CN116908219B - 基于霍尔传感器的异常数据检测方法及装置 - Google Patents
基于霍尔传感器的异常数据检测方法及装置 Download PDFInfo
- Publication number
- CN116908219B CN116908219B CN202310917675.1A CN202310917675A CN116908219B CN 116908219 B CN116908219 B CN 116908219B CN 202310917675 A CN202310917675 A CN 202310917675A CN 116908219 B CN116908219 B CN 116908219B
- Authority
- CN
- China
- Prior art keywords
- welding spot
- welding
- detection
- area
- artificial
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 300
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 80
- 238000003466 welding Methods 0.000 claims abstract description 550
- 238000010586 diagram Methods 0.000 claims abstract description 86
- 238000004519 manufacturing process Methods 0.000 claims abstract description 7
- 229910000679 solder Inorganic materials 0.000 claims description 54
- 238000000034 method Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 239000002932 luster Substances 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005476 soldering Methods 0.000 description 2
- 238000005493 welding type Methods 0.000 description 2
- 230000005355 Hall effect Effects 0.000 description 1
- 241000519995 Stachys sylvatica Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 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
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- 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
- 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
- G01N2021/888—Marking defects
-
- 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
-
- 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
- G01N2021/95646—Soldering
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于霍尔传感器的异常数据检测方法及装置,获取各检测编号的检测模板;接收生产线处检测端输入的目标检测编号,根据目标检测编号确定对应的目标检测模板,获取实时焊点图,基于实时焊点图的底板轮廓对目标检测模板的底板区进行定位,根据定位后的目标检测模板提取机器焊点区对应的第一检测数据和人工焊点区、中间区的第二检测数据;调取间隔识别策略对第一检测数据进行识别得到一类识别结果,调取持续识别策略中的前置判断条件、中间判断条件和相邻判断条件对第二检测数据进行识别,得到二类识别结果;根据一类识别结果、二类识别结果,确定异常区域并基于异常区域确定异常焊接贴片,将异常焊接贴片发送至检测端进行提醒。
Description
技术领域
本发明涉及数据处理技术,尤其涉及一种基于霍尔传感器的异常数据检测方法及装置。
背景技术
霍尔传感器是由霍尔元件和它的附属电路组成的集成传感器,其以霍尔效应为工作基础,它可以用来检测磁场及其变化,可在各种与磁场有关的场合中使用,比如,变频调速、蓄电池检测等,应用广泛。
目前,对霍尔传感器的电路进行焊接的方式主要采用机器焊接,并由人工焊接一些贴片机无法完成的剩余元件焊接,现有技术中,在对霍尔元件、其他元件和它的附属电路进行异常检测时,需要通过焊接人员的目视检测所有的焊接区域,查看是否出现焊接遗漏、焊接错误等问题,上述检测方式,使得焊接检测容易出现错误,且效率低下。
因此,如何针对霍尔传感器中不同类型的焊接区域进行不同方式的检测,协助用户进行高效的检测成为亟待解决的问题。
发明内容
本发明实施例提供一种基于霍尔传感器的异常数据检测方法及装置,可以针对霍尔传感器中不同类型的焊接区域进行不同方式的检测,协助用户进行高效的检测。
本发明实施例的第一方面,提供一种基于霍尔传感器的异常数据检测方法,包括:
获取待检测的霍尔传感器的型号信息,根据所述型号信息生成各型号霍尔传感器对应的检测编号,采集各所述检测编号对应的电路板的标准焊点图,根据所述标准焊点图得到对应的检测模板,所述检测模板包括底板区、人工焊点区、机器焊点区和中间区;
接收生产线处检测端输入的目标检测编号,根据所述目标检测编号确定对应的目标检测模板,获取实时焊点图,基于所述实时焊点图的底板轮廓对所述目标检测模板的底板区进行定位,并根据定位后的所述目标检测模板提取所述机器焊点区对应的第一检测数据,以及所述人工焊点区和所述中间区对应的第二检测数据;
调取间隔识别策略对所述第一检测数据进行识别,得到一类识别结果,调取持续识别策略中的前置判断条件、中间判断条件和相邻判断条件对所述第二检测数据进行识别,得到二类识别结果;
根据所述一类识别结果、二类识别结果,确定所述人工焊点区和/或机器焊点区中的异常区域,基于所述异常区域确定异常焊接贴片,将所述异常焊接贴片发送至所述检测端进行提醒。
可选地,在第一方面的一种可能实现方式中,所述根据所述标准焊点图得到对应的检测模板,所述检测模板包括底板区、人工焊点区、机器焊点区和中间区,包括:
提取所述标准焊点图的边缘轮廓,根据所述边缘轮廓生成对应的初始检测模板;
获取所述标准焊点图中位于预设像素区间内的像素点作为第一目标像素点,对相邻的所述第一目标像素点进行归类得到多个第一目标集合;
根据多个所述第一目标集合生成多个引脚焊点区,提取各所述引脚焊点区的标准焊点轮廓,基于所述标准焊点轮廓对初始检测模板进行更新,得到所述检测模板;
获取各所述引脚焊点区对应的焊接贴片,以及所述焊接贴片对应的贴片属性,根据所述贴片属性对所述检测模板进行分区处理,得到底板区、人工焊点区、机器焊点区和中间区。
可选地,在第一方面的一种可能实现方式中,所述根据所述贴片属性对所述检测模板进行分区处理,得到底板区、人工焊点区、机器焊点区和中间区,包括:
若所述贴片属性为人工焊接属性,将对应的所述引脚焊点区作为人工焊点区,若所述贴片属性为机器焊接属性,将对应的所述引脚焊点区作为机器焊点区;
