CN115272173A - 锡球缺陷检测方法及其装置、计算机设备、存储介质 - Google Patents
锡球缺陷检测方法及其装置、计算机设备、存储介质 Download PDFInfo
- Publication number
- CN115272173A CN115272173A CN202210672344.1A CN202210672344A CN115272173A CN 115272173 A CN115272173 A CN 115272173A CN 202210672344 A CN202210672344 A CN 202210672344A CN 115272173 A CN115272173 A CN 115272173A
- Authority
- CN
- China
- Prior art keywords
- image
- solder ball
- characteristic
- initial
- defect detection
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 81
- 238000001514 detection method Methods 0.000 title claims abstract description 70
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 title claims abstract description 47
- 230000002950 deficient Effects 0.000 claims abstract description 38
- 230000009466 transformation Effects 0.000 claims abstract description 32
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 26
- 230000007797 corrosion Effects 0.000 claims abstract description 23
- 238000005260 corrosion Methods 0.000 claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims abstract description 17
- 229910000679 solder Inorganic materials 0.000 claims description 197
- 238000000034 method Methods 0.000 claims description 38
- 230000015654 memory Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 230000003628 erosive effect Effects 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims 2
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 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
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 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
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color 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
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/30152—Solder
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请实施例提出的锡球缺陷检测方法及其装置、计算机设备、存储介质,属于机器视觉技术领域,通过获取初始图像,对初始图像进行仿射变换,得到锡球图像,根据预设结构算子对锡球图像进行腐蚀运算,得到第一特征图像,将锡球图像和第一特征图像相减得到第二特征图像,对第二特征图像进行阈值分割,得到缺陷检测结果,能够提高锡球缺陷检测的效率,准确检测有缺陷的锡球,降低缺陷锡球的漏检率。
Description
技术领域
本发明涉及机器视觉技术领域,尤其涉及一种锡球缺陷检测方法及其装置、计算机设备、存储介质。
背景技术
相关技术中,采用人工检测和图像处理两种方式进行锡球缺陷检测,人工检测方式检测效率低,且易受人为主观因素的影响,缺陷检测的准确率低。图像处理方式通过计算每个锡球的灰度值,根据灰度值判断锡球是否存在缺陷,无法准确识别有缺陷的锡球,导致缺陷锡球的漏检率高。
发明内容
本申请实施例的主要目的在于提出一种锡球缺陷检测方法及其装置、计算机设备、存储介质,能够准确检测有缺陷的锡球,降低缺陷锡球的漏检率。
为实现上述目的,本申请实施例的第一方面提出了一种锡球缺陷检测方法,所述方法包括:
获取初始图像;
对所述初始图像进行仿射变换,得到锡球图像;
根据预设结构算子对所述锡球图像进行腐蚀运算,得到第一特征图像;
将所述锡球图像中像素点的第一像素值与所述第一特征图像中像素点的第二像素值相减,得到第二特征图像;
对所述第二特征图像进行阈值分割,得到缺陷检测结果。
在一些实施例,所述获取初始图像,包括:
获取彩色图像;
提取所述彩色图像的绿色通道图像分量,根据所述绿色通道图像分量得到初始图像。
在一些实施例,所述对所述初始图像进行仿射变换,得到锡球图像,包括以下之一:
若所述初始图像为含噪图像,则对所述初始图像进行高斯滤波,得到第一中间图像,并对所述第一中间图像进行仿射变换,得到锡球图像;
若所述初始图像为微弱图像,则对所述初始图像进行灰度增强,得到第二中间图像,并对所述第二中间图像进行仿射变换,得到锡球图像;
若所述初始图像为模糊图像,则对所述初始图像进行去模糊处理,得到第三中间图像,并对所述第三中间图像进行仿射变换,得到锡球图像;
若所述初始图像为失真图像,则对所述初始图像进行几何校正,得到第四中间图像,并对所述第四中间图像进行仿射变换,得到锡球图像。
在一些实施例,所述预设结构算子为圆形结构算子,所述根据预设结构算子对所述锡球图像进行腐蚀运算,得到第一特征图像,包括:
根据所述圆形结构算子对所述锡球图像进行腐蚀运算,得到第一特征图像。
在一些实施例,所述根据所述圆形结构算子对所述锡球图像进行腐蚀运算,得到第一特征图像,包括:
获取锡球轮廓图像;
根据所述锡球轮廓图像得到有缺陷锡球图像;
从所述锡球图像中去除有缺陷锡球图像,得到无缺陷锡球图像;
根据所述圆形结构算子对所述无缺陷锡球图像进行腐蚀运算,得到第一特征图像。
在一些实施例,所述根据所述锡球轮廓图像得到有缺陷锡球图像,包括:
计算所述锡球轮廓图像中锡球的高度和表面积;
根据所述高度、所述表面积得到有缺陷锡球图像。
在一些实施例,所述对所述第二特征图像进行阈值分割,得到缺陷检测结果,包括:
获取所述第二特征图像的灰度直方图;
根据所述灰度直方图确定阈值;
根据所述阈值对所述第二特征图像进行阈值分割,得到缺陷检测结果。
本申请实施例的第二方面提出了一种锡球缺陷检测装置,所述装置包括:
图像获取模块,用于获取初始图像;
第一图像运算模块,用于对所述初始图像进行仿射变换,得到锡球图像;
第二图像运算模块,根据预设的结构算子对所述锡球图像进行腐蚀运算,得到第一特征图像;
第三图像运算模块,用于将所述锡球图像中像素点的第一像素值与所述第一特征图像中像素点的第二像素值相减,得到第二特征图像;
图像分割模块,用于对所述第二特征图像进行阈值分割,得到缺陷检测结果。
本申请实施例的第三方面提出了一种计算机设备,所述计算机设备包括存储器和处理器,其中,所述存储器中存储有程序,所述程序被所述处理器执行时所述处理器用于执行如本申请第一方面实施例任一项所述的锡球缺陷检测方法。
本申请实施例的第四方面提出了一种存储介质,该存储介质为计算机可读存储介质,所述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本申请第一方面实施例任一项所述的锡球缺陷检测方法。
