CN206470205U - 机器视觉焊锡辅助检测*** - Google Patents
机器视觉焊锡辅助检测*** Download PDFInfo
- Publication number
- CN206470205U CN206470205U CN201621428067.6U CN201621428067U CN206470205U CN 206470205 U CN206470205 U CN 206470205U CN 201621428067 U CN201621428067 U CN 201621428067U CN 206470205 U CN206470205 U CN 206470205U
- Authority
- CN
- China
- Prior art keywords
- detecting system
- scolding tin
- light source
- ing
- tin cream
- 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.)
- Expired - Fee Related
Links
Landscapes
- Electric Connection Of Electric Components To Printed Circuits (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种机器视觉焊锡辅助检测***，包括机器视觉焊锡定位检测***和智能检测焊锡膏印刷机锡膏余量的装置，所述智能检测焊锡膏印刷机锡膏余量的装置位于机器视觉焊锡定位检测***的下游；使用本检测***，可以在流水线上对PCB图像进行采集，并且，该图像可以被使用在焊锡定位的基础图像使用，并且实现了对于锡膏余量的检测。
Description
技术领域
本实用新型属于图像检测领域，涉及一种对焊锡定位时的图像采集和对焊锡膏余量检测的***。
背景技术
在电路板的制作过程中，作为电路组件与电路板间衔接桥梁的焊点占有举足轻重的位置。焊点的制作过程必须经过锡量控制、定位与焊锡凝固等程序，而此程序比较难于控制，故在电路板的制作过程里，焊接的技术要求相对较高，继而可能发生的缺陷也相对较多。如果不能及时将缺陷发现和修复，将对整个***能否可靠运行产生很大的影响。
由上可知，焊锡定位是一项对产品质量保证的重要工序，然而，在焊锡定位基本是基于图像进行的，可见，对于在流水线工程中，如何能够获取该产品的采集图像以作为焊锡定位的图像使用，也显得非常重要。
焊锡检测过程中，焊锡膏的印刷工艺是伴随着表面贴装技术SMT行业应运而生的，焊锡膏的印刷工艺的品质直接关系着后序贴片及回流工艺能否正常有序的进行，而目前的印刷工艺中，操作人员在将焊锡膏涂抹在钢网上后，采用检查工艺大部分仍是目视观察焊锡膏余量的方法，随着印刷的不断进行，钢网上的焊锡膏余量不断变化，人为目视的方法极易造成遗漏或精确度地等问题，而印刷过程中锡膏量不足也容易造成少锡、脱焊、桥连等不良的产生。
实用新型内容
为了能够在流水线上对PCB进行图像采集，且能在一条流水线上，对锡膏余量检测，本实用新型提出如下技术方案：一种机器视觉焊锡辅助检测***，包括机器视觉焊锡定位检测***和智能检测焊锡膏印刷机锡膏余量的装置，所述智能检测焊锡膏印刷机锡膏余量的装置位于机器视觉焊锡定位检测***的下游；
包括：工业相机、球积分光源、蜂鸣器、光源控制器、传送带、工业计算机、传感器、显示器、嵌入式***、图像采集卡；工业相机与图像采集卡连接，图像采集卡与工业计算机相连，工业计算机与光源控制器连接，光源控制器与球积分光源相连，所述球积分光源置于工业相机的下方，且位于传送带的上方，所述图像采集卡与计算机的连线引出两路，一路连接显示器，另一路分别连接传感器和嵌入式***，所述传感器位于传送带的上方。
所述智能检测焊锡膏印刷机锡膏余量的装置，包括：锡膏检测***、视觉采集器、对射型光电传感器、移动手持终端；视觉采集器中设有信号接收器，对射型光电传感器中设有信号发射器；所述视觉采集器和对射型光电传感器均放置在焊锡膏印刷机中，锡膏检测***通过USB2.0接口与视觉采集器相连，且锡膏检测***能通过WIFI与移动手持终端进行信息交互。
有益效果：使用本检测***，可以在流水线上对PCB图像进行采集，并且，该图像可以被使用在焊锡定位的基础图像使用，并且实现了对于锡膏余量的检测。
附图说明
图1为本实用新型所述机器视觉焊锡定位检测***的结构示意图；
图2为本实用新型所述的智能检测焊锡膏印刷机锡膏余量的装置的结构示意框图。
具体实施方式
实施例1：一种机器视觉焊锡辅助检测***，包括机器视觉焊锡定位检测***和智能检测焊锡膏印刷机锡膏余量的装置，所述智能检测焊锡膏印刷机锡膏余量的装置位于机器视觉焊锡定位检测***的下游；