获取位于各所述引脚焊点区的中间点,根据所述中间点确定位于各所述人工焊点区预设范围内的引脚焊点区,作为各所述人工焊点区对应的相邻焊点区,根据各所述人工焊点区和相应的所述相邻焊点区的中间点连线生成多条中间线;
以各所述中间线为中心轴,基于预设宽度生成多个中间区;
将所述检测模板中除所述人工焊点区、所述机器焊点区和所述中间区之外的区域作为底板区。
可选地,在第一方面的一种可能实现方式中,所述基于所述实时焊点图的底板轮廓对所述目标检测模板的底板区进行定位,并根据定位后的所述目标检测模板提取所述机器焊点区对应的第一检测数据,以及所述人工焊点区和所述中间区对应的第二检测数据,包括:
提取所述实时焊点图的底板轮廓中的第一预设顶点、第二预设顶点、第三预设顶点和第四预设顶点,以及所述目标检测模板的底板区中第一模板顶点、第二模板顶点、第三模板顶点和第四模板顶点;
将所述目标检测模板叠加显示在所述实时焊点图上方,并基于所述第一预设顶点、第二预设顶点、第三预设顶点和第四预设顶点,依次对所述第一模板顶点、第二模板顶点、第三模板顶点和第四模板顶点进行定位;
根据所述机器焊点区提取所述实时焊点图中的机器焊点图像作为第一检测数据,并根据所述人工焊点区提取所述实时焊点图中的人工焊点图像作为焊点检测数据,根据所述中间区提取所述实时焊点图中的焊点中间图像作为中间检测数据,基于所述焊点检测数据和所述中间检测数据得到第二检测数据。
可选地,在第一方面的一种可能实现方式中,所述调取间隔识别策略对所述第一检测数据进行识别,得到一类识别结果,包括:
基于预设识别频率对所述第一检测数据进行挑选,得到第一目标检测数据,并获取所述第一目标检测数据中的各所述机器焊点图像的机器平均焊点像素值;
若所述机器平均焊点像素值位于预设平均像素区间内,输出一类正常结果,若所述机器平均焊点像素值不位于预设平均像素区间内,输出一类异常结果,根据所述一类正常结果和所述一类异常结果得到一类识别结果。
可选地,在第一方面的一种可能实现方式中,还包括:
基于预设时长实时统计一类正常结果的第一数量和所述一类异常结果的第二数量,根据所述第一数量和所述第二数量得到总数量;
根据所述第二数量和所述总数量得到频率调整系数,根据所述频率调整系数对预设识别频率进行调整,得到调整后的预设识别频率。
可选地,在第一方面的一种可能实现方式中,所述调取持续识别策略中的前置判断条件、中间判断条件和相邻判断条件对所述第二检测数据进行识别,得到二类识别结果,包括:
统计各所述第二检测数据中的人工焊点图像内位于预设焊点像素区间内的像素点数量,调取所述持续识别策略中的前置判断条件,对所述像素点数量进行判断;
若所述像素点数量小于预设像素点数量,输出漏焊识别结果,若所述像素点数量大于等于预设像素点数量,将相应所述人工焊点图像标记为第一人工焊点图像;
调取所述持续识别策略中的中间判断条件,对所述第一人工焊点图像进行中间点位置识别,输出中间识别结果;
调取所述持续识别策略中的相邻判断条件,对所述第一人工焊点图像对应的焊点中间图像进行相邻位置识别,输出相邻识别结果;
基于所述中间识别结果和相邻识别结果或漏焊识别结果,得到二类识别结果。
可选地,在第一方面的一种可能实现方式中,所述调取所述持续识别策略中的中间判断条件,对所述第一人工焊点图像进行中间点位置识别,输出中间识别结果,包括:
调取所述持续识别策略中的中间判断条件,对所述实时焊点图进行坐标化处理得到对应第一人工焊点图像的焊点坐标集合和对应人工焊点区的中间点的第一坐标;
基于所述焊点坐标集合中横坐标的最大值和最小值,得到中间点横坐标,根据所述焊点坐标集合中纵坐标的最大值和最小值,得到中间点纵坐标,根据所述中间点横坐标和中间点纵坐标确定第二坐标;
若所述第二坐标不等于第一坐标所述,则输出对应第一人工焊点图像的中间偏焊识别结果;
若所述第一坐标等于所述第二坐标,则输出对应第一人工焊点图像的中间正常识别结果;
根据所述中间偏焊识别结果或所述中间正常识别结果,得到对应第一人工焊点图像的中间识别结果。
可选地,在第一方面的一种可能实现方式中,所述调取所述持续识别策略中的相邻判断条件,对所述第一人工焊点图像对应的焊点中间图像进行相邻位置识别,输出相邻识别结果,包括:
调取所述持续识别策略中的相邻判断条件,获取所述第一人工焊点图像对应的焊点中间图像中位于预设焊点像素区间内相邻的第一目标像素点,得到对应焊点中间图像的第一目标集合,统计所述第一目标集合的数量得到对应焊点中间图像的相邻判断数量;
若所述相邻判断数量等于1,则输出对应第一人工焊点图的桥接识别结果;
若所述相邻判断数量等于2,则输出对应第一人工焊点图的单独识别结果;
根据所述桥接识别结果或所述单独识别结果,得到第一人工焊点图的相邻识别结果。
本发明实施例的第二方面,提供一种基于霍尔传感器的异常数据检测装置,包括:
获取模块,用于获取待检测的霍尔传感器的型号信息,根据所述型号信息生成各型号霍尔传感器对应的检测编号,采集各所述检测编号对应电路板的标准焊点图,根据所述标准焊点图得到对应的检测模板,所述检测模板包括底板区、人工焊点区、机器焊点区和中间区;
定位模块,用于接收生产线处检测端输入的目标检测编号,根据所述目标检测编号确定对应的目标检测模板,获取实时焊点图,基于所述实时焊点图的底板轮廓对所述目标检测模板的底板区进行定位,并根据定位后的所述目标检测模板提取所述机器焊点区对应的第一检测数据,以及所述人工焊点区和所述中间区对应的第二检测数据;
识别模块,用于调取间隔识别策略对所述第一检测数据进行识别,得到一类识别结果,调取持续识别策略中的前置判断条件、中间判断条件和相邻判断条件对所述第二检测数据进行识别,得到二类识别结果;
提醒模块,用于根据所述一类识别结果、二类识别结果,确定所述人工焊点区和/或机器焊点区中的异常区域,基于所述异常区域确定异常焊接贴片,将所述异常焊接贴片发送至所述检测端进行提醒。
本发明实施例的第三方面,提供一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能涉及的所述方法。
本发明的有益效果如下:
1、本发明可以自动对霍尔传感器中的人工焊接部分和机器焊接部分自动进行分区识别,并且针对人工和机器的焊接区域进行针对性的检测,协助用户进行高效的检测,本发明通过对标准焊点图进行处理得到对应各型号霍尔传感器的检测模板,通过检测模板对实时焊点图进行自动分区,将实时焊点图中分为机器焊点区对应的第一检测数据和人工焊点区和所述中间区对应的第二检测数据,随后针对机器焊接的区域通过间隔识别策略进行识别,针对人工焊接的区域通过持续识别策略中的前置判断条件、中间判断条件和相邻判断条件进行识别,得到对应的异常焊接贴片,确定电路板中的异常部位,实现了针对不同焊接区域的自动化检测,并且可以定位到出现问题的焊接贴片,方便后续进行修复,协助用户进行高效的检测。
2、本发明会自动获取各检测编号对应标准焊点图的检测模板,并将检测模板完全重叠在需要进行检测的实时焊点图上方,使得本发明可以自动对多个焊点区域进行分区,得到相应的底板区、人工焊点区、机器焊点区和中间区,方便后续依据机器焊接部分的焊点和人工焊接部分的焊点进行不同维度的识别,使得识别效率较高;本发明通过提取标准焊点图中的边缘轮廓和各个标准焊点轮库得到相应的检测模版,使得本发明可以依据各霍尔传感器的标准焊点图,自动提取相应的检测模版,并依据各个引脚焊点区对应的贴片属性可以自动对检测模版进行分区处理,得到对应人工焊接的人工焊点区域和相应的中间去,以及机器焊接的机器焊点区,本发明会自动对各个霍尔传感器电路板的焊接区域进行自动化的分区处理,方便后续对不同区域的数据进行自动检测,并通过实时焊点图的底板轮廓的四个顶点与目标检测模板的底板区的四个顶点进行一一对齐,从而使得通过目标检测模板对实时焊点图进行自动分区处理,使得后续针对不同的焊接区域的检测数据进行针对性的检测提高检测的准确度。
