置是否存在漏光或光辐射进行判断，并进行补偿；
所述图像预处理模块将原始RGB图像进行图像灰度化处理，对灰度化处理后的图像进行图像二值化，得到二值化图像，基于所述二值化图像，采用中值滤波进行图像平滑处理滤除高斯噪声，并将预处理后的图像信息发送至所述缺陷识别单元。
更进一步地，所述辅助检测单元包括运输传送带、抓取机械手和控制装置，所述运输传送带用于运输被检PCB板，所述抓取机械手用于抓取缺陷PCB板，所述控制装置用于控制所述运输传送带和所述抓取机械手的运动，所述控制装置包括参数设置模块和运动控制模块，所述参数设置模块用于用户通过触摸操作屏输入PCB板的尺寸、种类参数信息和设置所述运输传送带和所述抓取机械手的动作参数，所述运动控制模块用于根据所述动作参数控制运输传送带进行运输、停止动作和抓取机械手的抓取、翻转和急停动作。
进一步地，所述缺陷识别单元包括合格参数存储模块、识别比较模块和缺陷标记模块；
所述合格参数存储模块用于存储待测标准板的图像信息；
所述识别比较模块采用图像匹配算法将所述预处理后的图像信息与所述待测标准板的图像信息进行比较匹配，若匹配的相似度大于设定阈值则判定合格，否则，识别出不一致部分，并将识别结果发送至所述缺陷标记模块；
所述缺陷标记模块用于将检查出的PCB板上存在的凹陷、凸起、短路和断路缺陷，通过外接的标识信号设备把缺陷标识出来发送至所述报警显示单元。
更进一步地，所述图像匹配算法包括将两幅图像的二值化图像进行异或运算，得到待检测PCB板中的缺陷位置，采用直方图自动阈值法进行分割处理，再采用Canny算子检测图像边缘，获取边缘图像信息，基于边缘图像信息，根据Hough变换法检测特征圆，由所述缺陷标记模块保留标注图像结果，然后计算标准板图像和缺陷PCB板图像的差值面积和欧拉数，根据所述差值面积的大小和所述欧拉数的大小来判别图像不同类型的缺陷。
更进一步地，还包括功能检测单元，所述功能检测单元用于检测PCB板上按键短路、LED灯功能和PCB板的耗电流异常，所述功能检测单元包括按键短路检测模块、LED灯功能检测模块和耗电流异常检测模块；
所述按键短路检测模块包括辅助机械手和驱动控制器，所述辅助机械手上设置有用于敲击按键的若干个气缸，所述驱动控制器用于通过输出电平信号控制气缸驱动电路驱动气缸工作，所述气缸驱动电路包括OC门电路、电磁阀和电子继电器，所述OC门电路的输入端与所述驱动控制器的输出端相连接，所述OC门电路通过控制电子继电器的通断进而控制用于控制气缸进气和排气的电磁阀；
所述LED灯功能检测模块包括多个光敏检测电路、三态门和PLC控制器，每个光敏检测电路包括光敏三极管和分压电阻，所述光敏三极管的发射极与所述分压电阻的一端并接后接所述三态门的一个输入端，光敏三极管受到LED灯的照射，电阻变得很小，则三态门对应的一个输出端输出为高电平，所述三态门的所有输出端与所述PLC控制器电连接；
所述耗电流异常检测模块包括负载、取样电阻、恒压源和信号放大器及A/D转换器，所述负载与取样电阻串联在恒压源回路中，通过检测取样电阻的电压得到负载流过电流，所述负载为PCB板,所述取样电阻上的检测电压通过所述信号放大器进行放大，将放大后信号输入所述A/D转换器，通过所述A/D转换器输入所述PLC控制器，所述PLC控制器用于通过通信模组与上位机进行通信，所述上位机将标记后的缺陷信息发送至所述报警显示单元。
更进一步地，所述报警显示单元包括信息自动匹配模块、信息存储模块和分析输出模块；
所述信息自动匹配模块接收所述缺陷识别单元和所述功能检测单元发送的缺陷报警信息和功能异常报警信息，并根据预设报警规则和所述缺陷报警信息及所述功能异常报警信息自动匹配对应报警类型进行报警；
所述信息存储模块包括存储数据库和索引列表，所述索引列表与所述存储数据库相连接，所述索引列表包括报警类型、报警日期和缺陷PCB板的生产编号；
所述分析输出模块用于调取所述存储数据库存储的报警信息，根据所述报警信息采用基于FAHP算法的分析方法对报警因素进行分析，基于分析结果形成缺陷优化数据库，并对报警类型、报警日期和缺陷PCB板的生产编号进行显示。
进一步地，所述基于FAHP算法的分析方法包括：A.建立层次结构模型，根据影响PCB板缺陷和异常的相关指标数据构建评价指标集合R＝{r1,r2,…,ri}，i为评价指标的个数；初始化所述评价指标集R中相关指标数据的权重进而得到权重初始值，并基于指标体系中的相关指标数据和所述权重初始值建立层次结构模型，所述层次结构模型包括目标层、准则层和方案层；B.构建模糊一致性矩阵，依据FAHP的标度原则,对不同报警类型内，两两PCB板缺陷和异常的指标检测值进行重要程度打分,获得模糊互补判断矩阵，对所述模糊互补判断矩阵进行一致化处理，得到模糊一致性矩阵，所述模糊一致性矩阵满足加性一致性条件，C.计算单层权重，对所述模糊一致性矩阵利用特征根法计算所述模糊一致性矩阵的最大特征根和对所述模糊一致性矩阵进行归一化得到特征向量,所述特征向量为单层的权重向量；D.计算层次总权重，累计计算各层次权重，最后进行权重归一化，得到各元素指标总权重，根据各层元素的权重，根据
Figure BDA0003178988480000051
