CN116630325A - 基于电路板的uv胶检测方法、设备和存储介质 - Google Patents

基于电路板的uv胶检测方法、设备和存储介质 Download PDF

Info

Publication number
CN116630325A
CN116630325A CN202310912587.2A CN202310912587A CN116630325A CN 116630325 A CN116630325 A CN 116630325A CN 202310912587 A CN202310912587 A CN 202310912587A CN 116630325 A CN116630325 A CN 116630325A
Authority
CN
China
Prior art keywords
glue
area
point
contour
outline
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
CN202310912587.2A
Other languages
English (en)
Other versions
CN116630325B (zh
Inventor
程克林
张振
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.)
Suzhou Hexin Technology Co ltd
Original Assignee
Suzhou Hexin 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 Suzhou Hexin Technology Co ltd filed Critical Suzhou Hexin Technology Co ltd
Priority to CN202310912587.2A priority Critical patent/CN116630325B/zh
Publication of CN116630325A publication Critical patent/CN116630325A/zh
Application granted granted Critical
Publication of CN116630325B publication Critical patent/CN116630325B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/001—Industrial image inspection using an image reference approach
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了基于电路板的UV胶检测方法、设备和存储介质，方法如下:获取整个电路板初始RGB图像并在其上选取参照模板区域进行色彩提取，获得参照模板区域内UV胶；根据色彩提取参数对初始RGB图像进行轮廓提取后二值化处理，获得UV胶铺设区域及其轮廓；对UV胶铺设区域轮廓填充，获得非UV胶铺设区域；在UV胶铺设区域和非UV胶铺设区域之间构建围栏区域不进行检测；设置瑕疵检测区域检测UV胶铺设区域内符合瑕疵面积阈值范围内的瑕疵；设置UV胶检测区域检测非UV胶铺设区域内符合UV胶面积阈值范围内的UV胶。实现UV胶铺设区域对气泡和橘皮等瑕疵、非UV胶铺设区域对UV胶是否存在滴漏的检测，提高检测准确率和效率。

