CN115294314B - 一种电子元器件表面缺陷识别方法 - Google Patents

一种电子元器件表面缺陷识别方法 Download PDF

Info

Publication number
CN115294314B
CN115294314B CN202211169832.7A CN202211169832A CN115294314B CN 115294314 B CN115294314 B CN 115294314B CN 202211169832 A CN202211169832 A CN 202211169832A CN 115294314 B CN115294314 B CN 115294314B
Authority
CN
China
Prior art keywords
dispersion
image
block
pixel point
processed
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.)
Active
Application number
CN202211169832.7A
Other languages
English (en)
Other versions
CN115294314A (zh
Inventor
杜坤香
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.)
Nantong Hengtian Electronic Technology Co ltd
Original Assignee
Nantong Hengtian Electronic Technology 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 Nantong Hengtian Electronic Technology Co ltd filed Critical Nantong Hengtian Electronic Technology Co ltd
Priority to CN202211169832.7A priority Critical patent/CN115294314B/zh
Publication of CN115294314A publication Critical patent/CN115294314A/zh
Application granted granted Critical
Publication of CN115294314B publication Critical patent/CN115294314B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • 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
    • G06T7/136—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
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及数据处理技术领域，具体涉及一种电子元器件表面缺陷识别方法，该方法获取待识别图像；将待识别图像划分为多个图像区块，筛选出待调整区块拼接为合并区块；获取待调整区块的整体趋势方向；获取待调整区块内每个像素点的离散度方向，基于离散度方向将所有像素点分类；获取每个像素点的离散度；筛选出待处理像素点，对于同一类的待处理像素点，依据每个待处理像素点的离散度方向、离散度以及该类的待处理像素点总数量获取该类的自适应结构元；对每个待处理像素点利用对应的自适应结构元进行形态学闭运算去除噪声，得到去噪图像，通过对去噪图像进行阈值分割得到缺陷识别结果。本发明能够使图像去噪的效果更好，使缺陷结果更加准确。