计算方案层各指标相对于目标层的综合权重,其中，wq表示第q个准则层相对于目标的权重，
Figure BDA0003178988480000052
为第q个准则层中第j个因素相对于第q准则的权重，进而获得各不同报警类型变化情况的影响因素。
从上述的技术方案可以看出，本发明的有益效果是：本发明稳定性好，对PCB板的缺陷及异常检测准确率高，且可对不同型号和尺寸的PCB板进行调整检测。
除了上面所描述的目的、特征和优点之外，下文中将结合附图对实施本发明的最优实施例进行更详尽的描述，以便能容易地理解本发明的特征和优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下文将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍，其中，附图仅仅用于展示本发明的一些实施例，而非将本发明的全部实施例限制于此。
图1为本发明中一种PCB板自动检测装置的组成结构示意图。
图2为本发明中辅助检测单元的组成结构示意图。
图3为本发明中功能检测单元的组成结构示意图。
图4为本发明中基于FAHP算法的分析方法的具体步骤示意图。
具体实施方式
为了使得本发明的技术方案的目的、技术方案和优点更加清楚，下文中将结合本发明具体实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。附图中相同的附图标记代表相同的部件。需要说明的是，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
在PCB板制作过程中常常会出现凹陷、凸起、缺口、针孔、孔塞等缺陷，因此，PCB板的检测是PCB板制作流程中至关重要的一个环节，检测的效率和精确度决定了PCB板最终的生产效率和质量。本发明提供了一种稳定性好，对PCB板的缺陷及异常检测准确率高，且可对不同型号和尺寸的PCB板进行调整检测的PCB板自动检测装置。如图1至图4所示，该装置包括：图像数据获取单元、辅助检测单元、缺陷识别单元及功能检测单元和报警显示单元。
在本装置中，所述图像数据获取单元用于采集检测区域中PCB裸板表面的高清图像信息和进行图像预处理，并在图像采集时进行智能补光。而所述图像数据获取单元包括摄像装置、自动补光模块和图像预处理模块；所述摄像装置通过CCD摄像头对PCB板进行自动扫描拍摄，得到原始图像信息；所述自动补光模块用于对检测区域中的图像采集装置是否存在漏光或光辐射进行判断，并进行补偿；所述图像预处理模块将原始RGB图像进行图像灰度化处理，对灰度化处理后的图像进行图像二值化，得到二值化图像，基于所述二值化图像，采用中值滤波进行图像平滑处理滤除高斯噪声，并将预处理后的图像信息发送至所述缺陷识别单元。在本实施例中，摄像装置还包括设有遮挡布的灯箱、触发控制器和信号检测传感器，这样可以遮挡住内部光源，避免受到光辐射，而采集图像用的工业CCD相机通过台架固定在灯箱内。当PCB板被送入该待检区域后，信号检测传感器将信号发送给触发控制器，触发控制器控制工业CCD相机开始扫描检测。
所述辅助检测单元用于将待检测PCB板运输到待检测区域，并对检测后的PCB板进行分类，将检测合格的运输到打包区域。所述辅助检测单元包括运输传送带、抓取机械手和控制装置，所述运输传送带用于运输被检PCB板，所述抓取机械手用于抓取缺陷PCB板，所述控制装置用于控制所述运输传送带和所述抓取机械手的运动，所述控制装置包括参数设置模块和运动控制模块，所述参数设置模块用于用户通过触摸操作屏输入PCB板的尺寸、种类参数信息和设置所述运输传送带和所述抓取机械手的动作参数，所述运动控制模块用于根据所述动作参数控制运输传送带进行运输、停止动作和抓取机械手的抓取、翻转和急停动作。在本实施例中，运输传送带的端口处设置有载物台，用于承载不同分类的PCB板，即合格载物台和不合格载物台。抓取机械手采用六轴机器人作为抓取机构，参数设置模块包括触摸屏而运动控制模块包括各类运动传感器、红外检测传感器和限位传感器和运动控制器，各类运动传感器即角度传感器、速度传感器等，运动控制器根据上述各传感器信号对驱动机械手的电机进行控制进而控制机械手的抓取动作及传送带的速度等进行控制。
所述缺陷识别单元用于对预处理后的图像进行分析识别，并基于识别结果输出PCB板的分类输出信号。所述缺陷识别单元包括合格参数存储模块、识别比较模块和缺陷标记模块；所述合格参数存储模块用于存储待测标准板的图像信息；所述识别比较模块采用图像匹配算法将所述预处理后的图像信息与所述待测标准板的图像信息进行比较匹配，若匹配的相似度大于设定阈值则判定合格，否则，识别出不一致部分，并将识别结果发送至所述缺陷标记模块；所述缺陷标记模块用于将检查出的PCB板上存在的凹陷、凸起、短路和断路缺陷，通过外接的标识信号设备把缺陷标识出来发送至所述报警显示单元。其中，所述图像匹配算法包括将两幅图像的二值化图像进行异或运算，得到待检测PCB板中的缺陷位置，采用直方图自动阈值法进行分割处理，再采用Canny算子检测图像边缘，获取边缘图像信息，具体地，采用高斯滤波器滤波进行图像I(x,y)去噪，再计算x,y方向上的一阶偏导数,用一阶偏导数的有限差分来计算梯度的幅值及方向，并通过非极大值抑制对计算出的梯度幅值进行处理,即当待测点的梯度值大于其相邻点的梯度值时认为该点为所要寻找的边缘点，否则将其梯度值设为0，最后用用双阈值算法实现检测和边缘的衔接。Canny在边缘检测中可避免边缘残缺问题，同时检测出的边缘为单个像素。基于得到边缘图像信息，再根据Hough变换法检测特征圆，由所述缺陷标记模块保留标注图像结果，然后计算标准板图像和缺陷PCB板图像的差值面积和欧拉数，根据所述差值面积的大小和所述欧拉数的大小来判别图像不同类型的缺陷。
