CN106651849A - 基于面阵相机的pcb裸板缺陷检测方法 - Google Patents
基于面阵相机的pcb裸板缺陷检测方法 Download PDFInfo
- Publication number
- CN106651849A CN106651849A CN201611227887.3A CN201611227887A CN106651849A CN 106651849 A CN106651849 A CN 106651849A CN 201611227887 A CN201611227887 A CN 201611227887A CN 106651849 A CN106651849 A CN 106651849A
- Authority
- CN
- China
- Prior art keywords
- image
- pcb
- template
- camera
- defect
- 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 89
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 230000000007 visual effect Effects 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims abstract description 5
- 238000003860 storage Methods 0.000 claims abstract description 4
- 238000003709 image segmentation Methods 0.000 claims abstract description 3
- 238000012360 testing method Methods 0.000 claims description 43
- 238000007689 inspection Methods 0.000 claims description 30
- 230000009466 transformation Effects 0.000 claims description 8
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 206010054949 Metaplasia Diseases 0.000 description 1
- 230000007812 deficiency Effects 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
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000015689 metaplastic ossification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
- G06T3/147—Transformations for image registration, e.g. adjusting or mapping for alignment of images using affine transformations
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30141—Printed circuit board [PCB]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于面阵相机的PCB裸板缺陷检测方法，包括以下步骤：步骤1、存储待测PCB板参数，待测PCB板参数包括PCB板尺寸；步骤2、根据PCB板尺寸，以及相机视野，确定最少拍摄次数；步骤3、加载用于检测PCB裸板缺陷的CAD模板图像，并对CAD模板进行图像分割处理，以及模板角点加测；步骤4、由相机待测图像采集，并与PLC进行通信；在采集行测图像时搭载相机移动，分区域对整张PCB板进行图像采集；步骤5、CAD模板图像与对应的待测图像进行配准；步骤6、图像缺陷检测提取；步骤7、在检测到缺陷时，输出报警信号，记录缺陷、并保存和显示。本发明具有检测精度高，实时性好特点，有效的节省人力成本。
Description
技术领域
本发明属于智能检测领域，尤其涉及一种基于面阵相机的PCB裸板缺陷检测方法。
背景技术
目前，PCB印刷质量检测主要依靠传统的人工检测方式，随着PCB行业的发展， PCB板印刷电路越来越复杂，人工加测难度大，耗时长，主观性大，难以满足日益发展的PCB行业发展需求。
