CN114441554A - 检测方法 - Google Patents
检测方法 Download PDFInfo
- Publication number
- CN114441554A CN114441554A CN202011229886.9A CN202011229886A CN114441554A CN 114441554 A CN114441554 A CN 114441554A CN 202011229886 A CN202011229886 A CN 202011229886A CN 114441554 A CN114441554 A CN 114441554A
- Authority
- CN
- China
- Prior art keywords
- line
- candidate
- distance
- objects
- midpoint
- 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
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
- G01N21/95—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
- 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
- G01N21/8851—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
- G01N2021/8861—Determining coordinates 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
- G01N2021/8887—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 based on image processing techniques
-
- 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
- G01N2021/95661—Inspecting patterns on the surface of objects for PCB's for leads, e.g. position, curvature
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种检测方法,其包含:将相关于印刷电路板的输入影像作二值化处理;判断所述输入影像中属于黑白交界或所述影像边框的多个轮廓线,并定义为多个线段物件;对每一个所述线段物件根据周长阈值及通过影像边框的次数作筛选,而获得多个候选断线物件;根据每一个所述候选断线物件的断线端的中点坐标,及第一设定线距作判断是否分类为属于断线的第一群组。借此实现一种不需要使用标准样板且不需要大量数据而能够侦测印刷电路板的线路断线位置的检测方法。
Description
技术领域
本发明涉及一种检测方法,特别是指一种用于侦测印刷电路板的线路断线位置的检测方法。
背景技术
在印刷电路板的生产制造过程中已广泛采用机器视觉技术来检测半成品中是否存在瑕疵。现有的印刷电路板缺陷的检测方法主要采用以下两种技术:一种是需要完美无缺陷的标准样板比对电路,也就是需要事先准备电路布局(Layout)的数据文件进行比对参照;而另一种是在无法取得电路相关数据或是仅能通过现有电路板的影像获取信息的情况下,通过具有大量影像数据的影像数据库以机器学习的方式作判断。然而,是否存有其他更佳的检测方法便成为一个待解决的问题。
发明内容
本发明的目的在于提供一种不需要使用标准样板来比对,且不需要大量数据的影像数据库的检测方法。
于是,本发明提供一种检测方法,适用于检测***并通过所述检测***实施,所述检测方法包含步骤(A)~(D)。
于步骤(A),将相关于印刷电路板的输入影像作二值化处理,所述输入影像具有影像边框。
于步骤(B),对二值化处理后的所述输入影像判断属于黑白交界或所述影像边框的多个轮廓线,并定义为对应的多个线段物件。
于步骤(C),对每一个所述线段物件根据周长阈值及通过所述影像边框的次数作筛选,而获得多个候选断线物件。
于步骤(D),根据每一个所述候选断线物件的断线端的中点坐标,及第一设定线距作判断是否分类为属于断线的第一群组。
在一些实施态样中,其中,在步骤(C)中,当任一个所述线段物件所具有的周长大于或等于所述周长阈值,且所述线段物件通过所述影像边框的次数等于1时,所述线段物件被决定为其中一个所述候选断线物件。
在一些实施态样中,其中,在步骤(D)中,每一个所述候选断线物件具有对应设计值的设计线宽,及在不同位置所量测的多个实际线宽,当其中一个所述实际线宽等于所述设计线宽乘以比例阈值时,在所述轮廓线上对应所述实际线宽的两个端点坐标的中心点的所在位置等于所述断线端的所述中点坐标,所述比例阈值大于零且小于1。