3、本发明会针对机器焊接的第一检测数据以预设识别频率进行间隔检测,查看是否出现焊接时过热导致的焊点发白、无金属光泽,并且会针对异常结果对应的第二数量自动生成相应的频率调整系数自动对预设识别频率进行调整,使得检测的频率与实际的出现错误的焊接故障率相适配。
4、本发明针对人工焊接的第二检测数据会自动调取持续识别策略中的前置判断条件、中间判断条件对人工焊点区域的第一人工焊点图像和调取相邻判断条件焊点对中间图像进行自动识别,从而自动识别处人工焊接区域的焊点是否出现漏焊、偏焊和桥接等错误,对第二检测数据的人工焊点图像进行自动识别,本发明通过统计各人工焊点图像内位于预设焊点像素区间内的像素点数量和预设像素点数量的比对,自动识别出是否出现漏焊,如果没有漏焊则自动进行中间判断条件和相邻判断条件,通过人工焊点区的第一坐标和实时焊点图像中相应焊点的第二坐标进行比对,查看是否出现偏焊,通过对中间图像像素点集合数量的判断得到是否出现桥接焊接导致的短路等,本发明会自动对人工焊接区进行自动化的检测对人工焊接容易出现的错误进行自动识别,相比传统的目视检测提升了焊接检测的效率。
附图说明
图1为本发明所提供的技术方案的应用场景示意图;
图2为本发明所提供的一种基于霍尔传感器的异常数据检测方法的流程图;
图3为本发明所提供的一种提取检测模版的示意图;
图4为本发明所提供的一种生成中间线的示意图;
图5为本发明所提供的一种生成中间区的示意图;
图6为本发明所提供的一种基于霍尔传感器的异常数据检测装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求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,以便这里描述的本发明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。
应当理解,在本发明的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
应当理解,在本发明中,“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,在本发明中,“多个”是指两个或两个以上。“和/或”仅仅是一种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:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含,“包含A、B或C”是指包含A、B、C三者之一,“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解,在本发明中,“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”,表示B与A相关联,根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。A与B的匹配,是A与B的相似度大于或等于预设的阈值。
取决于语境,如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
如图1所示,为本发明所提供的技术方案的应用场景,对霍尔传感器对应的电路板进行采集前,先将需要检测的霍尔传感器的检测编号通过输入设备输入至处理器中,从而调取相应的检测模版,随后通过图像采集设备对实时焊点图进行采集,其中,图像采集设备可以是CDD相机,在此不做限定,在对霍尔传感器对应的电路板进行图像采集的过程中可以在相机附近设置相应的照明装置提升采集图像的清晰度,处理器会自动将检测模版与采集的图像进行比对,并进行各区域的对比从而输出相应的检测结果,并将出现异常的检测结果在显示设备上进行显示,从而提醒用户进行处理。
本发明提供一种基于霍尔传感器的异常数据检测方法,如图2所示,具体包括S1-S4;
S1,获取待检测的霍尔传感器的型号信息,根据所述型号信息生成各型号霍尔传感器对应的检测编号,采集各所述检测编号对应的电路板的标准焊点图,根据所述标准焊点图得到对应的检测模板,所述检测模板包括底板区、人工焊点区、机器焊点区和中间区。
需要说明的是,不同的霍尔传感器的型号信息对应不同的检测编号,其中,检测编号可以是编号1、编号2等,在此不做限定,相应的型号信息具有与之对应的检测编号。
进一步的,霍尔传感器是由霍尔元件和它的附属电路组成的集成传感器,在对电路进行焊接时,部分焊接由机器完成的,例如,通过贴片机进行加工,而由人工焊接一些贴片机无法完成的剩余元件焊接,如端子、电位器等其他元件,因此,不同的霍尔传感器的型号信息对应相应的检测模板,每个检测模版具有与之对应的机器焊接区域和人工焊接区域。
可以理解的是,服务器会获取待检测的霍尔传感器的型号信息,根据型号信息确定各型号霍尔传感器对应的检测编号,依据检测编号调取对应的电路板的标准焊点图,并且每个检测模版具有相应的底板区、人工焊点区、机器焊点区和中间区,其中,标准焊点图为标准的焊接电路图,方便后续与实时焊点图进行比对,自动检测出相应的焊接错误。
通过上述实施方式,本发明会依据霍尔传感器的型号信息不同自动获取相应的检测模版,方便后续针对不同的区域进行自动化的检测。
在一些实施例中,步骤S1中的(根据所述标准焊点图得到对应的检测模板,所述检测模板包括底板区、人工焊点区、机器焊点区和中间区),包括S11-S14:
S11,提取所述标准焊点图的边缘轮廓,根据所述边缘轮廓生成对应的初始检测模板。
可以理解的是,服务器会提取标准焊点图的边缘轮廓作为初始检测模版,其中,提取边缘轮廓的手段为现有技术,例如,通过OpenCV进行提取,可以通过其他现有技术进行提取,在此不做赘述。
S12,获取所述标准焊点图中位于预设像素区间内的像素点作为第一目标像素点,对相邻的所述第一目标像素点进行归类得到多个第一目标集合。
可以理解的是,预设像素区间为焊点对应的像素值区域,例如,焊锡的颜色一般为银白色,因此,获取标准焊点图中位于预设像素区间内的像素点作为第一目标像素点,对相邻的所述第一目标像素点进行归类得到多个第一目标集合,即,获取了多个焊锡点对应的集合。
其中,第一目标像素点为预设像素区间内的像素点,即焊锡像素值对应的像素点,第一目标集合为相邻的第一目标像素点组成的集合。
S13,根据多个所述第一目标集合生成多个引脚焊点区,提取各所述引脚焊点区的标准焊点轮廓,基于所述标准焊点轮廓对初始检测模板进行更新,得到所述检测模板。
可以理解的是,多个第一目标集合为多个引脚焊点区域,因此,可以根据多个第一目标集合生确定多个引脚焊点区,并对第一目标集合形成的引脚焊点区的轮廓进行提取,得到对应的标准焊点轮廓,如图3所示,基于所述标准焊点轮廓对初始检测模板进行更新,得到所述检测模板。
S14,获取各所述引脚焊点区对应的焊接贴片,以及所述焊接贴片对应的贴片属性,根据所述贴片属性对所述检测模板进行分区处理,得到底板区、人工焊点区、机器焊点区和中间区。
需要说明的是,电路板中大部分元件由机器直接焊接,小部分元件由人工焊接一些机器无法完成的剩余元件焊接,如端子、电位器等其他元件。
可以理解的是,获取各引脚焊点区对应的焊接贴片,以及所述焊接贴片对应的贴片属性,依据该贴片属性对所述检测模板进行分区处理,得到底板区、人工焊点区、机器焊点区和中间区。
通过上述实施方式,依据贴片属性的焊接属性对各个区域进行分区处理,得到相应的底板区、人工焊点区、机器焊点区和中间区。
在一些实施例中,步骤S14中的(根据所述贴片属性对所述检测模板进行分区处理,得到底板区、人工焊点区、机器焊点区和中间区),包括S141-S144:
S141,若所述贴片属性为人工焊接属性,将对应的所述引脚焊点区作为人工焊点区,若所述贴片属性为机器焊接属性,将对应的所述引脚焊点区作为机器焊点区。
S142,获取位于各所述引脚焊点区的中间点,根据所述中间点确定位于各所述人工焊点区预设范围内的引脚焊点区,作为各所述人工焊点区对应的相邻焊点区,根据各所述人工焊点区和相应的所述相邻焊点区的中间点连线生成多条中间线。