在进行完PCB裸板检测后还需要对一些已实现部分功能或完整的PCB板进行检测，故本装置设置有功能检测单元，具体地，所述功能检测单元用于检测PCB板上按键短路、LED灯功能和PCB板的耗电流异常，所述功能检测单元包括按键短路检测模块、LED灯功能检测模块和耗电流异常检测模块。
按键短路检测即对按键通断情况进行检测，所述按键短路检测模块包括辅助机械手和驱动控制器，所述辅助机械手上设置有用于敲击按键的若干个气缸，所述驱动控制器用于通过输出电平信号控制气缸驱动电路驱动气缸工作，所述气缸驱动电路包括OC门电路、电磁阀和电子继电器，所述OC门电路的输入端与所述驱动控制器的输出端相连接，所述OC门电路通过控制电子继电器的通断进而控制用于控制气缸进气和排气的电磁阀。
所述LED灯功能检测模块包括多个光敏检测电路、三态门和PLC控制器，每个光敏检测电路包括光敏三极管和分压电阻，所述光敏三极管的发射极与所述分压电阻的一端并接后接所述三态门的一个输入端，光敏三极管受到LED灯的照射，电阻变得很小，则三态门对应的一个输出端输出为高电平，所述三态门的所有输出端与所述PLC控制器电连接，其中，本实施例中采用的三态门芯片为74LS373,设置三态门的使能端为低电平，可保证三态门的Q0＝D0。
所述耗电流异常检测模块包括负载、取样电阻、恒压源和信号放大器及A/D转换器，所述负载与取样电阻串联在恒压源回路中，通过检测取样电阻的电压得到负载流过电流，所述负载为PCB板,所述取样电阻上的检测电压通过所述信号放大器进行放大，将放大后信号输入所述A/D转换器，通过所述A/D转换器输入所述PLC控制器，所述PLC控制器用于通过通信模组与上位机进行通信，所述上位机将标记后的缺陷信息发送至所述报警显示单元。
所述报警显示单元用于在检测到缺陷PCB板时按照预设报警规则自动匹配报警类型进行报警，对报警信息进行记录和分析，基于分析结果形成缺陷优化数据库，其中，所述报警显示单元包括信息自动匹配模块、信息存储模块和分析输出模块；所述信息自动匹配模块接收所述缺陷识别单元和所述功能检测单元发送的缺陷报警信息和功能异常报警信息，并根据预设报警规则和所述缺陷报警信息及所述功能异常报警信息自动匹配对应报警类型进行报警；所述信息存储模块包括存储数据库和索引列表，所述索引列表与所述存储数据库相连接，所述索引列表包括报警类型、报警日期和缺陷PCB板的生产编号；所述分析输出模块用于调取所述存储数据库存储的报警信息，根据所述报警信息采用基于FAHP算法的分析方法对报警因素进行分析，基于分析结果形成缺陷优化数据库，并对报警类型、报警日期和缺陷PCB板的生产编号进行显示。
如图4所示，所述基于FAHP算法的分析方法包括：A.建立层次结构模型，根据影响PCB板缺陷和异常的相关指标数据构建评价指标集合R＝{r1,r2,…,ri}，i为评价指标的个数；初始化所述评价指标集R中相关指标数据的权重进而得到权重初始值，并基于指标体系中的相关指标数据和所述权重初始值建立层次结构模型，所述层次结构模型包括目标层、准则层和方案层；B.构建模糊一致性矩阵，依据FAHP的标度原则,对不同报警类型内，两两PCB板缺陷和异常的指标检测值进行重要程度打分,获得模糊互补判断矩阵，对所述模糊互补判断矩阵进行一致化处理，得到模糊一致性矩阵，所述模糊一致性矩阵满足加性一致性条件，C.计算单层权重，对所述模糊一致性矩阵利用特征根法计算所述模糊一致性矩阵的最大特征根和对所述模糊一致性矩阵进行归一化得到特征向量,所述特征向量为单层的权重向量；D.计算层次总权重，累计计算各层次权重，最后进行权重归一化，得到各元素指标总权重，根据各层元素的权重，根据
Figure BDA0003178988480000101
计算方案层各指标相对于目标层的综合权重,其中，wq表示第q个准则层相对于目标的权重，
Figure BDA0003178988480000102
为第q个准则层中第j个因素相对于第q准则的权重，进而获得各不同报警类型变化情况的影响因素。
在本实施例中，检测到的报警信息会通过液晶显示屏显示，当无缺陷或异常时显示“正常”，当出现缺陷或异常时显示“缺陷-凹陷”或者“异常-LED不发光”等，用户可通过检测报警信息直观的得到PCB缺陷情况，且若PCB板为缺陷或异常板则会由辅助检测单元将PCB板运送到不合格载物台处，并重新进行下一PCB板检测，若判定正常则将PCB板翻面，进行反面检测，检测完毕后，若无报警则输送至合格载物台处。
应当说明的是，本发明所述的实施方式仅仅是实现本发明的优选方式，对属于本发明整体构思，而仅仅是显而易见的改动，均应属于本发明的保护范围之内。