因而现有技术还有待改进和提高。
发明内容
本发明的目的在于提供针对PCB生产过程中传统的人工检测的不足，提供一种基于机器视觉的PCB裸板缺陷检测方法，实现PCB裸板缺陷自动检测，极大的解决了传统PCB检测复杂度高，难度大，检测耗时的问题，节省了人力成本，提高了生产效率。
为了达到上述目的，本发明采取了以下技术方案：
一种基于面阵相机的PCB裸板缺陷检测方法，其包括如下步骤：
步骤1、存储待测PCB板参数，所述待测PCB板参数包括PCB板尺寸；
步骤2、根据所述PCB板尺寸，以及相机视野，确定最少拍摄次数；
步骤3、加载用于检测PCB裸板缺陷的CAD模板图像，并对所述CAD模板进行图像分割处理，以及模板角点加测；
步骤4、由相机待测图像采集，并与PLC进行通信；在采集行测图像时搭载相机移动，分区域对整张PCB板进行图像采集；
步骤5、CAD模板图像与对应的待测图像进行配准；
步骤6、图像缺陷检测提取；
步骤7、在检测到缺陷时，输出报警信号，记录缺陷、并保存和显示。
所述的基于面阵相机的PCB裸板缺陷检测方法中，所述步骤1包括：
测量待检测PCB板的尺寸，并在软件人工交互界面中进行参数设置。
所述的基于面阵相机的PCB裸板缺陷检测方法中，所述步骤2包括：
根据待检测PCB板的尺寸和相机拍摄视野的大小，确定最优的拍照方案；所述最优的拍照方案以整张待测PCB板的最少拍摄次数为最优拍照方案。
所述的基于面阵相机的PCB裸板缺陷检测方法中，所述步骤3包括：
步骤31、对CAD模板图像进行加载并作初始化处理，根据所述最优拍摄方案，对整张CAD模板图像进行对应区域裁剪，为后续与分区域拍摄的待测图像配准做准备；
步骤32、为了确保后续缺陷检测的实时性，在加载CAD模板图像时对模板图像进行特征点提取，具体为提取各分割图像的角点作为特征点。
所述的基于面阵相机的PCB裸板缺陷检测方法中，所述步骤4包括：
步骤41、待测PCB板图像采集方式采用高分辨率面阵黑白相机分区域多次采集；
步骤42、采集过程中与相机与PLC相互通信，根据拍摄次数，拍摄场景大小，以及PCB板的尺寸确定PLC水平方向和垂直方向的移动步长，PLC移动完成后，触发相机抓拍；
步骤43、在相机抓拍完成后通信PLC移动至下一个抓拍位置，直至完成整个过程拍摄。
所述的基于面阵相机的PCB裸板缺陷检测方法中，所述步骤5包括：
步骤51、根据CAD模板图像各分割区域的角点，选取角点周围一定范围内区域为ROI区域，并选取CAD模板图像的ROI区域图像；
步骤52、在待测图像中，在与模板ROI区域对应区域范围内进行搜索匹配，根据最佳匹配结果，确定待测图像中对应的角点；
步骤53、对步骤3中提取的所有角点执行步骤52的匹配过程，得到模板中与之一一对应的角点；
步骤54、利用角点得到模板与待测图像之间的变换矩阵，并对模板图像进行图像仿射变换。
所述的基于面阵相机的PCB裸板缺陷检测方法中，步骤6中图像缺陷提取包括提取电路断裂缺陷和电路误连缺陷。
所述的基于面阵相机的PCB裸板缺陷检测方法中，在提取电路断裂缺陷时，所述步骤6包括：
步骤61、令待测图像test0和模版图像model0为二值化取反图像；
步骤62、对模版图像model0进行细化操作，具体为遍历model0图像像素，if(model0（x,y）=0）重置(test0(x,y)=0)，得到Resttest0；
步骤63、对model0和Resttest0做差，得到断裂缺陷检测结果。
所述的基于面阵相机的PCB裸板缺陷检测方法中，在电路误连缺陷时，所述步骤6中包括：
步骤61′、令待测图像test1和模版图像model1为二值化取反图像；
步骤62′、对model1进行膨胀操作，遍历model1像素，if(model1（x,y）=255）重置(test1(x,y)=255)，得到Resttest1；
步骤63′、对model1和Resttest1做差，得到电路误连缺陷检测结果。
所述的基于面阵相机的PCB裸板缺陷检测方法中，所述步骤7包括：
对检测缺陷进行报警，并将检测到的缺陷结果进行显示，历史记录保存。
相较于现有技术，本发明的显著效果在于采用高分辨率面阵黑白工业对整张PCB板图像进行分区域多次采集，设备简单。相机采用标准的CAD图像作为模板图像，避免了用相机采集模板图像过程中因为灰尘等造成的模板图像误差，在模板加载生成环节提前提取模板角点，减少后续实时缺陷检测耗时，并根据提取的角点区域进行匹配，得到待测图像中对应的角点，利用多对角点提取模板与待测图像的变换矩阵，进行仿射变换，并分析线路断裂和误连缺陷特征，分别进行提取，检测精度高，实时性好，有效的节省人力成本。
附图说明
图1是本发明的基于面阵相机的PCB裸板缺陷检测方法的流程图。
