CN114820439A - 基于aoi的pcb裸板缺陷的检测***及方法 - Google Patents

基于aoi的pcb裸板缺陷的检测***及方法 Download PDF

Info

Publication number
CN114820439A
CN114820439A CN202210259462.XA CN202210259462A CN114820439A CN 114820439 A CN114820439 A CN 114820439A CN 202210259462 A CN202210259462 A CN 202210259462A CN 114820439 A CN114820439 A CN 114820439A
Authority
CN
China
Prior art keywords
image
pcb
module
defects
cameras
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
Application number
CN202210259462.XA
Other languages
English (en)
Inventor
余爱琴
梅建军
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.)
Kunshan Leijing Electronics Co ltd
Original Assignee
Kunshan Leijing Electronics 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 Kunshan Leijing Electronics Co ltd filed Critical Kunshan Leijing Electronics Co ltd
Priority to CN202210259462.XA priority Critical patent/CN114820439A/zh
Publication of CN114820439A publication Critical patent/CN114820439A/zh
Pending legal-status Critical Current

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30141—Printed circuit board [PCB]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及线路板检测技术领域，公开了基于AOI的PCB裸板缺陷的检测***，包括摄像头定位模块、图像采集模块、图像定位模块、图像预处理模块、图像特征提取模块、目标识别模块、图像传输模块以及结果输出和显示模块，所述摄像头定位模块用于摄像头的三维坐标进行定位；所述图像定位模块用于对待检测的PCB板进行精确定位。本发明通过两个摄像头同时对待检测的PCB裸板进行定位、图像采集、预处理，使得缺陷从图像中分离出来，从而检测PCB板线宽、线距的缺陷以及短路、断路、空洞、凹陷、凸起、划痕的缺陷，同时将PCB板上的缺陷按照线路层、碳线层、焊盘层和机械层进行分类统计，方便使用者进行查阅、监控，可以快速发现问题，具有较高的实用性。