Description

基于电路板的UV胶检测方法、设备和存储介质
技术领域
本发明涉及电路板图像检测技术领域，具体为基于电路板的UV胶检测方法、设备和存储介质。
背景技术
传统电路板表面的UV胶大多采用人工检测与机器视觉检测相结合的方法进行检测。但是人工检测具有工作量大、工作效率低和人为干扰因素大导致检测精度不足等缺点，已不能满足UV胶检测的工业生产需求。机器视觉检测虽然能够检测出部分缺陷，但是误检率高，对于目标较小和形态复杂的缺陷，需划分区域分别检测，导致检测区域的位置无法确定，对缺陷的检测鲁棒性差，导致误检率高。
发明内容
为克服上述背景技术中传统电路板表面的UV胶大多采用人工检测与机器视觉检测相结合的方法进行检测。但是人工检测具有工作量大、工作效率低和人为干扰因素大导致检测精度不足等缺点，已不能满足UV胶检测的工业生产需求。机器视觉检测虽然能够检测出部分缺陷，但是误检率高，对于目标较小和形态复杂的缺陷，需划分区域分别检测，导致检测区域的位置无法确定，对缺陷的检测鲁棒性差，导致误检率高的问题，本发明的目的在于提供基于电路板的UV胶检测方法。
为了达到以上目的，本发明采用如下的技术方案：
本发明的第一方面，提供基于电路板的UV胶检测方法，包括如下步骤:
获取整个电路板的初始RGB图像；
在所述初始RGB图像上选取参照模板区域，对所述参照模板区域进行色彩提取，获得所述参照模板区域内的UV胶；
根据所述色彩提取的参数对所述初始RGB图像进行轮廓提取后进行二值化处理，获得所述UV胶铺设区域及其轮廓；
对所述UV胶铺设区域的轮廓进行填充，获得非UV胶铺设区域；
在所述UV胶铺设区域和所述非UV胶铺设区域之间构建围栏区域，所述围栏区域不进行检测；
设置瑕疵检测区域对所述UV胶铺设区域进行检测，检测符合瑕疵面积阈值范围内的瑕疵；
设置UV胶检测区域对所述非UV胶铺设区域进行检测，检测符合UV胶面积阈值范围内的UV胶。
与现有技术相比，本发明的有益效果是在于：通过获取参照模板区域内UV胶色彩提取的参数，并将其应用于整个电路板的初始RGB图像进行轮廓提取，然后进行二值化处理获得UV胶铺设区域及其轮廓，便于从视觉区分出UV胶铺设区域；通过对UV胶铺设区域的轮廓进行填充，获得非UV胶铺设区域，实现在电路板上对UV胶铺设区域和非UV胶铺设区域进行定位划分，实现了缺陷的分区检测，不仅可以对UV胶铺设区域内实现对气泡和橘皮等瑕疵的检测，还可以在非UV胶铺设区域实现对UV胶是否存在滴漏的检测，提高了UV胶检测的准确率和效率，且对于电路板表面缺陷的大量检测有着显著的效果。通过设置围栏区域，即容差非检测区防止了检测过程中UV胶铺设区域和非UV胶铺设区域之间的检测干扰，进一步提高了UV胶检测的准确率和效率。
在一些可能的实施方式中，对所述参照模板区域进行色彩提取，获得所述参照模板区域内的UV胶包括如下步骤：
将所述参照模板区域的RGB图像进行HSV转换，得到转换后的分量直方图；
对所述分量直方图进行均衡化处理，得到均衡化直方图；
将所述均衡化直方图进行聚类增强，获得所述参照模板区域内的UV胶。
在一些可能的实施方式中，通过融入rgb2ind函数的K-means聚类算法对所述均衡化直方图进行聚类增强，所述融入rgb2ind函数的K-means聚类算法的公式如下：
其中，k表示第k个簇；μk表示第k个簇簇内像素值的均值，当k为奇数时，第k个簇为UV胶颜色簇；当k为偶数时，第k个簇为非UV胶颜色簇；即当k=1时，第一个簇为UV胶颜色簇；当k=2时，第二个簇为非UV胶颜色簇，随着不停的迭代，UV胶颜色簇或非UV胶颜色簇内的像素值发生改变；n表示UV胶颜色簇或非UV胶颜色簇簇内的像素点个数，Ck表示第k个簇所在的区域，xj表示UV胶颜色簇或非UV胶颜色簇簇内第j个点的像素值。
在一些可能的实施方式中，在所述UV胶铺设区域和所述非UV胶铺设区域之间构建围栏区域包括如下步骤：
确定第一内缩点对所述UV胶铺设区域的轮廓进行内缩；
确定第一外扩点对所述UV胶铺设区域的轮廓进行外扩；
通过所述第一内缩点和所述第一外扩点构建围栏区域。
在一些可能的实施方式中，在所述UV胶铺设区域和所述非UV胶铺设区域之间构建围栏区域包括如下步骤：
确定第二内缩点对所述非UV胶铺设区域的轮廓进行内缩；
确定第二外扩点对所述非UV胶铺设区域的轮廓进行外扩；
通过所述第二内缩点和所述第二外扩点构建围栏区域。
在一些可能的实施方式中，所述第一内缩点的确定方法包括如下步骤：
根据所述UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的内缩方向；
基于设定的每个轮廓点的内缩距离，将每个轮廓点作为凸点沿所述内缩方向确定第一内缩点；
判断每一个第一内缩点是否位于所述UV胶铺设区域的轮廓内，若当前第一内缩点位于轮廓内，则当前第一内缩点确定为正确的第一内缩点；若当前第一内缩点不位于轮廓内，则当前第一内缩点所对应的轮廓点基于所述内缩距离，沿所述内缩方向的反方向确定正确的第一内缩点。
在一些可能的实施方式中，所述第一外扩点的确定方法包括如下：
根据所述UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的外扩方向；
基于设定的每个轮廓点的外扩距离，将每个轮廓点作为凹点沿所述外扩方向确定第一外扩点；
判断每一个第一外扩点是否位于所述UV胶铺设区域的轮廓内，若当前第一外扩点位于轮廓内，则当前第一外扩点确定为正确的第一外扩点；若当前第一外扩点不位于轮廓内，则当前第一外扩点所对应的轮廓点基于所述外扩距离，沿所述外扩方向的反方向确定正确的第一外扩点。
在一些可能的实施方式中，所述第二内缩点的确定方法包括如下步骤：
根据所述非UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的内缩方向；
基于设定的每个轮廓点的内缩距离，将每个轮廓点作为凸点沿所述内缩方向确定第二内缩点；
判断每一个第二内缩点是否位于所述非UV胶铺设区域的轮廓内，若当前第二内缩点位于轮廓内，则当前第二内缩点确定为正确的第二内缩点；若当前第二内缩点不位于轮廓内，则当前第二内缩点所对应的轮廓点基于所述内缩距离，沿所述内缩方向的反方向确定正确的第二内缩点。
在一些可能的实施方式中，所述第二外扩点的确定方法包括如下步骤：
根据所述非UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的外扩方向；
基于设定的每个轮廓点的外扩距离，将每个轮廓点作为凹点沿所述外扩方向确定第二外扩点；
判断每一个第二外扩点是否位于所述非UV胶铺设区域的轮廓内，若当前第二外扩点位于轮廓内，则当前第二外扩点确定为正确的第二外扩点；若当前第二外扩点不位于轮廓内，则当前第二外扩点所对应的轮廓点基于所述外扩距离，沿所述外扩方向的反方向确定正确的第二外扩点。
在一些可能的实施方式中，对所述UV胶铺设区域的轮廓进行填充，获得非UV胶铺设区域包括如下步骤：
通过双向扫描算法获取所述UV胶铺设区域内的所有初始连通域；
遍历所述UV胶铺设区域的二值化图像，为所述初始连通域中的每一个像素点赋予一个数字标签；
对存储所述数字标签的数组进行并查集处理，获取真连通域；
将所有真连通域的轮廓点进行合并，得到合并轮廓；
对所述合并轮廓进行填充，获得非UV胶铺设区域。
在一些可能的实施方式中，所述并查集处理具体包括如下：使得同一初始连通域中的不同数字标签都指向同一数字标签，将属于同一初始连通域的不同数字标签合并，使得同一个初始连通域中的所有像素点的数字标签一致。
在一些可能的实施方式中，当所述合并轮廓为单图像轮廓时，采用行扫描的方式进行填充；当所述合并轮廓为多图像轮廓时，采用分级别按面积从大到小的方式进行填充。
在一些可能的实施方式中，设置UV胶检测区域对所述非UV胶铺设区域进行检测包括如下步骤：
将整个电路板的标准CAD图纸的平面坐标和所述电路板的初始RGB图像的平面坐标对齐到同一个坐标系下；