Description

一种电子元器件表面缺陷识别方法
技术领域
本发明涉及数据处理技术领域，具体涉及一种电子元器件表面缺陷识别方法。
背景技术
印刷电路板是工业领域中最常见的电子元器件之一，由于生产工艺以及设备故障等影响，会在生产的印刷电路板的金手指处造成缺陷，影响印刷电路板的使用。
在印刷电路板金手指缺陷检测过程中，由于采集设备的影响，会在采集的图像中产生噪声，由于噪声的随机分布，会对图像的缺陷识别产生影响，出现噪声分布在缺陷处情况，进而使得缺陷检测过程出现误差。
传统的形态学去噪方法中，往往采用形态学闭运算进行去噪，而在形态学闭运算过程中，结构元的选择以及闭运算操作位置直接影响着图像的运算结果和时间。
发明内容
为了解决上述技术问题，本发明提供一种电子元器件表面缺陷识别方法，所采用的技术方案具体如下：
本发明一个实施例提供了一种电子元器件表面缺陷识别方法，该方法包括以下步骤：
采集印刷电路板图像并进行图像预处理，获取待识别图像；所述预处理包括去除背景和灰度化；
将所述待识别图像划分为多个图像区块，基于每个图像区块的灰度值获取对应图像区块的调整必要性，将大于预设的调整阈值的调整必要性对应的图像区块作为待调整区块；将所有待调整区块拼接为合并区块；
基于所述待调整区块内每个待调整区块的质心获取待调整区块的整体趋势方向；根据所述整体趋势方向获取所述待调整区块内每个像素点的离散度方向，基于所述离散度方向将所有像素点分类；根据所述待调整区块内每个像素点邻域的分布信息获取每个像素点的离散度；
基于所述离散度的大小筛选出待处理像素点，对于同一类的待处理像素点，依据每个待处理像素点的离散度方向、离散度以及该类的待处理像素点总数量获取该类的自适应结构元；
对每个待处理像素点利用对应的自适应结构元进行形态学闭运算去除噪声，得到去噪图像，通过对所述去噪图像进行阈值分割得到缺陷识别结果。
优选的，所述去除背景的方法为：通过对所述印刷电路板图像进行语义分割去除背景。
优选的，所述调整必要性的获取方法为：
对于每个图像区块，获取每个灰度值出现的次数，以次数与图像区块内像素点数量的比值作为对应灰度值的出现概率，基于所述出现概率获取图像区块的信息熵，以所述信息熵的归一化结果作为所述调整必要性。
优选的，所述整体趋势方向的获取方法为：
根据所有构成合并区块中的每个待调整区块的质心坐标计算对应的方向性，并获取所有方向性的均值作为合并区块的所述整体趋势方向。
优选的，所述根据所述整体趋势方向获取所述待调整区块内每个像素点的离散度方向，包括：
以预设大小的窗口将在所述合并区块内滑动，分别计算整体趋势方向与窗口内的四个预设方向的差异，选取差异最小的预设方向对应的方向范围对应的像素点作为窗口中心像素点的标记点；
计算中心像素点与每个标记点的灰度差作为对应方向上的方向性离散度，以最小的方向性离散度的方向作为中心像素点的离散度方向。
优选的，所述基于所述离散度方向将所有像素点分类，包括：
设置方向差异阈值，对于相邻两个窗口，计算上一窗口和下一窗口之间的离散度方向的差异值，若小于所述方向差异阈值，该相邻两个窗口的中心像素点为一类，继续进行下一相邻窗口的中心像素点的判断，直到不小于所述方向差异阈值，对应的窗口的中心像素点为另一类，依次计算，直至窗口遍历合并区块。
优选的，所述离散度的获取方法为：
由每个像素点对应的所有所述方向性离散度的均值作为所述离散度。
优选的，所述自适应结构元的获取方法为：
以每类的待处理像素点对应的离散度方向对应的方向性离散度进行累加，得到的累加值为该类的整体离散度；以每类的待处理像素点总数量作为自适应结构元的长，以整体离散度的预设倍数作为自适应结构元的宽，以每类的所有待处理像素点的离散度方向均值作为所述自适应结构元的方向。
本发明实施例至少具有如下有益效果：
根据噪声信息随机分布的特征，计算该区域内每个像素点周围邻域的分布信息，进而获取每个像素点的离散度，精准获取了图像的缺陷真实边缘；通过计算每个像素点的离散度，得到进行形态学操作的位置以及结构元的特征，使得进行形态学操作时，根据像素点的特征进行自适应结构元形状和大小，使得形态学操作性能更好。根据每一类像素点的离散度方向、离散度以及构成该类的像素点的个数进行自适应结构元的设置。避免了传统的形态学闭运算中，对不同的像素点采用相同大小的结构元造成的图像处理效果的缺点，使得图像去噪的效果更好，进而使得缺陷结果更加准确。
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和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种电子元器件表面缺陷识别方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种电子元器件表面缺陷识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
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。
下面结合附图具体的说明本发明所提供的一种电子元器件表面缺陷识别方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种电子元器件表面缺陷识别方法的步骤流程图，该方法包括以下步骤：
步骤S001，采集印刷电路板图像并进行图像预处理，获取待识别图像；预处理包括去除背景和灰度化。
具体的步骤包括：
1、采集印刷电路板图像。
布置印刷电路板图像采集装置进行图像采集，图像采集装置包括：高分辨率相机、光源、支架、印刷电路板放置平台。采集印刷电路板图像后将图像进行传输并进行以下分析。
2、对印刷电路板图像进行图像预处理。
通过对印刷电路板图像进行语义分割去除背景，对去除背景后的图像进行灰度化。
需要说明的是，语义分割和灰度化均为公知技术，在本发明实施例中不再详细描述具体过程。
步骤S002，将待识别图像划分为多个图像区块，基于每个图像区块的灰度值获取对应图像区块的调整必要性，将大于预设的调整阈值的调整必要性对应的图像区块作为待调整区块；将所有待调整区块拼接为合并区块。
具体的步骤包括：
1、将待识别图像划分为多个图像区块，基于每个图像区块的灰度值获取对应图像区块的调整必要性。
在进行自适应操作时，由于采集的印刷电路板图像中包含有较多的像素点，因此为了减少计算量，通过对每个印刷电路板图像中进行区域划分，并计算每个区域的进行自适应形态学的必要性。
在本发明实施例中将该图像分为8个图像区块，在其他实施例中可根据具体实施情况确定划分为多少个图像区块，本发明实施例仅以划分8个图像区块举例，进行每个图像区块调整必要性的计算。
对于每个图像区块，获取每个灰度值出现的次数，以次数与图像区块内像素点数量的比值作为对应灰度值的出现概率，基于出现概率获取图像区块的信息熵，以信息熵的归一化结果作为调整必要性。
每个图像区域块的必要性与区块内图像灰度值的分布有关。若图像区块内的灰度值分布较多，则表明该图像区块内出现不同的灰度级，并且可能存在噪声以及缺陷的概率就越大，即对应的当前图像区块内需要调整的必要性越大。
以第i个图像区块为例，调整必要性
Figure 216947DEST_PATH_IMAGE001
的计算方法为
Figure 548572DEST_PATH_IMAGE002
其中，
Figure 694644DEST_PATH_IMAGE003
是双曲正切函数，用于归一化调整必要性的值；
Figure 478930DEST_PATH_IMAGE004
表示第
Figure 499975DEST_PATH_IMAGE005
个图像区块的灰度值的数量；
Figure 390833DEST_PATH_IMAGE006
表示第
Figure 737501DEST_PATH_IMAGE005
个图像区块的第
Figure 212344DEST_PATH_IMAGE007
个灰度值；
Figure 833819DEST_PATH_IMAGE008
表示第
Figure 579183DEST_PATH_IMAGE005
个图像区块的第
Figure 300014DEST_PATH_IMAGE007
个灰度值在当前图像区块内出现的概率，即
Figure 262154DEST_PATH_IMAGE009
，其中
Figure 890582DEST_PATH_IMAGE010
表示第
Figure 490452DEST_PATH_IMAGE005
个图像区块的第
Figure 444502DEST_PATH_IMAGE007
个灰度值在当前图像区块内出现的频数，
Figure 628359DEST_PATH_IMAGE011
表示第
Figure 591635DEST_PATH_IMAGE005
个图像区块中所有像素点的个数。
2、将大于预设的调整阈值的调整必要性对应的图像区块作为待调整区块，将所有待调整区块拼接为合并区块。
设置调整必要性的调整阈值
Figure 311592DEST_PATH_IMAGE012
，将大于调整必要性阈值的图像区块作为待调整区块，其中调整阈值
Figure 905384DEST_PATH_IMAGE012
可根据具体实施情况而定，本发明实施例中参考值为
Figure 576537DEST_PATH_IMAGE013
。
在待调整区块的边缘像素点中，可能包含有真实的缺陷边缘，也可能包含有噪声信息。由于待调整区块中存在正常区域边缘像素点、真实缺陷边缘像素点、印刷电路板的金手指内部区域像素点和噪声像素点，因此将所有待调整区块进行合并，可以通过计算获取得到完整的真实缺陷边缘。
其中待调整区块的合并采用现有的图像合并拼接方法，具体方法不再赘述。
步骤S003，基于待调整区块内每个待调整区块的质心获取待调整区块的整体趋势方向；根据整体趋势方向获取待调整区块内每个像素点的离散度方向，基于离散度方向将所有像素点分类；根据待调整区块内每个像素点邻域的分布信息获取每个像素点的离散度。
具体的步骤包括：
1、基于待调整区块内每个待调整区块的质心获取待调整区块的整体趋势方向。
根据所有构成合并区块中的每个待调整区块的质心坐标计算对应的方向性，并获取所有方向性的均值作为合并区块的整体趋势方向。
在合并的图像区块中，以每个像素点为窗口内的中心像素点，在不同的窗口内分析当前像素点的离散度，其中像素点的离散度与窗口内像素点的灰度值分布及各个点的方向性有关，即可以获取得到当前像素点不同方向上的离散度，选取当前像素点对于不同方向上离散度的值，进而根据方向离散度自适应形态学操作。
由于合并图像区块中的缺陷整体趋势与构成合并图像区块的每个图像区块的分布有关，因此计算构成合并图像区块中的每个图像区块的质心，即构成合并图像区块中的第
Figure 122268DEST_PATH_IMAGE014
个图像区块的质心坐标为
Figure 929687DEST_PATH_IMAGE015
。根据所有构成合并图像区块中的每个图像区块的质心坐标计算方向性，进而获取得到整体趋势方向
Figure 959960DEST_PATH_IMAGE016
。
整体趋势方向
Figure 915146DEST_PATH_IMAGE016
的计算表达式为：
Figure 924953DEST_PATH_IMAGE017
其中，
Figure 852457DEST_PATH_IMAGE018
表示构成合并图像区块中的第
Figure 850369DEST_PATH_IMAGE014
个图像区块的质心
Figure 732000DEST_PATH_IMAGE019
的坐标；
Figure 44033DEST_PATH_IMAGE020
表示构成合并图像区块中的第
Figure 357202DEST_PATH_IMAGE021
个图像区块的质心
Figure 260436DEST_PATH_IMAGE022
的坐标；
Figure 629363DEST_PATH_IMAGE023
表示构成合并图像区块中的图像区块的数量；
Figure 541824DEST_PATH_IMAGE024
表示反正切函数。
2、根据整体趋势方向获取待调整区块内每个像素点的离散度方向。
以预设大小的窗口将在合并区块内滑动，分别计算整体趋势方向与窗口内的四个预设方向的差异，选取差异最小的预设方向对应的方向范围对应的像素点作为窗口中心像素点的标记点；计算中心像素点与每个标记点的灰度差作为对应方向上的方向性离散度，以最小的方向性离散度的方向作为中心像素点的离散度方向。
根据获取到的整体趋势方向计算以每个像素点方向性，本案以
Figure 178342DEST_PATH_IMAGE025
窗口分析每个像素点的方向性。对计算获取得到的整体趋势方向在
Figure 222783DEST_PATH_IMAGE025
窗口内进行分析，由于像素点的方向性在窗口内可能存在4种区域可能，即窗口内可能存在上、下、左、右4个可能范围：
Figure 577541DEST_PATH_IMAGE026
、
Figure 496956DEST_PATH_IMAGE027
、
Figure 253559DEST_PATH_IMAGE028
、
Figure 468902DEST_PATH_IMAGE029
。计算整体趋势方向
Figure 373273DEST_PATH_IMAGE016
与4个可能范围的差异，选取差异小的即为之后计算每个像素点的方向离散度时像素点之间的方向。在计算窗口内4个可能范围的差异时，通过分析可以得知，计算整体趋势方向和每个可能范围之间的角度中间值即可，即窗口内可能存在4个可能范围中每个范围的角度中间值分别为
Figure 34062DEST_PATH_IMAGE030
、
Figure 645172DEST_PATH_IMAGE031
、
Figure 296995DEST_PATH_IMAGE032
、
Figure 423083DEST_PATH_IMAGE033
。则对应的合并图像区块中第
Figure 153141DEST_PATH_IMAGE034
个像素点的方向性角度确定过程为：
计算窗口内整体趋势方向和4个可能范围之间的方向最小差异
Figure 884337DEST_PATH_IMAGE035
：
Figure 503800DEST_PATH_IMAGE036
其中，
Figure 789287DEST_PATH_IMAGE016
表示合并图像区块的整体趋势方向
Figure 854195DEST_PATH_IMAGE016
；
Figure 195223DEST_PATH_IMAGE037
表示第一种可能范围的中间值，即
Figure 421805DEST_PATH_IMAGE038
；
Figure 725747DEST_PATH_IMAGE039
表示第二种可能范围的中间值，即
Figure 532029DEST_PATH_IMAGE040
；
Figure 972238DEST_PATH_IMAGE041
表示第三种可能范围的中间值，即
Figure 136765DEST_PATH_IMAGE042
；
Figure 928004DEST_PATH_IMAGE043
表示第四种可能范围的中间值，即
Figure 334714DEST_PATH_IMAGE044
；
Figure 98271DEST_PATH_IMAGE045
表示取最小值函数。
最小差异值所对应的范围即为第
Figure 168120DEST_PATH_IMAGE034
个像素点的方向性角度的范围。在窗口内的像素点按顺序标注为1-9像素点，5号像素点表示中心像素点，若最小差异值出现在第一种可能范围内，则表明在计算窗口内的离散度时，选取像素点标注为1、2、3、4、6的像素点进行标记作为标记点，用于计算离散度；若最小差异值出现在第二种可能范围内，则表明在计算窗口内的离散度时，选取像素点标注为4、6、7、8、9的像素点进行标记作为标记点，用于计算离散度；若最小差异值出现在第三种可能范围内，则表明在计算窗口内的离散度时，选取像素点标注为1、2、4、7、8的像素点进行标记作为标记点，用于计算离散度；若最小差异值出现在第四种可能范围内，则表明在计算窗口内的离散度时，选取像素点标注为2、3、6、8、9的像素点进行标记作为标记点，用于计算离散度。
上述步骤可以获得合并区块中每个像素点的方向性特征，进而计算方向性离散度
Figure 712234DEST_PATH_IMAGE046
，其中合并图像区块中第
Figure 657056DEST_PATH_IMAGE034
个像素点的第
Figure 71857DEST_PATH_IMAGE047
方向性离散度
Figure 14405DEST_PATH_IMAGE048
的计算表达式为：
Figure 281701DEST_PATH_IMAGE049
，其中，
Figure 30214DEST_PATH_IMAGE050
表示合并图像区块中第
Figure 299521DEST_PATH_IMAGE034
个像素点的灰度值，即当前窗口内中心像素点的灰度值；
Figure 678550DEST_PATH_IMAGE051
表示以合并图像区块中第
Figure 167563DEST_PATH_IMAGE034
个像素点为中心像素点的窗口中，第
Figure 454187DEST_PATH_IMAGE052
个标记点的灰度值；
Figure 109160DEST_PATH_IMAGE053
为双曲正切函数，用于归一化灰度差异值。
选取最小的方向性离散度
Figure 455827DEST_PATH_IMAGE054
的方向作为中心像素点的离散度方向。
3、基于离散度方向将所有像素点分类。
设置方向差异阈值，对于相邻两个窗口，计算上一窗口和下一窗口之间的离散度方向的差异值，若小于方向差异阈值，该相邻两个窗口的中心像素点为一类，继续进行下一相邻窗口的中心像素点的判断，直到不小于方向差异阈值，对应的窗口的中心像素点为另一类，依次计算，直至窗口遍历合并区块。
将缺陷边缘看作多个细小的直线构成同一条直线由多个像素点构成，这些像素点的特征类似，将离散度方向形似的连续像素点作为同一类进行形态学操作。
设置方向差异阈值
Figure 166557DEST_PATH_IMAGE055
，在每次选取下一窗口计算过程中，计算上一窗口和下一窗口之间离散度方向差异值，若小于方向差异阈值
Figure 460135DEST_PATH_IMAGE055
，则表明该两个窗口的中心像素点为一类，继续进行上述最小离散度方向计算，直到不满足阈值条件，则表明下一个窗口的中心像素点为另一类，依次计算，直至窗口遍历合并区块。其中方向差异阈值
Figure 704034DEST_PATH_IMAGE055
可根据具体实施情况而定，本发明实施例给出经验参考值
Figure 487182DEST_PATH_IMAGE056
。
4、根据待调整区块内每个像素点邻域的分布信息获取每个像素点的离散度。
由每个像素点对应的所有方向性离散度的均值作为离散度。
步骤S004，基于离散度的大小筛选出待处理像素点，对于同一类的待处理像素点，依据每个待处理像素点的离散度方向、离散度以及该类的待处理像素点总数量获取该类的自适应结构元。
具体的步骤包括：
1、基于离散度的大小筛选出需要进行形态学操作的像素点作为待处理像素点。
由于合并图像块中仅有部分为缺陷边缘，因此不是所有的像素点都需要进行形态学操作，因此通过设置离散度阈值
Figure 652585DEST_PATH_IMAGE057
，若当前像素点的离散度大于设置的离散度阈值，则表明当前像素点需要进行形态学操作。通过此操作，可以确定进行形态学操作的像素点的位置。其中离散度阈值
Figure 782477DEST_PATH_IMAGE058
可根据具体实施情况而定，本发明实施例给出经验参考值，
Figure 880883DEST_PATH_IMAGE059
。
2、对于同一类的待处理像素点，依据每个待处理像素点的离散度方向、离散度以及该类的待处理像素点总数量获取该类的自适应结构元。
以每类的待处理像素点对应的离散度方向对应的方向性离散度进行累加，得到的累加值为该类的整体离散度；以每类的待处理像素点总数量作为自适应结构元的长，以整体离散度的预设倍数作为自适应结构元的宽，以每类的所有待处理像素点的离散度方向均值作为自适应结构元的方向。
每一类像素点属于相似的像素点，因此根据每一类像素点的特征进行自适应结构元的设置。其中自适应结构元的大小与该类的离散度累加值以及构成该类的像素点的个数有关；自适应结构元的方向与该类的离散度方向有关。
以第
Figure 834932DEST_PATH_IMAGE060
类作为一个示例，自适应结构元的大小
Figure 18789DEST_PATH_IMAGE062
的计算表达式为：
Figure 952372DEST_PATH_IMAGE063
，其中，
Figure 374126DEST_PATH_IMAGE064
表示构成需要进行形态学操作的第
Figure 233498DEST_PATH_IMAGE060
类的像素点的个数；
Figure 904651DEST_PATH_IMAGE065
表示构成需要进行形态学操作的第
Figure 140460DEST_PATH_IMAGE060
类的离散度，
Figure 929904DEST_PATH_IMAGE066
表示预设倍数。
每一类像素点自适应结构元该类的离散度值以及构成该类的像素点的个数有关，其中构成该类的像素点的个数越多，对应的自适应结构元的长，即
Figure 960177DEST_PATH_IMAGE067
越大；其中离散度值越大，表明当前像素点的周边邻域噪声角度较大，则对应的自适应结构元的宽，即
Figure 384205DEST_PATH_IMAGE068
越大。
对应的自适应结构元的方向与该类的离散度方向有关，即需要进行形态学操作的第
Figure 158126DEST_PATH_IMAGE060
类中自适应结构元的方向
Figure 852675DEST_PATH_IMAGE069
，其中
Figure 788270DEST_PATH_IMAGE070
表示构成第类的所有像素点的离散度方向均值。
根据每一类像素点的离散度方向、离散度以及构成该类的像素点的个数进行自适应结构元的设置。避免了传统的形态学闭运算中，对不同的像素点采用相同大小的结构元造成的图像处理效果的缺点，使得图像去噪的效果更好，进而使得缺陷结果更加准确。
步骤S005，对每个待处理像素点利用对应的自适应结构元进行形态学闭运算去除噪声，得到去噪图像，通过对所述去噪图像进行阈值分割得到缺陷识别结果。
具体的步骤包括：
1、对每个待处理像素点利用对应的自适应结构元进行形态学闭运算去除噪声，得到去噪图像。
其中形态学闭运算为公知技术，在本发明实施例中不再赘述。
2、通过对所述去噪图像进行阈值分割得到缺陷识别结果。
采用OTSU阈值分割方法，生成自适应阈值，将像素点小于自适应阈值的像素点的像素值设置为0，大于自适应阈值的像素点的像素值设置为1，生成二值图像，进而识别印刷电路板的金手指缺陷。
综上所述，本发明实施例采集印刷电路板图像并进行图像预处理，获取待识别图像；预处理包括去除背景和灰度化；将待识别图像划分为多个图像区块，基于每个图像区块的灰度值获取对应图像区块的调整必要性，将大于预设的调整阈值的调整必要性对应的图像区块作为待调整区块；将所有待调整区块拼接为合并区块；基于待调整区块内每个待调整区块的质心获取待调整区块的整体趋势方向；根据整体趋势方向获取待调整区块内每个像素点的离散度方向，基于离散度方向将所有像素点分类；根据待调整区块内每个像素点邻域的分布信息获取每个像素点的离散度；基于离散度的大小筛选出待处理像素点，对于同一类的待处理像素点，依据每个待处理像素点的离散度方向、离散度以及该类的待处理像素点总数量获取该类的自适应结构元；对每个待处理像素点利用对应的自适应结构元进行形态学闭运算去除噪声，得到去噪图像，通过对去噪图像进行阈值分割得到缺陷识别结果。本发明实施例避免了传统的形态学闭运算中，对不同的像素点采用相同大小的结构元造成的图像处理效果的缺点，使得图像去噪的效果更好，进而使得缺陷结果更加准确。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (4)

1.一种电子元器件表面缺陷识别方法，其特征在于，该方法包括以下步骤：
采集印刷电路板图像并进行图像预处理，获取待识别图像；所述预处理包括去除背景和灰度化；
将所述待识别图像划分为多个图像区块，基于每个图像区块的灰度值获取对应图像区块的调整必要性，将大于预设的调整阈值的调整必要性对应的图像区块作为待调整区块；将所有待调整区块拼接为合并区块；
基于所述待调整区块内每个待调整区块的质心获取待调整区块的整体趋势方向；根据所述整体趋势方向获取所述待调整区块内每个像素点的离散度方向，基于所述离散度方向将所有像素点分类；根据所述待调整区块内每个像素点邻域的分布信息获取每个像素点的离散度；
基于所述离散度的大小筛选出待处理像素点，对于同一类的待处理像素点，依据每个待处理像素点的离散度方向、离散度以及该类的待处理像素点总数量获取该类的自适应结构元；
对每个待处理像素点利用对应的自适应结构元进行形态学闭运算去除噪声，得到去噪图像，通过对所述去噪图像进行阈值分割得到缺陷识别结果；
所述根据所述整体趋势方向获取所述待调整区块内每个像素点的离散度方向，包括：
以预设大小的窗口将在所述合并区块内滑动，分别计算整体趋势方向与窗口内的四个预设方向的差异，选取差异最小的预设方向对应的方向范围对应的像素点作为窗口中心像素点的标记点；
计算中心像素点与每个标记点的灰度差作为对应方向上的方向性离散度，以最小的方向性离散度的方向作为中心像素点的离散度方向；
所述基于所述离散度方向将所有像素点分类，包括：
设置方向差异阈值，对于相邻两个窗口，计算上一窗口和下一窗口之间的离散度方向的差异值，若小于所述方向差异阈值，该相邻两个窗口的中心像素点为一类，继续进行下一相邻窗口的中心像素点的判断，直到不小于所述方向差异阈值，对应的窗口的中心像素点为另一类，依次计算，直至窗口遍历合并区块；
所述离散度的获取方法为：
由每个像素点对应的所有所述方向性离散度的均值作为所述离散度；
所述自适应结构元的获取方法为：
以每类的待处理像素点对应的离散度方向对应的方向性离散度进行累加，得到的累加值为该类的整体离散度；以每类的待处理像素点总数量作为自适应结构元的长，以整体离散度的预设倍数作为自适应结构元的宽，以每类的所有待处理像素点的离散度方向均值作为所述自适应结构元的方向。
2.根据权利要求1所述的一种电子元器件表面缺陷识别方法，其特征在于，所述去除背景的方法为：通过对所述印刷电路板图像进行语义分割去除背景。
3.根据权利要求1所述的一种电子元器件表面缺陷识别方法，其特征在于，所述调整必要性的获取方法为：
对于每个图像区块，获取每个灰度值出现的次数，以次数与图像区块内像素点数量的比值作为对应灰度值的出现概率，基于所述出现概率获取图像区块的信息熵，以所述信息熵的归一化结果作为所述调整必要性。
4.根据权利要求1所述的一种电子元器件表面缺陷识别方法，其特征在于，所述整体趋势方向的获取方法为：
根据所有构成合并区块中的每个待调整区块的质心坐标计算对应的方向性，并获取所有方向性的均值作为合并区块的所述整体趋势方向。
CN202211169832.7A 2022-09-26 2022-09-26 一种电子元器件表面缺陷识别方法 Active CN115294314B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211169832.7A CN115294314B (zh) 2022-09-26 2022-09-26 一种电子元器件表面缺陷识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211169832.7A CN115294314B (zh) 2022-09-26 2022-09-26 一种电子元器件表面缺陷识别方法

Publications (2)

Publication Number Publication Date
CN115294314A CN115294314A (zh) 2022-11-04
CN115294314B true CN115294314B (zh) 2022-12-30

Family

ID=83833984

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211169832.7A Active CN115294314B (zh) 2022-09-26 2022-09-26 一种电子元器件表面缺陷识别方法

Country Status (1)

Country Link
CN (1) CN115294314B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117115165A (zh) * 2023-10-24 2023-11-24 长沙康乾电子科技有限公司 一种掩膜版加工表面划伤处理方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004045356A (ja) * 2002-05-20 2004-02-12 Jfe Steel Kk 表面欠陥検出方法
CN109242782B (zh) * 2017-07-11 2022-09-09 深圳市道通智能航空技术股份有限公司 噪点处理方法及装置
CN109870461B (zh) * 2019-03-29 2020-04-24 泗阳恒润电子有限公司 一种电子元器件质量检测***
CN115018828B (zh) * 2022-08-03 2022-10-25 深圳市尹泰明电子有限公司 一种电子元器件的缺陷检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于局部熵的织物疵点检测;范为福等;《中原工学院学报》;20071025(第05期);第16-19页 *
基于自适应结构元的形态学在水下焊缝图像去噪中的应用;李冰等;《材料科学与工艺》;20070429;第14卷;第181-183页 *

Also Published As

Publication number Publication date
CN115294314A (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
Savkare et al. Automatic system for classification of erythrocytes infected with malaria and identification of parasite's life stage
US10558841B2 (en) Method and apparatus for recognizing fingerprint ridge point
CN115775250B (zh) 基于数字图像分析的金手指电路板缺陷快速检测***
EP3678046B1 (en) Hand detection method and system, image detection method and system, hand segmentation method, storage medium, and device
CN115294099B (zh) 一种钢板轧制过程发纹缺陷的检测方法及***
CN115311262A (zh) 一种印刷电路板缺陷识别方法
CN113781406B (zh) 电子元器件的划痕检测方法、装置及计算机设备
CN117197140B (zh) 基于机器视觉的不规则金属扣成型检测方法
CN115311507B (zh) 基于数据处理的建筑板材分类方法
CN114863492B (zh) 一种低质量指纹图像的修复方法及修复装置
CN115294314B (zh) 一种电子元器件表面缺陷识别方法
CN113888536B (zh) 一种基于计算机视觉的印刷品重影检测方法及***
CN116310290B (zh) 一种用于游泳触摸板反馈时间修正的方法
CN116012291A (zh) 工业零件图像缺陷检测方法及***、电子设备和存储介质
CN116071763A (zh) 基于文字识别的教辅图书智能校编***
CN114897773A (zh) 一种基于图像处理的扭曲木材检测方法及***
CN117689655B (zh) 基于计算机视觉的金属钮扣表面缺陷检测方法
CN117152165B (zh) 感光芯片缺陷的检测方法、装置、存储介质及电子设备
CN109255799B (zh) 一种基于空间自适应相关滤波器的目标跟踪方法及***
CN116309577B (zh) 一种高强传送带物料智能检测方法及***
CN114998341A (zh) 一种基于模板匹配的齿轮缺陷检测方法及***
CN114937006A (zh) 一种基于图像增强的锤头精细化缺陷检测方法
CN115564705B (zh) 用于精密标准件的毛刺检测精度增强方法及***
CN115862121A (zh) 基于多媒体资源库的人脸快速匹配方法
CN113902667B (zh) 一种用于机器视觉的螺纹旋向识别方法与***

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