在一些实施态样中,其中,在步骤(D)中,计算每一个所述候选断线物件的所述断线端的所述中点坐标与其余任一个所述候选断线物件的所述断线端的所述中点坐标的中点距离,当判断所述至少一个中点距离的其中最小者小于所述第一设定线距时,对应的两个所述候选断线物件被分类为所述第一群组的其中一对数据。
在一些实施态样中,所述检测方法还包含步骤(E),根据未被分类为所述第一群组的所述候选断线物件的所述断线端的所述中点坐标的所述至少一个中点距离,及第二设定线距,判断未被分类为所述第一群组的所述候选断线物件是否被分类为属于第二群组,所述第二设定线距大于所述第一设定线距。
在一些实施态样中,其中,在步骤(A)中,所述影像边框是四边形。在步骤(E)中,当判断所述至少一个中点距离的其中任一者小于所述第二设定线距,且对应其中所述者的两个所述候选断线物件所分别通过的所述影像边框是所述四边形的不同边时,对应的两个所述候选断线物件被分类为所述第二群组的其中一对数据。
在一些实施态样中,其中,所述检测方法还包含步骤(F),判断未被分类为所述第一群组或所述第二群组的所述至少一个候选断线物件被分类为属于第三群组。
在一些实施态样中,其中,在步骤(D)中,所述比例阈值等于85%,所述第一设定线距等于所述输入影像所对应的所述印刷电路板的制程的最小线距,所述第二设定线距等于所述输入影像所对应的所述印刷电路板的制程的所述最小线距乘以2倍。
在一些实施态样中,其中,在步骤(D)中,当判断所述至少一个中点距离的其中最小者等于所述第一设定线距时,对应的两个所述候选断线物件被分类为所述第一群组的其中一对数据。
在另一些实施态样中,其中,在步骤(E)中,当判断所述至少一个中点距离的其中任一者等于所述第二设定线距,且对应其中所述者的两个所述候选断线物件所分别通过的所述影像边框是所述四边形的不同边时,对应的两个所述候选断线物件被分类为所述第二群组的其中一对数据。
本发明的有益效果在于:通过所述处理模块对所述印刷电路板的所述输入影像先作预处理及轮廓线的辨识,再根据所计算出的所述中点坐标的所述中点距离对所述候选断线物件作分类,而获得属于断线的所述第一群组,而能够实现一种不需要使用标准样板来比对,且不需要大量数据的影像数据库的检测方法。
附图说明
图1是一个方块图,说明本发明检测方法所适用的一个检测***;
图2是一个流程图,说明本发明检测方法的一个实施例;
图3是一个示意图,说明该实施例的一个输入影像的一种态样;
图4是一个示意图,辅助图3说明该输入影像的一个局部放大图;及
图5是一个示意图,说明该实施例的该输入影像的另一种态样。
具体实施方式
下面结合附图及实施例对本发明进行详细说明:
在本发明被详细描述的前,应当注意在以下的说明内容中,类似的元件是以相同的编号来表示。
参阅图1,本发明检测方法的一个实施例,适用于一个检测***100,该检测***100包含一个影像撷取模块1、一个处理模块3、及一个储存模块2。该影像撷取模块1例如是一个照相机或一个照相设备,并设置于一个印刷电路板的检测产线上,以用于撷取包含该印刷电路板的一个影像。该处理模块3例如是一个计算机***的至少一个中央处理器,以用于实施已知或现有的影像辨识技术,并电连接该影像撷取模块1以控制该影像撷取模块1撷取该影像,且还电连接该储存模块2以储存该影像及该处理模块3所产生的各种数据。该储存模块2例如是一个磁盘或其他储存设备。
参阅图1与图2,该检测方法包含步骤S1~S13。
于步骤S1,通过该处理模块3控制该影像撷取模块1撷取而获得包含该印刷电路板的该影像。接着,执行步骤S2。
于步骤S2,通过该处理模块3将该影像作为一个输入影像,并对该输入影像作二值化处理。举例来说,该输入影像是一个彩色影像,而二值化处理即是将该彩色影像转换为一个黑白影像,该黑白影像中的每一个像素(Pixel)所对应的数值是0或1。在本实施例中,该输入影像的尺寸是240像素*240像素,并具有一个影像边框,该影像边框例如是一个正方形。接着,执行步骤S3。而在其他的实施例中,该输入影像也可以是其他的尺寸大小。
另外要特别补充说明的是:在其他的实施例中,该影像边框也可以是其他四边形,或其他形状。此外,在步骤S2中,该处理模块3也可以将该影像分割为多个该输入影像。再者,该等输入影像也可以事先储存于该储存模块2,而省略步骤S1及步骤S2。
于步骤S3,通过该处理模块3对二值化处理后的该输入影像判断属于黑白交界或属于该影像边框的多个轮廓线,并定义为对应的多个线段物件。再参阅图3,图3举例说明该输入影像的一种态样,其中,该六个线段物件41~46的轮廓所对应的即为该六个轮廓线。接着,执行步骤S4。
