CN117871545A - 一种电路板元器件缺陷检测方法、装置、终端及存储介质 - Google Patents
一种电路板元器件缺陷检测方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN117871545A CN117871545A CN202311803529.2A CN202311803529A CN117871545A CN 117871545 A CN117871545 A CN 117871545A CN 202311803529 A CN202311803529 A CN 202311803529A CN 117871545 A CN117871545 A CN 117871545A
- Authority
- CN
- China
- Prior art keywords
- circuit board
- information
- component
- component information
- similarity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 108
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 20
- 230000003321 amplification Effects 0.000 claims description 16
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 8
- 239000000523 sample Substances 0.000 description 20
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 230000011218 segmentation Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 239000013074 reference sample Substances 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000003709 image segmentation Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000013643 reference control Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005669 field effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 150000003071 polychlorinated biphenyls Chemical class 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- G01N2021/8887—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 based on image processing techniques
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请适用于电子元器件技术领域,提供一种电路板元器件缺陷检测方法、装置、终端及存储介质,其中方法包括:获取第一电路板图像,所述第一电路板图像对应于待检测电路板,所述待检测电路板中包含多个待检测元器件;对所述第一电路板图像进行内容提取,得到第一元器件信息;确定与所述待检测电路板的相似度满足要求的参照电路板中的第二元器件信息;基于所述第一元器件信息及所述第二元器件信息对所述待检测元器件进行缺陷检测,得到检测结果。该方案解决了由于负样本数据采集周期长导致缺陷检测的检测准确度和检测效率降低的问题。
Description
技术领域
本申请属于电子元器件技术领域,尤其涉及一种电路板元器件缺陷检测方法、装置、终端及存储介质。
背景技术
电路板(Printed Circuit Board,PCB)是当今科技时代电子设备中不可或缺的部件。为保证电子设备能够稳定运行,需要对电路板的质量进行检测,即检测电路板是否存在缺陷,其中包括检测电路板中的元器件是否存在缺陷。
目前,常用自动化光学检测(Automated Optical Inspection,AOI)技术对电路板元器件进行缺陷检测。AOI技术的实现需要大量负样本数据的支持,但是负样本数据的采集周期长,使得缺陷检测的检测准确率和检测效率大大降低。
发明内容
本申请实施例提供了一种电路板元器件缺陷检测方法、装置、终端及存储介质,以解决现有技术中由于负样本数据的采集周期长,使得缺陷检测的检测准确率和检测效率大大降低的问题。
本申请实施例的第一方面提供了一种电路板元器件缺陷检测方法,包括:
获取第一电路板图像,所述第一电路板图像对应于待检测电路板,所述待检测电路板中包含多个待检测元器件;
对所述第一电路板图像进行内容提取,得到第一元器件信息;
确定与所述待检测电路板的相似度满足要求的参照电路板中的第二元器件信息;
基于所述第一元器件信息及所述第二元器件信息对所述待检测元器件进行缺陷检测,得到检测结果。
本申请实施例的第二方面提供了一种电路板元器件缺陷检测装置,包括:
获取模块,用于获取第一电路板图像,所述第一电路板图像对应于待检测电路板,所述待检测电路板中包含多个待检测元器件;
信息提取模块,用于对所述第一电路板图像进行内容提取,得到第一元器件信息;
确定模块,用于确定与所述待检测电路板的相似度满足要求的参照电路板中的第二元器件信息;
检测模块,用于基于所述第一元器件信息及所述第二元器件信息对所述待检测元器件进行缺陷检测,得到检测结果。
本申请实施例的第三方面提供了一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
本申请的第五方面提供了一种计算机程序产品,当所述计算机程序产品在终端上运行时,使得所述终端执行上述第一方面所述方法的步骤。
由上可见,本申请首先获取待检测电路板对应的第一电路板图像,待检测电路板中包含多个待检测元器件,第一电路板图像中也对应有多个待检测元器件的图像,然后对第一电路板图像进行内容提取,得到与多个待检测元器件对应的第一元器件信息。确定出与待检测电路板相似的参照电路板,参照电路板为待检测电路板可以参考对照的无缺陷电路板。获取参照电路板对应的第二元器件信息,基于第一元器件信息及第二元器件信息实现对待检测元器件的缺陷检测,得到检测结果。本申请不再使用负样本数据进行缺陷检测,而是选取与待检测电路板相似的无缺陷的参照电路板进行缺陷检测,即利用正样本进行缺陷检测,不再采集负样本数据,负样本数据采集周期长的问题迎刃而解。同时,在检测时,不是直接通过电路板进行比对,而是具体到各个元器件来进行缺陷检测,检测的准确率和效率也更高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种电路板元器件缺陷检测方法的流程图一;
图2是本申请实施例提供的一种电路板元器件掩码分割效果图;
图3是本申请实施例提供的一种双模电路板示意图;
图4是本申请实施例提供的一种双模电路板的子电路板分割示意图一;
图5是本申请实施例提供的一种双模电路板的子电路板分割示意图二;
图6是本申请实施例提供的一种电路板元器件缺陷检测方法的流程图二;
图7是本申请实施例提供的一种电路板元器件缺陷检测装置的结构图;
图8是本申请实施例提供的一种终端的结构图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
具体实现中,本申请实施例中描述的终端包括但不限于诸如具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是,在某些实施例中,所述设备并非便携式通信设备,而是具有触摸敏感表面(例如,触摸屏显示器和/或触摸板)的台式计算机。
在接下来的讨论中,描述了包括显示器和触摸敏感表面的终端。然而,应当理解的是,终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。
终端支持各种应用程序,例如以下中的一个或多个:绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。
可以在终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样,终端的公共物理架构(例如,触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。
应理解,本实施例中各步骤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,而不应对本申请实施例的实施过程构成任何限定。
具体地,电路板在电子领域尤为重要,电路板的质量影响着电子设备的运行稳定性。目前市面上存在多种类型的电路板,技术人员也在研发各种新型电路板,每种类型的电路板中都有许多元器件,这些元器件的类别也五花八门。元器件按照类别分为电容器、电感器、电阻器、电位器、变压器、二极管、三极管、光电器件、电声器件、显示器件和场效应晶体管,等等,本申请不再一一列举。
具体地,目前采用表面贴装技术(Surface Mounting Technology,SMT)将元器件贴装在电路板表面,由于贴装失误,会导致电路板中的元器件出现各种缺陷,如歪斜偏置、缺件和缺损等。为了提高电路板的质量,需要对电路板元器件进行缺陷检测。最初,通过人工目检的方法来进行缺陷检测,但是人工易出现检测疲劳,拉低检测效率低不说,还可能会降低检测准确率。AOI技术能够克服人工目检存在的缺点,但是AOI技术实现缺陷检测需要大量负样本数据即缺陷数据的支持,用于训练缺陷检测模型。若要实现不同类型的电路板元器件的缺陷检测,则需要分别采集每种类型电路板元器件的负样本数据,而电路板类型多样,电路板中元器件的缺陷形态具有随机性,负样本数据采集周期变长,难以得到完整负样本数据。负样本数据的缺失使得部分缺陷无法被检测出来,缺陷检测的检测准确度和检测效率降低。为了解决上述问题,本申请提供了一种电路板元器件缺陷检测方法、装置、终端及存储介质。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
参见图1,图1是本申请实施例提供的一种电路板元器件缺陷检测方法的流程图一。如图1所示,一种电路板元器件缺陷检测方法,该方法包括以下步骤:
步骤101,获取第一电路板图像,所述第一电路板图像对应于待检测电路板,所述待检测电路板中包含多个待检测元器件。
具体地,所述第一电路板图像为采集到的包含所述待检测电路板的图像,所述待检测电路板中包含多个所述待检测元器件,对应地,所述第一电路板图像中也为包含多个所述待检测元器件的图像。
具体地,本申请缺陷检测的对象是电路板中的元器件,即检测电路板中元器件是否存在缺陷。电路板中元器件的缺陷有歪斜偏置、缺损和缺件等。本申请基于所述第一电路板图像对所述待检测电路板中的元器件进行缺陷检测,检测的对象不限于所述待检测电路板中当前已有的元器件,还能够检测出缺件这一缺陷对应的元器件。
具体地,通过图像采集设备采集所述待检测电路板的电路板图像。在采集图像的时候,会严格管控采集辅助光源的光源强度,保证采集到的图像不会过暗,同时又不会造成部分元器件的表面材质反光,影响后续内容提取,出现信息缺失的情况。
具体地,将图像采集设备直接采集到的所述待检测电路板的电路板图像称为第三电路板图像。在采集到所述第三电路板图像之后,需要对所述第三电路板图像进行预处理,提高图像的质量,才能得到图像质量更高的所述第一电路板图像。
具体地,用户可通过显示界面查看所述第一电路板图像和所述第三电路板图像,能够及时发现拍摄区域设置不合理以及光强设置偏高或偏低等缺点,通知工作人员及时排查,避免影响检测效率。
在一个示例中,图像的预处理过程为:先对所述第三电路板图像的红绿蓝(RedGreen Blue,RGB)色域阈值进行调节,然后利用形态学方法对调节之后的图像进行闭操作处理,使边缘特征明显,便于后续内容提取,最后采用高斯滤波去除图像中的噪声,得到所述第一电路板图像。其他图像预处理操作,如膨胀、腐蚀、平滑、锐化和图像增强等处理,本申请不再展开介绍。
步骤102,对所述第一电路板图像进行内容提取,得到第一元器件信息。
具体地,在得到包含多个所述待检测元器件的所述第一电路板图像之后,需要从所述第一电路板图像中提取到所述待检测元器件的信息,即提取得到所述第一元器件信息。
具体地,所述第一元器件信息为元器件信息集合,所述第一元器件信息包括从所述第一电路板图像中提取出来的所有待检测元器件对应的元器件信息,即所述第一元器件信息包括多个所述待检测元器件对应的元器件信息。
具体地,本申请将万物可分割模型(Segment Anything Model,SAM)应用到电路板元器件的缺陷检测中,通过SAM模型实现内容提取。
具体地,AOI技术应用过程中,除了负样本数据的采集耗时耗力会影响电路板元器件的缺陷检测之外,基于负样本数据实现的模型训练也会影响检测准确率和检测效率。当前的AOI设备还处于定制化训练的状态,即按照给定的电路板的类型进行模型训练,基于训练好的模型来实现缺陷检测,训练出来的模型在对参与训练的这些类型的电路板进行缺陷检测的时候,具有比较好的检测识别效果,但是一旦出现新类型的电路板,检测效果便大打折扣。若要在对新类型的电路板进行缺陷检测的时候,也取得比较好的检测识别效果,便要重新进行图像标注、数据采集和模型训练,耗时耗力。
本申请中,SAM模型能够很好的解决电路板的类型多的问题。SAM模型是一个非常成熟的图像分割模型,能够实现少样本甚至零样本分割,对于一些它未见过或相对模糊的场景,也能实现较好的图像分割效果。而电路板的类型虽多,但电路板中元器件的类别是有限的。借助于分割能力强大的SAM模型,能够非常轻松且准确地将所述第一电路板中的所述待检测元器件分割出来。无需进行图像标注、数据采集和模型训练等操作,大大降低开发时间与成本,同时,优秀的分割结果还能够提高检测准确率。
具体地,SAM模型主要由三个部分组成,即图像编码器、提示编码器和掩码解码器。本申请在电路板元器件的缺陷检测过程中,主要使用到图像编码器和掩码解码器。其中,图像编码器基于掩码自编码器(Mask Auto Encoder,MAE)预训练的基于Transformer的视觉处理(Vision Transformer,ViT)架构生成图像嵌入,本申请优选基于Transformer的高分辨率视觉处理(Vision Transformer High resolution,ViT-H)参数进行图像转换,将原始图像转换为矩阵特征图,具体如何转换本申请不再介绍。掩码解码器可实现动态掩码预测,即将图像编码器生成的图像嵌入转换为掩码并输出。将图像输入到SAM模型中,得到SAM模型输出的图像分割掩码、图像分割掩码的轮廓位置及大小面积等信息。
具体地,采用SAM模型对所述第一电路板图像进行内容提取,得到所述第一元器件信息,所述第一元器件信息包括元器件掩码、元器件掩码的位置坐标、元器件掩码轮廓、元器件掩码的宽度高度以及元器件掩码的面积等信息。即得到多个所述待检测元器件各自的元器件掩码、元器件掩码的位置坐标、元器件掩码轮廓、元器件掩码的宽度高度以及元器件掩码的面积等信息。
需要注意的是,SAM模型常用32×32的网格点阵实现图像识别分割。但是,在将SAM模型引入到电路板元器件缺陷检测之后,发现部分类别的元器件比较小,致使32×32的网格点阵无法覆盖到电路板中所有的元器件,进而造成部分元器件未被成功识别分割出来。为了将电路板中所有的元器件都识别分割出来,本申请对SAM模型的网格点阵参数进行调整,即增大网格点阵参数。本申请优先使用更密集的40×40的网格点阵实现图像识别分割,即每行每列都为40个点覆盖全图,避免不遗漏掉任何一个元器件。本申请使用到的40×40的网格点阵能够将电路板中的所有元器件都识别出来,满足分割提取要求,分割效果更好,同时分割提取过程中的计算量更少,时间也更短,即成本更低,效率更高。
此外,SAM模型在对所述第一电路板图像进行内容提取的时候,除了得到所述第一元器件信息之外,还能够得到所述待检测电路板的第一电路板信息,所述第一电路板信息包括电路板掩码、电路板掩码的位置坐标、电路板掩码轮廓、电路板掩码的宽度高度以及电路板掩码的面积等信息。
通常情况下,所述第一电路板信息和所述第一元器件信息基本是同时输出的。电路板的宽度高度、周长和面积等数据要远大于元器件的对应数据,若输出信息比较杂乱,可通过这些数据对输出信息进行分类,得到所述第一电路板信息和所述第一元器件信息。
具体地,为了避免所述第一电路板图像中所述待检测电路板区域之外的其他无关内容被误认为所述待检测元器件,会先提取所述第一电路板信息,再提取所述第一元器件信息。
具体地,所述对所述第一电路板图像进行内容提取,得到第一元器件信息,包括:对所述第一电路板图像进行电路板识别,得到第一电路板信息;在所述第一电路板信息对应的图像区域内进行元器件识别,得到所述第一元器件信息。
具体地,利用SAM模型对所述第一电路板图像进行电路板识别,分割得到所述第一电路板信息。然后基于所述第一电路板信息确定所述第一电路板信息所指示的图像区域即电路板所在区域。在所述第一电路板信息对应的图像区域内进行元器件识别,分割得到所述第一元器件信息。
具体地,如图2所示,图2是本申请实施例提供的一种电路板元器件掩码分割效果图。为了更好的展示分割效果,在图2中采用不同深度的颜色对元器件进行标示。从图2中可以看出,各元器件掩码的边缘都对应有掩码轮廓线,SAM模型将电路板中的元器件精准地分割出来。但同样,可以看到,分割出来的也有电路板四角的隔离柱和两电路板连接处的连接件。为了避免所述第一电路板图像中所述待检测电路板区域之外的其他无关内容,如隔离柱和连接件等,被误认为所述待检测元器件,先进行电路板识别,提取所述第一电路板信息,再在所述第一电路板信息对应的图像区域内进行元器件识别,提取得到所述第一元器件信息。
步骤103,确定与所述待检测电路板的相似度满足要求的参照电路板中的第二元器件信息。
具体地,所述参照电路板是与所述待检测电路板相似的,且在所述待检测电路板的缺陷检测过程中可以作为参考对照的电路板。更确切地说,所述参照电路板是合格无缺陷,且与所述待检测电路板的类型相同的电路板。
具体地,为实现电路板元器件的缺陷检测,需要为所述待检测电路板提供可供参考对照的所述参照电路板,根据所述参照电路板中的元器件信息即所述第二元器件信息实现缺陷检测。
具体地,通过判断其他合格无缺陷的电路板和所述待检测电路板之间的相似度是否满足相似度要求,来确定出所述参照电路板,然后确定出所述参照电路板对应的所述第二元器件信息,确保缺陷检测能够顺利进行。
具体地,所述确定与所述待检测电路板的相似度满足要求的参照电路板中的第二元器件信息,包括:分别计算所述第一电路板信息与不同类型电路板各自对应的第二电路板信息间的信息相似度,得到多个电路板信息相似度计算结果;基于所述电路板信息相似度计算结果,若所述第二电路板信息中包含多个与所述第一电路板信息的相似度最大且相似度值相同的目标电路板信息,则从多个所述目标电路板信息中确定指定电路板信息;将所述指定电路板信息所对应的目标类型电路板作为所述参照电路板,将所述目标类型电路板的元器件信息作为所述第二元器件信息;或者,基于所述电路板信息相似度计算结果,若所述第二电路板信息中包含一个与所述第一电路板信息的相似度最大的所述目标电路板信息,则将所述目标电路板信息所对应的目标类型电路板作为所述参照电路板,将所述目标类型电路板的元器件信息作为所述第二元器件信息。
具体地,获取所述待检测电路板的所述第一电路板信息以及不同类型电路板各自对应的所述第二电路板信息,分别计算所述第一电路板信息与所述第二电路板信息间的信息相似度,即计算所述第一电路板信息中的电路板掩码轮廓、电路板掩码宽度高度和电路板掩码面积与各个所述第二电路板信息中的电路板掩码轮廓、电路板掩码宽度高度和电路板掩码面积的相似度,得到多个电路板信息相似度计算结果。电路板信息相似度计算结果的数量和参与计算的不同类型电路板的数量一致。
具体地,所述电路板信息相似度计算结果反映了所述待检测电路板与供比对的不同类型电路板的相似度。基于所述电路板信息相似度计算结果能够从不同类型电路板中确定出与所述待检测电路板类型相同的所述参考电路板。
具体地,基于所述电路板信息相似度计算结果进行电路板类型确定,若所述第二电路板信息中有多个与所述第一电路板信息的相似度最大且相似度值相同的目标电路板信息,则需要再次进行筛选,从多个所述目标电路板信息中确定出所述指定电路板信息,所述指定电路板信息对应的电路板是与所述待检测电路板的类型最为相似的电路板。
具体地,比对确定出所述指定电路板信息之后,将所述指定电路板信息所对应的所述目标类型电路板作为所述参照电路板,将所述目标类型电路板的元器件信息作为所述第二元器件信息。
具体地,基于所述电路板信息相似度计算结果进行电路板类型确定,若所述第二电路板信息中仅有一个与所述第一电路板信息的相似度最大的所述目标电路板信息,则将所述目标电路板信息所对应的所述目标类型电路板作为所述参照电路板,以及将所述目标类型电路板的元器件信息作为所述第二元器件信息。
具体地,无论是包含一个还是多个所述目标电路板信息,都需要在最大相似度大于或等于设定的电路板信息相似度阈值的情况下,才能够进行后续的筛选和/或确定操作。
具体地,所述基于所述电路板信息相似度计算结果,若所述第二电路板信息中包含多个与所述第一电路板信息的相似度最大且相似度值相同的目标电路板信息,则从多个所述目标电路板信息中确定指定电路板信息,包括:在所述第二电路板信息中包含多个与所述第一电路板信息的相似度最大且相似度值相同的所述目标电路板信息的情况下,获取所述待检测电路板的所述第一元器件信息和多个所述目标电路板信息各自关联的第三元器件信息;分别计算所述第一元器件信息与多个所述第三元器件信息间的信息相似度,得到多个元器件信息相似度计算结果;基于所述元器件信息相似度计算结果,从多个所述目标电路板信息中确定出所述指定电路板信息。
具体地,若所述第二电路板信息中包含多个与所述第一电路板信息的相似度最大且相似度值相同的所述目标电路板信息,则需要进行进一步筛选,从多个所述目标电路板信息中确定出所述指定电路板信息。
具体地,在所述第二电路板信息中包含多个与所述第一电路板信息的相似度最大且相似度值相同的所述目标电路板信息的情况下,获取所述待检测电路板的所述第一元器件信息和多个所述目标电路板信息各自关联的第三元器件信息。即在电路板信息相似的情况下,需要结合元器件信息进行进一步筛选确定。此处使用到的是元器件信息中的元器件布局信息。
具体地,分别计算第一元器件布局信息与多个第三元器件布局信息间的信息相似度,得到多个元器件布局信息相似度计算结果。计算结果最大的所述元器件布局信息相似度计算结果所对应的所述目标电路板信息就是所述指定电路板信息。至此,从多个所述目标电路板信息中确定出所述指定电路板信息。
具体地,在使用元器件布局信息的时候,可以以元器件的类别依次进行比对。例如,比对电路板中电容器的布局,若确定出所述指定电路板信息,则停止比对,若未确定出,则可继续比对电感器或者电阻器等元器件的布局,直至确定出所述指定电路板信息为止。在比对元器件布局信息的时候,比对元器件的数量和位置坐标等数据。
具体地,由于待检测电路板可能存在元器件缺件的缺陷,所以在比对元器件布局信息的时候,不要求完全一致。
具体地,如图3所示,图3是本申请实施例提供的一种双模电路板示意图。从图3可以看出,该电路板上下两个子电路板的布局一样,SAM模型进行分割的时候,还能够将上下两个子电路板分割开。如图4和图5所示,图4是本申请实施例提供的一种双模电路板的子电路板分割示意图一,图5是本申请实施例提供的一种双模电路板的子电路板分割示意图二,图4中的电路板为图3中双模电路板的上半部分的子电路板,图5中的电路板为图3中双模电路板的下半部分的子电路板。在计算电路板信息相似度和元器件布局信息相似度的时候,仅使用一个子电路板的相关信息进行计算即可。同时,还能够基于子电路板实现缺陷检测。
具体地,图3与上述图2对应,是图2对应的未分割原图。将图2和图3进行比对,更能够看出元器件分割效果。
步骤104,基于所述第一元器件信息及所述第二元器件信息对所述待检测元器件进行缺陷检测,得到检测结果。
具体地,通过上述操作,得到了所述第一元器件信息和所述第二元器件信息。将所述第二元器件信息作为参照对象,来检测所述第一元器件信息对应的所述待检测元器件是否存在缺陷,并得到所述检测结果。
具体地,所述第一元器件信息和所述第二元器件信息中均包含多个元器件信息,多个所述元器件信息指示的元器件类别有多种,所述基于所述第一元器件信息及所述第二元器件信息对所述待检测元器件进行缺陷检测,得到检测结果,包括:将所述第一元器件信息和所述第二元器件信息依照所述元器件类别进行信息相似度比对,得到多个元器件信息相似度;将多个所述元器件信息相似度分别与各自类别对应的元器件信息相似度阈值进行比较,得到多个比较结果;若多个所述比较结果均为正常结果,则确认所述待检测电路板中的多个所述待检测元器件检测通过,所述正常结果指示所述元器件信息相似度不低于所述元器件信息相似度阈值。
具体地,前文提到所述第一元器件信息为元器件信息集合,所述第一元器件信息包括从所述第一电路板图像中提取出来的所有待检测元器件对应的元器件信息,即所述第一元器件信息包括多个所述待检测元器件的元器件信息。相应地,所述第二元器件信息中也为元器件信息集合,其中包括多个参照元器件对应的元器件信息。多个所述待检测元器件的类别有多种,多个所述参照元器件的类别也有多种。
具体地,电路板中贴附有各种类别的元器件,不同类别的元器件的特点不同,不能以同一标准来判断所有类别的元器件。因此,在基于所述第一元器件信息和所述第二元器件信息进行缺陷检测的时候,需要分类计算,分类比较。
具体地,依照元器件信息中的元器件掩码轮廓,进行分类,元器件掩码轮廓相同的元器件信息对应的元器件类别相同。依据此方法实现元器件信息分类。计算所述第一元器件信息和所述第二元器件信息中属于同一元器件类别的元器件信息的信息相似度,得到多个元器件信息相似度。在计算相似度的时候,计算元器件掩码的位置坐标相同或者相近的元器件信息中的元器件掩码的宽度高度、元器件掩码的面积以及元器件掩码的倾斜角度等信息的相似度。每一个所述元器件信息相似度都对应一个元器件。
具体地,将多个所述元器件信息相似度分别与各自类别对应的所述元器件信息相似度阈值进行比较,得到多个比较结果。其中,所述元器件信息相似度阈值为预先设定好的值,每个元器件类别都对应有所述元器件信息相似度阈值。
可选地,计算同类别多个无缺陷电路板元器件的相似度均值,将相似度均值作为所述元器件信息相似度阈值。或者,在相似度均值的基础上,根据三倍标准差原则,设定所述元器件信息相似度阈值,即将正态分布引入元器件信息相似度阈值的设定标准中。
具体地,比较结果为正常结果或者异常结果,所述正常结果指示所述元器件信息相似度不低于所述元器件信息相似度阈值,所述异常结果指示所述元器件信息相似度低于所述元器件信息相似度阈值。正常结果表明元器件无缺陷,异常结果则表明元器件存在缺陷。
具体地,若多个所述比较结果均为所述正常结果,则确认所述待检测电路板中的多个所述待检测元器件均不存在缺陷,检测通过,输出检测结果,即多个所述待检测元器件均不存在缺陷,检测通过。
具体地,所述将多个所述元器件信息相似度分别与各自类别对应的元器件信息相似度阈值进行比较,得到多个比较结果之后,还包括:若多个所述比较结果中存在异常结果,则基于所述第一元器件信息和所述第二元器件信息,确定缺陷信息,所述异常结果指示所述元器件信息相似度低于所述元器件信息相似度阈值;基于所述缺陷信息,在所述第一电路板图像中进行缺陷标注,得到缺陷标注图像。
具体地,如果多个所述比较结果中存在所述异常结果,则说明所述异常结果对应的所述待检测元器件存在缺陷。根据所述第一元器件信息和所述第二元器件信息,确定出所述缺陷信息,所述缺陷信息包括缺陷类型信息和缺陷位置信息。依据所述缺陷位置信息,在所述第一电路板图像中的对应位置处进行缺陷标注,标出存在缺陷的位置,以及为何种类型的缺陷,得到所述缺陷标注图像。将所述缺陷标注图像作为检测结果展示给用户。
具体地,下面给出几种判断缺陷类型的示例。若所述元器件掩码的宽度高度和所述元器件掩码的面积对应的相似度低于阈值,则说明相对应的所述待检测元器件存在缺损。若在所述第一元器件信息中未找到和所述第二元器件信息中的某个信息进行比对的比对信息,或者,在所述第二元器件信息中未找到和所述第一元器件信息中的某个信息进行比对的比对信息,则说明所述待检测电路板与所述参考电路板的相同位置处没有可比对的元器件,所述待检测电路板存在元器件缺失,即缺件,或者,所述待检测电路板中存在多余的元器件。若元器件掩码的倾斜角度差异过大,则说明对应的所述待检测元器件存在歪斜偏置缺陷,等等。
具体地,用户可根据所述缺陷标注图像直观地获知所述待检测电路板的何处存在缺陷,以及存在何种类型的缺陷,快速对所述待检测电路板中的缺陷元器件进行校正。
具体地,可将相似度直接提供给用户查看,或者以相似度建立评分标准,以分值的形式展示给用户。
本申请实施例中,首先获取待检测电路板对应的第一电路板图像,待检测电路板中包含多个待检测元器件,第一电路板图像中也对应有多个待检测元器件的图像,然后对第一电路板图像进行内容提取,得到与多个待检测元器件对应的第一元器件信息。确定出与待检测电路板相似的参照电路板,参照电路板为待检测电路板可以参考对照的无缺陷电路板。获取参照电路板对应的第二元器件信息,基于第一元器件信息及第二元器件信息实现对待检测元器件的缺陷检测,得到检测结果。本申请不再使用负样本数据进行缺陷检测,而是选取与待检测电路板相似的无缺陷的参照电路板进行缺陷检测,即利用正样本进行缺陷检测,不再采集负样本数据,负样本数据采集周期长的问题迎刃而解。同时,在检测时,不是直接通过电路板进行比对,而是具体到各个元器件来进行缺陷检测,检测的准确率和效率也更高。
参见图6,图6是本申请实施例提供的一种电路板元器件缺陷检测方法的流程图二。如图6所示,一种电路板元器件缺陷检测方法,该方法包括以下步骤:
步骤201,获取多个不同类型电路板各自对应的第二电路板图像,每一类型电路板中包含多个元器件,多个所述不同类型电路板中包括参照电路板。
具体地,在进行缺陷检测之前,选取不同类型的无缺陷电路板作为缺陷检测的参照样本。每一所述不同类型电路板中包含多个元器件,对应地,每一类型电路板对应的所述第二电路板图像中也包含多个元器件。这些元器件都是合格无缺陷的元器件。多个不同类型电路板中就包括与所述待检测电路板类型相同的所述参照电路板。
具体地,通过所述图像采集设备采集电路板图像。与前述采集过程一样,在采集电路板图像的时候,会严格管控采集辅助光源的光源强度,保证采集到的图像不会过暗,同时又不会造成部分元器件的表面材质反光,影响后续内容提取,出现信息缺失的情况。所述第二电路板图像为经过图像预处理过的图像,图像预处理的过程不再赘述。
具体地,经过图像采集和图像预处理之后,就能够获取多个不同类型电路板各自对应的所述第二电路板图像。为了规避数据不平衡问题,每个类型的电路板都可收集多个所述第二电路板图像。
步骤202,对多个所述第二电路板图像进行内容提取,得到多个第四元器件信息;多个所述第四元器件信息均为信息扩增处理过的元器件信息,多个所述第四元器件信息中包括所述参照电路板对应的第二元器件信息。
具体地,通过SAM模型对多个不同类型电路板各自对应的电路板图像即多个所述第二电路板图像进行内容提取,得到各个所述第二电路板图像各自对应的所述第四元器件信息。此处内容提取过程与前文中所述第一电路板图像的内容提取过程相同。不同点在于,作为参照样本的这些第二电路板图像所对应的所述第四元器件信息为经过信息扩增处理过的元器件信息。即通过SAM模型进行图像分割和特征提取,对提取到元器件信息进行信息扩增处理,得到所述第四元器件信息。相应地,多个所述第四元器件信息中包括所述参照电路板对应的所述第二元器件信息,即所述第二元器件信息也为信息扩增处理过的元器件信息。
具体地,基于SAM模型进行内容提取的时候,同样会提取到所述第二电路板图像对应的电路板信息,电路板信息的提取过程和包含的内容请参阅前文。
具体地,在实际应用中,由于电路板生产过程中元器件会呈现些许的位姿误差,原始的元器件掩码的轮廓又过于贴合元器件边缘,若直接进行图像提取,容易丢失元器件的边缘特征,影响相似度计算,容易造成缺陷误评,影响检测准确度和检测效率。因此,本申请执行信息扩增处理操作,以信息扩增处理之后的所述第四元器件信息作为参照样本,进行缺陷检测。
具体地,以所述参照电路板为例说明信息扩增处理的过程。采用SAM模型对所述参照电路板的电路板图像进行内容提取,得到所述参照电路板对应的初始元器件信息,此处所述初始元器件信息为未经过信息扩增处理的元器件信息。取所述初始元器件信息中的初始元器件掩码,对所述初始元器件掩码进行掩码扩增处理,即对所述初始元器件掩码执行外接矩形操作,扩大掩码面积。更确切地说,信息扩增处理主要是指对元器件初始元器件掩码进行掩码扩增处理。
具体地,所述初始元器件掩码经掩码处理之后,对应于所述第二元器件信息中的元器件掩码,也可称之为第二元器件掩码。依照所述第二元器件掩码重新确定掩码相关信息,即重新确定掩码的位置坐标、掩码轮廓、掩码的宽度高度以及掩码的面积等信息,最终得到所述参照元器件的所述第二元器件信息。因为所述第二元器件掩码为经过掩码扩增处理之后的元器件掩码,相应地,由所述第二元器件掩码重新确定掩码的位置坐标、元器件掩码轮廓、掩码的宽度高度以及掩码的面积等信息也为信息扩增处理之后的元器件信息。
具体地,作为参照样本的其他类型的电路板的信息扩增处理过程与上述过程相同。
具体地,经过信息扩增处理之后的参照样本信息既没有丢失掉元器件边缘轮廓信息,又允许由于生产摆放和拍摄等因素导致图像中元器件细微倾斜和部分缺损这种误差的存在,即给出了允许存在误差的空间,在不影响电路板性能的同时,对检测标准进行适当放宽,提高检测准确率和检测效率,避免无效返工,能够减少工作量。
具体地,SAM模型有着非常优秀的分割提取能力,对于初次提交的作为参照样本的新类型电路板,也能够非常精准地分割提取出电路板信息和元器件信息。
具体地,生产电路板的生产设备在经过一段时间的使用之后,设备会有一定的损耗。受到设备损耗等因素影响,生产状态会不如以前,产出的电路板中的元器件的位置等信息会发生变化,但是电路板的性能其实未受影响,绝大多数电路板还是合格无缺陷的电路板。
然而,如果按照初始给定的参照样本进行缺陷检测的话,很可能会将这些变化判定为缺陷,导致电路板返工调整,增加工作量。为避免此类情况出现,需要依照设定周期,更换作为参照样本的这些电路板,并重新确定所述第四元器件信息,以此减少由于生产设备损耗所带来的影响。
步骤203,获取第一电路板图像,所述第一电路板图像对应于待检测电路板,所述待检测电路板中包含多个待检测元器件。
该步骤的实现过程与前述实施方式中的步骤101的实现过程相同,此处不再赘述。
步骤204,对所述第一电路板图像进行内容提取,得到第一元器件信息。
该步骤的实现过程与前述实施方式中的步骤102的实现过程相同,此处不再赘述。
步骤205,确定与所述待检测电路板的相似度满足要求的所述参照电路板中的所述第二元器件信息。
该步骤的实现过程与前述实施方式中的步骤103的实现过程相同,此处不再赘述。
步骤206,基于所述第一元器件信息及所述第二元器件信息对所述待检测元器件进行缺陷检测,得到检测结果。
该步骤的实现过程与前述实施方式中的步骤104的实现过程相同,此处不再赘述。
本申请实施例中,在获取第一电路板图像之前,首先获取多个不同类型电路板各自对应的第二电路板图像,对多个第二电路板图像进行内容提取,得到多个第四元器件信息,多个第四元器件信息均为信息扩增处理过的元器件信息,其中,每一类型电路板中包含多个元器件,多个不同类型电路板就包括参照电路板,多个第四元器件信息中包括参照电路板对应的第二元器件信息。即预先准备好了用于进行缺陷检测的参照样本电路板,便于进行缺陷检测。同时,提供的参照样本信息即第四元器件信息为经过信息扩增处理过的元器件信息,在不影响电路板性能的同时,对检测标准进行适当放宽,更为灵活,提高了检测准确率和检测效率,避免无效返工,减少工作量。
参见图7,图7是本申请实施例提供的一种电路板元器件缺陷检测装置的结构图,为了便于说明,仅示出了与本申请实施例相关的部分。
所述电路板元器件缺陷检测装置300包括:获取模块301,信息提取模块302,确定模块303,检测模块304。
获取模块301,用于获取第一电路板图像,所述第一电路板图像对应于待检测电路板,所述待检测电路板中包含多个待检测元器件。
信息提取模块302,用于对所述第一电路板图像进行内容提取,得到第一元器件信息。
确定模块303,用于确定与所述待检测电路板的相似度满足要求的参照电路板中的第二元器件信息。
检测模块304,用于基于所述第一元器件信息及所述第二元器件信息对所述待检测元器件进行缺陷检测,得到检测结果。
其中,所述信息提取模块302具体用于:
对所述第一电路板图像进行电路板识别,得到第一电路板信息;
在所述第一电路板信息对应的图像区域内进行元器件识别,得到所述第一元器件信息。
其中,所述确定模块303具体用于:
分别计算所述第一电路板信息与不同类型电路板各自对应的第二电路板信息间的信息相似度,得到多个电路板信息相似度计算结果;
基于所述电路板信息相似度计算结果,若所述第二电路板信息中包含多个与所述第一电路板信息的相似度最大且相似度值相同的目标电路板信息,则从多个所述目标电路板信息中确定指定电路板信息;
将所述指定电路板信息所对应的目标类型电路板作为所述参照电路板,将所述目标类型电路板的元器件信息作为所述第二元器件信息;或者,
基于所述电路板信息相似度计算结果,若所述第二电路板信息中包含一个与所述第一电路板信息的相似度最大的所述目标电路板信息,则将所述目标电路板信息所对应的目标类型电路板作为所述参照电路板,将所述目标类型电路板的元器件信息作为所述第二元器件信息。
在所述第二电路板信息中包含多个与所述第一电路板信息的相似度最大且相似度值相同的所述目标电路板信息的情况下,获取所述待检测电路板的所述第一元器件信息和多个所述目标电路板信息各自关联的第三元器件信息;
分别计算所述第一元器件信息与多个所述第三元器件信息间的信息相似度,得到多个元器件信息相似度计算结果;
基于所述元器件信息相似度计算结果,从多个所述目标电路板信息中确定出所述指定电路板信息。
其中,所述检测模块304具体用于:
将所述第一元器件信息和所述第二元器件信息依照所述元器件类别进行信息相似度比对,得到多个元器件信息相似度;
将多个所述元器件信息相似度分别与各自类别对应的元器件信息相似度阈值进行比较,得到多个比较结果;
若多个所述比较结果均为正常结果,则确认所述待检测电路板中的多个所述待检测元器件检测通过,所述正常结果指示所述元器件信息相似度不低于所述元器件信息相似度阈值。
若多个所述比较结果中存在异常结果,则基于所述第一元器件信息和所述第二元器件信息,确定缺陷信息,所述异常结果指示所述元器件信息相似度低于所述元器件信息相似度阈值;
基于所述缺陷信息,在所述第一电路板图像中进行缺陷标注,得到缺陷标注图像。
具体地,所述电路板元器件缺陷检测装置300还包括参照信息确定模块,用于:
获取多个不同类型电路板各自对应的第二电路板图像,每一类型电路板中包含多个元器件,多个所述不同类型电路板中包括所述参照电路板;
对多个所述第二电路板图像进行内容提取,得到多个第四元器件信息;多个所述第四元器件信息均为信息扩增处理过的元器件信息,多个所述第四元器件信息中包括所述参照电路板对应的所述第二元器件信息。
本申请实施例提供的电路板元器件缺陷检测装置能够实现上述电路板元器件缺陷检测方法的实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
图8是本申请实施例提供的一种终端的结构图。如该图所示,该实施例的终端4包括:至少一个处理器40(图8中仅示出一个)、存储器41以及存储在所述存储器41中并可在所述至少一个处理器40上运行的计算机程序42,所述处理器40执行所述计算机程序42时实现上述任意各个方法实施例中的步骤。
所述终端4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端4可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图8仅仅是终端4的示例,并不构成对终端4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所述处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
所述存储器41可以是所述终端4的内部存储单元,例如终端4的硬盘或内存。所述存储器41也可以是所述终端4的外部存储设备,例如所述终端4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述终端4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、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,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/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取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。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装置、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-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序产品来实现,当计算机程序产品在终端上运行时,使得所述终端执行时实现可实现上述各个方法实施例中的步骤。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种电路板元器件缺陷检测方法,其特征在于,包括:
获取第一电路板图像,所述第一电路板图像对应于待检测电路板,所述待检测电路板中包含多个待检测元器件;
对所述第一电路板图像进行内容提取,得到第一元器件信息;
确定与所述待检测电路板的相似度满足要求的参照电路板中的第二元器件信息;
基于所述第一元器件信息及所述第二元器件信息对所述待检测元器件进行缺陷检测,得到检测结果。
2.根据权利要求1所述的方法,其特征在于,所述对所述第一电路板图像进行内容提取,得到第一元器件信息,包括:
对所述第一电路板图像进行电路板识别,得到第一电路板信息;
在所述第一电路板信息对应的图像区域内进行元器件识别,得到所述第一元器件信息。
3.根据权利要求2所述的方法,其特征在于,所述确定与所述待检测电路板的相似度满足要求的参照电路板中的第二元器件信息,包括:
分别计算所述第一电路板信息与不同类型电路板各自对应的第二电路板信息间的信息相似度,得到多个电路板信息相似度计算结果;
基于所述电路板信息相似度计算结果,若所述第二电路板信息中包含多个与所述第一电路板信息的相似度最大且相似度值相同的目标电路板信息,则从多个所述目标电路板信息中确定指定电路板信息;
将所述指定电路板信息所对应的目标类型电路板作为所述参照电路板,将所述目标类型电路板的元器件信息作为所述第二元器件信息;或者,
基于所述电路板信息相似度计算结果,若所述第二电路板信息中包含一个与所述第一电路板信息的相似度最大的所述目标电路板信息,则将所述目标电路板信息所对应的目标类型电路板作为所述参照电路板,将所述目标类型电路板的元器件信息作为所述第二元器件信息。
4.根据权利要求3所述的方法,其特征在于,所述基于所述电路板信息相似度计算结果,若所述第二电路板信息中包含多个与所述第一电路板信息的相似度最大且相似度值相同的目标电路板信息,则从多个所述目标电路板信息中确定指定电路板信息,包括:
在所述第二电路板信息中包含多个与所述第一电路板信息的相似度最大且相似度值相同的所述目标电路板信息的情况下,获取所述待检测电路板的所述第一元器件信息和多个所述目标电路板信息各自关联的第三元器件信息;
分别计算所述第一元器件信息与多个所述第三元器件信息间的信息相似度,得到多个元器件信息相似度计算结果;
基于所述元器件信息相似度计算结果,从多个所述目标电路板信息中确定出所述指定电路板信息。
5.根据权利要求1所述的方法,其特征在于,所述第一元器件信息和所述第二元器件信息中均包含多个元器件信息,多个所述元器件信息指示的元器件类别有多种,所述基于所述第一元器件信息及所述第二元器件信息对所述待检测元器件进行缺陷检测,得到检测结果,包括:
将所述第一元器件信息和所述第二元器件信息依照所述元器件类别进行信息相似度比对,得到多个元器件信息相似度;
将多个所述元器件信息相似度分别与各自类别对应的元器件信息相似度阈值进行比较,得到多个比较结果;
若多个所述比较结果均为正常结果,则确认所述待检测电路板中的多个所述待检测元器件检测通过,所述正常结果指示所述元器件信息相似度不低于所述元器件信息相似度阈值。
6.根据权利要求5所述的方法,其特征在于,所述将多个所述元器件信息相似度分别与各自类别对应的元器件信息相似度阈值进行比较,得到多个比较结果之后,还包括:
若多个所述比较结果中存在异常结果,则基于所述第一元器件信息和所述第二元器件信息,确定缺陷信息,所述异常结果指示所述元器件信息相似度低于所述元器件信息相似度阈值;
基于所述缺陷信息,在所述第一电路板图像中进行缺陷标注,得到缺陷标注图像。
7.根据权利要求1所述的方法,其特征在于,所述获取第一电路板图像之前,还包括:
获取多个不同类型电路板各自对应的第二电路板图像,每一类型电路板中包含多个元器件,多个所述不同类型电路板中包括所述参照电路板;
对多个所述第二电路板图像进行内容提取,得到多个第四元器件信息;多个所述第四元器件信息均为信息扩增处理过的元器件信息,多个所述第四元器件信息中包括所述参照电路板对应的所述第二元器件信息。
8.一种电路板元器件缺陷检测装置,其特征在于,包括:
获取模块,用于获取第一电路板图像,所述第一电路板图像对应于待检测电路板,所述待检测电路板中包含多个待检测元器件;
信息提取模块,用于对所述第一电路板图像进行内容提取,得到第一元器件信息;
确定模块,用于确定与所述待检测电路板的相似度满足要求的参照电路板中的第二元器件信息;
检测模块,用于基于所述第一元器件信息及所述第二元器件信息对所述待检测元器件进行缺陷检测,得到检测结果。
9.一种终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311803529.2A CN117871545A (zh) | 2023-12-25 | 2023-12-25 | 一种电路板元器件缺陷检测方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311803529.2A CN117871545A (zh) | 2023-12-25 | 2023-12-25 | 一种电路板元器件缺陷检测方法、装置、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117871545A true CN117871545A (zh) | 2024-04-12 |
Family
ID=90594013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311803529.2A Pending CN117871545A (zh) | 2023-12-25 | 2023-12-25 | 一种电路板元器件缺陷检测方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117871545A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118134935A (zh) * | 2024-05-08 | 2024-06-04 | 成都数之联科技股份有限公司 | 一种电子元器件的外观缺陷检测方法、装置、介质和设备 |
CN118393327A (zh) * | 2024-06-26 | 2024-07-26 | 人工智能与数字经济广东省实验室(深圳) | 一种元器件缺失检测方法、电子设备及可读存储介质 |
-
2023
- 2023-12-25 CN CN202311803529.2A patent/CN117871545A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118134935A (zh) * | 2024-05-08 | 2024-06-04 | 成都数之联科技股份有限公司 | 一种电子元器件的外观缺陷检测方法、装置、介质和设备 |
CN118393327A (zh) * | 2024-06-26 | 2024-07-26 | 人工智能与数字经济广东省实验室(深圳) | 一种元器件缺失检测方法、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110060237B (zh) | 一种故障检测方法、装置、设备及*** | |
CN111833306B (zh) | 缺陷检测方法和用于缺陷检测的模型训练方法 | |
CN111693534B (zh) | 表面缺陷的检测方法、模型训练方法、装置、设备和介质 | |
CN117871545A (zh) | 一种电路板元器件缺陷检测方法、装置、终端及存储介质 | |
CN108764352B (zh) | 重复页面内容检测方法和装置 | |
CN111598903B (zh) | 人像分割方法、装置、存储介质和电子设备 | |
TWI794718B (zh) | 電路板檢測方法、電子裝置及存儲介質 | |
CN110927184A (zh) | 芯片封装缺陷的视觉检测方法 | |
Li et al. | Automatic comic page segmentation based on polygon detection | |
CN112651966A (zh) | 一种基于acyolov4_csp的印刷电路板微小缺陷检测方法 | |
CN111325728A (zh) | 产品缺陷检测方法、装置、设备及存储介质 | |
CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN113222913A (zh) | 一种电路板缺陷检测定位方法、装置和存储介质 | |
CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN114078109A (zh) | 图像处理方法、电子装置和存储介质 | |
CN115984662A (zh) | 一种多模态数据预训练及识别方法、装置、设备及介质 | |
US20220207724A1 (en) | Method of determining a distribution of stem cells in a cell image, electronic device, and storage medium | |
CN117809115A (zh) | Smt贴片错件检测方法、装置及视觉检测*** | |
CN117372415A (zh) | 喉镜图像识别方法、装置、计算机设备及存储介质 | |
CN112434581A (zh) | 一种室外目标颜色识别方法、***、电子设备及存储介质 | |
CN113971650A (zh) | 产品瑕疵检测方法、计算机装置及存储介质 | |
CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN115905016A (zh) | 一种BIOS Setup搜索功能测试方法、装置、电子设备及存储介质 | |
CN116245808A (zh) | 工件缺陷检测方法、装置、电子设备及存储介质 |
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 |