所述机器视觉焊锡定位检测***，包括：工业相机1、球积分光源2、蜂鸣器3、光源控制器4、传送带5、工业计算机6、传感器7、显示器8、嵌入式***9、图像采集卡10；工业相机1与图像采集卡10连接，图像采集卡10与工业计算机6相连，工业计算机6与光源控制器4连接，光源控制器4与球积分光源2相连，所述球积分光源2置于工业相机的下方，且位于传送带的上方，所述图像采集卡10与计算机的连线引出两路，一路连接显示器8，另一路分别连接传感器7和嵌入式***9，所述传感器7位于传送带的上方。
智能检测焊锡膏印刷机锡膏余量的装置，包括：锡膏检测***、视觉采集器、对射型光电传感器、移动手持终端；视觉采集器中设有信号接收器，对射型光电传感器中设有信号发射器；所述视觉采集器和对射型光电传感器均放置在焊锡膏印刷机中，锡膏检测***通过USB2.0接口与视觉采集器相连，且锡膏检测***能通过WIFI无线网络与移动手持终端进行信息交互。所述锡膏检测***可以为SVII-K6在线锡膏检测***或SVⅡ-460高速三维锡膏检测***。
将视觉采集器与钢网平行放置，以便于从侧面获取焊锡膏的图像，每当刮刀运动至对射型光电传感器限位时,对射型光电传感器将信号发送给视觉采集器，这时位于视觉采集器较近的刮刀刚好抬起，视觉采集器接收到信号后进行图像采集，然后将图像信息回传至锡膏检测***，锡膏检测***对图像进行处理，从图像中提取有关于焊锡膏的信息，通过获取焊锡膏的高度计算出钢网上焊锡膏余量。
在本实施例中，涉及一种机器视觉焊锡定位检测方法，使用上述检测***进行图像采集，包括图像预处理、图像配准、对定位点焊锡检测；图像预处理主要指对图像进行几何畸变校正和噪声点的抑制，减小参考图像和待拼接图像的几何畸变；图像配准主要指对参考图像和待拼接图像中的匹配信息进行提取，在提取出的信息中寻找匹配，完成图像间的对齐；对测量范围内的定位焊点进行焊锡检测，应用模式匹配的方法将标准焊锡图像作为模板保存，运行时，将模板与一系列位置上的图像形态外观相似的子集进行比较，不断调整初始阈值，量化选取标准，分别统计每个样本图像在色调(H)、饱和度(S)和亮度(I)平面的直方图，同时得到与之相互对应的阈值结果，随即对多个样本的初始阈值进行修正，得到统一阈值用于图像二值化，标准灰度相关性运算作为一种形式的卷积，用来匹配的模板相当于卷积核，一个包含N像素的模板与检测图像内的N像素相乘随即求和，卷积核计算求出的测量图像内的每一个像素值，其结果最大的位置是与模板最相近的地方。
实施例2：作为实施例1中所述定位检测方法方案的补充：为了克服现有的AOI不能在有些灰阶或者遇到外界环境干扰较大光线不足被检测元件阴影明暗不明显时不能准确定位的缺陷或不足，基于原有算法编入自组织竞争人工神经网络，这种算法依赖于测量范围的起始位置和被测量物的方向。将依赖数据对应成二值型硬函数输入神经网络科荷伦层，采用无指导的训练方法对输入数据进行自组织竞争的分类与压缩，自组织神经网络的输入模式用向量表示，比较不同模式的相似性可转化为比较两个向量的距离，也就是说选择模式向量两者相距的数值当做聚类判据，本实施例使用的聚类判据为欧氏最小距离法。通过学习确定出一个比较合适的可以在该PCB板上检测所有焊锡的测量范围的大小，然后利用这个尺寸输出限定正确测量范围在需要测量的焊锡上，在学习得到的范围尺寸内找到焊锡的边界，随之求出测量坐标系原点，其精度可以达到亚像素精度。
对在检测过程中由于遇到灰阶或者遇到外界环境干扰较大光线不足或者被检测元件阴影明暗不明显时采集的图像质量过低，首先对图像的质量进行增强以改进图片的质量，将拍摄图片对比度增高去掉模糊和噪声，修正几何畸变，使用频率域法，把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。对由神经网络给出的测量区域使用面积最大法进行再次定位。
定位之前根据已学习的人工数据标定训练样本中的焊锡焊盘位置，对自动获取的焊盘区域中的主要颜色阈值进行统计，定位进行中利用此阈值对测量范围内的图像进行二值化，使用优化后的图像进行焊点定位。
对测量范围内的定位焊点进行焊锡检测，应用模式匹配的方法将标准焊锡图像作为模板保存，运行时，将模板与一系列位置上的图像形态外观相似的子集进行比较，初始阈值经过人工不断调节规范，达到焊点最佳抽出效果为止，量化选取标准，分别统计每个样本图像在色调(H)、饱和度(S)和亮度(I)平面的直方图，同时得到与之相互对应的阈值结果，随即对多个样本的初始阈值进行修正，得到统一阈值用于图像二值化，标准灰度相关性运算能够作为一种形式的卷积，在***中用来匹配的模板相当于卷积核，普通相关性与以上卷积形式相同，一个包含N像素的模板与正常图像内的N像素相乘随即求和。卷积核计算求出的测量图像内的每一个像素值，结果最大的位置是与模板最相近的地方，标准化向量为：