可以理解的是,位于各所述引脚焊点区的中间点,根据所述中间点确定位于各所述人工焊点区预设范围内的引脚焊点区,例如,如图4所示,比如,可以是以各引脚焊点区的中间点为圆心,以预设半径生成相应的预设范围,确定位于各所述人工焊点区预设范围内的引脚焊点区作为该人工焊点区对应的相邻焊点区,不难理解的是,处于该预设范围内的焊点均为相邻焊点区,并根据该人工焊点区和相应的所述相邻焊点区的中间点连线生成多条中间线。
S143,以各所述中间线为中心轴,基于预设宽度生成多个中间区。
可以理解的是,以各所述中间线为中心轴,基于预设宽度向2端移动,生成中间区,例如,如图5所示,以中间线为基准分别向2端通过预设宽度进行移动并复制,得到相应的中间区。
需要说明的是,如果在同一方向上且在预设范围内有多个相邻焊点区,则会导致选中多个相邻焊点区,并生成多条部分重叠的中间线以及中间区,此时选择离相应引脚焊点区的中间点距离最近的相邻焊点区。
值得一提的是,上述的预设范围是较小的,以来判断与相应引脚焊点区相邻的相邻焊点区,一般来说,不会出现多个相邻焊点区处于同一方向上且处于预设范围内,如果出现多个处于同一方向上且处于预设范围内的相邻焊点区,则选择处于同一方向上且被完全覆盖的最短的中间线,依据该中间线生成相应的中间区。
S144,将所述检测模板中除所述人工焊点区、所述机器焊点区和所述中间区之外的区域作为底板区。
S2,接收生产线处检测端输入的目标检测编号,根据所述目标检测编号确定对应的目标检测模板,获取实时焊点图,基于所述实时焊点图的底板轮廓对所述目标检测模板的底板区进行定位,并根据定位后的所述目标检测模板提取所述机器焊点区对应的第一检测数据,以及所述人工焊点区和所述中间区对应的第二检测数据。
可以理解的是,获取电路板的实时焊点图,并基于实时焊点图的底板轮廓中四个顶点对所述目标检测模板的底板区中四个顶点进行定位,使得目标检测模板完全叠加在实时焊点图的上方,因为目标检测模板上完成了对焊点的分区,因此依据目标检测模板提取机器焊点区对应的第一检测数据,以及所述人工焊点区和所述中间区对应的第二检测数据,方便后续利用检测数据直接进行自动化检测。
在一些实施例中,步骤S2中的(基于所述实时焊点图的底板轮廓对所述目标检测模板的底板区进行定位,并根据定位后的所述目标检测模板提取所述机器焊点区对应的第一检测数据,以及所述人工焊点区和所述中间区对应的第二检测数据),包括S21-S23:
S21,提取所述实时焊点图的底板轮廓中的第一预设顶点、第二预设顶点、第三预设顶点和第四预设顶点,以及所述目标检测模板的底板区中第一模板顶点、第二模板顶点、第三模板顶点和第四模板顶点。
不难理解的是,实时焊点图的底板轮廓和目标检测模板的底板区均有对应的四个顶点,且四个顶点一一对应后使得目标检测模板可以完全叠加在实时焊点图上方。
S22,将所述目标检测模板叠加显示在所述实时焊点图上方,并基于所述第一预设顶点、第二预设顶点、第三预设顶点和第四预设顶点,依次对所述第一模板顶点、第二模板顶点、第三模板顶点和第四模板顶点进行定位。
不难理解的是,通过4个顶点进行定位,使得目标检测模板和实时焊点图完全重合。
S23,根据所述机器焊点区提取所述实时焊点图中的机器焊点图像作为第一检测数据,并根据所述人工焊点区提取所述实时焊点图中的人工焊点图像作为焊点检测数据,根据所述中间区提取所述实时焊点图中的焊点中间图像作为中间检测数据,基于所述焊点检测数据和所述中间检测数据得到第二检测数据。
不难理解的是,依据目标检测模板中人工焊点区、机器焊点区和中间区提取相应实时焊点图中的焊点图像,随后通过目标检测模板中的机器焊点区提取所述实时焊点图中的机器焊点图像作为第一检测数据,并根据所述人工焊点区提取所述实时焊点图中的人工焊点图像作为焊点检测数据,根据所述中间区提取所述实时焊点图中的焊点中间图像作为中间检测数据,基于所述焊点检测数据和所述中间检测数据得到第二检测数据。
其中,第一检测数据为机器对焊点区域进行焊接得到的机器焊点图像,第二检测数据为人工对焊点区域进行焊接得到的人工焊点图像
S3,调取间隔识别策略对所述第一检测数据进行识别,得到一类识别结果,调取持续识别策略中的前置判断条件、中间判断条件和相邻判断条件对所述第二检测数据进行识别,得到二类识别结果。
需要说明的是,机器焊接不容易出现焊接错误,因此调取间隔识别策略对第一检测数据进行间隔性检测,而人工焊接的容易出现漏焊、偏焊和桥接等焊接错误,因此,本发明会调取持续识别策略中的前置判断条件、中间判断条件和相邻判断条件对所述第二检测数据进行识别,得到二类识别结果。
可以理解的是,本发明会针对第一检测数据和第二检测数据采用不同的识别策略。
通过上述实施方式,服务器分别对机器焊接的机器焊点图像进行间隔检测,对人工焊接的人工焊点图像进行持续检测,提升识别异常数据的准确性。
在一些实施例中,步骤S3中的(调取间隔识别策略对所述第一检测数据进行识别,得到一类识别结果),包括S31-S32:
S31,基于预设识别频率对所述第一检测数据进行挑选,得到第一目标检测数据,并获取所述第一目标检测数据中的各所述机器焊点图像的机器平均焊点像素值。
可以理解的是,本发明会基于预设识别频率对所述第一检测数据进行挑选,得到第一目标检测数据,不难理解的是,当满足预设识别频率时会挑选相应的电路板进行检测,比如,每50个电路板检测一次,从而获取第50个、100个等电路板对应的机器焊点图像,并获取各所述机器焊点图像的机器平均焊点像素值,其中,机器平均焊点像素值为机器焊点图像所有像素点对应像素值的平均值。
不难理解的是,机器在进行焊接时,会出现过热导致焊点发白、无金属光泽和表面较粗糙等情况发生,导致焊点像素值产生变换,因此会对机器焊点图像的机器平均焊点像素值进行检测。
S32,若所述机器平均焊点像素值位于预设平均像素区间内,输出一类正常结果,若所述机器平均焊点像素值不位于预设平均像素区间内,输出一类异常结果,根据所述一类正常结果和所述一类异常结果得到一类识别结果。
可以理解的是,如果机器平均焊点像素值位于预设平均像素区间内,输出一类正常结果,若所述机器平均焊点像素值不位于预设平均像素区间内,输出一类异常结果,根据所述一类正常结果和所述一类异常结果得到一类识别结果。其中,预设平均像素区间为人为依据焊点像素值的实际情况设置的像素区间。
在上述实施例的基础上,还包括S33-S34:
S33,基于预设时长实时统计一类正常结果的第一数量和所述一类异常结果的第二数量,根据所述第一数量和所述第二数量得到总数量。
不难理解的是,如果当检测出现异常情况较多,则需要增大检测的预设识别频率,说明此时机器焊接容易出现问题,需要增加检测频率,查看不良的霍尔传感器,方便后续进行调整。
S34,根据所述第二数量和所述总数量得到频率调整系数,根据所述频率调整系数对预设识别频率进行调整,得到调整后的预设识别频率。
可以理解的是,根据一类异常结果的第二数量和总数量的比值和相应的权重值的乘积,得到频率调整系数,根据频率调整系数对预设识别频率进行调整,得到调整后的识别频率。
不难理解的是,一类异常结果的第二数量越大相应的频率调整系数越大,频率调整系数越大相应调整后的预设识别频率越高,一类异常结果的第二数量越小相应的频率调整系数越小,频率调整系数越小相应调整后的预设识别频率越低。
在一些实施例中,步骤S3中的(调取持续识别策略中的前置判断条件、中间判断条件和相邻判断条件对所述第二检测数据进行识别,得到二类识别结果),包括S35-S39:
S35,统计各所述第二检测数据中的人工焊点图像内位于预设焊点像素区间内的像素点数量,调取所述持续识别策略中的前置判断条件,对所述像素点数量进行判断。
需要说明的是,人工焊接容易出现漏焊的现象,如果出现漏焊相应焊点的像素点数量较少。