于步骤S4,通过该处理模块3判断每一个该线段物件所具有的一个周长是否大于或等于一个周长阈值。当判断该周长小于该周长阈值时,执行步骤S5。而当判断该周长大于或等于该周长阈值时,执行步骤S6。在本实施例中,该周长阈值例如是该周长的10%,即240*4*10%=96。而在其他的实施例中,步骤S4也可以是判断该周长是否大于该周长阈值。
于步骤S5,表示该线段物件太小,不被判断为该印刷电路板的一个导线线段,而可能是气泡、脏污、或杂点等等。再参阅图3,例如是该线段物件43。
于步骤S6,通过该处理模块3判断每一个该线段物件通过该影像边框的次数是否等于1而作筛选,进而将对应次数等于1的该等线段物件分别作为多个候选断线物件。当判断不等于1时,执行步骤S7。而当判断等于1时,执行步骤S8。再参阅图3,多个线段物件41、42、45、46作为多个候选断线物件。
于步骤S7,表示该线段物件太大或属于一种独立物件。再参阅图3,该线段物件44所对应的次数等于0,属于独立物件。
于步骤S8,再参阅图4,每一个该候选断线物件具有对应设计值的一个设计线宽,设计值即是在设计时的理论宽度。通过该处理模块3计算每一个该候选断线物件的多个实际线宽,即在不同位置所量测的多个实际线宽,如图4的三个距离463~465即为其中该三个实际线宽。当该处理模块3判断其中一个该实际线宽等于该设计线宽乘以一个比例阈值时,在该轮廓线上对应该实际线宽的两个端点坐标的中心点的所在位置等于该断线端的该中点坐标,该比例阈值大于零且小于1。举例来说,该比例阈值等于85%,该实际线宽(等于该距离465)等于该设计线宽的85%,则该两个端点坐标461与462(或451与452、或421与422、或411与412)的中心点的所在位置等于该线段物件46(或45、或42、或41)的该断线端的该中点坐标。该处理模块3还计算每一个该候选断线物件的该断线端的该中点坐标与其余任一个该候选断线物件的该断线端的该中点坐标的一个中点距离。接着,执行步骤S9。
于步骤S9,通过该处理模块3判断每一个该候选断线物件是否为一个第一群组。当该处理模块3针对每一个该候选断线物件判断与其余任一个该候选断线物件的该至少一个中点距离的其中最小者小于一个第一设定线距时,对应的两个该候选断线物件被分类为属于断线的该第一群组的其中一对数据,接着,执行步骤S10。相反地,未被分类为该第一群组的该候选断线物件则在步骤S11中被执行。在本实施例中,该第一设定线距等于该输入影像所对应的该印刷电路板的制程的一个最小线距,而在其他实施例中,也可以例如是该输入影像中该线段物件的该设计线距的最小值,但不以此为限。
于步骤S10,通过该处理模块3输出属于该第一群组的数据。该数据例如是一组或多组成对的两个该候选断线物件的该断线端的该中点坐标,或(及)该中点坐标所对应的该端点坐标。
于步骤S11,通过该处理模块3判断未被分类为该第一群组的该等候选断线物件是否为一个第二群组,该第二群组是一种表示可能存在断线的分类数据。当该处理模块3针对每一个该候选断线物件判断该至少一个中点距离的其中任一者小于一个第二设定线距,且对应其中该中点距离的两个该候选断线物件所分别通过的该影像边框是该四边形的不同边时,对应的两个该候选断线物件被分类为该第二群组的其中一对数据,接着,执行步骤S12。相反地,未被分类为该第二群组的候选断线物件则在步骤S13中被执行。在本实施例中,该第二设定线距等于该输入影像所对应的该印刷电路板的制程的该最小线距乘以2倍,但不以此为限。
于步骤S12,通过该处理模块3输出属于该第二群组的数据。该数据例如是一组或多组成对的两个该候选断线物件的该断线端的该中点坐标,或(及)该中点坐标所对应的该端点坐标。
于步骤S13,通过该处理模块3判断未被分类为该第二群组的该候选断线物件为一个第三群组,并输出属于该第三群组的数据。该数据例如是该至少一个候选断线物件的该至少一个断线端的该至少一个中点坐标,或(及)该至少一个中点坐标所对应的该端点坐标。
再参阅图5,图5示例性地说明该输入影像的一种态样,其中,定义六个中点坐标51~56分别对应六个候选断线物件A~F,并分别对应的该多个中点距离分别为A到B(等于B到A,且以下省略)=2.0、A到C=3.7、A到D=4.1、A到E=1.8、A到F=0.6、B到C=1.7、B到D=3.0、B到E=1.1、B到F=2.3、C到D=2.2、C到E=2.0、C到F=3.8、D到E=2.3、D到F=3.8、E到F=1.8,该中点距离的单位例如是该印刷电路板的制程的该最小线距。则候选断线物件A与F被成对的分类为该第一群组,候选断线物件B与E被成对的分类为该第二群组,候选断线物件C与D被分类为该第三群组。
另外要特别补充说明的是:在步骤S9与S11中,当该处理模块3针对每一个该候选断线物件判断与其余任一个该候选断线物件的该至少一个中点距离的其中最小者等于该第一设定线距时,对应的两个该候选断线物件可以依照预先设定的规则被分类为该第一群组(或该第二群组)。同样地,在步骤S11与S13中,当该处理模块3针对每一个该候选断线物件判断与其余任一个该候选断线物件的该至少一个中点距离的其中最小者等于该第二设定线距时,对应的两个该候选断线物件可以依照预先设定的规则被分类为该第二群组(或该第三群组)。
综上所述,通过该处理模块3对该印刷电路板的该输入影像先作预处理及轮廓线的辨识,再根据所计算出的该中点坐标的该中点距离对该候选断线物件作分类,而获得属于断线的该第一群组、属于可能存在断线的该第二群组、及属于其余部分的该第三群组,而实现一种不需要使用标准样板来比对,且不需要大量数据的影像数据库的检测方法,所以确实能达成本发明的目的。
以上所述仅为本发明较佳实施例,然其并非用以限定本发明的范围,任何熟悉本项技术的人员,在不脱离本发明的精神和范围内,可在此基础上做进一步的改进和变化,因此本发明的保护范围当以本申请的权利要求书所界定的范围为准。
Claims (10)
1.一种检测方法,适用于检测***并通过所述检测***实施,其特征在于,所述检测方法包含:
A:将与印刷电路板有关的输入影像作二值化处理,所述输入影像具有影像边框;
B:针对二值化处理后的所述输入影像,判断属于黑白交界或所述影像边框的多个轮廓线,并定义为对应的多个线段物件;
C:对每一个所述线段物件进行根据周长阈值及通过所述影像边框的次数的筛选,以获得多个候选断线物件;及
D:根据每一个所述候选断线物件的断线端的中点坐标及第一设定线距,判断每一个所述候选断线物件是否被分类为属于断线的第一群组。
2.如权利要求1所述的检测方法,其特征在于,在步骤C中,当任一个所述线段物件所具有的周长大于或等于所述周长阈值,且所述线段物件通过所述影像边框的次数等于1时,所述线段物件被决定为其中一个所述候选断线物件。
3.如权利要求2所述的检测方法,其特征在于,在步骤D中,每一个所述候选断线物件具有对应设计值的设计线宽,及在不同位置所量测的多个实际线宽,当其中一个所述实际线宽等于所述设计线宽乘以比例阈值时,在所述轮廓线上对应所述实际线宽的两个端点坐标的中心点的所在位置等于所述断线端的所述中点坐标,所述比例阈值大于零且小于1。
4.如权利要求3所述的检测方法,其特征在于,在步骤D中,计算每一个所述候选断线物件的所述断线端的所述中点坐标与其余任一个所述候选断线物件的所述断线端的所述中点坐标的中点距离,当判断至少一个中点距离的其中最小者小于所述第一设定线距时,对应的两个所述候选断线物件被分类为所述第一群组的其中一对数据。
5.如权利要求4所述的检测方法,其特征在于,所述检测方法还包含步骤E,根据未被分类为所述第一群组的所述候选断线物件的所述断线端的所述中点坐标的所述至少一个中点距离,及第二设定线距,判断未被分类为所述第一群组的所述候选断线物件是否被分类为属于第二群组,所述第二设定线距大于所述第一设定线距。
6.如权利要求5所述的检测方法,其特征在于,在步骤A中,所述影像边框是四边形,在步骤E中,当判断所述至少一个中点距离的其中任一者小于所述第二设定线距,且对应该中点距离的两个所述候选断线物件所分别通过的所述影像边框是所述四边形的不同边时,对应的两个所述候选断线物件被分类为所述第二群组的其中一对数据。
7.如权利要求6所述的检测方法,其特征在于,所述检测方法还包含步骤F,判断未被分类为所述第一群组或所述第二群组的至少一个候选断线物件被分类为属于第三群组。
8.如权利要求7所述的检测方法,其特征在于,在步骤D中,所述比例阈值等于85%,所述第一设定线距等于所述输入影像所对应的所述印刷电路板的制程的最小线距,所述第二设定线距等于所述输入影像所对应的所述印刷电路板的制程的所述最小线距乘以2。
9.如权利要求8所述的检测方法,其特征在于,在步骤D中,当判断所述至少一个中点距离的其中最小者等于所述第一设定线距时,对应的两个所述候选断线物件被分类为所述第一群组的其中一对数据。
10.如权利要求8所述的检测方法,其特征在于,在步骤E中,当判断所述至少一个中点距离的其中任一者等于所述第二设定线距,且对应该中点距离的两个所述候选断线物件所分别通过的所述影像边框是所述四边形的不同边时,对应的两个所述候选断线物件被分类为所述第二群组的其中一对数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011229886.9A CN114441554B (zh) | 2020-11-06 | 2020-11-06 | 检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011229886.9A CN114441554B (zh) | 2020-11-06 | 2020-11-06 | 检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114441554A true CN114441554A (zh) | 2022-05-06 |
CN114441554B CN114441554B (zh) | 2023-09-29 |
Family
ID=81360730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011229886.9A Active CN114441554B (zh) | 2020-11-06 | 2020-11-06 | 检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114441554B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0271377A (ja) * | 1988-09-07 | 1990-03-09 | Hitachi Ltd | パターン検査方法およびその装置 |
JPH02162205A (ja) * | 1988-12-16 | 1990-06-21 | Fujitsu Ltd | パターン検査装置 |
TW541422B (en) * | 2000-09-05 | 2003-07-11 | Atg Test Systems Gmbh | Method and apparatus for the testing of circuit boards |
KR20090042155A (ko) * | 2007-10-24 | 2009-04-29 | 아주하이텍(주) | 플렉시블 인쇄회로기판의 제조 방법 및 그의 검사 방법 |
CN101915570A (zh) * | 2010-07-20 | 2010-12-15 | 同济大学 | 一种基于灭点的地面移动测量影像线段自动提取分类方法 |
KR20110112605A (ko) * | 2010-04-07 | 2011-10-13 | (주) 대하전선 | Fpcb 제품의 불량 검출방법 |
CN103033521A (zh) * | 2012-12-13 | 2013-04-10 | 京东方科技集团股份有限公司 | 一种布线检测方法及检测*** |
CN103500459A (zh) * | 2013-09-24 | 2014-01-08 | 华南理工大学 | 一种基于规则化参数的印刷电路板缺陷检测方法 |
KR20150025777A (ko) * | 2013-08-30 | 2015-03-11 | (주)넥스틴 | 다이 영상 분할 방법 |
CN108311409A (zh) * | 2017-12-26 | 2018-07-24 | 江苏仲博敬陈信息科技有限公司 | 一种基于人工智能图像识别的印刷电路板检测*** |
CN110021005A (zh) * | 2018-01-05 | 2019-07-16 | 财团法人工业技术研究院 | 电路板瑕疵筛选方法及其装置与计算机可读取记录介质 |
TW202107073A (zh) * | 2019-08-09 | 2021-02-16 | 大陸商蘇州康代智能科技股份有限公司 | 基於假點缺陷檢測之pcb檢修系統及檢修方法 |
-
2020
- 2020-11-06 CN CN202011229886.9A patent/CN114441554B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0271377A (ja) * | 1988-09-07 | 1990-03-09 | Hitachi Ltd | パターン検査方法およびその装置 |
JPH02162205A (ja) * | 1988-12-16 | 1990-06-21 | Fujitsu Ltd | パターン検査装置 |
TW541422B (en) * | 2000-09-05 | 2003-07-11 | Atg Test Systems Gmbh | Method and apparatus for the testing of circuit boards |
KR20090042155A (ko) * | 2007-10-24 | 2009-04-29 | 아주하이텍(주) | 플렉시블 인쇄회로기판의 제조 방법 및 그의 검사 방법 |
KR20110112605A (ko) * | 2010-04-07 | 2011-10-13 | (주) 대하전선 | Fpcb 제품의 불량 검출방법 |
CN101915570A (zh) * | 2010-07-20 | 2010-12-15 | 同济大学 | 一种基于灭点的地面移动测量影像线段自动提取分类方法 |
CN103033521A (zh) * | 2012-12-13 | 2013-04-10 | 京东方科技集团股份有限公司 | 一种布线检测方法及检测*** |