Claims (8)

1.一种PCB板自动检测装置，其特征在于，包括：图像数据获取单元、辅助检测单元、缺陷识别单元和报警显示单元；
所述图像数据获取单元用于采集检测区域中PCB裸板表面的高清图像信息和进行图像预处理，并在图像采集时进行智能补光；
所述辅助检测单元用于将待检测PCB板运输到待检测区域，并对检测后的PCB板进行分类，将检测合格的PCB板运输到打包区域；
所述缺陷识别单元用于对预处理后的图像进行分析识别，并基于识别结果输出PCB板的分类输出信号；
所述报警显示单元用于在检测到缺陷PCB板时按照预设报警规则自动匹配报警类型进行报警，对报警信息进行记录和分析，基于分析结果形成缺陷优化数据库。
2.如权利要求1所述的PCB板自动检测装置，其特征在于，所述图像数据获取单元包括摄像装置、自动补光模块和图像预处理模块；
所述摄像装置通过CCD摄像头对PCB板进行自动扫描拍摄，得到原始图像信息；
所述自动补光模块用于对检测区域中的图像采集装置是否存在漏光或光辐射进行判断，并进行补偿；
所述图像预处理模块将原始RGB图像进行图像灰度化处理，对灰度化处理后的图像进行图像二值化，得到二值化图像，基于所述二值化图像，采用中值滤波进行图像平滑处理滤除高斯噪声，并将预处理后的图像信息发送至所述缺陷识别单元。
3.如权利要求2所述的PCB板自动检测装置，其特征在于，所述辅助检测单元包括运输传送带、抓取机械手和控制装置，所述运输传送带用于运输被检PCB板，所述抓取机械手用于抓取缺陷PCB板，所述控制装置用于控制所述运输传送带和所述抓取机械手的运动，所述控制装置包括参数设置模块和运动控制模块，所述参数设置模块用于用户通过触摸操作屏输入PCB板的尺寸、种类参数信息和设置所述运输传送带和所述抓取机械手的动作参数，所述运动控制模块用于根据所述动作参数控制运输传送带进行运输、停止动作和抓取机械手的抓取、翻转和急停动作。
4.如权利要求1所述的PCB板自动检测装置，其特征在于，所述缺陷识别单元包括合格参数存储模块、识别比较模块和缺陷标记模块；
所述合格参数存储模块用于存储待测标准板的图像信息；
所述识别比较模块采用图像匹配算法将所述预处理后的图像信息与所述待测标准板的图像信息进行比较匹配，若匹配的相似度大于设定阈值则判定合格，否则，识别出不一致部分，并将识别结果发送至所述缺陷标记模块；
所述缺陷标记模块用于将检查出的PCB板上存在的凹陷、凸起、短路和断路缺陷，通过外接的标识信号设备把缺陷标识出来发送至所述报警显示单元。
5.如权利要求4所述的PCB板自动检测装置，其特征在于，所述图像匹配算法包括将两幅图像的二值化图像进行异或运算，得到待检测PCB板中的缺陷位置，采用直方图自动阈值法进行分割处理，再采用Canny算子检测图像边缘，获取边缘图像信息，基于边缘图像信息，根据Hough变换法检测特征圆，由所述缺陷标记模块保留标注图像结果，然后计算标准板图像和缺陷PCB板图像的差值面积和欧拉数，根据所述差值面积的大小和所述欧拉数的大小来判别图像不同类型的缺陷。
6.如权利要求5所述的PCB板自动检测装置，其特征在于，还包括功能检测单元，所述功能检测单元用于检测PCB板上按键短路、LED灯功能和PCB板的耗电流异常，所述功能检测单元包括按键短路检测模块、LED灯功能检测模块和耗电流异常检测模块；
所述按键短路检测模块包括辅助机械手和驱动控制器，所述辅助机械手上设置有用于敲击按键的若干个气缸，所述驱动控制器用于通过输出电平信号控制气缸驱动电路驱动气缸工作，所述气缸驱动电路包括OC门电路、电磁阀和电子继电器，所述OC门电路的输入端与所述驱动控制器的输出端相连接，所述OC门电路通过控制电子继电器的通断进而控制用于控制气缸进气和排气的电磁阀；
所述LED灯功能检测模块包括多个光敏检测电路、三态门和PLC控制器，每个光敏检测电路包括光敏三极管和分压电阻，所述光敏三极管的发射极与所述分压电阻的一端并接后接所述三态门的一个输入端，光敏三极管受到LED灯的照射，电阻变得很小，则三态门对应的一个输出端输出为高电平，所述三态门的所有输出端与所述PLC控制器电连接；
所述耗电流异常检测模块包括负载、取样电阻、恒压源和信号放大器及A/D转换器，所述负载与取样电阻串联在恒压源回路中，通过检测取样电阻的电压得到负载流过电流，所述负载为PCB板,所述取样电阻上的检测电压通过所述信号放大器进行放大，将放大后信号输入所述A/D转换器，通过所述A/D转换器输入所述PLC控制器，所述PLC控制器用于通过通信模组与上位机进行通信，所述上位机将标记后的缺陷信息发送至所述报警显示单元。
7.如权利要求6所述的PCB板自动检测装置，其特征在于，所述报警显示单元包括信息自动匹配模块、信息存储模块和分析输出模块；
所述信息自动匹配模块接收所述缺陷识别单元发送的缺陷报警信息和所述功能检测单元发送的功能异常报警信息，并根据预设报警规则和所述缺陷报警信息及所述功能异常报警信息自动匹配对应报警类型进行报警；
所述信息存储模块包括存储数据库和索引列表，所述索引列表与所述存储数据库相连接，所述索引列表包括报警类型、报警日期和缺陷PCB板的生产编号；
所述分析输出模块用于调取所述存储数据库存储的报警信息，根据所述报警信息采用基于FAHP算法的分析方法对报警因素进行分析，基于分析结果形成缺陷优化数据库，并对报警类型、报警日期和缺陷PCB板的生产编号进行显示。
8.如权利要求1所述的PCB板自动检测装置，其特征在于，所述基于FAHP算法的分析方法包括：A.建立层次结构模型，根据影响PCB板缺陷和异常的相关指标数据构建评价指标集合R＝{r1,r2,…,ri}，i为评价指标的个数；初始化所述评价指标集R中相关指标数据的权重进而得到权重初始值，并基于指标体系中的相关指标数据和所述权重初始值建立层次结构模型，所述层次结构模型包括目标层、准则层和方案层；B.构建模糊一致性矩阵，依据FAHP的标度原则,对不同报警类型内，两两PCB板缺陷和异常的指标检测值进行重要程度打分,获得模糊互补判断矩阵，对所述模糊互补判断矩阵进行一致化处理，得到模糊一致性矩阵，所述模糊一致性矩阵满足加性一致性条件；C.计算单层权重，对所述模糊一致性矩阵利用特征根法计算所述模糊一致性矩阵的最大特征根和对所述模糊一致性矩阵进行归一化得到特征向量,所述特征向量为单层的权重向量；D.计算层次总权重，累计计算各层次权重，最后进行权重归一化，得到各元素指标总权重，根据各层元素的权重，根据
Figure FDA0003178988470000041
计算方案层各指标相对于目标层的综合权重,其中，wq表示第q个准则层相对于目标的权重，
Figure FDA0003178988470000042
为第q个准则层中第j个因素相对于第q准则的权重，进而获得各不同报警类型变化情况的影响因素。
CN202110841453.7A 2021-07-26 2021-07-26 一种pcb板自动检测装置 Active CN113466261B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110841453.7A CN113466261B (zh) 2021-07-26 2021-07-26 一种pcb板自动检测装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110841453.7A CN113466261B (zh) 2021-07-26 2021-07-26 一种pcb板自动检测装置