本申请实施例提出的锡球缺陷检测方法及其装置、计算机设备、存储介质,通过获取初始图像,对初始图像进行仿射变换,得到锡球图像,根据预设结构算子对锡球图像进行腐蚀运算,得到第一特征图像,将锡球图像和第一特征图像相减得到第二特征图像,对第二特征图像进行阈值分割,得到缺陷检测结果,能够提高锡球缺陷检测的效率,准确检测有缺陷的锡球,降低缺陷锡球的漏检率。
附图说明
图1是本申请实施例提供的锡球缺陷检测方法的流程图;
图2是图1中步骤S110的具体方法的流程图;
图3是图1中步骤S120的具体方法的流程图;
图4是图1中步骤S130的具体方法的流程图;
图5是图4中步骤S420的具体方法的流程图;
图6是图1中步骤S150的具体方法的流程图;
图7是本申请实施例提供的锡球缺陷检测装置的模块结构图。
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,对本申请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申请,并不用于限定本申请。
需要说明的是,虽然在装置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,可以以不同于装置中的模块划分,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。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的,不是旨在限制本发明。
BGA封装是通过在封装体基板的底部制作阵列锡球,来实现芯片的数据传输和机械连接。阵列锡球的性能直接影响BGA封装中焊点的可靠性,从而影响芯片的质量稳定性。为了保证芯片的质量稳定性,需要对芯片进行测试,其中锡球缺陷检测是芯片测试的必备工序。相关技术中,锡球缺陷检测技术主要有两种,一种是通过人工检测技术对锡球进行缺陷检测,另一种是通过基于机器视觉的2D图像处理技术对锡球进行缺陷检测。锡球缺陷检测的工作量大,而人工检测技术依靠人工佩戴显微镜逐一对锡球进行检测,不但检测效率低,而且检测结果不准确,受人为主观因素的影响较大。基于机器视觉的2D图像处理技术通过计算每个锡球的灰度值,通过灰度值判断锡球是否存在缺陷,计算量大,缺陷检测的效率低,且当锡球损伤缺陷较小时,存在较高的漏检率。
基于此,本申请实施例的主要目的在于提出一种锡球缺陷检测方法,通过获取白色环形光源照射下锡球的锡球图像,根据预设结构算子对锡球图像进行腐蚀运算,得到第一特征图像,将锡球图像中像素点的第一像素值与第一特征图像中像素点的第二像素值相减,得到第二特征图像,以去除锡球顶部的亮区域,对第二特征图像进行阈值分割得到锡球缺陷检测结果,计算量少,锡球缺陷检测速度快,且检测准确率高,能够同时满足速度和检测准确率的要求。
参照图1,根据本申请实施例第一方面实施例的锡球缺陷检测方法,应用于锡球缺陷检测装置,锡球缺陷检测方法包括但不限于步骤S110至步骤S150。
S110,获取初始图像;
S120,对初始图像进行仿射变换,得到锡球图像;
S130,根据预设结构算子对锡球图像进行腐蚀运算,得到第一特征图像;
S140,将锡球图像中像素点的第一像素值与第一特征图像中像素点的第二像素值相减,得到第二特征图像;
S150,对第二特征图像进行阈值分割,得到缺陷检测结果。
在步骤S110中,获取初始图像,其中初始图像是通过摄像机采集的阵列锡球图像,摄像机的分辨率为1200万,阵列锡球采用白色环形光源照射,初始图像的大小为4000×3000。
在步骤S120中,对初始图像进行仿射变换,将初始图像中的阵列锡球分割为多个单独锡球,得到锡球图像。
在步骤S130中,预设结构算子为圆形结构算子,对多个单独锡球进行逐个遍历,并根据圆形结构算子对多个单独锡球的锡球图像进行腐蚀运算,得到第一特征图像。白色环形光源照射下,锡球顶部由于光滑会产生亮区域,根据圆形结构算子对锡球图像进行腐蚀运算,得到锡球顶部的亮区域特征,该亮区域特征为一个圆形,该圆形的圆心为锡球图像中的锡球中心,半径为锡球的三分之一半径或者二分之一半径。可以理解的是,第一特征图像为锡球图像进行腐蚀运算后得到的图像,其包括锡球顶部的亮区域特征。