Description

基于AOI的PCB裸板缺陷的检测***及方法
技术领域
本发明涉及线路板检测技术领域，具体是基于AOI的PCB裸板缺陷的检测***及方法。
背景技术
随着科技的发展，PCB板在我们的生活和工作处无处不在，PCB板在线路复杂，常常会出现缺陷，因此，在安装电子元器件前，需要对裸板进行测试，测试方法分为人工测试、点测试和光学测试，近年来光学测试法越来越受到重视；自动光学检查***(AutomaticOptical Inspection System，简称AOI)的核心是一套CCD摄像***、交流伺服控制工作台及图像处理***；在进行检测时，首先将需要检测的印刷电路板置于AOI***的工作台上，经过定位，调出需要检测产品检测程序，工作台将线路板送到镜头下面，镜头捕捉到线路板的图像后，处理器将会在工作台移至下一个位置时对捕捉到的图像分析处理，通过对图像进行连续处理，获得较高的检测速度。
中国专利公开了基于AOI的PCB裸板盲孔缺陷的检测***及方法(授权公告号CN106327496B)，该专利技术在弱光照环境下的检测准确率高，且***成本低，可用于电路板加工环境中盲孔缺陷的检测，但是其不能对PCB的短路、断路、线宽、线距等其他类型的缺陷进行检测，实用性较低。
发明内容
本发明的目的在于提供基于AOI的PCB裸板缺陷的检测***及方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
基于AOI的PCB裸板缺陷的检测***，包括摄像头定位模块、图像采集模块、图像定位模块、图像预处理模块、图像特征提取模块、目标识别模块、图像传输模块以及结果输出和显示模块，所述摄像头定位模块用于摄像头的三维坐标进行定位；所述图像采集模块包括两个摄像头、补光照明灯和采集卡，通过补光照明灯照射待检测的PCB板，通过摄像头获取PCB板的视频图像信号，通过采集卡完成图像的采集；
所述图像定位模块用于对待检测的PCB板进行精确定位；
所述图像预处理模块包括图像增强单元、中值滤波单元和图像拼接单元，通过图像增强提高图像的视觉效果；通过中值滤波单元使得与邻近像素显著不同的像素具有与其邻近像素更加相似的强度，通过图像拼接单元将两个摄像头采集的多幅图像拼接成一幅完整的全景图像，从而避免了摄像头视线范围受到限制，不能一次拍下PCB板的完整图像；
所述图像特征提取模块根据图像的不同技术特征把图像分割成不同的区域并提取所需的目标，从而将背景区域全部取出，留下目标区域；
所述目标识别模块通过将待检测图像与标准图像进行匹配，其中不相同的部分作为可能的缺陷，再抽取特性部分的特征，判断缺陷类型和缺陷等级；
所述图像传输模块用于将检测的缺陷输送至后台服务器上；
所述检测结果输出和显示模块用于显示出缺陷的类型、危害等级、数量和位置，并且按照PCB加工的日期、加工的设备编号、加工班组人员，生成直方图和累计曲线图，通过后台计算机视频软件、手机APP进行查看。
作为本发明再进一步的方案：所述两个摄像头组成双目立体视觉***，并对两个摄像头进行标定，通过标定后双目立体视觉***采集待检测PCB板的三维信息。
所述两个摄像头标定的方法包括以下步骤：
S11、选标定板：先确定标定靶标，以靶标的圆心为标定点，坐标系原点在中央圆心处，并在靶标上确定XY方向，设定Z轴垂直靶标向外；
S12、采集图像：使用两个摄像头同时对放置在标定平面上多个位置的标定板进行成像；
S13、图像处理：先读入图像，提取各个图像中的标定点，输入摄像头内部参数和摄像机外部相对参数的初始值，进行非线性优化求解，并输出结果，从而完成两个摄像头的标定。
作为本发明再进一步的方案：所述目标识别模块包括线宽、线距缺陷的检测以及短路、断路、空洞、凹陷、凸起、划痕缺陷的检测。
作为本发明再进一步的方案：所述图像分割包括线路层分割、碳线层分割、焊盘层分割和机械层分割。
作为本发明再进一步的方案：所述图像分割采用二值图像阈值化分割的方法，其实现方法包括以下步骤：
S21、在全灰度值区间[0,255]，找出最大的峰值所对应的灰度值；
S22、计算图像的平均灰度值；
S23、判断灰度值属于背景峰还是目标峰；
S24、选取极小值点，在平均值点的邻域内，寻找极小值；
S25、根据S3步骤中背景峰或目标峰，找出灰度值的最小值；；
S26、以极小值为阈值，进行图像分割。
作为本发明再进一步的方案：所述图像拼接的实现方法包括以下步骤：
S31、图像旋转：通过换算，将两个摄像头的坐标系x,y,z方向统一，即相当于旋转一个摄像头，使其与另一个摄像头的方向相同；