Publications (2)

Publication Number Publication Date
CN113466261A true CN113466261A (zh) 2021-10-01
CN113466261B CN113466261B (zh) 2023-04-07

Family

ID=77882376

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110841453.7A Active CN113466261B (zh) 2021-07-26 2021-07-26 一种pcb板自动检测装置

Country Status (1)

Country Link
CN (1) CN113466261B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114367459A (zh) * 2022-01-11 2022-04-19 宁波市全盛壳体有限公司 一种自动涂漆uv固化设备视频识别检测方法
CN114418540A (zh) * 2022-01-19 2022-04-29 揭阳市科和电子实业有限公司 三极管制造及其固晶工艺
CN114494131A (zh) * 2021-12-24 2022-05-13 深圳英博达智能科技有限公司 一种pcb板油墨面凸点的缺陷检测方法
CN115079045A (zh) * 2022-06-10 2022-09-20 郴州恒维电子有限公司 一种前工序图像自动检测短断路装置
CN115240193A (zh) * 2022-07-29 2022-10-25 山东品正金属制品有限公司 一种电动汽车电机主轴的表面处理方法及***
CN116027171A (zh) * 2022-12-23 2023-04-28 广东祺力电子有限公司 一种用于实现pcba板测试的智能***及方法
CN116087671A (zh) * 2023-04-10 2023-05-09 长沙艾克赛普仪器设备有限公司 一种基于机器视觉的自动化测试作业方法、机器人及***
CN116193732A (zh) * 2023-04-24 2023-05-30 河北光兴半导体技术有限公司 Pcb板的定位识别方法、定位识别***及加工***
CN116630332A (zh) * 2023-07-26 2023-08-22 山东华航高分子材料有限公司 一种基于图像处理的pvc塑料管口缺陷检测方法
CN116892880A (zh) * 2023-09-11 2023-10-17 佛山市龙生光启科技有限公司 一种基于机器视觉的电子元器件高精度检测***
CN116952826A (zh) * 2023-09-19 2023-10-27 江苏乔科科技有限公司 一种pcb板抗腐蚀性检测***
CN117147570A (zh) * 2023-10-30 2023-12-01 深圳硬之城信息技术有限公司 基于机器视觉的制造控制方法、装置、设备及存储介质
CN117395983A (zh) * 2023-11-16 2024-01-12 深圳市创芯智汇电子科技有限公司 一种pcb板贴片自动检测方法及其装置
WO2024068200A1 (en) * 2022-09-28 2024-04-04 At&S Austria Technologie & Systemtechnik Aktiengesellschaft Packing apparatus and method and component carrier pack and system