腐蚀运算在数学形态学运算中的作用是消除物体边界点,使图像缩小。若锡球图像表示为A,结构算子表示为S,腐蚀运算符表示为⊙,则结构算子S腐蚀锡球图像A的计算方法为腐蚀运算是通过圆形结构算子S在锡球图像A中移动,当圆形结构算子S完全覆盖锡球图像时,判断其覆盖区域与圆形结构算子是否匹配,若匹配则将圆形结构算子原点覆盖的图像像素点标记为前景点即亮特征点,将其余图像像素点标记为背景点即暗特征点,直至结构算子S移动扫描完成锡球图像中的每一个像素点,最后得到的图像便为第一特征图像。
经过腐蚀运算后得到的圆环特征,可以直观显示锡球的缺陷检测结果,若圆环特征为亮特征,则认为该圆环特征对应的锡球为有缺陷锡球,若圆环特征为暗特征,则认为该圆环特征对应的锡球为无缺陷锡球。
在步骤S140中,由于锡球图像中的锡球为一个圆形,亮区域特征为一个比锡球尺寸较小的圆形,将锡球图像中像素点的第一像素值与第一特征图像中像素点的第二像素值相减,以从锡球图像中去除锡球顶部的亮区域特征,得到圆环特征,即第二特征图像中包括圆环特征。
在步骤S150中,对第二特征图像进行阈值分割,将大于阈值的像素点作为亮特征,将小于或者等于阈值的像素点作为暗特征,得到目标图像,若目标图像中存在亮特征,则说明缺陷检测结果为该亮特征对应的锡球有缺陷;若目标图像中的存在暗特征,则说明缺陷检测结果为该暗特征对应的锡球无缺陷,从而实现对BGA封装锡球的缺陷检测。需要说明的是,当亮特征与暗特征的差异较大时,采用阈值分割,能够从目标图像中检测到有缺陷的锡球。
本申请实施例提出的锡球缺陷检测方法,通过获取初始图像,对初始图像进行仿射变换,得到锡球图像,根据预设结构算子对锡球图像进行腐蚀运算,得到第一特征图像,将锡球图像和第一特征图像相减得到第二特征图像,对第二特征图像进行阈值分割,得到缺陷检测结果,不仅计算量少、检测速度快,还能够准确检测有缺陷的锡球,降低缺陷锡球的漏检率。
在一些实施例中,如图2所示,步骤S110具体包括但不限于步骤S210至步骤S220。
S210,获取彩色图像;
S220,提取彩色图像的绿色通道图像分量,根据绿色通道图像分量得到初始图像。
在步骤S210中,获取彩色图像,其中彩色图像由红色通道图像分量、绿色通道图像分量和蓝色通道图像分量这三个通道的图像分量组成。
在步骤S220中,为了将彩色图像灰度化,从彩色图像三个通道的图像分量中提取彩色图像的绿色通道图像分量,并将该绿色通道图像分量作为初始图像。
在白色环形光源照射下,没有缺陷的锡球顶部由于光滑会产生亮区域,其他部分为暗区域。当照射到有缺陷的锡球时,锡球顶部亮区域会增大,且锡球表面会发生发光,呈现亮色,与暗色有较大的差异,便于后续对锡球图像进行图像处理。通过将图像灰度化,使亮区域与暗区域的差异变大,即灰度值相差大,便于后续根据结构算子对锡球图像进行腐蚀运算、相减运算,得到更精确的锡球缺陷检测结果。
在一些实施例中,如图3所示,步骤S120具体包括但不限于步骤S310至步骤S340之一。
S310,若初始图像为含噪图像,则对初始图像进行高斯滤波,得到第一中间图像,并对第一中间图像进行仿射变换,得到锡球图像;
S320,若初始图像为微弱图像,则对初始图像进行灰度增强,得到第二中间图像,并对第二中间图像进行仿射变换,得到锡球图像;
S330,若初始图像为模糊图像,则对初始图像进行去模糊处理,得到第三中间图像,并对第三中间图像进行仿射变换,得到锡球图像;
S340,若初始图像为失真图像,则对初始图像进行几何校正,得到第四中间图像,并对第四中间图像进行仿射变换,得到锡球图像。
在步骤S310中,为了避免噪声对锡球缺陷检测结果的影响,导致噪声被错检为缺陷锡球,若初始图像为含噪图像,采用二维高斯滤波器对初始图像进行平滑去噪,得到第一中间图像,其中第一中间图像为经高斯滤波后的图像,二维高斯滤波器的定义如公式(1)所示。
其中,x为图像空间的横坐标,y为图像空间的纵坐标,σ为模糊半径。
为了避免初始图像的细节特征被平滑,导致初始图像模糊,本申请实施例将模糊半径设置为1。
在步骤S320中,由于微弱图像的对比度低,锡球的边缘等细节特征不明显,导致无法检测到有缺陷的锡球,为了提高锡球缺陷检测准确率,若初始图像为微弱图像,则对初始图像进行灰度增强,得到第二中间图像,其中第二中间图像为灰度增强后的图像。本申请实施例中采用灰度变换对初始图像进行增强,灰度变换可以为分段线性变换、对数变换、伽马变换等。