S32、图像缩放：缩放带拼接的图像，并进行灰度插值处理，使得多幅图像的空间分辨率相同；
S33、图像融合：将多幅图像合并到一幅图像中，形成完成的全景图像。
基于AOI的PCB裸板缺陷的检测方法，包括以下步骤：
S1、通过摄像头定位模块对两个摄像头的三维坐标进行标定，确定两个摄像头在三维空间的位置，调整补光照明灯的角度，使得补光照明灯对准固定PCB板的定位治具；
S2、通过图像定位模块对采集的PCB板图像进行定位，得到治具PCB板的三维坐标，并与设定的三维坐标进行对比，根据需要调整定位治具上PCB板的位置，使其位于设定位置；再通过图像采集模块对定位治具上的PCB进行图像采集；
S3、通过图像预处理模块对采集的图像依次进行图像增强处理和中值滤波处理，并判断图像是否需要进行图像拼接处理，如果采集的图像是全景图像，则不需要进行图像拼接处理，反之，则需要；
S4、通过图像特征提取模块从预处理后的图像中提取出所需的目标；再通过目标识别模块将待检测图像与标准图像的特性进行匹配，判断PCB板是否具有缺陷，如有缺陷，标记缺陷，并和等级判断缺陷类型和缺陷等级；再通过图像传输模块将检测的缺陷输送至后台服务器上；
S5、通过检测结果输出和显示模块显示出缺陷的类型、危害等级、数量和位置，并且按照PCB加工的日期、加工的设备编号、加工班组人员，生成直方图和累计曲线图，如果连续出现有规律的缺陷，需及时进行预警。
与现有技术相比，本发明的有益效果：
本发明包括摄像头定位模块、图像采集模块、图像定位模块、图像预处理模块、图像特征提取模块、目标识别模块、图像传输模块以及结果输出和显示模块，通过两个摄像头同时对待检测的PCB裸板进行定位、图像采集、预处理，使得缺陷从图像中分离出来，从而检测PCB板线宽、线距的缺陷以及短路、断路、空洞、凹陷、凸起、划痕的缺陷，同时将PCB板上的缺陷按照线路层、碳线层、焊盘层和机械层进行分类统计，方便使用者进行查阅、监控，可以快速发现问题，具有较高的实用性。
附图说明
图1为基于AOI的PCB裸板缺陷的检测***的结构示意图；
图2为基于AOI的PCB裸板缺陷的检测方法的流程示意图。
具体实施方式
请参阅图1～2，本发明实施例中，基于AOI的PCB裸板缺陷的检测***，包括摄像头定位模块、图像采集模块、图像定位模块、图像预处理模块、图像特征提取模块、目标识别模块、图像传输模块以及结果输出和显示模块，所述摄像头定位模块用于摄像头的三维坐标进行定位；所述图像采集模块包括两个摄像头、补光照明灯和采集卡，通过补光照明灯照射待检测的PCB板，通过摄像头获取PCB板的视频图像信号，通过采集卡完成图像的采集，采集的图像格式为*.BMP文件；
所述图像定位模块用于对待检测的PCB板进行精确定位，从而有效地对PCB板图像进行总体和局部的检测；可以通过光电传感器测量待检测PCB板边缘的位置，将监测到的光信号转化成电信号，再将接收的电信号与设定值相比较，根据差值对PCB板位置进行纠偏，使得PCB板设定位置；
所述图像预处理模块包括图像增强单元、中值滤波单元和图像拼接单元，通过图像增强提高图像的视觉效果；通过中值滤波单元使得与邻近像素显著不同的像素具有与其邻近像素更加相似的强度，从而达到消除孤立毛刺的目的，通过图像拼接单元将两个摄像头采集的多幅图像拼接成一幅完整的全景图像，从而避免了摄像头视线范围受到限制，不能一次拍下PCB板的完整图像；
所述图像特征提取模块根据图像的不同技术特征(例如：技术特征包括边缘、纹理、颜色、亮度)把图像分割成不同的区域并提取所需的目标，从而将背景区域全部取出，留下目标区域；
所述目标识别模块通过将待检测图像与标准图像进行匹配，其中不相同的部分作为可能的缺陷，再抽取特性部分的特征，判断缺陷类型和缺陷等级；
所述图像传输模块用于将检测的缺陷输送至后台服务器上；
所述检测结果输出和显示模块用于显示出缺陷的类型、危害等级、数量和位置，并且按照PCB加工的日期、加工的设备编号、加工班组人员，生成直方图和累计曲线图，可以按照日、星期、月进行统计分析，例如：短路和短路属于严重缺陷，凸起、凹坑和空洞会影响板子的可靠性，擦痕依据程度不同而产生不同的结果，严重可能导致断路，轻微可忽略不计，通过后台计算机视频软件、手机APP进行查看。
优选的，所述两个摄像头组成双目立体视觉***，并对两个摄像头进行标定，通过标定后双目立体视觉***采集待检测PCB板的三维信息。
所述两个摄像头标定的方法包括以下步骤：
S11、选标定板：先确定标定靶标，以靶标的圆心为标定点，坐标系原点在中央圆心处，并在靶标上确定XY方向，设定Z轴垂直靶标向外；