因此,本发明会对第二检测数据中的人工焊点图像内位于预设焊点像素区间内的像素点数量进行统计,并调取持续识别策略中的前置判断条件对是否漏焊进行检测。
S36,若所述像素点数量小于预设像素点数量,输出漏焊识别结果,若所述像素点数量大于等于预设像素点数量,将相应所述人工焊点图像标记为第一人工焊点图像。
可以理解的是,如果像素点数量小于预设像素点数量,输出漏焊识别结果,则说明人员出现了漏焊无需进行后续的检测;如果所述像素点数量大于等于预设像素点数量,将相应所述人工焊点图像标记为第一人工焊点图像,并对第一人工焊点图像进行后续的检测。
S37,调取所述持续识别策略中的中间判断条件,对所述第一人工焊点图像进行中间点位置识别,输出中间识别结果。
需要说明的是,当检测到并未出现漏焊后,本发明会对焊点继续进行检测查看是否出现偏焊的情况,比如,圆形焊点中一侧焊点的使用的助焊剂过多,一侧焊点使用的助焊剂过少,此时会导致焊点的中心点出现偏移。
可以理解的是,调取所述持续识别策略中的中间判断条件对第一人工焊点图像进行中间点位置识别输出中间识别结果。
在一些实施例中,步骤S37中的(调取所述持续识别策略中的中间判断条件,对所述第一人工焊点图像进行中间点位置识别,输出中间识别结果),包括S371-S375:
S371,调取所述持续识别策略中的中间判断条件,对所述实时焊点图进行坐标化处理得到对应第一人工焊点图像的焊点坐标集合和对应人工焊点区的中间点的第一坐标。
可以理解的是,本发明会调取持续识别策略中的中间判断条件,对实时焊点图进行坐标化处理得到对应第一人工焊点图像的焊点坐标集合和标准焊点图对应人工焊点区的中间点的第一坐标。
S372,基于所述焊点坐标集合中横坐标的最大值和最小值,得到中间点横坐标,根据所述焊点坐标集合中纵坐标的最大值和最小值,得到中间点纵坐标,根据所述中间点横坐标和中间点纵坐标确定第二坐标。
可以理解的是,获取焊点坐标集合中横坐标的最大值和最小值,根据横坐标的最大值和最小值的平均值,得到中间点横坐标,根据所述焊点坐标集合中纵坐标的最大值和最小值的平均值,得到中间点纵坐标,根据中间点横坐标和中间点纵坐标确定第二坐标。第二坐标对应的是实时焊点图中焊点的中心坐标点,第一坐标对应的是标准焊点图中焊点的中心坐标点。
S373,若所述第二坐标不等于第一坐标所述,则输出对应第一人工焊点图像的中间偏焊识别结果。
可以理解的是,如果第二坐标不等于所述第一坐标,则输出对应第一人工焊点图像的中间偏焊识别结果,在实际应用中,会设置相应的误差范围,如果第二坐标不处于相应的范围内,则输出对应第一人工焊点图像的中间偏焊识别结果。
S374,若所述第二坐标等于所述第一坐标,则输出对应第一人工焊点图像的中间正常识别结果。
可以理解的是,如果第二坐标等于所述第一坐标,则输出对应第一人工焊点图像的中间正常识别结果,在实际应用中,会设置相应的误差范围,如果第二坐标处于相应的范围内,则输出对应第一人工焊点图像的中间正常识别结果。
S375,根据所述中间偏焊识别结果或所述中间正常识别结果,得到对应第一人工焊点图像的中间识别结果。
S38,调取所述持续识别策略中的相邻判断条件,对所述第一人工焊点图像对应的焊点中间图像进行相邻位置识别,输出相邻识别结果。
需要说明的是,人工进行焊接时,容易将元件的引脚焊接短路,也容易将元件引脚与其他元件的引脚焊接到一起的,因此,本发明会调取持续识别策略中的相邻判断条件,对所述第一人工焊点图像对应的焊点中间图像进行相邻位置识别,输出相邻识别结果。
不难理解的是,本发明还会对人工焊接区内第一人工焊点图与相邻的所有相邻焊点区对应的中间图像进行检测查看是否出现2个焊点焊锡相连接的情况,即出现桥接焊接,从而使得电路板的贴片出现短路等情况,本发明通过如下2种方式进行检测,第一种通过检测中间图像中出现焊点的轮廓为一个轮廓还是两个轮廓进行判断,具体如下:
在一些实施例中,步骤S38中的(调取所述持续识别策略中的相邻判断条件,对所述第一人工焊点图像对应的焊点中间图像进行相邻位置识别,输出相邻识别结果),包括A1-A4:
A1,调取所述持续识别策略中的相邻判断条件,获取所述第一人工焊点图像对应的焊点中间图像中位于预设焊点像素区间内相邻的第一目标像素点,得到对应焊点中间图像的第一目标集合,统计所述第一目标集合的数量得到对应焊点中间图像的相邻判断数量。
可以理解的是,调取所述持续识别策略中的相邻判断条件,对第一人工焊点图像对应的焊点中间图像中处于预设焊点像素区间内的相邻的第一目标像素点,第一目标像素点即为焊点像素点,从而得到对应焊点中间图像的第一目标集合,并第一目标集合的数量得到对应焊点中间图像的相邻判断数量。
不难理解的是,如果焊点中间图像中仅有一个第一目标集合则说明2个焊点粘连到一起,如果焊点中间图像中有2个第一目标集合则说明2个焊点并未粘连因此出现2个坐标集合。
A2,若所述相邻判断数量等于1,则输出对应第一人工焊点图的桥接识别结果。
A3,若所述相邻判断数量等于2,则输出对应第一人工焊点图的单独识别结果。
A4,根据所述桥接识别结果或所述单独识别结果,得到第一人工焊点图的相邻识别结果。
可以理解的是,桥接识别结果即为2个焊点出现了焊接粘到一起的情况,单独识别结果为2个焊点并未出现焊接粘连的情况。
第二种通过检测中间图像中出现焊点的像素点数量进行判断,具体如下:
在一些实施例中,步骤S38中的(调取所述持续识别策略中的相邻判断条件,对所述第一人工焊点图像对应的焊点中间图像进行相邻位置识别,输出相邻识别结果),包括B1-B4:
B1,调取所述持续识别策略中的相邻判断条件,统计所述第一人工焊点图像对应的焊点中间图像中位于预设焊点像素区间内第一目标像素点的数量,得到对应焊点中间图像的中间数量。
需要说明的是,如果出现2个焊点焊接到一起,此时为原本处于2个独立的焊点连接到一起,因此相应的焊点像素值对应的第一目标像素点的数量较多,而2个焊点并未出现粘连则相应的第一目标像素点的数量较少。
因此,本发明会调取所述持续识别策略中的相邻判断条件,统计所述第一人工焊点图像对应的焊点中间图像中位于预设焊点像素区间内第一目标像素点的数量,得到对应焊点中间图像的中间数量。
B2,判断所述中间数量大于等于预设中间数量时,则输出对应第一人工焊点图的桥接识别结果。
可以理解的是,如果中间数量大于等于预设中间数量时,则输出对应第一人工焊点图的桥接识别结果。
B3,判断所述中间数量小于预设中间数量时,则输出对应第一人工焊点图的单独识别结果。
可以理解诶的是,如果中间数量小于预设中间数量时,则输出对应第一人工焊点图的单独识别结果。
B4,根据所述桥接识别结果或所述单独识别结果,得到第一人工焊点图的相邻识别结果。
可以理解的是,桥接识别结果即为2个焊点出现了焊接粘到一起的情况,单独识别结果为2个焊点并未出现焊接粘连的情况。
S39,基于所述中间识别结果和相邻识别结果或漏焊识别结果,得到二类识别结果。
可以理解的是,基于所述中间识别结果和相邻识别结果或漏焊识别结果,得到二类识别结果,二类识别结果可能为正常、偏焊、桥接、漏焊的情况。
S4,根据所述一类识别结果、二类识别结果,确定所述人工焊点区和/或机器焊点区中的异常区域,基于所述异常区域确定异常焊接贴片,将所述异常焊接贴片发送至所述检测端进行提醒。
可以理解的是,本发明会根据一类识别结果、二类识别结果,确定所述人工焊点区和/或机器焊点区中的异常区域,基于所述异常区域确定异常焊接贴片,将所述异常焊接贴片发送至所述检测端进行提醒,方便后续用户直接定位出现异常的贴片区域进行后续的修复。
在上述实施例的基础上,还包括C1-C3:
C1,获取预设调节时间段内所述检测编号对应焊接贴片的贴片焊点区,以及所述贴片焊点区的异常子数量。
需要说明的是,本发明会统计容易出现问题的贴片焊点区,针对不容易出现焊接异常的贴片焊点区域减少检测次数甚至不检测,对于容易出现异常的贴片焊点区提高检测次数。
本发明会获取预设调节时间段内所述检测编号对应焊接贴片的贴片焊点区和贴片焊点区的异常子数量。