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103529055A (zh) * 2013-10-16 2014-01-22 苏州斯尔特微电子有限公司 Pcb板自动检验装置
JP2017020850A (ja) * 2015-07-09 2017-01-26 倉敷紡績株式会社 フィルム回路基板の製造監視装置
CN106651849A (zh) * 2016-12-27 2017-05-10 广东锐视智能检测有限公司 基于面阵相机的pcb裸板缺陷检测方法
CN107389701A (zh) * 2017-08-22 2017-11-24 西北工业大学 一种基于图像的pcb表观缺陷自动检测***及方法
CN207036726U (zh) * 2017-06-21 2018-02-23 精锐视觉智能科技（深圳）有限公司 一种pcb裸板缺陷检测***
CN109871895A (zh) * 2019-02-22 2019-06-11 北京百度网讯科技有限公司 电路板的缺陷检测方法和装置
US20190213725A1 (en) * 2018-01-05 2019-07-11 Industrial Technology Research Institute Board defect filtering method and device thereof and computer-readable recording medium
CN110567987A (zh) * 2019-08-12 2019-12-13 北京三清互联科技有限公司 一种基于自动视觉技术的馈线终端基板检测***及方法
CN111178725A (zh) * 2019-12-24 2020-05-19 贵州电网有限责任公司 一种基于层次分析法的保护设备状态预警方法
CN111289538A (zh) * 2020-02-25 2020-06-16 青岛滨海学院 基于机器视觉的pcb板元件检测***及检测方法
CN111693548A (zh) * 2019-03-12 2020-09-22 株式会社斯库林集团 检查装置及检查方法
CN112577969A (zh) * 2019-09-27 2021-03-30 南通深南电路有限公司 一种基于机器视觉的缺陷检测方法以及缺陷检测***
CN112604998A (zh) * 2020-11-27 2021-04-06 昆山市华钰兴经纬电子科技有限公司 基于机器视觉的pcb板缺陷自动检测***
CN113418561A (zh) * 2021-06-30 2021-09-21 南通海舟电子科技有限公司 一种双层电路板的智能检测***及方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103529055A (zh) * 2013-10-16 2014-01-22 苏州斯尔特微电子有限公司 Pcb板自动检验装置
JP2017020850A (ja) * 2015-07-09 2017-01-26 倉敷紡績株式会社 フィルム回路基板の製造監視装置
CN106651849A (zh) * 2016-12-27 2017-05-10 广东锐视智能检测有限公司 基于面阵相机的pcb裸板缺陷检测方法
CN207036726U (zh) * 2017-06-21 2018-02-23 精锐视觉智能科技（深圳）有限公司 一种pcb裸板缺陷检测***
CN107389701A (zh) * 2017-08-22 2017-11-24 西北工业大学 一种基于图像的pcb表观缺陷自动检测***及方法
US20190213725A1 (en) * 2018-01-05 2019-07-11 Industrial Technology Research Institute Board defect filtering method and device thereof and computer-readable recording medium
CN109871895A (zh) * 2019-02-22 2019-06-11 北京百度网讯科技有限公司 电路板的缺陷检测方法和装置
CN111693548A (zh) * 2019-03-12 2020-09-22 株式会社斯库林集团 检查装置及检查方法
CN110567987A (zh) * 2019-08-12 2019-12-13 北京三清互联科技有限公司 一种基于自动视觉技术的馈线终端基板检测***及方法
CN112577969A (zh) * 2019-09-27 2021-03-30 南通深南电路有限公司 一种基于机器视觉的缺陷检测方法以及缺陷检测***
CN111178725A (zh) * 2019-12-24 2020-05-19 贵州电网有限责任公司 一种基于层次分析法的保护设备状态预警方法
CN111289538A (zh) * 2020-02-25 2020-06-16 青岛滨海学院 基于机器视觉的pcb板元件检测***及检测方法