KR20150025777A (ko) * | 2013-08-30 | 2015-03-11 | (주)넥스틴 | 다이 영상 분할 방법 |
CN103500459A (zh) * | 2013-09-24 | 2014-01-08 | 华南理工大学 | 一种基于规则化参数的印刷电路板缺陷检测方法 |
CN108311409A (zh) * | 2017-12-26 | 2018-07-24 | 江苏仲博敬陈信息科技有限公司 | 一种基于人工智能图像识别的印刷电路板检测*** |
CN110021005A (zh) * | 2018-01-05 | 2019-07-16 | 财团法人工业技术研究院 | 电路板瑕疵筛选方法及其装置与计算机可读取记录介质 |
TW202107073A (zh) * | 2019-08-09 | 2021-02-16 | 大陸商蘇州康代智能科技股份有限公司 | 基於假點缺陷檢測之pcb檢修系統及檢修方法 |
Non-Patent Citations (3)
Title |
---|
WEIBO HUANG ETAL: "HRIPCB:a challenging dataset for PCB defects detection and classification", THE JOURNAL OF ENGINEERING, no. 13, pages 303 - 309, XP006091889, DOI: 10.1049/joe.2019.1183 * |
蔡茂蓉;: "PCB图像线宽线距缺陷检测算法研究", 微计算机信息, no. 25, pages 1 - 3 * |
陈亮: "基于机器视觉的PCB裸板缺陷检测方法研究", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 7, pages 138 - 1971 * |
Also Published As
Publication number | Publication date |
---|---|
CN114441554B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110060237B (zh) | 一种故障检测方法、装置、设备及*** | |
CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及*** | |
CN111832659B (zh) | 一种基于特征点提取算法检测的激光标刻***及方法 | |
CN109738450B (zh) | 笔记本键盘的检测方法和装置 | |
CN112419260A (zh) | 一种pcb文字区域缺陷检测方法 | |
CN108918093B (zh) | 一种滤光片镜面缺陷检测方法、装置及终端设备 | |
CN110009615B (zh) | 图像角点的检测方法及检测装置 | |
CN113706525B (zh) | 一种基于图像处理的印刷电路板贴片缺陷智能识别方法 | |
CN112115948A (zh) | 一种基于深度学习的芯片表面字符识别方法 | |
CN112419207A (zh) | 一种图像矫正方法及装置、*** | |
CN110633635A (zh) | 一种基于roi的交通标志牌实时检测方法及*** | |
JP2014164528A (ja) | 文字認識装置、文字認識方法及びプログラム | |
JP4062987B2 (ja) | 画像の領域分割方法、画像の領域分割装置、画像の領域分割プログラム | |
CN111666811A (zh) | 一种提取交通场景图像中交通标志牌区域方法及*** | |
CN114998217A (zh) | 确定玻璃基板缺陷等级的方法、计算机设备及存储介质 | |
CN114155179A (zh) | 光源缺陷检测方法、装置、设备和存储介质 | |
CN112634259A (zh) | 一种键盘键帽自动建模定位方法 | |
CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN113840135B (zh) | 色偏检测方法、装置、设备及存储介质 | |
CN114441554A (zh) | 检测方法 | |
CN113378847B (zh) | 字符分割方法、***、计算机设备和存储介质 | |
JP3268552B2 (ja) | 領域抽出方法、宛名領域抽出方法、宛名領域抽出装置、及び画像処理装置 | |
CN113920075A (zh) | 一种基于物体识别的简易缺陷检测方法和*** | |
TWI765402B (zh) | 檢測方法 | |
JP2005250786A (ja) | 画像認識方法 |
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 |