通过上述实施方式,统计出现异常的贴片焊点区对应的数量作为异常子数量,方便后续依据异常子数量进行计算得到相应的检测频率。
C2,统计各所述检测编号对应的所述异常子数量得到对应检测编号的异常总数量,根据所述异常子数量和异常总数量的比值,得到各所述贴片焊点区的异常占比,根据所述异常占比和贴片权重值得到各贴片焊点区的检测系数。
可以理解的是,本发明会计算得到各检测编号对应的各个贴片的异常占比,并根据异常占比和贴片权重值的乘积得到各贴片焊点区的检测系数。不难理解的是,每个贴片在相应电路板上的重要程度不同,赋予相应的贴片权重值,贴片权重值可以是人为预先设置的。
C3,基于所述检测系数和预设系数检测表,确定各检测编号中各所述贴片焊点区的贴片识别频率,所述预设系数检测表包括检测系数与贴片识别频率一一对应的关系。
可以理解的是,通过检测系数和预设系数检测表的对照,确定各检测编号中各所述贴片焊点区的贴片识别频率,其中,预设系数检测表包括检测系数与贴片识别频率一一对应的关系。不难理解的是,通过计算可以得到对应各个贴片的检测系数,依据检测系数从预设系数检测表中确定相应的贴片识别频率。
如图6所示,是本发明实施例提供的一种基于霍尔传感器的异常数据检测装置,包括:
获取模块,用于获取待检测的霍尔传感器的型号信息,根据所述型号信息生成各型号霍尔传感器对应的检测编号,采集各所述检测编号对应电路板的标准焊点图,根据所述标准焊点图得到对应的检测模板,所述检测模板包括底板区、人工焊点区、机器焊点区和中间区;
定位模块,用于接收生产线处检测端输入的目标检测编号,根据所述目标检测编号确定对应的目标检测模板,获取实时焊点图,基于所述实时焊点图的底板轮廓对所述目标检测模板的底板区进行定位,并根据定位后的所述目标检测模板提取所述机器焊点区对应的第一检测数据,以及所述人工焊点区和所述中间区对应的第二检测数据;
识别模块,用于调取间隔识别策略对所述第一检测数据进行识别,得到一类识别结果,调取持续识别策略中的前置判断条件、中间判断条件和相邻判断条件对所述第二检测数据进行识别,得到二类识别结果;
提醒模块,用于根据所述一类识别结果、二类识别结果,确定所述人工焊点区和/或机器焊点区中的异常区域,基于所述异常区域确定异常焊接贴片,将所述异常焊接贴片发送至所述检测端进行提醒。
本发明还提供一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中,存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和存储介质也可以作为分立组件存在于通信设备中。存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在存储介质中。设备的至少一个处理器可以从存储介质读取该执行指令,至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述设备的实施例中,应理解,处理器可以是中央处理单元(英文:CentralProcessing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:DigitalSignal Processor,简称:DSP)、专用集成电路(英文:Application Specific IntegratedCircuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (6)
1.一种基于霍尔传感器的异常数据检测方法,其特征在于,包括:
获取待检测的霍尔传感器的型号信息,根据所述型号信息生成各型号霍尔传感器对应的检测编号,采集各所述检测编号对应的电路板的标准焊点图,根据所述标准焊点图得到对应的检测模板,所述检测模板包括底板区、人工焊点区、机器焊点区和中间区;
接收生产线处检测端输入的目标检测编号,根据所述目标检测编号确定对应的目标检测模板,获取实时焊点图,基于所述实时焊点图的底板轮廓对所述目标检测模板的底板区进行定位,并根据定位后的所述目标检测模板提取所述机器焊点区对应的第一检测数据,以及所述人工焊点区和所述中间区对应的第二检测数据;
调取间隔识别策略对所述第一检测数据进行识别,得到一类识别结果,调取持续识别策略中的前置判断条件、中间判断条件和相邻判断条件对所述第二检测数据进行识别,得到二类识别结果;
根据所述一类识别结果、二类识别结果,确定实时焊点图对应所述人工焊点区和/或机器焊点区中的异常区域,基于所述异常区域确定异常焊接贴片,将所述异常焊接贴片发送至所述检测端进行提醒;
所述调取间隔识别策略对所述第一检测数据进行识别,得到一类识别结果,包括:
基于预设识别频率对所述第一检测数据进行挑选,得到第一目标检测数据,并获取所述第一目标检测数据中的各所述实时焊点图中的机器焊点图像的机器平均焊点像素值;
若所述机器平均焊点像素值位于预设平均像素区间内,输出一类正常结果,若所述机器平均焊点像素值不位于预设平均像素区间内,输出一类异常结果,根据所述一类正常结果和所述一类异常结果得到一类识别结果;
所述调取持续识别策略中的前置判断条件、中间判断条件和相邻判断条件对所述第二检测数据进行识别,得到二类识别结果,包括:
统计各所述第二检测数据中的人工焊点图像内位于预设焊点像素区间内的像素点数量,调取所述持续识别策略中的前置判断条件,对所述像素点数量进行判断;
若所述像素点数量小于预设像素点数量,输出漏焊识别结果,若所述像素点数量大于等于预设像素点数量,将相应所述人工焊点图像标记为第一人工焊点图像;
调取所述持续识别策略中的中间判断条件,对所述第一人工焊点图像进行中间点位置识别,输出中间识别结果;
调取所述持续识别策略中的相邻判断条件,对所述第一人工焊点图像对应的焊点中间图像进行相邻位置识别,输出相邻识别结果;
基于所述中间识别结果和相邻识别结果或漏焊识别结果,得到二类识别结果;
所述调取所述持续识别策略中的中间判断条件,对所述第一人工焊点图像进行中间点位置识别,输出中间识别结果,包括:
调取所述持续识别策略中的中间判断条件,对所述实时焊点图进行坐标化处理得到对应第一人工焊点图像的焊点坐标集合和标准焊点图对应人工焊点区的中间点的第一坐标;
基于所述焊点坐标集合中横坐标的最大值和最小值,得到中间点横坐标,根据所述焊点坐标集合中纵坐标的最大值和最小值,得到中间点纵坐标,根据所述中间点横坐标和中间点纵坐标确定第二坐标;
若所述第二坐标不等于第一坐标,则输出对应第一人工焊点图像的中间偏焊识别结果;
若所述第一坐标等于所述第二坐标,则输出对应第一人工焊点图像的中间正常识别结果;
根据所述中间偏焊识别结果或所述中间正常识别结果,得到对应第一人工焊点图像的中间识别结果;
所述调取所述持续识别策略中的相邻判断条件,对所述第一人工焊点图像对应的焊点中间图像进行相邻位置识别,输出相邻识别结果,包括:
调取所述持续识别策略中的相邻判断条件,获取所述第一人工焊点图像对应的焊点中间图像中位于预设焊点像素区间内相邻的第一目标像素点,得到对应焊点中间图像的第一目标集合,统计所述第一目标集合的数量得到对应焊点中间图像的相邻判断数量;
若所述相邻判断数量等于1,则输出对应第一人工焊点图像的桥接识别结果;
若所述相邻判断数量等于2,则输出对应第一人工焊点图像的单独识别结果;
根据所述桥接识别结果或所述单独识别结果,得到第一人工焊点图像的相邻识别结果。
2.根据权利要求1所述的基于霍尔传感器的异常数据检测方法,其特征在于,
所述根据所述标准焊点图得到对应的检测模板,所述检测模板包括底板区、人工焊点区、机器焊点区和中间区,包括:
提取所述标准焊点图的边缘轮廓,根据所述边缘轮廓生成对应的初始检测模板;
获取所述标准焊点图中位于预设像素区间内的像素点作为第一目标像素点,对相邻的所述第一目标像素点进行归类得到多个第一目标集合;