图2是本发明的基于面阵相机的PCB裸板缺陷检测方法中模板图像与对应待测图像匹配的流程图。
图3是本发明的基于面阵相机的PCB裸板缺陷检测方法中缺陷（断裂，误连）检测的流程图。
具体实施方式
本发明提供的基于机器视觉的PCB裸板缺陷自动检测系统可以实现PCB裸板印刷缺陷自动检测，利用高分辨率面阵黑白相机以及图像处理算法检测精度高，能够实现PCB生成全时段完全检测，检测效率大大提升，同时对生产的PCB产品质量实现统计管理，满足现代化生产的需求。
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
图1是本发明的基于面阵相机的PCB裸板缺陷检测方法的流程图。本发明的基于面阵相机的PCB裸板缺陷检测方法包括：
步骤1、存储待测PCB板参数，所述待测PCB板参数包括PCB板尺寸。对于不同规格的PCB板，通过人工测量方式确定待检测PCB板的尺寸，并在软件人工交互界面中进行参数设置。
步骤2、根据所述PCB板尺寸，以及相机视野，确定最少拍摄次数。在确定拍摄次数时，根据待检测PCB板的尺寸和相机拍摄视野的大小，确定最优的拍照方案；所述最优的拍照方案以整张待测PCB板的最少拍摄次数为最优拍照方案。
步骤3、加载用于检测PCB裸板缺陷的CAD模板图像，并对所述CAD模板进行图像分割处理，以及模板角点加测。其具体包括：
步骤31、对CAD模板图像进行加载并作初始化处理，根据所述最优拍摄方案，对整张CAD模板图像进行对应区域裁剪，为后续与分区域拍摄的待测图像配准做准备；
步骤32、为了确保后续缺陷检测的实时性，在加载CAD模板图像时对模板图像进行特征点提取，具体为提取各分割图像的角点作为特征点。
步骤4、由相机待测图像采集，并与PLC进行通信；在采集行测图像时搭载相机移动，分区域对整张PCB板进行图像采集。其具体包括：
步骤41、待测PCB板图像采集方式采用高分辨率面阵黑白相机分区域多次采集；骤42、采集过程中与相机与PLC相互通信，根据拍摄次数，拍摄场景大小，以及PCB板的尺寸确定PLC水平方向和垂直方向的移动步长，PLC移动完成后，触发相机抓拍；骤43、在相机抓拍完成后通信PLC移动至下一个抓拍位置，直至完成整个过程拍摄。
步骤5、CAD模板图像与对应的待测图像进行配准；其具体包括：
步骤51、根据CAD模板图像各分割区域的角点，选取角点周围一定范围内区域为ROI区域，并选取CAD模板图像的ROI区域图像；
步骤52、在待测图像中，在与模板ROI区域对应区域范围内进行搜索匹配，根据最佳匹配结果，确定待测图像中对应的角点；
步骤53、对步骤3中提取的所有角点执行步骤52的匹配过程，得到模板中与之一一对应的角点；
步骤54、利用角点得到模板与待测图像之间的变换矩阵，并对模板图像进行图像仿射变换。
步骤6、图像缺陷检测提取；所述图像缺陷提取包括提取电路断裂缺陷和电路误连缺陷。
对于电路断裂缺陷检测，对CAD模板图像进行细化，由于模板采用CAD图像，故与实际拍摄的待测图像电路存在差异，为保证断裂缺陷检测结果准备，采用检测电路骨架是否存在断裂作为缺陷检测依据，故在进行断裂缺陷检测时需要先对原来模板图电路连线进行细化。在提取电路断裂缺陷时，所述步骤6包括：
步骤61、令待测图像test0和模版图像model0为二值化取反图像；
步骤62、对模版图像model0进行细化操作，具体为遍历model0图像像素，if(model0（x,y）=0）重置(test0(x,y)=0)，得到Resttest0；
步骤63、对model0和Resttest0做差，得到断裂缺陷检测结果。
在电路误连缺陷时，所述步骤6中包括：
步骤61′、令待测图像test1和模版图像model1为二值化取反图像；
步骤62′、对model1进行膨胀操作，遍历model1像素，if(model1（x,y）=255）重置(test1(x,y)=255)，得到Resttest1；
步骤63′、对model1和Resttest1做差，得到电路误连缺陷检测结果。
步骤7、在检测到缺陷时，输出报警信号，记录缺陷、并保存和显示。具体为：对检测缺陷进行报警，并将检测到的缺陷结果进行显示，历史记录保存
本发明采用标准CAD图像来作为模板图像，根据待检测PCB板尺寸、相机拍摄视野来进行拍摄次数设定，通过设定PLC移动参数，来控制相机水平移动距离和PCB板载台垂直移动距离，实现对整块PCB板的快速分区域拍摄。
在软件初始化阶段自动连接相机，获取相机参数，在加载模板阶段实现将标准的CAD模板图像读取到内存，并根据确定的拍摄次数，拍摄视野大小实现对整板CAD模板图像的区域自动划分和读取，为了节省耗时，在提取各个区域的CAD模板图像后，进行角点检测，此发明中采用Shi-tomasi方法来进行角点检测。