以检测图像左上角为原点，水平与竖直方向分别为X和Y轴，搜索窗的尺寸为wi和hj，定位焊点坐标为Si(xi,yi)，保持原点相对位置不变，w取值范围为[-min(0，x21),xi-max(x2,x21+x1)],h取值范围为[0,yj-(y21+y1)].假设焊锡定位点属于阈值范围的像素数S(x,y),xs＝-min(0,w21),xe＝ws-max(w2,w21+w1),ys＝0,ye＝hs-(h21+h1).则存在点(xp,yp)使得S(xp,yp)＝maxS(x,y),运算次数为(xe-xs)(ye-ys)(w1hi+w2h2)。
但当图像全部为白色或者黑色是***将会达到一个最大值，这个最大值使得该点不再与模板相似，这种情况下相关性函数的标准化向量应改为：
使用上述表达式结果将不会收到图像或是模板中像素值的线性变化的影响，若测量目标与模板完全匹配时结果会达到最大峰值1，反之为0，如相似性出现负值，***对负值自动消减为零，r2替代r规避了开放运算的速率缓慢，最终结果匹配分表示为百分数。
Score＝max(r,0)2×100％
该实施例中所述的定位检测方法，极大提高了AOI中焊锡焊点定位的精度，随着SMT行业技术的日新月异，芯片的尺寸也会越来越小，引脚焊线的精度为题势必将成为亟待解决的问题，与神经网络以及模式匹配技术相结合也解决了模板选取时的精度问题，将这些技术应用于半导体封装以及工业生产的视觉定位***中将给领域内工艺的迅猛发展提供迅速有效的支持。
以上所述，仅为本发明创造较佳的具体实施方式，但本发明创造的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内，根据本发明创造的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明创造的保护范围之内。
Claims (1)
1.一种机器视觉焊锡辅助检测***，其特征在于，包括机器视觉焊锡定位检测***和智能检测焊锡膏印刷机锡膏余量的装置，所述智能检测焊锡膏印刷机锡膏余量的装置位于机器视觉焊锡定位检测***的下游；
所述机器视觉焊锡定位检测***包括工业相机(1)、球积分光源(2)、蜂鸣器(3)、光源控制器(4)、传送带(5)、工业计算机(6)、传感器(7)、显示器(8)、嵌入式***(9)、图像采集卡(10)；工业相机(1)与图像采集卡(10)连接，图像采集卡(10)与工业计算机(6)相连，工业计算机(6)与光源控制器(4)连接，光源控制器(4)与球积分光源(2)相连，所述球积分光源(2)置于工业相机的下方，且位于传送带的上方，所述图像采集卡(10)与计算机的连线引出两路，一路连接显示器(8)，另一路分别连接传感器(7)和嵌入式***(9)，所述传感器(7)位于传送带的上方；
所述智能检测焊锡膏印刷机锡膏余量的装置，包括：锡膏检测***、视觉采集器、对射型光电传感器、移动手持终端；视觉采集器中设有信号接收器，对射型光电传感器中设有信号发射器；所述视觉采集器和对射型光电传感器均放置在焊锡膏印刷机中，锡膏检测***通过USB2.0接口与视觉采集器相连，且锡膏检测***能通过WIFI与移动手持终端进行信息交互。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201621428067.6U CN206470205U (zh) | 2016-12-24 | 2016-12-24 | 机器视觉焊锡辅助检测*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201621428067.6U CN206470205U (zh) | 2016-12-24 | 2016-12-24 | 机器视觉焊锡辅助检测*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN206470205U true CN206470205U (zh) | 2017-09-05 |
Family
ID=59711117
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201621428067.6U Expired - Fee Related CN206470205U (zh) | 2016-12-24 | 2016-12-24 | 机器视觉焊锡辅助检测*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN206470205U (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108982512A (zh) * | 2018-06-28 | 2018-12-11 | 芜湖新尚捷智能信息科技有限公司 | 一种基于机器视觉的电路板检测***及其方法 |
| CN110363737A (zh) * | 2018-04-08 | 2019-10-22 | 深圳技术大学（筹） | 一种待检测图像获取方法及待检测图像获取*** |