根据多个所述第一目标集合生成多个引脚焊点区,提取各所述引脚焊点区的标准焊点轮廓,基于所述标准焊点轮廓对初始检测模板进行更新,得到所述检测模板;
获取各所述引脚焊点区对应的焊接贴片,以及所述焊接贴片对应的贴片属性,根据所述贴片属性对所述检测模板进行分区处理,得到底板区、人工焊点区、机器焊点区和中间区。
3.根据权利要求2所述的基于霍尔传感器的异常数据检测方法,其特征在于,
所述根据所述贴片属性对所述检测模板进行分区处理,得到底板区、人工焊点区、机器焊点区和中间区,包括:
若所述贴片属性为人工焊接属性,将对应的所述引脚焊点区作为人工焊点区,若所述贴片属性为机器焊接属性,将对应的所述引脚焊点区作为机器焊点区;
获取位于各所述引脚焊点区的中间点,根据所述中间点确定位于各所述人工焊点区预设范围内的引脚焊点区,作为各所述人工焊点区对应的相邻焊点区,根据各所述人工焊点区和相应的所述相邻焊点区的中间点连线生成多条中间线;
以各所述中间线为中心轴,基于预设宽度生成多个中间区;
将所述检测模板中除所述人工焊点区、所述机器焊点区和所述中间区之外的区域作为底板区。
4.根据权利要求3所述的基于霍尔传感器的异常数据检测方法,其特征在于,
所述基于所述实时焊点图的底板轮廓对所述目标检测模板的底板区进行定位,并根据定位后的所述目标检测模板提取所述机器焊点区对应的第一检测数据,以及所述人工焊点区和所述中间区对应的第二检测数据,包括:
提取所述实时焊点图的底板轮廓中的第一预设顶点、第二预设顶点、第三预设顶点和第四预设顶点,以及所述目标检测模板的底板区中第一模板顶点、第二模板顶点、第三模板顶点和第四模板顶点;
将所述目标检测模板叠加显示在所述实时焊点图上方,并基于所述第一预设顶点、第二预设顶点、第三预设顶点和第四预设顶点,依次对所述第一模板顶点、第二模板顶点、第三模板顶点和第四模板顶点进行定位;
根据所述机器焊点区提取所述实时焊点图中的机器焊点图像作为第一检测数据,并根据所述人工焊点区提取所述实时焊点图中的人工焊点图像作为焊点检测数据,根据所述中间区提取所述实时焊点图中的焊点中间图像作为中间检测数据,基于所述焊点检测数据和所述中间检测数据得到第二检测数据。
5.根据权利要求1所述的基于霍尔传感器的异常数据检测方法,其特征在于,还包括:
基于预设时长实时统计一类正常结果的第一数量和所述一类异常结果的第二数量,根据所述第一数量和所述第二数量得到总数量;
根据所述第二数量和所述总数量得到频率调整系数,根据所述频率调整系数对预设识别频率进行调整,得到调整后的预设识别频率。
6.一种基于霍尔传感器的异常数据检测装置,其特征在于,包括:
获取模块,用于获取待检测的霍尔传感器的型号信息,根据所述型号信息生成各型号霍尔传感器对应的检测编号,采集各所述检测编号对应电路板的标准焊点图,根据所述标准焊点图得到对应的检测模板,所述检测模板包括底板区、人工焊点区、机器焊点区和中间区;
定位模块,用于接收生产线处检测端输入的目标检测编号,根据所述目标检测编号确定对应的目标检测模板,获取实时焊点图,基于所述实时焊点图的底板轮廓对所述目标检测模板的底板区进行定位,并根据定位后的所述目标检测模板提取所述机器焊点区对应的第一检测数据,以及所述人工焊点区和所述中间区对应的第二检测数据;
识别模块,用于调取间隔识别策略对所述第一检测数据进行识别,得到一类识别结果,调取持续识别策略中的前置判断条件、中间判断条件和相邻判断条件对所述第二检测数据进行识别,得到二类识别结果;
提醒模块,用于根据所述一类识别结果、二类识别结果,确定实时焊点图对应所述人工焊点区和/或机器焊点区中的异常区域,基于所述异常区域确定异常焊接贴片,将所述异常焊接贴片发送至所述检测端进行提醒;
所述调取间隔识别策略对所述第一检测数据进行识别,得到一类识别结果,包括:
基于预设识别频率对所述第一检测数据进行挑选,得到第一目标检测数据,并获取所述第一目标检测数据中的各所述实时焊点图中的机器焊点图像的机器平均焊点像素值;
若所述机器平均焊点像素值位于预设平均像素区间内,输出一类正常结果,若所述机器平均焊点像素值不位于预设平均像素区间内,输出一类异常结果,根据所述一类正常结果和所述一类异常结果得到一类识别结果;
所述调取持续识别策略中的前置判断条件、中间判断条件和相邻判断条件对所述第二检测数据进行识别,得到二类识别结果,包括:
统计各所述第二检测数据中的人工焊点图像内位于预设焊点像素区间内的像素点数量,调取所述持续识别策略中的前置判断条件,对所述像素点数量进行判断;
若所述像素点数量小于预设像素点数量,输出漏焊识别结果,若所述像素点数量大于等于预设像素点数量,将相应所述人工焊点图像标记为第一人工焊点图像;
调取所述持续识别策略中的中间判断条件,对所述第一人工焊点图像进行中间点位置识别,输出中间识别结果;
调取所述持续识别策略中的相邻判断条件,对所述第一人工焊点图像对应的焊点中间图像进行相邻位置识别,输出相邻识别结果;
基于所述中间识别结果和相邻识别结果或漏焊识别结果,得到二类识别结果;
所述调取所述持续识别策略中的中间判断条件,对所述第一人工焊点图像进行中间点位置识别,输出中间识别结果,包括:
调取所述持续识别策略中的中间判断条件,对所述实时焊点图进行坐标化处理得到对应第一人工焊点图像的焊点坐标集合和标准焊点图对应人工焊点区的中间点的第一坐标;
基于所述焊点坐标集合中横坐标的最大值和最小值,得到中间点横坐标,根据所述焊点坐标集合中纵坐标的最大值和最小值,得到中间点纵坐标,根据所述中间点横坐标和中间点纵坐标确定第二坐标;
若所述第二坐标不等于第一坐标,则输出对应第一人工焊点图像的中间偏焊识别结果;
若所述第一坐标等于所述第二坐标,则输出对应第一人工焊点图像的中间正常识别结果;
根据所述中间偏焊识别结果或所述中间正常识别结果,得到对应第一人工焊点图像的中间识别结果;
所述调取所述持续识别策略中的相邻判断条件,对所述第一人工焊点图像对应的焊点中间图像进行相邻位置识别,输出相邻识别结果,包括:
调取所述持续识别策略中的相邻判断条件,获取所述第一人工焊点图像对应的焊点中间图像中位于预设焊点像素区间内相邻的第一目标像素点,得到对应焊点中间图像的第一目标集合,统计所述第一目标集合的数量得到对应焊点中间图像的相邻判断数量;
若所述相邻判断数量等于1,则输出对应第一人工焊点图像的桥接识别结果;
若所述相邻判断数量等于2,则输出对应第一人工焊点图像的单独识别结果;
根据所述桥接识别结果或所述单独识别结果,得到第一人工焊点图像的相邻识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310917675.1A CN116908219B (zh) | 2023-07-25 | 2023-07-25 | 基于霍尔传感器的异常数据检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310917675.1A CN116908219B (zh) | 2023-07-25 | 2023-07-25 | 基于霍尔传感器的异常数据检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116908219A CN116908219A (zh) | 2023-10-20 |
CN116908219B true CN116908219B (zh) | 2024-02-23 |
Family
ID=88364513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310917675.1A Active CN116908219B (zh) | 2023-07-25 | 2023-07-25 | 基于霍尔传感器的异常数据检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116908219B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008155285A (ja) * | 1997-02-25 | 2008-07-10 | Sanyo Mach Works Ltd | 溶接状態の検査方法 |
EP2241878A2 (de) * | 2009-04-15 | 2010-10-20 | Göpel electronic GmbH | Verfahren zur Inspektion von Lötstellen an elektrischen und elektronischen Bauteilen |
CN109813728A (zh) * | 2019-03-01 | 2019-05-28 | 沈阳建筑大学 | 一种电路板焊点检测方法及*** |
CN111060515A (zh) * | 2019-12-04 | 2020-04-24 | 深圳市铭华航电工艺技术有限公司 | Pcba质量检测方法、***、计算机设备 |
CN111122607A (zh) * | 2019-12-31 | 2020-05-08 | 麦格纳电子(张家港)有限公司 | 一种电路板焊接质量检测方法 |
CN113664323A (zh) * | 2021-07-23 | 2021-11-19 | 深圳市兆兴博拓科技股份有限公司 | 自动焊接仪器控制方法、装置、设备及存储介质 |
CN115018833A (zh) * | 2022-08-05 | 2022-09-06 | 山东鲁芯之光半导体制造有限公司 | 一种半导体器件的加工缺陷检测方法 |
CN115184380A (zh) * | 2022-08-01 | 2022-10-14 | 国网上海市电力公司 | 基于机器视觉的印刷电路板焊点异常检测方法 |
KR20230013206A (ko) * | 2021-07-15 | 2023-01-26 | 주식회사 씨피에스 | 인공지능을 이용하여 위험도를 평가하는 용접 검사 시스템 및 그 방법 |
-
2023
- 2023-07-25 CN CN202310917675.1A patent/CN116908219B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008155285A (ja) * | 1997-02-25 | 2008-07-10 | Sanyo Mach Works Ltd | 溶接状態の検査方法 |
EP2241878A2 (de) * | 2009-04-15 | 2010-10-20 | Göpel electronic GmbH | Verfahren zur Inspektion von Lötstellen an elektrischen und elektronischen Bauteilen |
CN109813728A (zh) * | 2019-03-01 | 2019-05-28 | 沈阳建筑大学 | 一种电路板焊点检测方法及*** |
CN111060515A (zh) * | 2019-12-04 | 2020-04-24 | 深圳市铭华航电工艺技术有限公司 | Pcba质量检测方法、***、计算机设备 |
CN111122607A (zh) * | 2019-12-31 | 2020-05-08 | 麦格纳电子(张家港)有限公司 | 一种电路板焊接质量检测方法 |
KR20230013206A (ko) * | 2021-07-15 | 2023-01-26 | 주식회사 씨피에스 | 인공지능을 이용하여 위험도를 평가하는 용접 검사 시스템 및 그 방법 |
CN113664323A (zh) * | 2021-07-23 | 2021-11-19 | 深圳市兆兴博拓科技股份有限公司 | 自动焊接仪器控制方法、装置、设备及存储介质 |
CN115184380A (zh) * | 2022-08-01 | 2022-10-14 | 国网上海市电力公司 | 基于机器视觉的印刷电路板焊点异常检测方法 |
CN115018833A (zh) * | 2022-08-05 | 2022-09-06 | 山东鲁芯之光半导体制造有限公司 | 一种半导体器件的加工缺陷检测方法 |
Non-Patent Citations (1)
Title |
---|
蒋超 等.电能表贴片电阻及焊点异常检测分析***.《现代电子技术》.2023,第46卷(第10期),54-60. * |
Also Published As
Publication number | Publication date |
---|---|
CN116908219A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945184B (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 | |
JP4165538B2 (ja) | 部品実装検査方法および部品実装検査装置 | |
JP4596029B2 (ja) | はんだ付け検査方法、はんだ付け検査用の検査データ作成方法、およびはんだ付け検査装置 | |
JP3960346B2 (ja) | 画像処理方法、基板検査方法、基板検査装置、および基板検査用の検査データ作成方法 | |
US7110591B2 (en) | System and method for recognizing markers on printed circuit boards | |
CN115205290B (zh) | 一种pcb板生产过程在线检测方法及*** | |
CN111060515A (zh) | Pcba质量检测方法、***、计算机设备 | |
JP2004071781A (ja) | 検査データ作成方法およびこの方法を用いた基板検査装置 | |
CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
CN107895362A (zh) | 一种微型接线端子质量检测的机器视觉方法 | |
CN116908219B (zh) | 基于霍尔传感器的异常数据检测方法及装置 | |
CN113469991B (zh) | 一种锂电池极耳激光焊点视觉在线检测方法 | |
CN114187253A (zh) | 一种电路板零件安装检测方法 | |
JP2010027964A (ja) | 検査領域の領域設定データの作成方法および基板外観検査装置 | |
CN113674260A (zh) | 一种smt焊点缺陷检测方法 | |
JP4613466B2 (ja) | 実装部品検査方法および装置 | |
CN105136818A (zh) | 印刷基板的影像检测方法 | |
CN117169246A (zh) | 一种pcba电路板的故障检测方法及装置 | |
CN111412871A (zh) | 手机中板螺母形状与位置高效一体化检测方法及装置 | |
JP4040732B2 (ja) | 画像認識による計測方法および記録媒体 | |
JPH07174516A (ja) | リング状ワークの特徴点抽出方法 | |
CN115100166A (zh) | 焊点缺陷检测方法及装置 | |
JP2001024321A (ja) | 検査データ作成方法 | |
CN116205835A (zh) | 电路板瑕疵检测方法、装置及电子设备 | |
KR101383827B1 (ko) | 인쇄회로기판의 솔더링 영역 자동검출 시스템 및 방법 |
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 |