在步骤S330中,模糊图像的图像质量较低,为了获取清晰图片,采用图像复原方法对模糊图像进行去模糊处理,得到第三中间图像,其中第三中间图像为去模糊处理后的图像。可以理解的是,图像复原方法包括逆滤波、维纳滤波、约束最小二乘方滤波等。
在步骤S340中,图像在拍摄过程中因摄像头曝光等问题会产生失真,导致图像质量下降,若初始图像为失真图像,则对初始图像进行几何校正,得到第四中间图像,其中第四中间图像为经过几何校正后的图像。通过求解初始图像的畸变校正矩阵,根据畸变校正矩阵对初始图像进行几何校正。
在一些实施例中,如图4所示,步骤S130具体包括但不限于步骤S410至步骤S440。
S410,获取锡球轮廓图像;
S420,根据锡球轮廓图像得到有缺陷锡球图像;
S430,从锡球图像中去除有缺陷锡球图像,得到无缺陷锡球图像;
S440,根据圆形结构算子对无缺陷锡球图像进行腐蚀运算,得到第一特征图像。
在步骤S410中,获取锡球轮廓图像,其中锡球轮廓图像由3D线激光采集。
在步骤S420中,通过计算锡球轮廓图像中每个锡球的平均高度、表面积来识别有缺陷的锡球,得到有缺陷锡球图像。
在步骤S430中,从锡球图像中去除有缺陷锡球图像,避免对有缺陷锡球重复检测,造成检测效率低。
在步骤S440中,根据圆形结构算子对无缺陷锡球图像进行腐蚀运算,以对无缺陷锡球进一步检测,避免有缺陷锡球被漏检。
在一些实施例中,如图5所示,步骤S420具体包括但不限于步骤S510至步骤S520。
S510,计算锡球轮廓图像中锡球的高度和表面积;
S520,根据高度、表面积得到有缺陷锡球图像。
在步骤S510中,锡球磨损或者压扁后,会造成锡球的平均高度变小、表面积增大等。通过计算锡球的平均高度、表面积可以识别具有明显缺陷的锡球,以对锡球进行初步筛选。
在步骤S520中,若锡球的平均高度小于预设的第一阈值,或者锡球的表面积大于预设的第二阈值,说明锡球表面有磨损或者压扁,从而得到有缺陷锡球图像,其中第一阈值为样本锡球的平均高度,第二阈值为样本锡球的表面积。例如芯片中第5行第6列、第7列、第8列、第9列的锡球平均高度分别为0.1707、0.1642、0.1586、0.1689,对应的锡球表面积分别为0.0845、0.0920、0.0923、0.1042,若第一阈值为0.15,第二阈值为0.08,平均高度大于第一阈值且锡球表面积大于第二阈值,则第5行第6列、第7列、第8列以及第9列锡球为具有明显缺陷的锡球。
在一些实施例中,如图6所示,步骤S150具体包括但不限于步骤S610至步骤S630。
S610,获取第二特征图像的灰度直方图;
S620,根据灰度直方图确定阈值;
S630,根据阈值对第二特征图像进行阈值分割,得到缺陷检测结果。
在步骤S610至步骤S630中,获取第二特征图像的灰度直方图,将灰度直方图的前景峰值与背景峰值之间的最小值作为阈值,若第二特征图像中像素点的像素值大于该阈值,则将该像素点作为亮特征点;若第二特征图像中像素点的像素值小于或者等于该阈值,则将该像素点作为暗特征点;当第二特征图像中所有的像素点均被分类为亮特征点或者暗特征点后,即得到目标图像。若目标图像中存在亮特征,则该亮特征对应的锡球有缺陷;若目标图像中的存在暗特征,则该暗特征对应的锡球无缺陷,从而实现对BGA封装锡球的缺陷检测。
下面以一个具体的实施例详细描述根据本发明实施例的锡球缺陷检测方法,值得理解的是,下述描述仅是示例性说明,而不是对发明的具体限制。
获取摄像头拍摄的彩色图像,提取彩色图像的绿色通道图像分量,将绿色通道图像分量作为初始图像,对初始图像进行高斯滤波得到第一中间图像,对第一中间图像进行灰度变换得到第二中间图像,对第二中间图像进行图像复原得到第三中间图像,对第三中间图像进行几何校正得到第四中间图像,对第四中间图像进行仿射变换得到锡球图像,获取3D线激光采集的锡球轮廓图像,计算锡球轮廓图像中锡球的平均高度和表面积,若锡球的平均高度小于预设的第一阈值,或者锡球的表面积大于预设的第二阈值,则得到有缺陷锡球图像,从锡球图像中去除有缺陷锡球图像,得到无缺陷锡球图像,根据圆形结构算子对无缺陷锡球图像进行腐蚀运算,得到第一特征图像,将锡球图像中像素点的第一像素值与第一特征图像中像素点的第二像素值相减,得到第二特征图像,获取第二特征图像的灰度直方图,根据灰度直方图确定分割阈值,根据分割阈值对第二特征图像进行阈值分割,得到缺陷检测结果。
通过3D线激光与基于形态学的二维图像处理方法对锡球进行多维度检测,提高了锡球表面缺陷检测的准率确,降低了缺陷的漏检率,且计算量、检测速度快,能够同时满足检测速度和检测精度的要求。
本申请实施例还提供一种锡球缺陷检测装置,如图7所示,所述锡球缺陷检测装置可以实现上述锡球缺陷检测方法,该装置包括图像获取模块710、第一图像运算模块720、第二图像运算模块730、第三图像运算模块740和图像分割模块750。其中图像获取模块710用于获取初始图像;第一图像运算模块720用于对初始图像进行仿射变换,得到锡球图像;第二图像运算模块730根据预设的结构算子对锡球图像进行腐蚀运算,得到第一特征图像;第三图像运算模块740用于将锡球图像中像素点的第一像素值与第一特征图像中像素点的第二像素值相减,得到第二特征图像;图像分割模块750用于对第二特征图像进行阈值分割,得到缺陷检测结果。
本申请实施例的锡球缺陷检测装置用于执行上述实施例中的锡球缺陷检测方法,其具体处理过程与上述实施例中的锡球缺陷检测方法相同,此处不再一一赘述。
本申请实施例提出的锡球缺陷检测装置,通过图像获取模块获取初始图像,第一图像运算模块对初始图像进行仿射变换,得到锡球图像,第二图像运算模块根据预设结构算子对锡球图像进行腐蚀运算,得到第一特征图像,第三图像运算模块将锡球图像和第一特征图像相减得到第二特征图像,图像分割模块对第二特征图像进行阈值分割,得到缺陷检测结果,不仅计算量少、检测速度快,还能够准确检测有缺陷的锡球,降低缺陷锡球的漏检率。
本申请实施例还提供了一种计算机设备,包括:
至少一个处理器,以及,
与至少一个处理器通信连接的存储器;其中,
存储器存储有指令,指令被至少一个处理器执行,以使至少一个处理器执行指令时实现如本申请第一方面实施例中任一项的锡球缺陷检测方法。
该计算机设备包括:处理器、存储器、输入/输出接口、通信接口和总线。
处理器,可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案;
存储器,可以采用ROM(Read Only Memory,只读存储器)、静态存储设备、动态存储设备或者RAM(Random Access Memory,随机存取存储器)等形式实现。存储器可以存储操作***和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器中,并由处理器来调用执行本申请实施例的锡球缺陷检测方法;
输入/输出接口,用于实现信息输入及输出;
通信接口,用于实现本设备与其他设备的通信交互,可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信;和
总线,在设备的各个组件(例如处理器、存储器、输入/输出接口和通信接口)之间传输信息;
其中处理器、存储器、输入/输出接口和通信接口通过总线实现彼此之间在设备内部的通信连接。
本申请实施例还提供一种存储介质,该存储介质是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用于使计算机执行本申请实施例的锡球缺陷检测方法。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域技术人员可知,随着技术的演变和新应用场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本领域技术人员可以理解的是,图1至图6中示出的技术方案并不构成对本申请实施例的限定,可以包括比图示更多或更少的步骤,或者组合某些步骤,或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
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、***、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括多指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例,并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进,均应在本申请实施例的权利范围之内。
Claims (10)
1.锡球缺陷检测方法,其特征在于,所述方法包括:
获取初始图像;
对所述初始图像进行仿射变换,得到锡球图像;
根据预设结构算子对所述锡球图像进行腐蚀运算,得到第一特征图像;
将所述锡球图像中像素点的第一像素值与所述第一特征图像中像素点的第二像素值相减,得到第二特征图像;
对所述第二特征图像进行阈值分割,得到缺陷检测结果。
2.根据权利要求1所述的锡球缺陷检测方法,其特征在于,所述获取初始图像,包括:
获取彩色图像;
提取所述彩色图像的绿色通道图像分量,根据所述绿色通道图像分量得到初始图像。
3.根据权利要求1所述的锡球缺陷检测方法,其特征在于,所述对所述初始图像进行仿射变换,得到锡球图像,包括以下之一:
若所述初始图像为含噪图像,则对所述初始图像进行高斯滤波,得到第一中间图像,并对所述第一中间图像进行仿射变换,得到锡球图像;
若所述初始图像为微弱图像,则对所述初始图像进行灰度增强,得到第二中间图像,并对所述第二中间图像进行仿射变换,得到锡球图像;
若所述初始图像为模糊图像,则对所述初始图像进行去模糊处理,得到第三中间图像,并对所述第三中间图像进行仿射变换,得到锡球图像;
若所述初始图像为失真图像,则对所述初始图像进行几何校正,得到第四中间图像,并对所述第四中间图像进行仿射变换,得到锡球图像。
4.根据权利要求1所述的锡球缺陷检测方法,其特征在于,所述预设结构算子为圆形结构算子,所述根据预设结构算子对所述锡球图像进行腐蚀运算,得到第一特征图像,包括:
根据所述圆形结构算子对所述锡球图像进行腐蚀运算,得到第一特征图像。
5.根据权利要求4所述的锡球缺陷检测方法,其特征在于,所述根据所述圆形结构算子对所述锡球图像进行腐蚀运算,得到第一特征图像,包括:
获取锡球轮廓图像;
根据所述锡球轮廓图像得到有缺陷锡球图像;
从所述锡球图像中去除有缺陷锡球图像,得到无缺陷锡球图像;
根据所述圆形结构算子对所述无缺陷锡球图像进行腐蚀运算,得到第一特征图像。
6.根据权利要求5所述的锡球缺陷检测方法,其特征在于,所述根据所述锡球轮廓图像得到有缺陷锡球图像,包括:
计算所述锡球轮廓图像中锡球的高度和表面积;
根据所述高度、所述表面积得到有缺陷锡球图像。
7.根据权利要求1至6任一项所述的锡球缺陷检测方法,其特征在于,所述对所述第二特征图像进行阈值分割,得到缺陷检测结果,包括:
获取所述第二特征图像的灰度直方图;
根据所述灰度直方图确定阈值;
根据所述阈值对所述第二特征图像进行阈值分割,得到缺陷检测结果。
8.锡球缺陷检测装置,其特征在于,所述装置包括:
图像获取模块,用于获取初始图像;
第一图像运算模块,用于对所述初始图像进行仿射变换,得到锡球图像;
第二图像运算模块,根据预设的结构算子对所述锡球图像进行腐蚀运算,得到第一特征图像;
第三图像运算模块,用于将所述锡球图像中像素点的第一像素值与所述第一特征图像中像素点的第二像素值相减,得到第二特征图像;
图像分割模块,用于对所述第二特征图像进行阈值分割,得到缺陷检测结果。
9.计算机设备,其特征在于,所述计算机设备包括存储器和处理器,其中,所述存储器中存储有程序,所述程序被所述处理器执行时所述处理器用于执行:
如权利要求1至7中任一项所述的锡球缺陷检测方法。
10.存储介质,所述存储介质为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程序,在所述计算机程序被计算机执行时,所述计算机用于执行:
如权利要求1至7中任一项所述的锡球缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210672344.1A CN115272173A (zh) | 2022-06-15 | 2022-06-15 | 锡球缺陷检测方法及其装置、计算机设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210672344.1A CN115272173A (zh) | 2022-06-15 | 2022-06-15 | 锡球缺陷检测方法及其装置、计算机设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115272173A true CN115272173A (zh) | 2022-11-01 |
Family
ID=83760867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210672344.1A Pending CN115272173A (zh) | 2022-06-15 | 2022-06-15 | 锡球缺陷检测方法及其装置、计算机设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115272173A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437237A (zh) * | 2023-12-22 | 2024-01-23 | 珠海格力电器股份有限公司 | U型管的缺陷检测方法、装置、电子设备及存储介质 |
-
2022
- 2022-06-15 CN CN202210672344.1A patent/CN115272173A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437237A (zh) * | 2023-12-22 | 2024-01-23 | 珠海格力电器股份有限公司 | U型管的缺陷检测方法、装置、电子设备及存储介质 |
CN117437237B (zh) * | 2023-12-22 | 2024-05-24 | 珠海格力电器股份有限公司 | U型管的缺陷检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109472271B (zh) | 印刷电路板图像轮廓提取方法及装置 | |
CN107490582B (zh) | 一种流水线工件检测*** | |
CN110288566B (zh) | 一种目标缺陷提取方法 | |
CN112686858A (zh) | 一种手机充电器视觉缺陷检测方法、装置、介质及设备 | |
JP7449507B2 (ja) | カメラストリームのためのマスクを生成する方法、コンピュータープログラム製品およびコンピューター可読媒体 | |
CN110796615A (zh) | 一种图像去噪方法、装置以及存储介质 | |
CN107909554B (zh) | 图像降噪方法、装置、终端设备及介质 | |
CN111598801B (zh) | 一种用于微弱Mura缺陷的识别方法 | |
CN116542982B (zh) | 一种基于机器视觉的出发判断器缺陷检测方法及装置 | |
CN114998314A (zh) | 一种基于计算机视觉的pcb电路板缺陷检测方法 | |
KR101716111B1 (ko) | 이물질 검출 시스템 및 방법 | |
CN111489337A (zh) | 一种自动光学检测伪缺陷去除方法及*** | |
KR20190023374A (ko) | 디스플레이 패널 검사 방법 | |
CN116503388A (zh) | 缺陷检测方法、装置及存储介质 | |
CN114170165A (zh) | 一种芯片表面缺陷检测方法和装置 | |
EP3712842A1 (en) | System and method for evaluating symbols | |
CN114332079A (zh) | 基于图像处理的塑料餐盒裂缝检测方法、装置及介质 | |
KR101677070B1 (ko) | 형태학적 영상 처리와 레이블링을 이용한 얼룩 결함 자동 검출 시스템 및 방법 | |
CN115272173A (zh) | 锡球缺陷检测方法及其装置、计算机设备、存储介质 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN115719326A (zh) | Pcb板缺陷检测方法及装置 | |
KR100754969B1 (ko) | 화상 검사 장치, 화상 검사 방법 및 컴퓨터 판독가능한 기억 매체 | |
CN116958058A (zh) | 镜头脏污检测方法、装置及图像检测设备 | |
CN111415365A (zh) | 图像检测方法及装置 | |
CN114565585A (zh) | 一种图像检测方法 |
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 |