CN112604998A (zh) * 2020-11-27 2021-04-06 昆山市华钰兴经纬电子科技有限公司 基于机器视觉的pcb板缺陷自动检测***
CN113418561A (zh) * 2021-06-30 2021-09-21 南通海舟电子科技有限公司 一种双层电路板的智能检测***及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
吕凯: "PCB板自动检测***的设计与实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
李正明等: "基于数字图像处理的印刷电路板缺陷检测", 《仪表技术与传感器》 *
王虹昙;赵国荣;: "FAHP综合评价法在预警机作战效能评估中的应用" *
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》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114494131A (zh) * 2021-12-24 2022-05-13 深圳英博达智能科技有限公司 一种pcb板油墨面凸点的缺陷检测方法
CN114367459B (zh) * 2022-01-11 2024-03-08 宁波市全盛壳体有限公司 一种自动涂漆uv固化设备视频识别检测方法
CN114367459A (zh) * 2022-01-11 2022-04-19 宁波市全盛壳体有限公司 一种自动涂漆uv固化设备视频识别检测方法
CN114418540A (zh) * 2022-01-19 2022-04-29 揭阳市科和电子实业有限公司 三极管制造及其固晶工艺
CN115079045A (zh) * 2022-06-10 2022-09-20 郴州恒维电子有限公司 一种前工序图像自动检测短断路装置
CN115240193A (zh) * 2022-07-29 2022-10-25 山东品正金属制品有限公司 一种电动汽车电机主轴的表面处理方法及***
CN115240193B (zh) * 2022-07-29 2023-12-22 山东品正金属制品有限公司 一种电动汽车电机主轴的表面处理方法及***
WO2024068200A1 (en) * 2022-09-28 2024-04-04 At&S Austria Technologie & Systemtechnik Aktiengesellschaft Packing apparatus and method and component carrier pack and system
CN116027171B (zh) * 2022-12-23 2023-11-14 广东祺力电子有限公司 一种用于实现pcba板测试的智能***及方法
CN116027171A (zh) * 2022-12-23 2023-04-28 广东祺力电子有限公司 一种用于实现pcba板测试的智能***及方法
CN116087671A (zh) * 2023-04-10 2023-05-09 长沙艾克赛普仪器设备有限公司 一种基于机器视觉的自动化测试作业方法、机器人及***
CN116087671B (zh) * 2023-04-10 2023-07-04 长沙艾克赛普仪器设备有限公司 一种基于机器视觉的自动化测试作业方法、机器人及***
CN116193732B (zh) * 2023-04-24 2023-09-05 河北光兴半导体技术有限公司 Pcb板的定位识别方法、定位识别***及加工***
CN116193732A (zh) * 2023-04-24 2023-05-30 河北光兴半导体技术有限公司 Pcb板的定位识别方法、定位识别***及加工***
CN116630332B (zh) * 2023-07-26 2023-09-26 山东华航高分子材料有限公司 一种基于图像处理的pvc塑料管口缺陷检测方法
CN116630332A (zh) * 2023-07-26 2023-08-22 山东华航高分子材料有限公司 一种基于图像处理的pvc塑料管口缺陷检测方法
CN116892880A (zh) * 2023-09-11 2023-10-17 佛山市龙生光启科技有限公司 一种基于机器视觉的电子元器件高精度检测***
CN116892880B (zh) * 2023-09-11 2023-12-19 天航长鹰(江苏)科技有限公司 一种基于机器视觉的电子元器件高精度检测***
CN116952826A (zh) * 2023-09-19 2023-10-27 江苏乔科科技有限公司 一种pcb板抗腐蚀性检测***
CN116952826B (zh) * 2023-09-19 2023-12-05 江苏乔科科技有限公司 一种pcb板抗腐蚀性检测***
CN117147570A (zh) * 2023-10-30 2023-12-01 深圳硬之城信息技术有限公司 基于机器视觉的制造控制方法、装置、设备及存储介质
CN117395983A (zh) * 2023-11-16 2024-01-12 深圳市创芯智汇电子科技有限公司 一种pcb板贴片自动检测方法及其装置

Also Published As

Publication number Publication date
CN113466261B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN113466261B (zh) 一种pcb板自动检测装置
Abd Al Rahman et al. A review and analysis of automatic optical inspection and quality monitoring methods in electronics industry
Anitha et al. A survey on defect detection in bare PCB and assembled PCB using image processing techniques
CN107945184B (zh) 一种基于彩色图像分割和梯度投影定位的贴装元件检测方法
CN110567976B (zh) 基于机器视觉的手机盖板丝印缺陷检测装置及检测方法
EP1808018B1 (en) Image sensor annotation method and apparatus
CN107389701A (zh) 一种基于图像的pcb表观缺陷自动检测***及方法
CN108355981A (zh) 一种基于机器视觉的电池连接器质量检测方法
CN111899241B (zh) 一种定量化的炉前pcb贴片缺陷在线检测方法及***
CN107486415A (zh) 基于机器视觉的篾片缺陷在线检测***及检测方法
CN205643194U (zh) 一种基于机器视觉的触控ito薄膜导电层缺陷检测***
CN207238542U (zh) 一种基于机器视觉的篾片缺陷在线检测***
Ozturk et al. Detection of PCB soldering defects using template based image processing method
CN115170497A (zh) 一种基于ai视觉检测技术的pcba在线检测平台
CN116718600A (zh) 一种用于对线束产品进行智能化检测的检测装置
CN109870463B (zh) 一种电子芯片故障检测装置
Reshadat et al. Improving the performance of automated optical inspection (AOI) using machine learning classifiers
CN111307817B (zh) 一种智能产线pcb生产过程的在线检测方法及***
US20220284699A1 (en) System and method of object detection using ai deep learning models
Caliskan et al. Design and realization of an automatic optical inspection system for PCB solder joints
CN112308816B (zh) 影像辨识装置、影像辨识方法及其存储介质
Jaffery et al. Real time visual inspection system (RTVIS) for calibration of mechanical gauges
CN115343313A (zh) 基于人工智能的视觉识别方法
CN213749668U (zh) 一种柔性电路板外观测试装置
Wang et al. A system deployment model of multi-CCD automatic optical inspection for economical operations

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A PCB board automatic detection device

Effective date of registration: 20231011

Granted publication date: 20230407

Pledgee: Bank of China Limited by Share Ltd. Jinjiang branch

Pledgor: HONGAN Machinery Co.,Ltd.

Registration number: Y2023980060726