模板加载环节完成时，触发信号触发PLC自动控制PCB载台自动进料（即输送待测PCB板），相机开始抓拍，并触发PLC搭载相机载台水平方向移动事先确定的步长后，触发相机拍照，直至水平方向完成预定拍摄次数，搭载PCB板载台继续垂直方向移动一定步长，直至完成所有拍摄次数实现对整个PCB的移动拍摄。
在拍摄过程中，检测线程同步执行，开始对采集到的待测图像与对应的模板图像进行配置，进行缺陷检测。
进一步地，请参阅图2，图2是本发明的模板与对应待测图像匹配的流程图。在进行模板与对应待测图像匹配时，由于标准的CAD模板为黑白图像，缺少图像灰度信息，因此特征点检测采用角点提取来实现配准。具体为：
首先对模板图像进行角点提取，具体方法采用Shi-tomasi方法，最终得到不同区域模板图像的角点；而后以角点为中心，在模板图像中确定每一个角点对应的ROI区域，并在待测图像中对应的位置选取待配准区域（由于模板与待测图像之间存在着位移，为了后续模板角点对应的ROI区域能够在待测图像中得到较为精确的模板匹配结果，待测图像中对应的待配准区域需大于模板图像中对应的ROI区域）；之后，在模板图像中，对应的ROI区域与待测图像中对应位置进行遍历模板匹配，得到准确的匹配位置，从而得到待测图像中对应的角点位置，对提取的所有模板的角点依次重复上述过程，得到一一对应的模板与待测图像中的角点匹配对，从而得到模板与待测图像的仿射变换矩阵，实现对模板图像的仿射变换。
图3是本发明的缺陷（断裂，误连）检测的流程图。所述步骤6根据得到的仿射变换矩阵，实现对模板图像的图像变换，对变换后的模板图像model进行二值化取反操作，用来进行电路断裂和电路误连缺陷检测。
如图3所示，对于电路断裂缺陷检测，test0和model0为二值化取反图像，对model0进行细化操作，根据为了避免其他因素的影响，遍历model0图像像素，if(model0（x,y）=0）重置(test0(x,y)=0);得到Resttest0，对model0和Resttest0做差，根据差值得到断裂缺陷检测结果，如差值为0时，检测结果则为没有缺陷，不为0时，则存在电路断裂缺陷。
对于电路误连缺陷检测，test1和model1为二值化取反图像，对model1进行膨胀操作，遍历model1像素，if(model1（x,y）=255）重置(test1(x,y)=255)了，得到Resttest1，对model1和Resttest1做差，得到误连检测结果。
并且，针对电路断裂和误连两种不同的缺陷检测结果，分别在原待测图像中用不同颜色进行标示，记录检测结果。
综上所述，本发明采用高分辨率面阵黑白工业对整张PCB板图像进行分区域多次采集，设备简单。相机采用标准的CAD图像作为模板图像，避免了用相机采集模板图像过程中因为灰尘等造成的模板图像误差，在模板加载生成环节提前提取模板角点，减少后续实时缺陷检测耗时，并根据提取的角点区域进行匹配，得到待测图像中对应的角点，利用多对角点提取模板与待测图像的变换矩阵，进行放射变换，并分析线路断裂和误连缺陷特征，分别进行提取，检测精度高，实时性好，有效的节省人力成本。
可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种基于面阵相机的PCB裸板缺陷检测方法，其特征在于，包括如下步骤：
步骤1、存储待测PCB板参数，所述待测PCB板参数包括PCB板尺寸；
步骤2、根据所述PCB板尺寸，以及相机视野，确定最少拍摄次数；
步骤3、加载用于检测PCB裸板缺陷的CAD模板图像，并对所述CAD模板进行图像分割处理，以及模板角点加测；
步骤4、由相机待测图像采集，并与PLC进行通信；在采集行测图像时搭载相机移动，分区域对整张PCB板进行图像采集；
步骤5、CAD模板图像与对应的待测图像进行配准；
步骤6、图像缺陷检测提取；
步骤7、在检测到缺陷时，输出报警信号，记录缺陷、并保存和显示。
2.根据权利要求1所述的基于面阵相机的PCB裸板缺陷检测方法，其特征在于，所述步骤1包括：
测量待检测PCB板的尺寸，并在软件人工交互界面中进行参数设置。
3.根据权利要求1所述的基于面阵相机的PCB裸板缺陷检测方法，其特征在于，所述步骤2包括：
根据待检测PCB板的尺寸和相机拍摄视野的大小，确定最优的拍照方案；所述最优的拍照方案以整张待测PCB板的最少拍摄次数为最优拍照方案。
4.根据权利要求3所述的基于面阵相机的PCB裸板缺陷检测方法，其特征在于，所述步骤3包括：
步骤31、对CAD模板图像进行加载并作初始化处理，根据所述最优拍摄方案，对整张CAD模板图像进行对应区域裁剪，为后续与分区域拍摄的待测图像配准做准备；
步骤32、为了确保后续缺陷检测的实时性，在加载CAD模板图像时对模板图像进行特征点提取，具体为提取各分割图像的角点作为特征点。
5.根据权利要求1所述的基于面阵相机的PCB裸板缺陷检测方法，其特征在于，所述步骤4包括：
步骤41、待测PCB板图像采集方式采用高分辨率面阵黑白相机分区域多次采集；
步骤42、采集过程中与相机与PLC相互通信，根据拍摄次数，拍摄场景大小，以及PCB板的尺寸确定PLC水平方向和垂直方向的移动步长，PLC移动完成后，触发相机抓拍；
步骤43、在相机抓拍完成后通信PLC移动至下一个抓拍位置，直至完成整个过程拍摄。
6.根据权利要求1所述的基于面阵相机的PCB裸板缺陷检测方法，其特征在于，所述步骤5包括：
步骤51、根据CAD模板图像各分割区域的角点，选取角点周围一定范围内区域为ROI区域，并选取CAD模板图像的ROI区域图像；
步骤52、在待测图像中，在与模板ROI区域对应区域范围内进行搜索匹配，根据最佳匹配结果，确定待测图像中对应的角点；
步骤53、对步骤3中提取的所有角点执行步骤52的匹配过程，得到模板中与之一一对应的角点；
步骤54、利用角点得到模板与待测图像之间的变换矩阵，并对模板图像进行图像仿射变换。
7.根据权利要求1所述的基于面阵相机的PCB裸板缺陷检测方法，其特征在于，步骤6中图像缺陷提取包括提取电路断裂缺陷和电路误连缺陷。
8.根据权利要求7所述的基于面阵相机的PCB裸板缺陷检测方法，其特征在于，在提取电路断裂缺陷时，所述步骤6包括：
步骤61、令待测图像test0和模版图像model0为二值化取反图像；
步骤62、对模版图像model0进行细化操作，具体为遍历model0图像像素，if(model0（x,y）=0）重置(test0(x,y)=0)，得到Resttest0；
步骤63、对model0和Resttest0做差，得到断裂缺陷检测结果。
9.根据权利要求7所述的基于面阵相机的PCB裸板缺陷检测方法，其特征在于，在电路误连缺陷时，所述步骤6中包括：
步骤61′、令待测图像test1和模版图像model1为二值化取反图像；
步骤62′、对model1进行膨胀操作，遍历model1像素，if(model1（x,y）=255）重置(test1(x,y)=255)，得到Resttest1；
步骤63′、对model1和Resttest1做差，得到电路误连缺陷检测结果。
10.根据权利要求1所述的基于面阵相机的PCB裸板缺陷检测方法，其特征在于，所述步骤7包括：
对检测缺陷进行报警，并将检测到的缺陷结果进行显示，历史记录保存。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611227887.3A CN106651849A (zh) | 2016-12-27 | 2016-12-27 | 基于面阵相机的pcb裸板缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611227887.3A CN106651849A (zh) | 2016-12-27 | 2016-12-27 | 基于面阵相机的pcb裸板缺陷检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106651849A true CN106651849A (zh) | 2017-05-10 |
Family
ID=58831729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611227887.3A Pending CN106651849A (zh) | 2016-12-27 | 2016-12-27 | 基于面阵相机的pcb裸板缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106651849A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107367514A (zh) * | 2017-08-28 | 2017-11-21 | 广东工业大学 | 一种基于机器视觉的pos机缺陷检测方法 |
| CN107767379A (zh) * | 2017-11-16 | 2018-03-06 | 桂林电子科技大学 | Pcb板标注印刷质量检测方法 |
| CN108254380A (zh) * | 2018-01-03 | 2018-07-06 | 浙江涵普电力科技有限公司 | 基于数字图像处理的pcb电路板模板比对方法 |
| 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系统 |
| CN111798443A (zh) * | 2020-07-16 | 2020-10-20 | 佛山市南海区广工大数控装备协同创新研究院 | 一种利用pcb缺陷检测系统进行缺陷定位和可视化的方法 |
| CN113466261A (zh) * | 2021-07-26 | 2021-10-01 | 鸿安（福建）机械有限公司 | 一种pcb板自动检测装置 |
| CN113777109A (zh) * | 2021-08-25 | 2021-12-10 | 深圳市青虹激光科技有限公司 | 一种工件检测方法、系统、设备和存储介质 |
| CN114494131A (zh) * | 2021-12-24 | 2022-05-13 | 深圳英博达智能科技有限公司 | 一种pcb板油墨面凸点的缺陷检测方法 |
| CN116593479A (zh) * | 2023-07-19 | 2023-08-15 | 北京阿丘机器人科技有限公司 | 电池盖板外观质量检测方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101793843A (zh) * | 2010-03-12 | 2010-08-04 | 华东理工大学 | 基于连接表的印刷线路板自动光学检测算法 |
| CN102937595A (zh) * | 2012-11-13 | 2013-02-20 | 浙江省电力公司电力科学研究院 | 一种pcb板检测方法、装置及系统 |
| CN105957082A (zh) * | 2016-05-04 | 2016-09-21 | 广东锐视智能检测有限公司 | 一种基于面阵相机的印刷质量在线监测方法 |
-
2016
- 2016-12-27 CN CN201611227887.3A patent/CN106651849A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101793843A (zh) * | 2010-03-12 | 2010-08-04 | 华东理工大学 | 基于连接表的印刷线路板自动光学检测算法 |
| CN102937595A (zh) * | 2012-11-13 | 2013-02-20 | 浙江省电力公司电力科学研究院 | 一种pcb板检测方法、装置及系统 |
| CN105957082A (zh) * | 2016-05-04 | 2016-09-21 | 广东锐视智能检测有限公司 | 一种基于面阵相机的印刷质量在线监测方法 |
Non-Patent Citations (5)
| Title |
|---|
| A. ANU，MARGRET ANOUNCIA，L. RAJAJI: ""Automatic Visual Inspection of PCB using CAD Information"", 《2012 INTERNATIONAL CONFERENCE ON RADAR, COMMUNICATION AND COMPUTING》 * |
| 刘百芬等: ""基于机器视觉PCB裸板缺陷自动检测研究"", 《工业控制计算机》 * |
| 周建军，崔麦会等: "《海战场侦察技术概论》", 31 January 2013 * |
| 毕国玲等: ""基于角点和局部特征描述子的快速匹配算法"", 《光电工程》 * |
| 王艳卫: ""基于计算机视觉的线路板缺陷检测技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107367514A (zh) * | 2017-08-28 | 2017-11-21 | 广东工业大学 | 一种基于机器视觉的pos机缺陷检测方法 |
| CN107767379B (zh) * | 2017-11-16 | 2021-02-12 | 桂林电子科技大学 | Pcb板标注印刷质量检测方法 |
| CN107767379A (zh) * | 2017-11-16 | 2018-03-06 | 桂林电子科技大学 | Pcb板标注印刷质量检测方法 |
| CN108254380A (zh) * | 2018-01-03 | 2018-07-06 | 浙江涵普电力科技有限公司 | 基于数字图像处理的pcb电路板模板比对方法 |
| CN108254380B (zh) * | 2018-01-03 | 2023-02-10 | 浙江涵普电力科技有限公司 | 基于数字图像处理的pcb电路板模板比对方法 |
| CN110363737B (zh) * | 2018-04-08 | 2022-07-26 | 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系统 |
| 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系统 |
| CN111798443A (zh) * | 2020-07-16 | 2020-10-20 | 佛山市南海区广工大数控装备协同创新研究院 | 一种利用pcb缺陷检测系统进行缺陷定位和可视化的方法 |
| CN113466261A (zh) * | 2021-07-26 | 2021-10-01 | 鸿安（福建）机械有限公司 | 一种pcb板自动检测装置 |
| CN113777109A (zh) * | 2021-08-25 | 2021-12-10 | 深圳市青虹激光科技有限公司 | 一种工件检测方法、系统、设备和存储介质 |
| CN114494131A (zh) * | 2021-12-24 | 2022-05-13 | 深圳英博达智能科技有限公司 | 一种pcb板油墨面凸点的缺陷检测方法 |
| CN116593479A (zh) * | 2023-07-19 | 2023-08-15 | 北京阿丘机器人科技有限公司 | 电池盖板外观质量检测方法、装置、设备及存储介质 |
| CN116593479B (zh) * | 2023-07-19 | 2024-02-06 | 北京阿丘机器人科技有限公司 | 电池盖板外观质量检测方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106651849A (zh) | 基于面阵相机的pcb裸板缺陷检测方法 | |
| CN104749184B (zh) | 自动光学检测方法和系统 | |
| CN112304954B (zh) | 一种基于线激光扫描及机器视觉的零件表面缺陷检测方法 | |
| CN106370671A (zh) | 基于机器视觉的pcb上元器件检测系统及方法 | |
| CN102393397B (zh) | 一种磁瓦表面缺陷检测系统及其检测方法 | |
| CN107869954B (zh) | 一种双目视觉体积重量测量系统及其实现方法 | |
| CN113723325B (zh) | 一种装配式预制构件的工装缺陷检测系统 | |
| CN110570422B (zh) | 一种基于矩阵分析的胶囊缺陷视觉检测方法 | |
| CN110991360B (zh) | 一种基于视觉算法的机器人巡检点位智能配置方法 | |
| CN114049557A (zh) | 一种基于深度学习的垃圾分选机器人视觉识别方法 | |
| CN117309766B (zh) | 一种产品表面缺陷的视觉检测方法及系统 | |
| CN113723841B (zh) | 一种装配式预制构件中工装缺失的在线检测方法 | |
| CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
| CN111624203A (zh) | 一种基于机器视觉的继电器接点齐度非接触式测量方法 | |
| CN114820439A (zh) | 基于aoi的pcb裸板缺陷的检测系统及方法 | |
| CN202649127U (zh) | 自动光学检测系统 | |
| CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
| CN108445010A (zh) | 自动光学检测方法及装置 | |
| CN114581760B (zh) | 一种机房巡检的设备故障检测方法及系统 | |
| CN104614372B (zh) | 一种太阳能硅片检测方法 | |
| CN101980299B (zh) | 基于棋盘标定的摄像机映射方法 | |
| CN116091506B (zh) | 一种基于yolov5的机器视觉缺陷质检方法 | |
| CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
| CN117557637A (zh) | 基于Mark点标记的动态飞拍高精度定位方法和装置 | |
| CN112257514B (zh) | 一种用于设备故障巡检的红外视觉智检的拍摄方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |
|
| RJ01 | Rejection of invention patent application after publication |