获取所述非UV胶铺设区域的所有图形轮廓，所述图形轮廓包括非UV胶铺设区域的外部轮廓以及非UV胶铺设区域内的元件轮廓和非元件轮廓；
根据各个图形轮廓的位置，划分所述图形轮廓间的层级关系，即父子关系；
根据所述父子关系对所有图形轮廓进行排序；
所述UV胶检测区域根据所述排序顺序依次进行检测。
在一些可能的实施方式中，根据各个图形轮廓的位置，划分所述图形轮廓间的层级关系，即父子关系具体包括如下：
检索所有图形轮廓并将其分成两个级别层次，将所述非UV胶铺设区域的外部轮廓放置在父标签，
将所述非UV胶铺设区域内的元件轮廓和非元件轮廓放在子标签；
若所述非UV胶铺设区域内还存在某非UV胶铺设区域，则某非UV胶铺设区域放置在父标签，某非UV胶铺设区域内的元件轮廓和非元件轮廓放置在子标签，直至非UV胶铺设区域内不存在其他非UV胶铺设区域为止。
本发明的第二方面，提供基于电路板的UV胶检测设备，包括
图像获取划分模块：用于获取整个电路板的初始RGB图像，将所述初始RGB图像划分为N*M个子区域，并获取每个子区域内的RGB图像，其中N为行数，M为列数；
参照区域UV胶提取模块：用于在所述初始RGB图像上选取参照模板区域，对所述参照模板区域进行色彩提取，获得所述参照模板区域内的UV胶；
UV胶铺设区域提取模块：用于根据所述色彩提取的参数对所述初始RGB图像中的每个子区域进行轮廓提取后进行二值化处理，获得所述UV胶铺设区域及其轮廓；
非UV胶铺设区域提取模块：用于对所述UV胶铺设区域的轮廓进行填充，获得非UV胶铺设区域；
容差非检测区域构建模块：用于在所述UV胶铺设区域和所述非UV胶铺设区域之间构建围栏区域，所述围栏区域为容差非检测区，不进行检测；
UV胶铺设区域瑕疵检测模块：用于设置瑕疵检测区域对所述UV胶铺设区域进行检测，检测符合瑕疵面积阈值范围内的瑕疵；
非UV胶铺设区域UV胶检测模块：用于设置UV胶检测区域对所述非UV胶铺设区域进行检测，检测符合UV胶面积阈值范围内的UV胶。
本发明的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于电路板的UV胶检测方法的步骤。
附图说明
图1为本发明实施例一中基于电路板的UV胶检测方法的整体步骤流程图；
图2为本发明实施例一中UV胶的提取步骤流程图；
图3为本发明实施例一中UV胶铺设区域和非UV胶铺设区域的位置示意图；
图4为本发明实施例一中非UV胶铺设区域的获取步骤流程图；
图5为本发明实施例一中单图像轮廓时行扫描实现步骤流程图；
图6为本发明实施例一中围栏区域（容差非检测区）的位置示意图；
图7为本发明实施例一中通过UV胶铺设区域进行内缩和外扩构建围栏区域的步骤流程图；
图8为本发明实施例一中第一内缩点的确定步骤流程图；
图9为本发明实施例一中第一外扩点的确定步骤流程图；
图10为本发明实施例一中通过非UV胶铺设区域进行内缩和外扩构建围栏区域的步骤流程图；
图11为本发明实施例一中第二内缩点的确定步骤流程图；
图12为本发明实施例一中第二外扩点的确定步骤流程图；
图13为本发明实施例一中UV胶铺设区域内瑕疵检测区域内检测的瑕疵位置示意图；
图14为本发明实施例一中非UV胶铺设区域内UV胶检测区域内检测的UV胶位置示意图；
图15为本发明实施例一中非UV胶铺设区域中UV胶检测的步骤流程图；
图16为本发明实施例二中基于电路板的UV胶检测设备的结构示意图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
参见附图1所示，本实施例一中的基于电路板的UV胶检测方法，具体包括如下步骤:
S1：获取整个电路板的初始RGB图像,将所述初始RGB图像划分为N*M个子区域，其中N为行数，M为列数。
具体的，通过DirectX对初始RGB图像进行划分处理得到每个子区域内的RGB图像。由于子区域内的图像之间是相互独立的，电路板上所有的区域可以分块并行，多线程同时获取每一个子区域内的图像，加快图像处理速度，提高检测效率。
S2：在所述初始RGB图像上选取参照模板区域，对所述参照模板区域进行色彩提取，获得所述参照模板区域内的UV胶。参见附图2所示，具体的，包括如下步骤：
S21：将所述参照模板区域的RGB图像进行HSV转换，得到转换后的分量直方图。
RGB是应用最广的色彩空间，而HSV是基于人类对颜色感知而提出的色彩空间。HSV能够直观表达颜色的色调、亮暗程度和色彩的浓度，方便进行颜色的对比，且更容易追踪到某种特定颜色的目标。参照模板区域的RGB图像进行HSV转换可以更准确的提取出参照模板区域内UV胶的颜色特征，从而更精准的定位出整个电路板初始RGB图像中的UV胶铺设区域。
S22：对所述分量直方图进行均衡化处理，得到均衡化直方图。均衡化处理是为了消除图像分布不均匀的影响。
S23：将所述均衡化直方图进行聚类增强，获得所述参照模板区域内的UV胶。聚类增强是为了解决均衡化直方图中部分颜色仍有对比度滞留的问题。
具体的，本实施例通过融入rgb2ind函数的K-means聚类算法对所述均衡化直方图进行聚类增强。K-means算法的颜色聚类过程由聚类中心进行类别表示，以聚类三维散点图中的不同颜色标记不同方向的聚类分层，从而增强图像颜色特征的提取目标和数量。
K-means聚类算法是一种距离聚类方法，利用靠近目标对象距离的远近进行分类估算，其具有运行效率高和可伸缩性较好的特点。
本实施例应用K-means聚类算法的原理如下：在参照模板区域中随机选取某个像素点，该像素点称为质心点，计算参照模板区域中每个像素点与质心点之间的欧氏距离，进而根据欧氏距离的大小形成不同类别的簇，即：将不同的颜色种类分别聚在一起形成UV胶颜色簇和非UV胶颜色簇，之后重新计算每个簇的质心点，然后进行重复迭代，直到UV胶颜色簇和非UV胶颜色簇的像素点到其对应的质心点距离和最小为止。K-means聚类算法的算法公式如下:
（公式一）其中，d为欧氏距离公式；xi表示参照模板区域中x点像素值的第i个所对应的H、S或V分量；其中，x1表示参照模板区域中x点像素值的H分量，x2表示参照模板区域中x点像素值的S分量，x3表示参照模板区域中x点像素值的V分量；yi为参照模板区域中的质心点y像素值的第i个所对应的H、S或V分量，其中，y1表示参照模板区域中的质心点y像素值的H分量，y2表示参照模板区域中的质心点y像素值的S分量，y3表示参照模板区域中的质心点y像素值的V分量；n为分量个数。
基于（公式一）分别计算UV胶颜色簇像素点和非UV胶颜色簇像素点的均值，分别得到其对应簇的质心点。融入rgb2ind函数的K-means聚类算法的公式如下：
（公式二）
其中，k表示第k个簇；μk表示第k个簇簇内像素值的均值，当k为奇数时，第k个簇为UV胶颜色簇；当k为偶数时，第k个簇为非UV胶颜色簇；即当k=1时，第一个簇为UV胶颜色簇；当k=2时，第二个簇为非UV胶颜色簇，随着不停的迭代，UV胶颜色簇或非UV胶颜色簇内的像素值发生改变；n表示UV胶颜色簇或非UV胶颜色簇簇内的像素点个数，Ck表示第k个簇所在的区域，xj表示UV胶颜色簇或非UV胶颜色簇簇内第j个点的像素值。则通过距离最小值的计算公式三：
（公式三）
其中，t表示簇的数量，arg表示求平均值，min表示求最小值，上述公式三为计算所有簇中像素点到其对应的质心点的距离之和的最小平均值。
rgb2ind函数的有益效果在于：将真彩色图像转换为索引图像，由于参照模板区域中图像的一个像素占用三个字节，分别存储H、S和V分量的值，而索引图像的一个像素占用一个字节，可以节省内存空间，提高运行效率。
融入rgb2ind函数的K-means聚类算法的有益效果在于：不仅在处理图像颜色方面具有较高的处理效率，还可以增强图像颜色特征的提取目标和数量，从而更准确的定位到参照模板区域中的UV胶。
具体的，在本申请另一实施例中，S2中的色彩提取还可以采用HSV色彩提取、RGB色彩提取或亮度色彩提取。
RGB色彩提取具体如下：分别设置R、G、B三个通道的阈值范围，遍历参照模板区域的RGB图像中的每个像素点，如果该像素点的R、G、B值都符合上述设定的范围，则该像素点被视为要提取的目标像素点，即UV胶的像素点，设置的R、G、B上下限阈值则为提取的颜色参数。
HSV色彩提取：将参照模板区域的RGB图像转换为HSV图像，分别设置H、S、V三个通道的阈值范围，遍历HSV图像中的每个像素点，如果该像素点的H、S、V值都符合上述设定的范围，则该像素点被视为要提取的目标像素点，即UV胶的像素点，设置的H、S、V上下限阈值则为提取的颜色参数。
亮度色彩提取：将参照模板区域的RGB图像转换为灰度图像，设置亮度的阈值范围，遍历灰度图像中的每个像素点，如果该像素点的灰度值符合上述设定的范围，则该像素点被视为要提取的目标像素点，即UV胶的像素点，设置的亮度上下限阈值则为提取的颜色参数。
S3：将所述色彩提取的参数应用于所述初始RGB图像中的每一个子区域进行轮廓提取后进行二值化处理，获得所述UV胶铺设区域及其轮廓。
由于有些UV胶区域边界存在胶水不均匀、漏滴胶水或者多滴胶水的情况，通过应用颜色参数的方式对UV胶铺设区域的定位并不十分精确，应用于具体实施中，将UV胶铺设区域的轮廓绘制在图形处理界面，拖动区域轮廓的轮廓点进行局部微调进行整体平移和缩放，可以更精准的定位到更为细致的UV胶铺设区域，便于后续的处理，从而提高检测精准度和效率。
具体的，在本申请另一些实施例中，UV胶铺设区域的定位获取还采用对电路板上的每一个元件分别进行颜色抽取，实现对单个元件上的UV胶区域定位。
上述实施例没有提前对电路板上的整个UV胶铺设区域定位，而是在对每一个元件进行检测时，对每一个元件区域进行颜色抽取，抽取出元件上的UV胶，从而实现对单个元件区域内的局部UV胶铺设区域定位，然后实现在元件上的局部UV胶铺设区域检测瑕疵，在元件上的局部非UV胶铺设区域检测UV胶。
S4：对所述UV胶铺设区域的轮廓进行填充，获得非UV胶铺设区域。UV胶铺设区域和非UV胶铺设区域的位置示意图如附图3所示。参见附图4所示，具体的，包括如下步骤：
S41：通过双向扫描算法获取所述UV胶铺设区域内的所有初始连通域。具体可利用Two_Pass的双向扫描算法，Two_Pass的双向扫描算法对于任意复杂形状和任意数目的连通区域都可以精准的检测，防止误检和漏检的情况出现。
S42：遍历所述UV胶铺设区域的二值化图像，为所述初始连通域中的每一个像素点赋予一个数字标签。其中，二值化图像中非零像素为UV胶，为零像素为非UV胶。
从遍历顺序来看访问的当前像素点的正上方像素点和正左方的像素点均已被赋予了数字标签；当前像素点为非零像素时，有如下四种情况：
a):当前像素点的上方邻域和左侧邻域的像素点均为零，则赋予当前像素点一个新的数字标签，同时将该数字标签值记录下来。
b):当前像素点的上方邻域像素点为零，左侧邻域像素点不为零，则当前像素点的数字标签与左侧像素点的数字标签一致。
c):当前像素点的上方邻域像素点不为零，左侧邻域像素点为零，则当前像素点的数字标签与上方邻域像素点的数字标签一致。
d):当前像素点的上方邻域和左侧邻域的像素点均不为零，则当前像素点的数字标签为左侧邻域和上方邻域像素的数字标签的最小值。
S43：对存储所述数字标签的数组进行并查集处理，获取真连通域。
通过并查集处理使得同一初始连通域中的不同数字标签都指向同一数字标签，将属于同一初始连通域的不同数字标签合并，使得同一个初始连通域中的所有像素点的数字标签一致。由此获得更为精准的真连通域，使得对UV胶铺设区域和非UV胶铺设区域的划分更为准确。
并查集处理之后，在具体的实施中可以根据需要设置需要获取的真连通域和排除不需要获取的真连通域的个数，以此更为精准的定位出非UV胶铺设区域。
S44：根据每个所述子区域的位置，将所有真连通域的轮廓点进行合并，得到合并轮廓。
S45：对所述合并轮廓进行填充，获得非UV胶铺设区域。
在一些实施方式中，当所述合并轮廓为单图像轮廓时，采用行扫描的方式进行填充，具体如下：从上到下扫描单图像的所有行，在扫描的过程中确定图像中的哪些像素应该被填充。参见附图5所示，实现过程如下：
S45a.对于单图像的每一行，找到该单图像的轮廓在每一行的所有交点，并将这些交点按照从左到右的顺序排序。
S45b.对于每一个交点，找到位于其相邻的左边的点，并在这两个交点之间填充颜色。
S45c.重复步骤S45a和S45b，直到所有行都被扫描完。
行扫描的方式可以对单图像中的每个像素只访问一次，减少像素的重复访问和漏访问，可以高效快速且又精准的对多边形区域进行填充，以此精准快速的得到非UV胶铺设区域。
当所述合并轮廓为多图像轮廓时，采用分级别按面积从大到小的方式进行填充。具体应用如下：将多个图像的轮廓按照面积从大到小的方式排列，对于每一个轮廓，采用上述行扫描的方式进行填充。这样可以避免多图像轮廓存在父子关系时无法填充子轮廓，防止漏填的情况出现，以此得到更为精确的非UV胶铺设区域。
S5：在所述UV胶铺设区域和所述非UV胶铺设区域之间构建围栏区域，所述围栏区域为容差非检测区，不进行检测。围栏区域的位置示意图如附图6所示，其中，附图6中的内缩点为第一内缩点，外扩点为第一外扩点。
因为UV胶铺设区域和非UV胶铺设区域之间的接触区域往往存在胶水不均匀、漏滴胶水或者多滴胶水的情况出现，为了防止上述情况对UV胶区域检测瑕疵，非UV胶区域检测UV胶产生影响，从而设置容差非检测区进行排除，避免检测过程中UV胶铺设区域和非UV胶铺设区域之间的检测干扰，保证了检测结果的准确性。
在一些实施方式中，参见附图7所示，具体的，单独对所述UV胶铺设区域进行内缩和外扩构建围栏区域，具体包括如下步骤：
S51a：确定第一内缩点对所述UV胶铺设区域的轮廓进行内缩；
S52a：确定第一外扩点对所述UV胶铺设区域的轮廓进行外扩；
S53a：通过所述第一内缩点和所述第一外扩点构建围栏区域。
在一些实施方式中，参见附图8所示，所述第一内缩点的确定方法具体包括如下步骤：
S511a：根据所述UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的内缩方向。
S512a：基于设定的每个轮廓点的内缩距离，将每个轮廓点作为凸点沿所述内缩方向确定第一内缩点。
S513a：通过射线法判断每一个第一内缩点是否位于所述UV胶铺设区域的轮廓内。具体的，若当前第一内缩点位于轮廓内，则当前第一内缩点确定为正确的第一内缩点；若当前第一内缩点不位于轮廓内，则当前第一内缩点所对应的轮廓点基于所述内缩距离，沿所述内缩方向的反方向确定正确的第一内缩点。
参见附图9所示，所述第一外扩点的确定方法具体包括如下步骤：
S521a：根据所述UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的外扩方向。
S522a：基于设定的每个轮廓点的外扩距离，将每个轮廓点作为凹点沿所述外扩方向确定第一外扩点。
S523a：通过射线法判断每一个第一外扩点是否位于所述UV胶铺设区域的轮廓内。具体的，若当前第一外扩点位于轮廓内，则当前第一外扩点确定为正确的第一外扩点；若当前第一外扩点不位于轮廓内，则当前第一外扩点所对应的轮廓点基于所述外扩距离，沿所述外扩方向的反方向确定正确的第一外扩点。
在一些实施方式中，参见附图10所示，单独对所述非UV胶铺设区域进行内缩和外扩构建围栏区域，具体包括如下步骤：
S51b：确定第二内缩点对所述非UV胶铺设区域的轮廓进行内缩；
S52b：确定第二外扩点对所述非UV胶铺设区域的轮廓进行外扩；
S53b：通过所述第二内缩点和所述第二外扩点构建围栏区域。
在一些实施方式中，参见附图11所示，所述第二内缩点的确定方法具体包括如下步骤：
S511b：根据所述非UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的内缩方向。
S512b：基于设定的每个轮廓点的内缩距离，将每个轮廓点作为凸点沿所述内缩方向确定第二内缩点。
S513b：通过射线法判断每一个第二内缩点是否位于所述非UV胶铺设区域的轮廓内。具体的，若当前第二内缩点位于轮廓内，则当前第二内缩点确定为正确的第二内缩点；若当前第二内缩点不位于轮廓内，则当前第二内缩点所对应的轮廓点基于所述内缩距离，沿所述内缩方向的反方向确定正确的第二内缩点。
参见附图12所示，所述第二外扩点的确定方法具体包括如下步骤：
S521b：根据所述非UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的外扩方向。
S522b：基于设定的每个轮廓点的外扩距离，将每个轮廓点作为凹点沿所述外扩方向确定第二外扩点。
S523b：通过射线法判断每一个第二外扩点是否位于所述非UV胶铺设区域的轮廓内。具体的，若当前第二外扩点位于轮廓内，则当前第二外扩点确定为正确的第二外扩点；若当前第二外扩点不位于轮廓内，则当前第二外扩点所对应的轮廓点基于所述外扩距离，沿所述外扩方向的反方向确定正确的第二外扩点。
常用的外扩内缩方法是分别对图像中每一层轮廓进行外扩内缩，但是该方法并未考虑图像中存在多层轮廓的情况，即本实施例中的UV胶铺设区域和非UV胶铺设区域两层轮廓，各层轮廓内缩和外扩时存在相互影响关系，导致外扩或内缩后的轮廓形状与实际相比差距较大，本实施例采用内缩点和外扩点单独对UV胶铺设区域的轮廓或非UV胶铺设区域进行内缩和外扩，可以避免这两层轮廓分别共同进行内缩和外扩时的相互影响关系，减少经内缩和外扩后的UV胶铺设区域或非UV胶铺设区域的轮廓形状与实际的差距，有效的处理了图像中存在多层轮廓的情况。
在一些实施方式中，上述的内缩点和外扩点还可以通过折线平行线法来确定。具体如下：将UV胶铺设区域或非UV胶铺设区域轮廓中相邻三个点连接的两条折线分别等距离取其内缩或外扩方向的平行线，这两条平行线的交点则为内缩点或外扩点。如果该内缩点或外扩点在轮廓内，则表示该点是正确的内缩点或外扩点；如果该内缩点或外扩点不在轮廓内，则表示相反的方向，反向相同的距离为正确的内缩点或外扩点。
上述角平分线法和折线平行线均可以准确的找到内缩点和外扩点，从而精准的定位出UV胶铺设区域和非UV胶铺设区域。
S6：设置瑕疵检测区域对所述UV胶铺设区域进行检测，检测符合瑕疵面积阈值范围内的瑕疵。可以对UV胶铺设区域内实现对气泡和橘皮等瑕疵的检测，UV胶铺设区域内瑕疵检测区域内检测的瑕疵位置示意图参见附图13所示。
S7：设置UV胶检测区域对所述非UV胶铺设区域进行检测，检测符合UV胶面积阈值范围内的UV胶。可以在非UV胶铺设区域实现对UV胶是否存在滴漏的检测，非UV胶铺设区域内UV胶检测区域内检测的UV胶位置示意图参见附图14所示。
参见附图15所示，具体的，设置UV胶检测区域对所述非UV胶铺设区域进行检测包括如下步骤：
S71：将整个电路板的标准CAD图纸的平面坐标和所述电路板的初始RGB图像的平面坐标对齐到同一个坐标系下。对齐到同一个坐标系下是为了通过元件实现对齐，实现对非UV胶铺设区域的检测定位，提高UV胶检测的准确性。
S72：获取所述非UV胶铺设区域的所有图形轮廓，所述图形轮廓包括非UV胶铺设区域的外部轮廓以及非UV胶铺设区域内的元件轮廓和非元件轮廓。
S73：根据各个图形轮廓的位置，划分所述图形轮廓间的层级关系，即父子关系。具体包括如下：检索所有图形轮廓并将其分成两个级别层次，将所述非UV胶铺设区域的外部轮廓放置在父标签；将所述非UV胶铺设区域内的元件轮廓和非元件轮廓放在子标签；若所述非UV胶铺设区域内还存在某非UV胶铺设区域，则某非UV胶铺设区域放置在父标签，某非UV胶铺设区域内的元件轮廓和非元件轮廓放置在子标签，直至非UV胶铺设区域内不存在其他非UV胶铺设区域为止。
由于实际的电路板上可能会存在UV胶铺设区域内嵌套非UV胶铺设区域的情况，所以只选择非UV胶铺设区域的外部轮廓的方式并不可取。通过将上述所有图形轮廓分成两个级别层次，并结合用户设置的排除参数的方式，可以将非UV胶铺设区域更准确的划分出来。
S74：根据所述父子关系对所有图形轮廓进行排序。
S75：所述UV胶检测区域根据所述排序顺序依次进行检测。
本实施例二还提供基于电路板的UV胶检测设备，所述UV胶检测设备运行时实现上述基于电路板的UV胶检测方法的步骤。参见附图16所示，UV胶检测设备包括：
图像获取划分模块：用于获取整个电路板的初始RGB图像，将所述初始RGB图像划分为N*M个子区域，并获取每个子区域内的RGB图像，其中N为行数，M为列数；
参照区域UV胶提取模块：用于在所述初始RGB图像上选取参照模板区域，对所述参照模板区域进行色彩提取，获得所述参照模板区域内的UV胶；
UV胶铺设区域提取模块：用于根据所述色彩提取的参数对所述初始RGB图像中的每个子区域进行轮廓提取后进行二值化处理，获得所述UV胶铺设区域及其轮廓；
非UV胶铺设区域提取模块：用于对所述UV胶铺设区域的轮廓进行填充，获得非UV胶铺设区域；
容差非检测区域构建模块：用于在所述UV胶铺设区域和所述非UV胶铺设区域之间构建围栏区域，所述围栏区域为容差非检测区，不进行检测；
UV胶铺设区域瑕疵检测模块：用于设置瑕疵检测区域对所述UV胶铺设区域进行检测，检测符合瑕疵面积阈值范围内的瑕疵；
非UV胶铺设区域UV胶检测模块：用于设置UV胶检测区域对所述非UV胶铺设区域进行检测，检测符合UV胶面积阈值范围内的UV胶。
根据本发明的基于电路板的UV胶检测案方法，通过图像获取划分模块获取整个电路板的初始RGB图像，将所述初始RGB图像划分为N*M个子区域，并获取每个子区域内的RGB图像，其中N为行数，M为列数；通过参照区域UV胶提取模块在所述初始RGB图像上选取参照模板区域，对所述参照模板区域进行色彩提取，获得所述参照模板区域内的UV胶；通过UV胶铺设区域提取模块将所述色彩提取的参数应用于所述初始RGB图像中的每一个子区域进行轮廓提取后进行二值化处理，获得所述UV胶铺设区域和及区域轮廓；通过非UV胶铺设区域提取模块对所述UV胶铺设区域的轮廓进行填充，获得非UV胶铺设区域；通过容差非检测区域构建模块在所述UV胶铺设区域和所述非UV胶铺设区域之间构建围栏区域，所述围栏区域为容差非检测区，不进行检测；通过UV胶铺设区域瑕疵检测模块设置瑕疵检测区域对所述UV胶铺设区域进行检测，检测符合瑕疵面积阈值范围内的瑕疵；通过非UV胶铺设区域UV胶检测模块设置UV胶检测区域对所述非UV胶铺设区域进行检测，检测符合UV胶面积阈值范围内的UV胶。
本实施例二中的基于电路板的UV胶检测设备通过获取参照模板区域内UV胶色彩提取的参数，并将其应用于整个电路板的初始RGB图像进行轮廓提取，然后进行二值化处理获得UV胶铺设区域及其轮廓，便于从视觉区分UV胶铺设区域，通过对UV胶铺设区域的轮廓进行填充，获得非UV胶铺设区域，实现在电路板上对UV胶铺设区域和非UV胶铺设区域进行定位划分，实现了缺陷的分区检测，不仅可以对UV胶铺设区域内实现对气泡和橘皮等瑕疵的检测，还可以在非UV胶铺设区域实现对UV胶是否存在滴漏的检测，提高了UV胶检测的准确率和检测效率，且对于电路板表面缺陷的大量检测有着显著的效果。通过设置容差非检测区防止了检测过程中UV胶铺设区域和非UV胶铺设区域之间的检测干扰，进一步提高了UV胶检测的准确率和检测效率。
在上述实施例2的基础上，对所述参照模板区域进行色彩提取，获得所述参照模板区域内的UV胶包括如下步骤：将所述参照模板区域的RGB图像进行HSV转换，得到转换后的分量直方图；对所述分量直方图的进行均衡化处理，得到均衡化直方图；将所述均衡化直方图进行聚类增强，获得所述参照模板区域内的UV胶。
在上述实施例2的基础上，通过融入rgb2ind函数的K-means聚类算法对所述均衡化直方图进行聚类增强，所述融入rgb2ind函数的K-means聚类算法的公式如下：
其中，k表示第k个簇；μk表示第k个簇簇内像素值的均值，当k为奇数时，第k个簇为UV胶颜色簇；当k为偶数时，第k个簇为非UV胶颜色簇；即当k=1时，第一个簇为UV胶颜色簇；当k=2时，第二个簇为非UV胶颜色簇，随着不停的迭代，UV胶颜色簇或非UV胶颜色簇内的像素值发生改变；n表示UV胶颜色簇或非UV胶颜色簇簇内的像素点个数，Ck表示第k个簇所在的区域，xj表示UV胶颜色簇或非UV胶颜色簇簇内第j个点的像素值。
在上述实施例2的基础上，在所述UV胶铺设区域和所述非UV胶铺设区域之间构建围栏区域包括如下步骤：确定第一内缩点对所述UV胶铺设区域的轮廓进行内缩；确定第一外扩点对所述UV胶铺设区域的轮廓进行外扩；通过所述第一内缩点和所述第一外扩点构建围栏区域。
在上述实施例2的基础上，在所述UV胶铺设区域和所述非UV胶铺设区域之间构建围栏区域包括如下步骤：确定第二内缩点对所述非UV胶铺设区域的轮廓进行内缩；确定第二外扩点对所述非UV胶铺设区域的轮廓进行外扩；通过所述第二内缩点和所述第二外扩点构建围栏区域。
在上述实施例2的基础上，所述第一内缩点的确定方法包括如下步骤：根据所述UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的内缩方向；基于设定的每个轮廓点的内缩距离，将每个轮廓点作为凸点沿所述内缩方向确定第一内缩点；判断每一个第一内缩点是否位于所述UV胶铺设区域的轮廓内，若当前第一内缩点位于轮廓内，则当前第一内缩点确定为正确的第一内缩点；若当前第一内缩点不位于轮廓内，则当前第一内缩点所对应的轮廓点基于所述内缩距离，沿所述内缩方向的反方向确定正确的第一内缩点。
在上述实施例2的基础上，所述第一外扩点的确定方法包括如下：根据所述UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的外扩方向；基于设定的每个轮廓点的外扩距离，将每个轮廓点作为凹点沿所述外扩方向确定第一外扩点；判断每一个第一外扩点是否位于所述UV胶铺设区域的轮廓内，若当前第一外扩点位于轮廓内，则当前第一外扩点确定为正确的第一外扩点；若当前第一外扩点不位于轮廓内，则当前第一外扩点所对应的轮廓点基于所述外扩距离，沿所述外扩方向的反方向确定正确的第一外扩点。
在上述实施例2的基础上，所述第二内缩点的确定方法包括如下步骤：根据所述非UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的内缩方向；基于设定的每个轮廓点的内缩距离，将每个轮廓点作为凸点沿所述内缩方向确定第二内缩点；判断每一个第二内缩点是否位于所述非UV胶铺设区域的轮廓内，若当前第二内缩点位于轮廓内，则当前第二内缩点确定为正确的第二内缩点；若当前第二内缩点不位于轮廓内，则当前第二内缩点所对应的轮廓点基于所述内缩距离，沿所述内缩方向的反方向确定正确的第二内缩点。
在上述实施例2的基础上，所述第二外扩点的确定方法包括如下：根据所述非UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的外扩方向；基于设定的每个轮廓点的外扩距离，将每个轮廓点作为凹点沿所述外扩方向确定第二外扩点；判断每一个第二外扩点是否位于所述非UV胶铺设区域的轮廓内，若当前第二外扩点位于轮廓内，则当前第二外扩点确定为正确的第二外扩点；若当前第二外扩点不位于轮廓内，则当前第二外扩点所对应的轮廓点基于所述外扩距离，沿所述外扩方向的反方向确定正确的第二外扩点。
在上述实施例2的基础上，对所述UV胶铺设区域的轮廓进行填充，获得非UV胶铺设区域包括如下步骤：通过双向扫描算法获取所述UV胶铺设区域内的所有初始连通域；遍历所述UV胶铺设区域的二值化图像，为所述初始连通域中的每一个像素点赋予一个数字标签；对存储所述数字标签的数组进行并查集处理，获取真连通域；将所有真连通域的轮廓点进行合并，得到合并轮廓；对所述合并轮廓进行填充，获得非UV胶铺设区域。
在上述实施例2的基础上，所述并查集处理具体如下：使得同一初始连通域中的不同数字标签都指向同一数字标签，将属于同一初始连通域的不同数字标签合并，使得同一个初始连通域中的所有像素点的数字标签一致。
在上述实施例2的基础上，当所述合并轮廓为单图像轮廓时，采用行扫描的方式进行填充；当所述合并轮廓为多图像轮廓时，采用分级别按面积从大到小的方式进行填充。
在上述实施例2的基础上，设置UV胶检测区域对所述非UV胶铺设区域进行检测包括如下步骤：将整个电路板的标准CAD图纸的平面坐标和所述电路板的初始RGB图像的平面坐标对齐到同一个坐标系下；获取所述非UV胶铺设区域的所有图形轮廓，所述图形轮廓包括非UV胶铺设区域的外部轮廓以及非UV胶铺设区域内的元件轮廓和非元件轮廓；根据各个图形轮廓的位置，划分所述图形轮廓间的层级关系，即父子关系；根据所述父子关系对所有图形轮廓进行排序；所述UV胶检测区域根据所述排序顺序依次进行检测。
在上述实施例2的基础上，根据各个图形轮廓的位置，划分所述图形轮廓间的层级关系，即父子关系具体包括如下：检索所有图形轮廓并将其分成两个级别层次，将所述非UV胶铺设区域的外部轮廓放置在父标签，将所述非UV胶铺设区域内的元件轮廓和非元件轮廓放在子标签；若所述非UV胶铺设区域内还存在某非UV胶铺设区域，则某非UV胶铺设区域放置在父标签，某非UV胶铺设区域内的元件轮廓和非元件轮廓放置在子标签，直至非UV胶铺设区域内不存在其他非UV胶铺设区域为止。
本实施例三还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于电路板的UV胶检测方法的步骤。
存储介质存储有能够实现上述所有方法的程序指令，其中，该程序指令可以以软件产品的形式存储在上述存储介质中，包括若干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)或处理器(processor)执行本发明各个实施方式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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
其中，处理器还可以称为CPU(Central Processing Unit，中央处理单元)。处理器可能是一种集成电路芯片，具有信号的处理能力。处理器还可以是：
DSP（DigitalSignalProcessor，数字信号处理器，数字信号处理器是由大规模或超大规模集成电路芯片组成的用来完成某种信号处理任务的处理器。它是为适应高速实时信号处理任务的需要而逐渐发展起来的。随着集成电路技术和数字信号处理算法的发展，数字信号处理器的实现方法也在不断变化，处理功能不断提高和扩大。）
ASIC(Application Specific Integrated Circuit，专用集成电路，即专用集成电路，是指应特定用户要求和特定电子***的需要而设计、制造的集成电路。
FPGA（现场可编程门阵列，Field Programmable Gate Array）是在PAL（Programmable Array Logic，可编程阵列逻辑）、GAL（generic array logic，通用阵列逻辑）等可编程器件的基础上进一步发展的产物。它是作为专用集成电路（ASIC）领域中的一种半定制电路而出现的，既解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点。
应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外，所述实施例中的一些在此被描述成可以由计算机***的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。