| CN112419274A (zh) * | 2020-11-24 | 2021-02-26 | 英业达(重庆)有限公司 | 一种锡膏检测方法、***、电子设备及介质 |
| CN114054889A (zh) * | 2021-11-05 | 2022-02-18 | 江苏三沃电子科技有限公司 | 一种检测焊接助剂的焊接辅助装置 |
-
2016
- 2016-12-24 CN CN201621428067.6U patent/CN206470205U/zh not_active Expired - Fee Related
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110363737A (zh) * | 2018-04-08 | 2019-10-22 | 深圳技术大学（筹） | 一种待检测图像获取方法及待检测图像获取*** |
| CN108982512A (zh) * | 2018-06-28 | 2018-12-11 | 芜湖新尚捷智能信息科技有限公司 | 一种基于机器视觉的电路板检测***及其方法 |
| CN112419274A (zh) * | 2020-11-24 | 2021-02-26 | 英业达(重庆)有限公司 | 一种锡膏检测方法、***、电子设备及介质 |
| CN112419274B (zh) * | 2020-11-24 | 2024-04-26 | 英业达(重庆)有限公司 | 一种锡膏检测方法、***、电子设备及介质 |
| CN114054889A (zh) * | 2021-11-05 | 2022-02-18 | 江苏三沃电子科技有限公司 | 一种检测焊接助剂的焊接辅助装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN206470205U (zh) | 机器视觉焊锡辅助检测*** | |
| CN107992881B (zh) | 一种机器人动态抓取方法及*** | |
| CN106501272A (zh) | 机器视觉焊锡定位检测*** | |
| CN106651802B (zh) | 机器视觉焊锡定位检测方法 | |
| 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 | |
| CN108009515B (zh) | 一种基于fcn的无人机航拍图像的输电线定位识别方法 | |
| CN113643280B (zh) | 一种基于计算机视觉的板材分拣***及方法 | |
| CN111289538B (zh) | 基于机器视觉的pcb板元件检测***及检测方法 | |
| CN109550712A (zh) | 一种化纤丝尾丝外观缺陷检测***及方法 | |
| CN104749184A (zh) | 自动光学检测方法和*** | |
| CN108982512A (zh) | 一种基于机器视觉的电路板检测***及其方法 | |
| CN104899871B (zh) | 一种ic元件焊点空焊检测方法 | |
| CN108007388A (zh) | 一种基于机器视觉的转盘角度高精度在线测量方法 | |
| CN107886131A (zh) | 一种基于卷积神经网络检测电路板元器件极性方法和装置 | |
| CN106651857B (zh) | 一种印刷电路板贴片缺陷检测方法 | |
| CN110189375B (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
| CN104992449A (zh) | 基于机器视觉的信息识别及表面缺陷在线检测方法 | |
| CN104118609A (zh) | 贴标质量检测方法和装置 | |
| CN111539927A (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 | |
| CN114820439A (zh) | 基于aoi的pcb裸板缺陷的检测***及方法 | |
| CN113838043A (zh) | 金属箔材制造中基于机器视觉的质量分析方法 | |
| CN104749801A (zh) | 高精度自动光学检测方法和*** | |
| CN206470210U (zh) | 机器视觉焊锡定位检测*** | |
| CN117589770A (zh) | Pcb贴片板检测方法、装置、设备及介质 | |
| CN114926417B (zh) | 高密度柔性fpc表面弱划痕的显微成像检测方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170905 Termination date: 20171224 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |