CN117687385A - 应用于平板pcba控制模块的自动测试方法及*** - Google Patents
应用于平板pcba控制模块的自动测试方法及*** Download PDFInfo
- Publication number
- CN117687385A CN117687385A CN202311722771.7A CN202311722771A CN117687385A CN 117687385 A CN117687385 A CN 117687385A CN 202311722771 A CN202311722771 A CN 202311722771A CN 117687385 A CN117687385 A CN 117687385A
- Authority
- CN
- China
- Prior art keywords
- circuit board
- gray
- temperature
- image
- optimized
- 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
- RVCKCEDKBVEEHL-UHFFFAOYSA-N 2,3,4,5,6-pentachlorobenzyl alcohol Chemical compound OCC1=C(Cl)C(Cl)=C(Cl)C(Cl)=C1Cl RVCKCEDKBVEEHL-UHFFFAOYSA-N 0.000 title claims abstract description 38
- 238000010998 test method Methods 0.000 title claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 67
- 238000006243 chemical reaction Methods 0.000 claims abstract description 57
- 239000004065 semiconductor Substances 0.000 claims abstract description 57
- 230000002146 bilateral effect Effects 0.000 claims description 32
- 238000001914 filtration Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 16
- 238000001931 thermography Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000003860 storage Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Landscapes
- Tests Of Electronic Circuits (AREA)
Abstract
本发明涉及实装电路板测试技术领域，揭露了一种应用于平板PCBA控制模块的自动测试方法及***，包括：优化初始图像得到优化图像，基于优化图像获取灰度梯度及判断参数，利用灰度梯度及判断参数获取优化电路板集，获取拟合参数集，利用拟合参数集拟合温灰度转换关系式，对优化电路板执行安装操作得到实装电路板，对实装电路板执行供电操作，获取一般灰度值集及半导体灰度值集，利用温灰度转换关系式计算第一表面温度，利用温灰度转换关系式、第二灰度值及内部温度计算公式内部温度，基于第一表面温度及内部温度判断元器件的状态，实现对实装电路板的测试。本发明可解决对实装电路板测试结果不准确及资源浪费的问题。
Description
技术领域
本发明涉及实装电路板测试技术领域，尤其涉及一种应用于平板PCBA控制模块的自动测试方法、***、电子设备及计算机可读存储介质。
背景技术
随着科技的发展，实装电路板的应用尤为突出，与之相对应的是，实装电路板的生产制造工艺日趋复杂，受设备、环境和人为失误等因素影响，导致实装电路板产生许多会影响产品性能的缺陷，进一步的，能够对实装电路板进行测试尤为重要。
目前，对于实装电路板进行测试的方法为：测量对实装电路板中各个点位的电位，通过所测量的电位与理论估计值比较，对实装电路板进行测试。
虽然上述方法能够实现对实装电路板的测试，但是，在对实装电路板进行测试之前未考虑电路板存在故障的情况，造成对实装电路板测试结果不准确及资源浪费的问题。
发明内容
本发明提供一种应用于平板PCBA控制模块的自动测试方法、***及计算机可读存储介质，其主要目的在于解决对实装电路板测试结果不准确及资源浪费的问题。
为实现上述目的，本发明提供的一种应用于平板PCBA控制模块的自动测试方法，包括：
接收测试指令，基于所述测试指令确认待测试的初始电路板集，其中，初始电路板集包含一个或多个电路板；
从所述一个或多个电路板中依次提取电路板，并对所提取的电路板执行如下操作：
获取电路板的初始图像，优化所述初始图像，得到优化图像，基于优化图像获取灰度梯度，利用优化图像计算判断参数，利用灰度梯度及判断参数获取优化电路板集；
获取用于拟合温灰度转换关系式的拟合参数集，其中，拟合参数集包括：s个温度值及g个灰度值，且s＝g，且每个温度值对应一个灰度值，利用拟合参数集拟合温灰度转换关系式；
从所述优化电路板集中依次提取优化电路板，并对所提取的优化电路板执行如下操作：
对优化电路板执行安装操作，得到实装电路板，其中，实装电路板包括多个元器件，且元器件包括一般元器件及半导体元器件，对所述实装电路板执行供电操作，获取供电后实装电路板的初始灰度图像集；
基于初始灰度图像集获取最大灰度图像，利用最大灰度图像获取参考灰度值集，根据参考灰度值集获取一般灰度值集及半导体灰度值集；
从所述一般灰度值集中依次提取第一灰度值，并利用温灰度转换关系式及第一灰度值计算第一表面温度；
从所述半导体灰度值集中依次提取第二灰度值，并利用温灰度转换关系式及第二灰度值计算第二表面温度，基于预构建的内部温度计算公式及第二表面温度计算内部温度；
基于第一表面温度及内部温度判断元器件的状态，实现对实装电路板的测试。
可选地，所述优化所述初始图像，得到优化图像，包括：
对初始图像执行双边滤波操作，得到降噪图像，其中，预设了双边滤波的约束条件，所述约束条件如下所示：
其中，σ表示双边滤波中像素值域的标准差，Z和H分别表示双边滤波窗口的长和宽，*表示卷积操作，L为拉普拉斯算子，M(i,j)表示双边滤波窗口在空间邻域内(i,j)处的像素值，q为预设的比例系数；
对降噪图像执行对比度增强操作，得到优化图像。
可选地，所述利用优化图像计算判断参数，计算公式如下所示：
P(x,y)＝k1αln(α)+k2βln(β)+k3γln(γ)
其中，P(x,y)表示双边滤波窗口中心点(x,y)处的判断参数，k1、k2及k3均为预设的参数，且k1、k2及k3的取值分别与α、β及γ有关，α、β及γ分别表示双边滤波窗口中斜率值大于、等于及小于0的比例系数。
可选地，所述利用灰度梯度及判断参数获取优化电路板集，包括：
输入灰度梯度及判断参数至预训练的电路板故障识别模型，利用所述电路板故障识别模型判断电路板的状态，其中，电路板的状态包括：正常电路板、划痕电路板、断路电路板及短路电路板；
确认电路板的状态为正常电路板后，汇总所确认的正常电路板，得到优化电路板集。
可选地，所述获取用于拟合温灰度转换关系式的拟合参数集，包括：
调取预设的温度梯度集，其中，温度梯度集包括多个温度值，从所述温度梯度集中依次提取温度值，并对所提取的温度值执行如下操作：
输入所提取的温度值至预构建的温度生成器；
采集输入温度值后温度生成器的红外图像，得到参考红外图像，基于参考红外图像获取灰度值；
汇总所述灰度值及其对应的温度值，得到拟合参数集。
可选地，所述温灰度转换关系式，如下所示：
T＝w(d5h5+d4h4+d3h3+d2h2+d1h+d0)
其中，T表示通过灰度值转化后元器件的表面温度，w表示转换温度修正系数，h为灰度值，d5、d4、d3、d2、d1及d0均为利用拟合参数集所求的系数。
可选地，所述内部温度计算公式，如下所示：
其中，T1为半导体元器件的内部温度，T2为半导体元器件的表面温度，T0表示环境温度，e为内部温度修正系数，R1为半导体元器件内部至环境的热阻，R2为半导体元器件内部至半导体元器件表面的热阻。
可选地，所述获取供电后实装电路板的初始灰度图像集，包括：
输入预设的图像采集频率及预设的图像采集时段至预构建的红外热成像仪，利用输入图像采集频率及图像采集时段的红外热成像仪采集供电后实装电路板的红外热成像图像；
对所述红外热成像图像执行灰度化操作，得到初始灰度图像，汇总所述初始灰度图像，得到初始灰度图像集。
可选地，所述基于第一表面温度及内部温度判断元器件的状态，包括：
获取预设的表面温度范围及预设的内部温度范围，确认第一表面温度位于表面温度范围内，且内部温度位于内部温度范围内后，提示实装电路板工作正常，否则，提示实装电路板中元器件损坏。
为了解决上述问题，本发明还提供一种应用于平板PCBA控制模块的自动测试***，所述***包括：
测试指令接收模块，用于接收测试指令，基于所述测试指令确认待测试的初始电路板集，其中，初始电路板集包含一个或多个电路板；
电路板筛选模块，用于从所述一个或多个电路板中依次提取电路板，并对所提取的电路板执行如下操作：
获取电路板的初始图像，优化所述初始图像，得到优化图像，基于优化图像获取灰度梯度，利用优化图像计算判断参数，利用灰度梯度及判断参数获取优化电路板集；
元器件温度计算公式构建模块，用于获取用于拟合温灰度转换关系式的拟合参数集，其中，拟合参数集包括：s个温度值及g个灰度值，且s＝g，且每个温度值对应一个灰度值，利用拟合参数集拟合温灰度转换关系式；
实装电路板元器件测试模块，用于从所述优化电路板集中依次提取优化电路板，并对所提取的优化电路板执行如下操作：
对优化电路板执行安装操作，得到实装电路板，其中，实装电路板包括多个元器件，且元器件包括一般元器件及半导体元器件，对所述实装电路板执行供电操作，获取供电后实装电路板的初始灰度图像集；
基于初始灰度图像集获取最大灰度图像，利用最大灰度图像获取参考灰度值集，根据参考灰度值集获取一般灰度值集及半导体灰度值集；
从所述一般灰度值集中依次提取第一灰度值，并利用温灰度转换关系式及第一灰度值计算第一表面温度；
从所述半导体灰度值集中依次提取第二灰度值，并利用温灰度转换关系式及第二灰度值计算第二表面温度，基于预构建的内部温度计算公式及第二表面温度计算内部温度；
基于第一表面温度及内部温度判断元器件的状态，实现对实装电路板的测试。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的应用于平板PCBA控制模块的自动测试方法。
为了解决上述问题，本发明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中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的应用于平板PCBA控制模块的自动测试方法。
为解决背景技术所述问题，本发明实施例获取电路板的初始图像，优化所述初始图像，得到优化图像，基于优化图像获取灰度梯度，利用优化图像计算判断参数，利用灰度梯度及判断参数获取优化电路板集，可见本发明实施例在对实装电路板测试之前，考虑了对电路板进行测试，通过优化初始图像的操作，降低了初始图像中图像噪声的干扰，提高了优化图像的可信度。进一步地，提高了通过优化图像所计算的判断参数及灰度梯度的可信度，并通过判断参数及灰度梯度剔除了初始电路板集中不合格的电路板，得到优化电路板集，节省了对实装电路板进行测试的资源，并提高了后续对实装电路板中元器件是否故障分析结果的可信度。利用拟合参数集拟合温灰度转换关系式，对优化电路板执行安装操作，得到实装电路板，其中，实装电路板包括多个元器件，且元器件包括一般元器件及半导体元器件，获取供电后实装电路板的初始灰度图像集，可见本发明实施例考虑了实装电路板中元器件的差异性，即元器件中存在一般元器件及半导体元器件，为后续对元器件差异性分析奠定了基础。利用温灰度转换关系式及第一灰度值计算第一表面温度，利用温灰度转换关系式及第二灰度值计算第二表面温度，基于预构建的内部温度计算公式及第二表面温度计算内部温度，可见本发明实施例对不同类型元器件的分析过程不同，而是根据元器件的差异性进行相应的分析，从而得到更为准确的分析结果。因此本发明提出的应用于平板PCBA控制模块的自动测试方法、***、电子设备及计算机可读存储介质，可以解决对实装电路板测试结果不准确及资源浪费的问题。
附图说明
图1为本发明一实施例提供的应用于平板PCBA控制模块的自动测试方法的流程示意图；
图2为本发明一实施例提供的应用于平板PCBA控制模块的自动测试***的功能模块图；
图3为本发明一实施例提供的实现所述应用于平板PCBA控制模块的自动测试方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种应用于平板PCBA控制模块的自动测试方法。所述应用于平板PCBA控制模块的自动测试方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述应用于平板PCBA控制模块的自动测试方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的应用于平板PCBA控制模块的自动测试方法的流程示意图。在本实施例中，所述应用于平板PCBA控制模块的自动测试方法包括：
S1、接收测试指令，基于所述测试指令确认待测试的初始电路板集，其中，初始电路板集包含一个或多个电路板。
需解释的是，PCBA是指实装电路板，即安装有元器件的电路板。测试指令是由电路板测试人员对待测试的一个或多个电路板发出，用于检测电路板能否正常工作的指令。初始电路板集是指待测试而尚未测试电路板的集合。本发明实施例通过对初始电路板集的多次筛选及划分，实现对电路板的测试。
示例性的，小王在某工厂中担任电路板测试人员，现需要对一批实装电路板进行测试，为了确保实装电路板能够正常工作，由小王发出测试指令，对所述一批实装电路板进行测试。
S2、获取电路板的初始图像，优化所述初始图像，得到优化图像，基于优化图像获取灰度梯度，利用优化图像计算判断参数，利用灰度梯度及判断参数获取优化电路板集。
应明白的是，初始图像为电路板中包含焊接区域的图像，通过对初始图像的分析可以实现对电路板物理层面的缺陷检测，进而节约对实装电路板测试时的时间。
进一步地，所述优化所述初始图像，得到优化图像，包括：
对初始图像执行双边滤波操作，得到降噪图像，其中，预设了双边滤波的约束条件，所述约束条件如下所示：
其中，σ表示双边滤波中像素值域的标准差，Z和H分别表示双边滤波窗口的长和宽，*表示卷积操作，L为拉普拉斯算子，M(i,j)表示双边滤波窗口在空间邻域内(i,j)处的像素值，q为预设的比例系数；
对降噪图像执行对比度增强操作，得到优化图像。
理解的是，双边滤波是一种非线性的滤波方法，结合图像的空间邻近度和像素值相似度进行折中处理，同时考虑空域信息和灰度相似性，达到保边去噪的目的。约束条件是双边滤波中求解像素域值权重时所需的约束，通过在像素域中拟定约束条件，可以实现对双边滤波的指导及通过约束条件在图像中实现了更好的降噪效果及突出可能出现电路板故障的边界。利用约束条件计算双边滤波的像素域值权重为现有技术，在此不赘述。
需解释的是，通过对比度增强操作，凸显了电路板中焊接部分及非焊接部分的区别，有利于对优化图像的分析，实现对电路板是否故障的判断，即电路板是否存在短路、断路、缺焊等电路板异常状况。比例系数的取值与双边滤波窗口的大小及电路板的颜色有关，可选的，比例系数取值为1。预设比例系数的目的是使初始图像中电路板的故障位置所对应的像素值与其他位置所对应的像素值差异更加明显。另外的，对比度增强操作通过对灰度值的变换来增加可能的故障区域与故障区域的差别，可选的，利用对比度的线性增强方法优化降噪图像，得到优化图像。所述对比度的线性增强方法为现有技术，且采用其他技术均能实现相同的作用效果，在此不再赘述。
进一步地，所述利用优化图像计算判断参数，计算公式如下所示：
P(x,y)＝k1αln(α)+k2βln(β)+k3γln(γ)
其中，P(x,y)表示双边滤波窗口中心点(x,y)处的判断参数，k1、k2及k3均为预设的参数，且k1、k2及k3的取值分别与α、β及γ有关，α、β及γ分别表示双边滤波窗口中斜率值大于、等于及小于0的比例系数；
可理解的是，预设参数k1、k2及k3的目的是增强故障处与正常位置的差异程度。
需解释的是，双边滤波窗口中斜率值的计算公式如下所示：
其中，t(i,j)为双边滤波窗口中(i,j)出的斜率值，M(i,j+1)表示双边滤波窗口在空间邻域内(i,j+1)处的像素值，M(i+1,j)表示双边滤波窗口在空间邻域内(i+1,j)处的像素值。
可理解的是，比例系数为双边滤波窗口中符合条件的像素点的个数占双边滤波窗口内总像素点个数的比值。当比例系数为0时，比例系数在判断参数计算公式中所对应的项为0。可选的，选用Sobel梯度作为灰度梯度，且采用其他技术均能实现相同的作用效果，在此不再赘述。
进一步地，所述利用灰度梯度及判断参数获取优化电路板集，包括：
输入灰度梯度及判断参数至预训练的电路板故障识别模型，利用所述电路板故障识别模型判断电路板的状态，其中，电路板的状态包括：正常电路板、划痕电路板、断路电路板及短路电路板；
确认电路板的状态为正常电路板后，汇总所确认的正常电路板，得到优化电路板集。
应明白的是，电路板故障识别模型为识别电路板是否存在划痕、短路及断路的模型，可选的，电路板故障识别模型为支持向量机。划痕电路板为利用电路板故障识别模型识别出带有划痕的电路板，短路电路板为电路板短接的电路板，断路电路板为电路板连接断开的电路板，正常电路板为利用电路板故障识别模型识别电路板无故障的电路板。另外的，当电路板出现划痕、短路及断路时均无法保证电路板的正常使用，因此，可以通过电路板故障识别模型对初始电路板集进行第一次划分，得到优化电路板集。
S3、获取用于拟合温灰度转换关系式的拟合参数集，其中，拟合参数集包括：s个温度值及g个灰度值，且s＝g，且每个温度值对应一个灰度值，利用拟合参数集拟合温灰度转换关系式。
可理解的是，温灰度转换关系式是利用实装电路板中元器件灰度值计算元器件温度值的公式。
进一步地，所述获取用于拟合温灰度转换关系式的拟合参数集，包括：
调取预设的温度梯度集，其中，温度梯度集包括多个温度值，从所述温度梯度集中依次提取温度值，并对所提取的温度值执行如下操作：
输入所提取的温度值至预构建的温度生成器；
采集输入温度值后温度生成器的红外图像，得到参考红外图像，基于参考红外图像获取灰度值；
汇总所述灰度值及其对应的温度值，得到拟合参数集。
应明白的是，温度梯度集中的温度梯度越多所拟合的温灰度转换关系式越准确，可选的，预设温度范围为0摄氏度至140摄氏度，均等取值，得到八个温度梯度，分别为0、20、40、60、80、100、120及140摄氏度。温度生成器为生成指定温度的器械，可选的，选取黑体炉作为温度生成器。所述基于参考红外图像获取灰度值的技术为现有技术，在此不再赘述。
需解释的是，所述温灰度转换关系式，如下所示：
T＝w(d5h5+d4h4+d3h3+d2h2+d1h+d0)
其中，T表示通过灰度值转化后元器件的表面温度，w表示转换温度修正系数，h为灰度值，d5、d4、d3、d2、d1及d0均为利用拟合参数集所求的系数。
可理解的是，元器件的表面温度为元器件表面的温度，温度修正系数为通过元器件的灰度值转化为元器件的表面温度时受测试环境所影响的修正系数，例如，测试环境中测试环境的温度、采集元器件时与元器件的距离等影响因素。可选的，通过实验的方式获取温度修正系数后，并在获取温度修正系数的环境及条件下，采集元器件的红外热成像图像。可选的，采用高斯消元法及拟合参数集求解d5、d4、d3、d2、d1及d0。
S4、对优化电路板执行安装操作，得到实装电路板，其中，实装电路板包括多个元器件，且元器件包括一般元器件及半导体元器件，对所述实装电路板执行供电操作，获取供电后实装电路板的初始灰度图像集。
需解释的是，对优化电路板执行安装操作，即将元器件按照标准安装方式焊接至优化电路板中，得到实装电路板。此时，若实装电路板产生故障，则故障的产生原因为元器件损坏。
进一步地，半导体元器件是导电性介于良导电体与绝缘体之间，利用半导体材料特殊电特性来完成特定功能的电子器件，可用来产生、控制、接收、变换、放大信号及进行能量转换。一般元器件为实装电路板中除半导体元器件以外的其他元器件，例如：电阻及电容等元器件。
可理解的是，所述获取供电后实装电路板的初始灰度图像集，包括：
输入预设的图像采集频率及预设的图像采集时段至预构建的红外热成像仪，利用输入图像采集频率及图像采集时段的红外热成像仪采集供电后实装电路板的红外热成像图像；
对所述红外热成像图像执行灰度化操作，得到初始灰度图像，汇总所述初始灰度图像，得到初始灰度图像集。
可理解的是，图像采集频率为利用红外热成像仪采集采集供电后实装电路板的红外热成像图像的频率，图像采集时段为采集红外热成像图像的时间段，且通过采集图像采集时段内的红外热成像图像能够判断实装电路板中元器件是否正常工作。红外热成像仪通过“面”的形式非接触的对目标整体成像，且通过采集场景中物体的红外辐射生成图像的仪器。可选的，对所述红外热成像图像执行灰度化操作的技术为python算法，且选用其他技术均能实现相同的作用效果，在此不再赘述。
需解释的是，实装电路板出现故障是一个变化的过程，例如：实装电路板出现短路，则实装电路板中某一个元器件的温度会不断升高，因此，需要获取初始图像集，而实装电路板断路时，实装电路板中最大的温度值不会产生变化。
示例性的，设定图像采集频率为1秒采集一次，在5秒内，利用共采集到五个初始灰度图像，初始图像集由五个初始灰度图像构成。
S5、基于初始灰度图像集获取最大灰度图像，利用最大灰度图像获取参考灰度值集，根据参考灰度值集获取一般灰度值集及半导体灰度值集。
进一步地，最大灰度图像为初始灰度图像集内每个初始灰度图像所对应灰度值的最大值中最大的灰度值所对应的初始灰度图像。
示例性的，初始灰度图像集包括5个初始灰度图像，其中，5个初始灰度图像中每个初始灰度图像灰度值的最大值分别为：11、12、13、14及15，则最大灰度图像为灰度值为15的初始灰度图像。
需解释的是，所述利用最大灰度图像获取参考灰度值集，包括：
获取最大灰度图像中最大的灰度值点，以最大的灰度值点为起始点，利用区域生长算法及最大灰度图像获取最大灰度图像区域，剔除最大灰度图像中最大灰度图像区域，得到第二灰度图像，并以第二灰度图像为最大灰度图像，返回所述获取最大灰度图像中最大的灰度值点的步骤，直至最大的灰度值点小于预设的灰度阈值；
汇总所述最大的灰度值点，得到参考灰度值集。
应明白的是，灰度值点为灰度值在图像中所对应的像素点，可选的，获取最大的灰度值点的技术为python算法，且选用其他技术均能实现相同的技术效果，在此不再赘述。所述区域生长算法为现有技术，在此不再赘述。可选的，剔除最大灰度图像中最大灰度图像区域的方法为预训练的神经网络模型，且采用其他技术均能实现相同的作用效果，在此不再赘述。灰度阈值为通过灰度值判断最大灰度图像中可能存在元器件过热等异常因素的阈值。在最大灰度图像中最大的灰度值点有且仅对应一个元器件。因此，可以通过最大的灰度值点所在位置对参考灰度值集进行划分。
应明白的是，所述根据参考灰度值集获取一般灰度值集及半导体灰度值集，包括：
从所述参考灰度值集中依次提取灰度值，利用灰度值所对应的位置划分参考灰度值集，得到一般灰度值集及半导体灰度值集。
进一步地，一般灰度值集为一般元器件所对应灰度值的集合，半导体灰度值集为半导体元器件所对应灰度值的集合。实装电路板中每一处最大的灰度值点均包括相应的元器件，因此，可通过最大的灰度值点实现对元器件类型的确认，可选的，判断最大灰度值所对应的元器件的技术为预训练的深度学习网络，且通过深度学习网络在图像内实现对位置判断的技术为现有技术，在此不再赘述。
S6、从所述一般灰度值集中依次提取第一灰度值，并利用温灰度转换关系式及第一灰度值计算第一表面温度，从所述半导体灰度值集中依次提取第二灰度值，并利用温灰度转换关系式及第二灰度值计算第二表面温度，基于预构建的内部温度计算公式及第二表面温度计算内部温度。
应明白的是，第一灰度值为一般元器件所对应的灰度值，第二灰度值为半导体元器件所对应的灰度值。
需解释的是，所述内部温度计算公式，如下所示：
其中，T1为半导体元器件的内部温度，T2为半导体元器件的表面温度，T0表示环境温度，e为内部温度修正系数，R1为半导体元器件内部至环境的热阻，R2为半导体元器件内部至半导体元器件表面的热阻。
需解释的是，表面温度为元器件表面的温度，通过温灰度转换关系式计算最大灰度值求得，内部温度为半导体元器件内部的最大温度，一般为半导体元器件pn结处的温度，可选的，半导体元器件内部至环境的热阻及半导体元器件内部至半导体元器件表面的热阻均可由产品手册或技术手册获得，且两个热阻值均与半导体元器件的散热方式及封装形式有关，且采用其他方法均能实现相同的作用效果，在此不再赘述。
S7、基于第一表面温度及内部温度判断元器件的状态，实现对实装电路板的测试。
应明白的是，所述基于第一表面温度及内部温度判断元器件的状态，包括：
获取预设的表面温度范围及预设的内部温度范围，确认第一表面温度位于表面温度范围内，且内部温度位于内部温度范围内后，提示实装电路板工作正常，否则，提示实装电路板中元器件损坏。
应明白的是，表面温度范围及内部温度范围均为判断实装电路板中元器件能否正常工作的温度段，实装电路板中元器件的损坏包括：元器件断路损坏是由元器件断路引起实装电路板的损坏，即实装电路板无法正常工作，元器件过热损坏是由某一个或某几个元器件过热引起实装电路板的损坏。例如：元器件短路及元器件散热异常等因素均会引起元器件过热损坏。
示例性的，内部温度范围为：40至120摄氏度，半导体元器件的内部温度为130摄氏度，则提示实装电路板中元器件损坏。若内部温度小于所述内部温度范围且第一表面温度小于表面温度范围，则实装电路板中至少存在一个元器件断路。
为解决背景技术所述问题，本发明实施例获取电路板的初始图像，优化所述初始图像，得到优化图像，基于优化图像获取灰度梯度，利用优化图像计算判断参数，利用灰度梯度及判断参数获取优化电路板集，可见本发明实施例在对实装电路板测试之前，考虑了对电路板进行测试，通过优化初始图像的操作，降低了初始图像中图像噪声的干扰，提高了优化图像的可信度。进一步地，提高了通过优化图像所计算的判断参数及灰度梯度的可信度，并通过判断参数及灰度梯度剔除了初始电路板集中不合格的电路板，得到优化电路板集，节省了对实装电路板进行测试的资源，并提高了后续对实装电路板中元器件是否故障分析结果的可信度。利用拟合参数集拟合温灰度转换关系式，对优化电路板执行安装操作，得到实装电路板，其中，实装电路板包括多个元器件，且元器件包括一般元器件及半导体元器件，获取供电后实装电路板的初始灰度图像集，可见本发明实施例考虑了实装电路板中元器件的差异性，即元器件中存在一般元器件及半导体元器件，为后续对元器件差异性分析奠定了基础。利用温灰度转换关系式及第一灰度值计算第一表面温度，利用温灰度转换关系式及第二灰度值计算第二表面温度，基于预构建的内部温度计算公式及第二表面温度计算内部温度，可见本发明实施例对不同类型元器件的分析过程不同，而是根据元器件的差异性进行相应的分析，从而得到更为准确的分析结果。因此本发明提出的应用于平板PCBA控制模块的自动测试方法、***、电子设备及计算机可读存储介质，可以解决对实装电路板测试结果不准确及资源浪费的问题。
如图2所示，是本发明一实施例提供的应用于平板PCBA控制模块的自动测试***的功能模块图。
本发明所述应用于平板PCBA控制模块的自动测试***100可以安装于电子设备中。根据实现的功能，所述应用于平板PCBA控制模块的自动测试***100可以包括测试指令接收模块101、电路板筛选模块102、元器件温度计算公式构建模块103及实装电路板元器件测试模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
所述测试指令接收模块101，用于接收测试指令，基于所述测试指令确认待测试的初始电路板集，其中，初始电路板集包含一个或多个电路板；
所述电路板筛选模块102，用于从所述一个或多个电路板中依次提取电路板，并对所提取的电路板执行如下操作：
获取电路板的初始图像，优化所述初始图像，得到优化图像，基于优化图像获取灰度梯度，利用优化图像计算判断参数，利用灰度梯度及判断参数获取优化电路板集；
所述元器件温度计算公式构建模块103，用于获取用于拟合温灰度转换关系式的拟合参数集，其中，拟合参数集包括：s个温度值及g个灰度值，且s＝g，且每个温度值对应一个灰度值，利用拟合参数集拟合温灰度转换关系式；
所述实装电路板元器件测试模块104，用于从所述优化电路板集中依次提取优化电路板，并对所提取的优化电路板执行如下操作：
对优化电路板执行安装操作，得到实装电路板，其中，实装电路板包括多个元器件，且元器件包括一般元器件及半导体元器件，对所述实装电路板执行供电操作，获取供电后实装电路板的初始灰度图像集；
基于初始灰度图像集获取最大灰度图像，利用最大灰度图像获取参考灰度值集，根据参考灰度值集获取一般灰度值集及半导体灰度值集；
从所述一般灰度值集中依次提取第一灰度值，并利用温灰度转换关系式及第一灰度值计算第一表面温度；
从所述半导体灰度值集中依次提取第二灰度值，并利用温灰度转换关系式及第二灰度值计算第二表面温度，基于预构建的内部温度计算公式及第二表面温度计算内部温度；
基于第一表面温度及内部温度判断元器件的状态，实现对实装电路板的测试。
如图3所示，是本发明一实施例提供的实现应用于平板PCBA控制模块的自动测试方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如应用于平板PCBA控制模块的自动测试程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如应用于平板PCBA控制模块的自动测试程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如应用于平板PCBA控制模块的自动测试程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理***与所述至少一个处理器10逻辑相连，从而通过电源管理***实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的应用于平板PCBA控制模块的自动测试程序是多个指令的组合，在所述处理器10中运行时，可以实现：
接收测试指令，基于所述测试指令确认待测试的初始电路板集，其中，初始电路板集包含一个或多个电路板；
从所述一个或多个电路板中依次提取电路板，并对所提取的电路板执行如下操作：
获取电路板的初始图像，优化所述初始图像，得到优化图像，基于优化图像获取灰度梯度，利用优化图像计算判断参数，利用灰度梯度及判断参数获取优化电路板集；
获取用于拟合温灰度转换关系式的拟合参数集，其中，拟合参数集包括：s个温度值及g个灰度值，且s＝g，且每个温度值对应一个灰度值，利用拟合参数集拟合温灰度转换关系式；
从所述优化电路板集中依次提取优化电路板，并对所提取的优化电路板执行如下操作：
对优化电路板执行安装操作，得到实装电路板，其中，实装电路板包括多个元器件，且元器件包括一般元器件及半导体元器件，对所述实装电路板执行供电操作，获取供电后实装电路板的初始灰度图像集；
基于初始灰度图像集获取最大灰度图像，利用最大灰度图像获取参考灰度值集，根据参考灰度值集获取一般灰度值集及半导体灰度值集；
从所述一般灰度值集中依次提取第一灰度值，并利用温灰度转换关系式及第一灰度值计算第一表面温度；
从所述半导体灰度值集中依次提取第二灰度值，并利用温灰度转换关系式及第二灰度值计算第二表面温度，基于预构建的内部温度计算公式及第二表面温度计算内部温度；
基于第一表面温度及内部温度判断元器件的状态，实现对实装电路板的测试。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/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存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或***、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
接收测试指令，基于所述测试指令确认待测试的初始电路板集，其中，初始电路板集包含一个或多个电路板；
从所述一个或多个电路板中依次提取电路板，并对所提取的电路板执行如下操作：
获取电路板的初始图像，优化所述初始图像，得到优化图像，基于优化图像获取灰度梯度，利用优化图像计算判断参数，利用灰度梯度及判断参数获取优化电路板集；
获取用于拟合温灰度转换关系式的拟合参数集，其中，拟合参数集包括：s个温度值及g个灰度值，且s＝g，且每个温度值对应一个灰度值，利用拟合参数集拟合温灰度转换关系式；
从所述优化电路板集中依次提取优化电路板，并对所提取的优化电路板执行如下操作：
对优化电路板执行安装操作，得到实装电路板，其中，实装电路板包括多个元器件，且元器件包括一般元器件及半导体元器件，对所述实装电路板执行供电操作，获取供电后实装电路板的初始灰度图像集；
基于初始灰度图像集获取最大灰度图像，利用最大灰度图像获取参考灰度值集，根据参考灰度值集获取一般灰度值集及半导体灰度值集；
从所述一般灰度值集中依次提取第一灰度值，并利用温灰度转换关系式及第一灰度值计算第一表面温度；
从所述半导体灰度值集中依次提取第二灰度值，并利用温灰度转换关系式及第二灰度值计算第二表面温度，基于预构建的内部温度计算公式及第二表面温度计算内部温度；
基于第一表面温度及内部温度判断元器件的状态，实现对实装电路板的测试。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，***和方法，可以通过其它的方式实现。例如，以上所描述的***实施例仅仅是示意性的，例如，所述模块的划分，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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块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，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。***权利要求中陈述的多个单元或***也可以由一个单元或***通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种应用于平板PCBA控制模块的自动测试方法，其特征在于，所述方法包括：
接收测试指令，基于所述测试指令确认待测试的初始电路板集，其中，初始电路板集包含一个或多个电路板；
从所述一个或多个电路板中依次提取电路板，并对所提取的电路板执行如下操作：
获取电路板的初始图像，优化所述初始图像，得到优化图像，基于优化图像获取灰度梯度，利用优化图像计算判断参数，利用灰度梯度及判断参数获取优化电路板集；
获取用于拟合温灰度转换关系式的拟合参数集，其中，拟合参数集包括：s个温度值及g个灰度值，且s＝g，且每个温度值对应一个灰度值，利用拟合参数集拟合温灰度转换关系式；
从所述优化电路板集中依次提取优化电路板，并对所提取的优化电路板执行如下操作：
对优化电路板执行安装操作，得到实装电路板，其中，实装电路板包括多个元器件，且元器件包括一般元器件及半导体元器件，对所述实装电路板执行供电操作，获取供电后实装电路板的初始灰度图像集；
基于初始灰度图像集获取最大灰度图像，利用最大灰度图像获取参考灰度值集，根据参考灰度值集获取一般灰度值集及半导体灰度值集；
从所述一般灰度值集中依次提取第一灰度值，并利用温灰度转换关系式及第一灰度值计算第一表面温度；
从所述半导体灰度值集中依次提取第二灰度值，并利用温灰度转换关系式及第二灰度值计算第二表面温度，基于预构建的内部温度计算公式及第二表面温度计算内部温度；
基于第一表面温度及内部温度判断元器件的状态，实现对实装电路板的测试。
2.如权利要求1所述的应用于平板PCBA控制模块的自动测试方法，其特征在于，所述优化所述初始图像，得到优化图像，包括：
对初始图像执行双边滤波操作，得到降噪图像，其中，预设了双边滤波的约束条件，所述约束条件如下所示：
其中，σ表示双边滤波中像素值域的标准差，Z和H分别表示双边滤波窗口的长和宽，*表示卷积操作，L为拉普拉斯算子，M(i,j)表示双边滤波窗口在空间邻域内(i,j)处的像素值，q为预设的比例系数；
对降噪图像执行对比度增强操作，得到优化图像。
3.如权利要求1所述的应用于平板PCBA控制模块的自动测试方法，其特征在于，所述利用优化图像计算判断参数，计算公式如下所示：
P(x,y)＝k1αln(α)+k2βln(β)+k3γln(γ)
其中，P(x,y)表示双边滤波窗口中心点(x,y)处的判断参数，k1、k2及k3均为预设的参数，且k1、k2及k3的取值分别与α、β及γ有关，α、β及γ分别表示双边滤波窗口中斜率值大于、等于及小于0的比例系数。
4.如权利要求1所述的应用于平板PCBA控制模块的自动测试方法，其特征在于，所述利用灰度梯度及判断参数获取优化电路板集，包括：
输入灰度梯度及判断参数至预训练的电路板故障识别模型，利用所述电路板故障识别模型判断电路板的状态，其中，电路板的状态包括：正常电路板、划痕电路板、断路电路板及短路电路板；
确认电路板的状态为正常电路板后，汇总所确认的正常电路板，得到优化电路板集。
5.如权利要求1所述的应用于平板PCBA控制模块的自动测试方法，其特征在于，所述获取用于拟合温灰度转换关系式的拟合参数集，包括：
调取预设的温度梯度集，其中，温度梯度集包括多个温度值，从所述温度梯度集中依次提取温度值，并对所提取的温度值执行如下操作：
输入所提取的温度值至预构建的温度生成器；
采集输入温度值后温度生成器的红外图像，得到参考红外图像，基于参考红外图像获取灰度值；
汇总所述灰度值及其对应的温度值，得到拟合参数集。
6.如权利要求1所述的应用于平板PCBA控制模块的自动测试方法，其特征在于，所述温灰度转换关系式，如下所示：
T＝w(d5h5+d4h4+d3h3+d2h2+d1h+d0)
其中，T表示通过灰度值转化后元器件的表面温度，w表示转换温度修正系数，h为灰度值，d5、d4、d3、d2、d1及d0均为利用拟合参数集所求的系数。
7.如权利要求1所述的应用于平板PCBA控制模块的自动测试方法，其特征在于，所述内部温度计算公式，如下所示：
其中，T1为半导体元器件的内部温度，T2为半导体元器件的表面温度，T0表示环境温度，e为内部温度修正系数，R1为半导体元器件内部至环境的热阻，R2为半导体元器件内部至半导体元器件表面的热阻。
8.如权利要求1所述的应用于平板PCBA控制模块的自动测试方法，其特征在于，所述获取供电后实装电路板的初始灰度图像集，包括：
输入预设的图像采集频率及预设的图像采集时段至预构建的红外热成像仪，利用输入图像采集频率及图像采集时段的红外热成像仪采集供电后实装电路板的红外热成像图像；
对所述红外热成像图像执行灰度化操作，得到初始灰度图像，汇总所述初始灰度图像，得到初始灰度图像集。
9.如权利要求1所述的应用于平板PCBA控制模块的自动测试方法，其特征在于，所述基于第一表面温度及内部温度判断元器件的状态，包括：
获取预设的表面温度范围及预设的内部温度范围，确认第一表面温度位于表面温度范围内，且内部温度位于内部温度范围内后，提示实装电路板工作正常，否则，提示实装电路板中元器件损坏。
10.一种应用于平板PCBA控制模块的自动测试***，其特征在于，所述***包括：
测试指令接收模块，用于接收测试指令，基于所述测试指令确认待测试的初始电路板集，其中，初始电路板集包含一个或多个电路板；
电路板筛选模块，用于从所述一个或多个电路板中依次提取电路板，并对所提取的电路板执行如下操作：
获取电路板的初始图像，优化所述初始图像，得到优化图像，基于优化图像获取灰度梯度，利用优化图像计算判断参数，利用灰度梯度及判断参数获取优化电路板集；
元器件温度计算公式构建模块，用于获取用于拟合温灰度转换关系式的拟合参数集，其中，拟合参数集包括：s个温度值及g个灰度值，且s＝g，且每个温度值对应一个灰度值，利用拟合参数集拟合温灰度转换关系式；
实装电路板元器件测试模块，用于从所述优化电路板集中依次提取优化电路板，并对所提取的优化电路板执行如下操作：
对优化电路板执行安装操作，得到实装电路板，其中，实装电路板包括多个元器件，且元器件包括一般元器件及半导体元器件，对所述实装电路板执行供电操作，获取供电后实装电路板的初始灰度图像集；
基于初始灰度图像集获取最大灰度图像，利用最大灰度图像获取参考灰度值集，根据参考灰度值集获取一般灰度值集及半导体灰度值集；
从所述一般灰度值集中依次提取第一灰度值，并利用温灰度转换关系式及第一灰度值计算第一表面温度；
从所述半导体灰度值集中依次提取第二灰度值，并利用温灰度转换关系式及第二灰度值计算第二表面温度，基于预构建的内部温度计算公式及第二表面温度计算内部温度；
基于第一表面温度及内部温度判断元器件的状态，实现对实装电路板的测试。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311722771.7A CN117687385A (zh) | 2023-12-14 | 2023-12-14 | 应用于平板pcba控制模块的自动测试方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311722771.7A CN117687385A (zh) | 2023-12-14 | 2023-12-14 | 应用于平板pcba控制模块的自动测试方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117687385A true CN117687385A (zh) | 2024-03-12 |
Family
ID=90136737
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311722771.7A Pending CN117687385A (zh) | 2023-12-14 | 2023-12-14 | 应用于平板pcba控制模块的自动测试方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117687385A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108732484A (zh) * | 2017-04-20 | 2018-11-02 | 深圳市朗驰欣创科技股份有限公司 | 用于元器件定位的检测方法及检测*** |
| WO2022247005A1 (zh) * | 2021-05-27 | 2022-12-01 | 平安科技（深圳）有限公司 | 图像中目标物识别方法、装置、电子设备及存储介质 |
| CN116167999A (zh) * | 2023-02-22 | 2023-05-26 | 南昌大学 | 一种基于图像匹配的配电线路零值绝缘子红外热像检测方法 |
-
2023
- 2023-12-14 CN CN202311722771.7A patent/CN117687385A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108732484A (zh) * | 2017-04-20 | 2018-11-02 | 深圳市朗驰欣创科技股份有限公司 | 用于元器件定位的检测方法及检测*** |
| WO2022247005A1 (zh) * | 2021-05-27 | 2022-12-01 | 平安科技（深圳）有限公司 | 图像中目标物识别方法、装置、电子设备及存储介质 |
| CN116167999A (zh) * | 2023-02-22 | 2023-05-26 | 南昌大学 | 一种基于图像匹配的配电线路零值绝缘子红外热像检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘齐: "《基于红外成像技术的电气设备故障检测》", 《电测与仪表》, no. 10, 6 March 2019 (2019-03-06), pages 127 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111369545B (zh) | 边缘缺陷检测方法、装置、模型、设备及可读存储介质 | |
| US10740912B2 (en) | Detection of humans in images using depth information | |
| CN111598913B (zh) | 一种基于机器人视觉的图像分割方法和*** | |
| CN109359676A (zh) | 用于生成车辆损伤信息的方法和装置 | |
| CN111667448A (zh) | 一种图像处理方法、装置及设备 | |
| US20130279750A1 (en) | Identification of foreign object debris | |
| CN116168351A (zh) | 电力设备巡检方法及装置 | |
| WO2013046859A1 (ja) | 配線検査方法、配線検査装置、配線検査プログラムおよび記録媒体 | |
| CN115861153A (zh) | 图像检测方法、计算机装置及存储介质 | |
| CN113034450A (zh) | 一种变压器过热故障诊断方法 | |
| CN116309518A (zh) | 一种基于计算机视觉的pcb电路板检测方法及*** | |
| CN117590278A (zh) | 基于动力柜的变压器故障检测方法、装置、设备及介质 | |
| CN112017065B (zh) | 车辆定损理赔方法、装置及计算机可读存储介质 | |
| CN113379006A (zh) | 图像识别方法、装置、电子设备和计算机可读介质 | |
| CN117687385A (zh) | 应用于平板pcba控制模块的自动测试方法及*** | |
| CN116486125A (zh) | 一种设备的检测方法、装置、设备及介质 | |
| CN114627435B (zh) | 基于图像识别的智能灯光调节方法、装置、设备及介质 | |
| CN110443322A (zh) | 图像处理方法、装置、服务器及可读存储介质 | |
| CN116402771A (zh) | 缺陷检测方法、装置和模型训练方法、装置 | |
| US11989874B2 (en) | Multi-tier PCBA integrity validation process | |
| CN109142393A (zh) | 一种缺陷分类方法、装置及*** | |
| CN112633183B (zh) | 影像遮挡区域自动检测方法、装置及存储介质 | |
| CN115185724A (zh) | 故障处理方法、装置、电子设备以及存储介质 | |
| CN112541899A (zh) | 证件的残缺检测方法、装置、电子设备及计算机存储介质 | |
| US10614333B2 (en) | Method for reading graphical indicator, indicator structure and electronic apparatus thereof |
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 |