Claims (16)

1.基于电路板的UV胶检测方法，其特征在于，包括如下步骤:
获取整个电路板的初始RGB图像；
在所述初始RGB图像上选取参照模板区域，对所述参照模板区域进行色彩提取，获得所述参照模板区域内的UV胶；
根据所述色彩提取的参数对所述初始RGB图像进行轮廓提取后进行二值化处理，获得所述UV胶铺设区域及其轮廓；
对所述UV胶铺设区域的轮廓进行填充，获得非UV胶铺设区域；
在所述UV胶铺设区域和所述非UV胶铺设区域之间构建围栏区域，所述围栏区域不进行检测；
设置瑕疵检测区域对所述UV胶铺设区域进行检测，检测符合瑕疵面积阈值范围内的瑕疵；
设置UV胶检测区域对所述非UV胶铺设区域进行检测，检测符合UV胶面积阈值范围内的UV胶。
2.根据权利要求1所述的基于电路板的UV胶检测方法，其特征在于，对所述参照模板区域进行色彩提取，获得所述参照模板区域内的UV胶包括如下步骤：
将所述参照模板区域的RGB图像进行HSV转换，得到转换后的分量直方图；
对所述分量直方图进行均衡化处理，得到均衡化直方图；
将所述均衡化直方图进行聚类增强，获得所述参照模板区域内的UV胶。
3.根据权利要求2所述的基于电路板的UV胶检测方法，其特征在于，通过融入rgb2ind函数的K-means聚类算法对所述均衡化直方图进行聚类增强，所述融入rgb2ind函数的K-means聚类算法的公式如下：
其中，k表示第k个簇；μk表示第k个簇簇内像素值的均值，当k为奇数时，第k个簇为UV胶颜色簇；当k为偶数时，第k个簇为非UV胶颜色簇；即当k=1时，第一个簇为UV胶颜色簇；当k=2时，第二个簇为非UV胶颜色簇，随着不停的迭代，UV胶颜色簇或非UV胶颜色簇内的像素值发生改变；n表示UV胶颜色簇或非UV胶颜色簇簇内的像素点个数，Ck表示第k个簇所在的区域，xj表示UV胶颜色簇或非UV胶颜色簇簇内第j个点的像素值。
4.根据权利要求1所述的基于电路板的UV胶检测方法，其特征在于，在所述UV胶铺设区域和所述非UV胶铺设区域之间构建围栏区域包括如下步骤：
确定第一内缩点对所述UV胶铺设区域的轮廓进行内缩；
确定第一外扩点对所述UV胶铺设区域的轮廓进行外扩；
通过所述第一内缩点和所述第一外扩点构建围栏区域。
5.根据权利要求1所述的基于电路板的UV胶检测方法，其特征在于，在所述UV胶铺设区域和所述非UV胶铺设区域之间构建围栏区域包括如下步骤：
确定第二内缩点对所述非UV胶铺设区域的轮廓进行内缩；
确定第二外扩点对所述非UV胶铺设区域的轮廓进行外扩；
通过所述第二内缩点和所述第二外扩点构建围栏区域。
6.根据权利要求4所述的基于电路板的UV胶检测方法，其特征在于，所述第一内缩点的确定方法包括如下步骤：
根据所述UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的内缩方向；
基于设定的每个轮廓点的内缩距离，将每个轮廓点作为凸点沿所述内缩方向确定第一内缩点；
判断每一个第一内缩点是否位于所述UV胶铺设区域的轮廓内，若当前第一内缩点位于轮廓内，则当前第一内缩点确定为正确的第一内缩点；若当前第一内缩点不位于轮廓内，则当前第一内缩点所对应的轮廓点基于所述内缩距离，沿所述内缩方向的反方向确定正确的第一内缩点。
7.根据权利要求4所述的基于电路板的UV胶检测方法，其特征在于，所述第一外扩点的确定方法包括如下：
根据所述UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的外扩方向；
基于设定的每个轮廓点的外扩距离，将每个轮廓点作为凹点沿所述外扩方向确定第一外扩点；
判断每一个第一外扩点是否位于所述UV胶铺设区域的轮廓内，若当前第一外扩点位于轮廓内，则当前第一外扩点确定为正确的第一外扩点；若当前第一外扩点不位于轮廓内，则当前第一外扩点所对应的轮廓点基于所述外扩距离，沿所述外扩方向的反方向确定正确的第一外扩点。
8.根据权利要求5所述的基于电路板的UV胶检测方法，其特征在于，所述第二内缩点的确定方法包括如下步骤：
根据所述非UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的内缩方向；
基于设定的每个轮廓点的内缩距离，将每个轮廓点作为凸点沿所述内缩方向确定第二内缩点；
判断每一个第二内缩点是否位于所述非UV胶铺设区域的轮廓内，若当前第二内缩点位于轮廓内，则当前第二内缩点确定为正确的第二内缩点；若当前第二内缩点不位于轮廓内，则当前第二内缩点所对应的轮廓点基于所述内缩距离，沿所述内缩方向的反方向确定正确的第二内缩点。
9.根据权利要求5所述的基于电路板的UV胶检测方法，其特征在于，所述第二外扩点的确定方法包括如下：
根据所述非UV胶铺设区域中至少每三个相邻轮廓点的角平分线确定每个轮廓点的外扩方向；
基于设定的每个轮廓点的外扩距离，将每个轮廓点作为凹点沿所述外扩方向确定第二外扩点；
判断每一个第二外扩点是否位于所述非UV胶铺设区域的轮廓内，若当前第二外扩点位于轮廓内，则当前第二外扩点确定为正确的第二外扩点；若当前第二外扩点不位于轮廓内，则当前第二外扩点所对应的轮廓点基于所述外扩距离，沿所述外扩方向的反方向确定正确的第二外扩点。
10.根据权利要求1所述的基于电路板的UV胶检测方法，其特征在于，对所述UV胶铺设区域的轮廓进行填充，获得非UV胶铺设区域包括如下步骤：
通过双向扫描算法获取所述UV胶铺设区域内的所有初始连通域；
遍历所述UV胶铺设区域的二值化图像，为所述初始连通域中的每一个像素点赋予一个数字标签；
对存储所述数字标签的数组进行并查集处理，获取真连通域；
将所有真连通域的轮廓点进行合并，得到合并轮廓；
对所述合并轮廓进行填充，获得非UV胶铺设区域。
11.根据权利要求10所述的基于电路板的UV胶检测方法，其特征在于，所述并查集处理具体如下：使得同一初始连通域中的不同数字标签都指向同一数字标签，将属于同一初始连通域的不同数字标签合并，使得同一个初始连通域中的所有像素点的数字标签一致。
12.根据权利要求10或11所述的基于电路板的UV胶检测方法，其特征在于，当所述合并轮廓为单图像轮廓时，采用行扫描的方式进行填充；当所述合并轮廓为多图像轮廓时，采用分级别按面积从大到小的方式进行填充。
13.根据权利要求1所述的基于电路板的UV胶检测方法，其特征在于，设置UV胶检测区域对所述非UV胶铺设区域进行检测包括如下步骤：
将整个电路板的标准CAD图纸的平面坐标和所述电路板的初始RGB图像的平面坐标对齐到同一个坐标系下；
获取所述非UV胶铺设区域的所有图形轮廓，所述图形轮廓包括非UV胶铺设区域的外部轮廓以及非UV胶铺设区域内的元件轮廓和非元件轮廓；
根据各个图形轮廓的位置，划分所述图形轮廓间的层级关系，即父子关系；
根据所述父子关系对所有图形轮廓进行排序；
所述UV胶检测区域根据所述排序顺序依次进行检测。
14.根据权利要求13所述的基于电路板的UV胶检测方法，其特征在于，根据各个图形轮廓的位置，划分所述图形轮廓间的层级关系，即父子关系具体包括如下：
检索所有图形轮廓并将其分成两个级别层次，将所述非UV胶铺设区域的外部轮廓放置在父标签，
将所述非UV胶铺设区域内的元件轮廓和非元件轮廓放在子标签；
若所述非UV胶铺设区域内还存在某非UV胶铺设区域，则某非UV胶铺设区域放置在父标签，某非UV胶铺设区域内的元件轮廓和非元件轮廓放置在子标签，直至非UV胶铺设区域内不存在其他非UV胶铺设区域为止。
15.基于电路板的UV胶检测设备，其特征在于，包括
图像获取划分模块：用于获取整个电路板的初始RGB图像，将所述初始RGB图像划分为N*M个子区域，并获取每个子区域内的RGB图像，其中N为行数，M为列数；
参照区域UV胶提取模块：用于在所述初始RGB图像上选取参照模板区域，对所述参照模板区域进行色彩提取，获得所述参照模板区域内的UV胶；
UV胶铺设区域提取模块：用于根据所述色彩提取的参数对所述初始RGB图像中的每个子区域进行轮廓提取后进行二值化处理，获得所述UV胶铺设区域及其轮廓；
非UV胶铺设区域提取模块：用于对所述UV胶铺设区域的轮廓进行填充，获得非UV胶铺设区域；
容差非检测区域构建模块：用于在所述UV胶铺设区域和所述非UV胶铺设区域之间构建围栏区域，所述围栏区域为容差非检测区，不进行检测；
UV胶铺设区域瑕疵检测模块：用于设置瑕疵检测区域对所述UV胶铺设区域进行检测，检测符合瑕疵面积阈值范围内的瑕疵；
非UV胶铺设区域UV胶检测模块：用于设置UV胶检测区域对所述非UV胶铺设区域进行检测，检测符合UV胶面积阈值范围内的UV胶。
16.一种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上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-14任一项所述基于电路板的UV胶检测方法的步骤。
CN202310912587.2A 2023-07-25 2023-07-25 基于电路板的uv胶检测方法、设备和存储介质 Active CN116630325B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310912587.2A CN116630325B (zh) 2023-07-25 2023-07-25 基于电路板的uv胶检测方法、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310912587.2A CN116630325B (zh) 2023-07-25 2023-07-25 基于电路板的uv胶检测方法、设备和存储介质

Publications (2)

Publication Number Publication Date
CN116630325A true CN116630325A (zh) 2023-08-22
CN116630325B CN116630325B (zh) 2023-10-13

Family

ID=87592516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310912587.2A Active CN116630325B (zh) 2023-07-25 2023-07-25 基于电路板的uv胶检测方法、设备和存储介质

Country Status (1)

Country Link
CN (1) CN116630325B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150227816A1 (en) * 2014-02-10 2015-08-13 Huawei Technologies Co., Ltd. Method and apparatus for detecting salient region of image
CN105223208A (zh) * 2015-09-23 2016-01-06 深圳市繁维科技有限公司 一种电路板检测模板及其制作方法、电路板检测方法
CN110838135A (zh) * 2019-10-31 2020-02-25 上海工程技术大学 一种pcb裸板图像配准方法
CN112330688A (zh) * 2020-11-02 2021-02-05 腾讯科技（深圳）有限公司 基于人工智能的图像处理方法、装置和计算机设备
CN113516619A (zh) * 2021-04-09 2021-10-19 重庆大学 一种基于图像处理技术的产品表面瑕疵识别方法
US20220027657A1 (en) * 2020-07-24 2022-01-27 Beihang University Image object detection method, device, electronic device and computer readable medium
CN114266700A (zh) * 2021-12-13 2022-04-01 浙江工业大学 一种非规则轮廓的快速缩放方法
CN115908269A (zh) * 2022-10-26 2023-04-04 中科慧远视觉技术(北京)有限公司 视觉缺陷检测方法、装置、存储介质和计算机设备
CN115980012A (zh) * 2023-02-09 2023-04-18 欧朗电子科技有限公司 医疗检测电路板涂胶多角度检测***及其检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150227816A1 (en) * 2014-02-10 2015-08-13 Huawei Technologies Co., Ltd. Method and apparatus for detecting salient region of image
CN105223208A (zh) * 2015-09-23 2016-01-06 深圳市繁维科技有限公司 一种电路板检测模板及其制作方法、电路板检测方法
CN110838135A (zh) * 2019-10-31 2020-02-25 上海工程技术大学 一种pcb裸板图像配准方法
US20220027657A1 (en) * 2020-07-24 2022-01-27 Beihang University Image object detection method, device, electronic device and computer readable medium
CN112330688A (zh) * 2020-11-02 2021-02-05 腾讯科技（深圳）有限公司 基于人工智能的图像处理方法、装置和计算机设备
CN113516619A (zh) * 2021-04-09 2021-10-19 重庆大学 一种基于图像处理技术的产品表面瑕疵识别方法
CN114266700A (zh) * 2021-12-13 2022-04-01 浙江工业大学 一种非规则轮廓的快速缩放方法
CN115908269A (zh) * 2022-10-26 2023-04-04 中科慧远视觉技术(北京)有限公司 视觉缺陷检测方法、装置、存储介质和计算机设备
CN115980012A (zh) * 2023-02-09 2023-04-18 欧朗电子科技有限公司 医疗检测电路板涂胶多角度检测***及其检测方法

Also Published As

Publication number Publication date
CN116630325B (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
CN110210409B (zh) 表格单据中表格框线检测方法及***
CN107909138B (zh) 一种基于安卓平台的类圆颗粒物计数方法
CN115082419B (zh) 一种吹塑箱包生产缺陷检测方法
Chen et al. A double-threshold image binarization method based on edge detector
CN112232391B (zh) 一种基于U-net网络和SC-SAM注意力机制的大坝裂缝检测方法
CN102930268B (zh) 一种用于污染及多视角情况下DataMatrix码的精确定位方法
CN108596166A (zh) 一种基于卷积神经网络分类的集装箱箱号识别方法
CN109858325B (zh) 一种表格检测方法和装置
CN106897994A (zh) 一种基于分层图像的pcb板缺陷检测***和方法
CN108447050A (zh) 一种基于超像素的工件表面缺陷分割方法
CN110188778B (zh) 基于影像提取结果的居民区要素轮廓规则化方法
CN105184770B (zh) 一种用于球栅阵列引脚芯片的焊球定位及其参数识别方法
CN110097596A (zh) 一种基于opencv的目标检测***
CN111382658B (zh) 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法
CN113658092A (zh) 一种基于图像处理的铝电解电容缺陷检测方法
JPH07220090A (ja) 物体認識方法
CN116777877A (zh) 电路板缺陷检测方法、装置、计算机设备及存储介质
IL184993A (en) Method for extracting edge in photogrammetry with subpixel accuracy
CN108182707B (zh) 采集不完整条件下的棋盘格标定模板及其自动识别方法
CN104268550A (zh) 特征提取方法及装置
CN116630325B (zh) 基于电路板的uv胶检测方法、设备和存储介质
CN115375679B (zh) 一种缺陷芯片寻边寻点定位方法及装置
CN111738936A (zh) 基于图像处理的多株水稻穗长的测量方法
CN103955929B (zh) 图像局部边缘模式与非边缘模式判断方法及判断装置
CN107615333B (zh) 图像的斑点处理方法

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