S12、采集图像：使用两个摄像头同时对放置在标定平面上多个位置的标定板进行成像，两个摄像头对同一位置的靶标所成的像称为图像对，在所有图像对成像过程中，必须保持摄像头的位置固定；
S13、图像处理：先读入图像，提取各个图像中的标定点，输入摄像头内部参数和摄像机外部相对参数的初始值，进行非线性优化求解，并输出结果，从而完成两个摄像头的标定。
优选的，所述目标识别模块包括线宽、线距缺陷的检测以及短路、断路、空洞、凹陷、凸起、划痕缺陷的检测。
优选的，所述图像分割包括线路层分割、碳线层分割、焊盘层分割和机械层分割，由于PCB通常都是有多层分层叠加而成，从而可以将PCB板图像分层进行分割。
优选的，所述图像分割采用二值图像阈值化分割的方法，其实现方法包括以下步骤：
S21、在全灰度值区间[0,255]，找出最大的峰值所对应的灰度值f(H)；
S22、计算图像的平均灰度值，计算公式如下：
Figure BDA0003550225750000061
S23、确定灰度值属于背景峰还是目标峰，如果H<Havg，平均灰度值在最大值点的右侧，则H为背景峰值，即为Hb，反之，如果H＞Havg，平均灰度值在最大值点的左侧，则H为目标峰值，即为Hr；
S24、选取极小值点，在平均值点的邻域内，寻找极小值，其对应值即为Hmin；
S25、根据S3步骤中背景峰或目标峰，找出灰度值f(H)的最小值；如果S3步骤中确定的为背景峰值Hb，那么在灰度区间[Hmin,255]中找出f(H)的最小值，其对应值即为目标峰值Hr；如果确定的为目标峰值Hr，那么在灰度区间[0，Hmin]中找出f(H)的最小值，其对应值即为目标峰值Hr，背景峰值Hb；
S26、以极小值Hmin为阈值，进行图像分割。
优选的，所述图像拼接的实现方法包括以下步骤：
S31、图像旋转：通过换算，将两个摄像头的坐标系x,y,z方向统一，即相当于旋转一个摄像头，使其与另一个摄像头的方向相同；
S32、图像缩放：缩放带拼接的图像，并进行灰度插值处理，使得多幅图像的空间分辨率相同，灰度插值处理可以采用双线性插值方法；
S33、图像融合：将多幅图像合并到一幅图像中，形成完成的全景图像。
基于AOI的PCB裸板缺陷的检测方法，包括以下步骤：
S1、通过摄像头定位模块对两个摄像头的三维坐标进行标定，确定两个摄像头在三维空间的位置，调整补光照明灯的角度，使得补光照明灯对准固定PCB板的定位治具；
S2、通过图像定位模块对采集的PCB板图像进行定位，得到治具PCB板的三维坐标，并与设定的三维坐标进行对比，根据需要调整定位治具上PCB板的位置，使其位于设定位置；再通过图像采集模块对定位治具上的PCB进行图像采集；
S3、通过图像预处理模块对采集的图像依次进行图像增强处理和中值滤波处理，并判断图像是否需要进行图像拼接处理，如果采集的图像是全景图像，则不需要进行图像拼接处理，反之，则需要；
S4、通过图像特征提取模块从预处理后的图像中提取出所需的目标；再通过目标识别模块将待检测图像与标准图像的特性进行匹配，判断PCB板是否具有缺陷，如有缺陷，标记缺陷，并和等级判断缺陷类型和缺陷等级；再通过图像传输模块将检测的缺陷输送至后台服务器上；
S5、通过检测结果输出和显示模块显示出缺陷的类型、危害等级、数量和位置，并且按照PCB加工的日期、加工的设备编号、加工班组人员，生成直方图和累计曲线图，如果连续出现有规律的缺陷，需及时进行预警。
以上所述的，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.基于AOI的PCB裸板缺陷的检测***，包括摄像头定位模块、图像采集模块、图像定位模块、图像预处理模块、图像特征提取模块、目标识别模块、图像传输模块以及结果输出和显示模块，其特征在于，所述摄像头定位模块用于摄像头的三维坐标进行定位；所述图像采集模块包括两个摄像头、补光照明灯和采集卡，通过补光照明灯照射待检测的PCB板，通过摄像头获取PCB板的视频图像信号，通过采集卡完成图像的采集；
所述图像定位模块用于对待检测的PCB板进行精确定位；
所述图像预处理模块包括图像增强单元、中值滤波单元和图像拼接单元，通过图像增强提高图像的视觉效果；通过中值滤波单元使得与邻近像素显著不同的像素具有与其邻近像素更加相似的强度，通过图像拼接单元将两个摄像头采集的多幅图像拼接成一幅完整的全景图像，从而避免了摄像头视线范围受到限制，不能一次拍下PCB板的完整图像；
所述图像特征提取模块根据图像的不同技术特征把图像分割成不同的区域并提取所需的目标，从而将背景区域全部取出，留下目标区域；
所述目标识别模块通过将待检测图像与标准图像进行匹配，其中不相同的部分作为可能的缺陷，再抽取特性部分的特征，判断缺陷类型和缺陷等级；
所述图像传输模块用于将检测的缺陷输送至后台服务器上；
所述检测结果输出和显示模块用于显示出缺陷的类型、危害等级、数量和位置，并且按照PCB加工的日期、加工的设备编号、加工班组人员，生成直方图和累计曲线图，通过后台计算机视频软件、手机APP进行查看。
2.根据权利要求1所述的基于AOI的PCB裸板缺陷的检测***，其特征在于，所述两个摄像头组成双目立体视觉***，并对两个摄像头进行标定，通过标定后双目立体视觉***采集待检测PCB板的三维信息。
所述两个摄像头标定的方法包括以下步骤：
S11、选标定板：先确定标定靶标，以靶标的圆心为标定点，坐标系原点在中央圆心处，并在靶标上确定XY方向，设定Z轴垂直靶标向外；
S12、采集图像：使用两个摄像头同时对放置在标定平面上多个位置的标定板进行成像；
S13、图像处理：先读入图像，提取各个图像中的标定点，输入摄像头内部参数和摄像机外部相对参数的初始值，进行非线性优化求解，并输出结果，从而完成两个摄像头的标定。
3.根据权利要求1所述的基于AOI的PCB裸板缺陷的检测***，其特征在于，所述目标识别模块包括线宽、线距缺陷的检测以及短路、断路、空洞、凹陷、凸起、划痕缺陷的检测。
4.根据权利要求1所述的基于AOI的PCB裸板缺陷的检测***，其特征在于，所述图像分割包括线路层分割、碳线层分割、焊盘层分割和机械层分割。
5.根据权利要求1所述的基于AOI的PCB裸板缺陷的检测***，其特征在于，所述图像分割采用二值图像阈值化分割的方法，其实现方法包括以下步骤：
S21、在全灰度值区间[0,255]，找出最大的峰值所对应的灰度值；
S22、计算图像的平均灰度值；
S23、判断灰度值属于背景峰还是目标峰；
S24、选取极小值点，在平均值点的邻域内，寻找极小值；
S25、根据S3步骤中背景峰或目标峰，找出灰度值的最小值；；
S26、以极小值为阈值，进行图像分割。
6.根据权利要求1所述的基于AOI的PCB裸板缺陷的检测***，其特征在于，所述图像拼接的实现方法包括以下步骤：
S31、图像旋转：通过换算，将两个摄像头的坐标系x,y,z方向统一，即相当于旋转一个摄像头，使其与另一个摄像头的方向相同；
S32、图像缩放：缩放带拼接的图像，并进行灰度插值处理，使得多幅图像的空间分辨率相同；
S33、图像融合：将多幅图像合并到一幅图像中，形成完成的全景图像。
7.实现权利要求1所述的基于AOI的PCB裸板缺陷的检测方法，其特征在于，包括以下步骤：
S1、通过摄像头定位模块对两个摄像头的三维坐标进行标定，确定两个摄像头在三维空间的位置，调整补光照明灯的角度，使得补光照明灯对准固定PCB板的定位治具；
S2、通过图像定位模块对采集的PCB板图像进行定位，得到治具PCB板的三维坐标，并与设定的三维坐标进行对比，根据需要调整定位治具上PCB板的位置，使其位于设定位置；再通过图像采集模块对定位治具上的PCB进行图像采集；
S3、通过图像预处理模块对采集的图像依次进行图像增强处理和中值滤波处理，并判断图像是否需要进行图像拼接处理，如果采集的图像是全景图像，则不需要进行图像拼接处理，反之，则需要；
S4、通过图像特征提取模块从预处理后的图像中提取出所需的目标；再通过目标识别模块将待检测图像与标准图像的特性进行匹配，判断PCB板是否具有缺陷，如有缺陷，标记缺陷，并和等级判断缺陷类型和缺陷等级；再通过图像传输模块将检测的缺陷输送至后台服务器上；
S5、通过检测结果输出和显示模块显示出缺陷的类型、危害等级、数量和位置，并且按照PCB加工的日期、加工的设备编号、加工班组人员，生成直方图和累计曲线图，如果连续出现有规律的缺陷，需及时进行预警。
CN202210259462.XA 2022-03-16 2022-03-16 基于aoi的pcb裸板缺陷的检测***及方法 Pending CN114820439A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210259462.XA CN114820439A (zh) 2022-03-16 2022-03-16 基于aoi的pcb裸板缺陷的检测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210259462.XA CN114820439A (zh) 2022-03-16 2022-03-16 基于aoi的pcb裸板缺陷的检测***及方法

Publications (1)

Publication Number Publication Date
CN114820439A true CN114820439A (zh) 2022-07-29

Family

ID=82529433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210259462.XA Pending CN114820439A (zh) 2022-03-16 2022-03-16 基于aoi的pcb裸板缺陷的检测***及方法

Country Status (1)

Country Link
CN (1) CN114820439A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116026859A (zh) * 2023-01-30 2023-04-28 讯芸电子科技(中山)有限公司 一种光电子模块的安装检测方法、装置、设备及存储介质
CN117314913A (zh) * 2023-11-29 2023-12-29 深圳市康准科技有限公司 一种基于视觉识别的水光针头残次品检测方法和***
CN118013925A (zh) * 2024-04-08 2024-05-10 丰顺县锦顺科技有限公司 一种pcb板外层线路处理方法及装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116026859A (zh) * 2023-01-30 2023-04-28 讯芸电子科技(中山)有限公司 一种光电子模块的安装检测方法、装置、设备及存储介质
CN116026859B (zh) * 2023-01-30 2023-12-12 讯芸电子科技(中山)有限公司 一种光电子模块的安装检测方法、装置、设备及存储介质
CN117314913A (zh) * 2023-11-29 2023-12-29 深圳市康准科技有限公司 一种基于视觉识别的水光针头残次品检测方法和***
CN117314913B (zh) * 2023-11-29 2024-03-29 深圳市康准科技有限公司 一种基于视觉识别的水光针头残次品检测方法和***
CN118013925A (zh) * 2024-04-08 2024-05-10 丰顺县锦顺科技有限公司 一种pcb板外层线路处理方法及装置

Similar Documents

Publication Publication Date Title
CN114820439A (zh) 基于aoi的pcb裸板缺陷的检测***及方法
CN111289538B (zh) 基于机器视觉的pcb板元件检测***及检测方法
CN107945184A (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
CN107895362B (zh) 一种微型接线端子质量检测的机器视觉方法
CN110517265A (zh) 一种产品表面缺陷的检测方法、装置及存储介质
CN108827597B (zh) 一种结构光投影器的光斑均匀度检测方法和检测***
CN106651849A (zh) 基于面阵相机的pcb裸板缺陷检测方法
CN115561247A (zh) 一种电子元器件外观自动视觉检测***
CN114136975A (zh) 一种微波裸芯片表面缺陷智能检测***和方法
CN104749801B (zh) 高精度自动光学检测方法和***
CN110441318A (zh) 一种基于机器视觉的化纤喷丝头孔缺陷检测方法
CN114518526A (zh) 一种适用于pcb板ict的自动测试机控制***
CN116993725B (zh) 一种柔性电路板智能贴片信息处理***
CN112833821B (zh) 高密度ic焊点的微分几何立体微视觉检测***及方法
CN111307817B (zh) 一种智能产线pcb生产过程的在线检测方法及***
CN116091506B (zh) 一种基于yolov5的机器视觉缺陷质检方法
CN112763496A (zh) 一种手机电池表面缺陷检测装置及其检测方法
CN117092113A (zh) 一种摄像头模具焊接质量检测装置及其***
CN112798608B (zh) 手机摄像头支架内腔侧壁的光学检测装置及光学检测方法
CN114037682A (zh) 一种光学元件表面疵病二维自动检测方法
CN112763495A (zh) 一种手机电池尺寸和外观缺陷检测***及检测方法
CN112858331A (zh) 一种vr屏幕的检测方法及检测***
KR101017332B1 (ko) 인쇄회로기판의 광학검사방법
US20070217675A1 (en) Z-axis optical detection of mechanical feature height
CN111539933B (zh) 一种直插元件检测方法及***

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