[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN107767379A - Pcb板标注印刷质量检测方法 - Google Patents

Pcb板标注印刷质量检测方法 Download PDF

Info

Publication number
CN107767379A
CN107767379A CN201711138633.9A CN201711138633A CN107767379A CN 107767379 A CN107767379 A CN 107767379A CN 201711138633 A CN201711138633 A CN 201711138633A CN 107767379 A CN107767379 A CN 107767379A
Authority
CN
China
Prior art keywords
pcb board
image
measured
binary
standard
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.)
Granted
Application number
CN201711138633.9A
Other languages
English (en)
Other versions
CN107767379B (zh
Inventor
张明
李春泉
李彩林
尚玉玲
党选举
李晓冬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN201711138633.9A priority Critical patent/CN107767379B/zh
Publication of CN107767379A publication Critical patent/CN107767379A/zh
Application granted granted Critical
Publication of CN107767379B publication Critical patent/CN107767379B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30141—Printed circuit board [PCB]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Color Image Communication Systems (AREA)

Abstract

本发明公开一种PCB板标注印刷质量检测方法，通过计算待测PCB板与标准PCB板的相似度，确定PCB板的丝印质量好坏。相似度计算是通过计算二者的二值图Hash矩阵的Hamming距离来实现。包括：获取PCB板图像；图像滤波，获得滤波后的图像；灰度化获得校正滤波后的图像，获得校正后图像；边缘检测，获得PCB匹配区域子图像；采用逼近算法计算二值化阈值；二值化；计算Hash矩阵；计算待测PCB板与标准PCB板Hash矩阵的Hamming距离；计算相似度，最终确定丝印质量。本发明技术方案提高PCB丝印质量检测的效率和准确率，避免背景颜色与不同亮度对识别结果的影响。

Description

PCB板标注印刷质量检测方法
技术领域
本发明涉及光学检测技术领域，具体涉及一种PCB板标注印刷质量检测方法。
背景技术
在PCB板生产过程中，需要在PCB板上相应位置印制对应元器件轮廓、名称、极性等标注信息，为PCB板的使用者提供指示。该过程采用丝网印刷工艺，又称为丝印工艺。在印刷过程中，不可避免出现印刷不合格的情况，主要包括跳印，砂眼，未显影，线宽太细，漏印，乳剂脱落等。现有的PCB字符标注印刷质量检测多采用人工检测或根据待测PCB板的彩色图与标准视图进行匹配，从而识别出印刷缺陷。采用人工识别会存在识别效率低、主观性强等问题，而采用视图匹配的方法，运算量大实时性低，同时受光照强度影响较大，而且PCB板的背景颜色会对识别过程产生严重的干扰，识别准确度和稳定性不能满足要求。
发明内容
本发明所要解决的是现有PCB板标注印刷质量检测方法存效率低和别准确度不高的问题，提供一种PCB板标注印刷质量检测方法，其能提高检测的效率和准确率。
为解决上述问题，本发明是通过以下技术方案实现的：
PCB板标注印刷质量检测方法，包括以下步骤：
步骤1.挑选没有丝印缺陷的PCB板作为标准PCB板，作为质量检测模板；获取标准PCB板图像，并对标准PCB板图像进行预处理和二值化阈值处理后，得到标准PCB的Hash矩阵；
步骤2.获取待测PCB板图像，并对待测PCB板图像进行预处理和二值化阈值处理后，得到待测PCB的Hash矩阵；
步骤3.根据标准PCB板的Hash矩阵和待测PCB板的Hash矩阵，计算待测PCB与标准PCB的汉明距离；
步骤4.将待测PCB与标准PCB的汉明距离作为待测PCB是否达标的依据，即将待测PCB与标准PCB的汉明距离与设定的相似度阈值进行比较：如果待测PCB与标准PCB的汉明距离小于等于相似阈值，则待测PCB与标准PCB相似度达到要求，丝印质量达标；否则，待测PCB与标准PCB相似度未达要求，丝印质量不达标。
上述步骤1的具体子步骤如下：
步骤1.1.获得标准PCB板图像；
步骤1.2.对标准PCB板图像进行预处理，获得标准PCB板图像的色调和饱和度信息；
步骤1.3.分别对标准PCB板图像的色调和饱和度信息进行二值化阈值处理，获得色调和饱和度的二值化阈值；
步骤1.4.分别利用色调和饱和度信息的二值化阈值，去二值化标准PCB板图像，得到标准PCB的色调和饱和度二值图像；
步骤1.5.对标准PCB的色调二值图像和标准PCB的饱和度二值图像进行逻辑或操作，获得标准PCB二值图；
步骤1.6.利用标准PCB二值图去计算标准PCB二值图的Hash矩阵，并保存标准PCB板图像的Hash矩阵。
上述步骤1.3中，对标准PCB板图像的色调信息进行二值化阈值处理，获得色调二值化阈值的过程如下：
步骤1.3.1-1.计算标准PCB板图像的直方图，获得直方图色调的最大值，并将其作为当前设定阈值TH；
步骤1.3.2-1.利用当前设定阈值TH去二值化标准PCB板图像信息，获得色调二值图像，并据此绘制所述色调二值图像的连通区域；
步骤1.3.3-1.根据所绘制的连通区域获得标准PCB板图像对应子区域，并计算标准PCB板图像对应子区域内对应的色调均值H；
步骤1.3.4-1.根据当前设定阈值TH和色调均值H，计算色调差值ΔTH：
ΔTH＝H-TH
步骤1.3.5-1.将色调差值ΔTH与预设的色调差值阈值δH进行比较：如果ΔTH<δH，则将当前设定阈值TH作为所求标准PCB板的色调二值化阈值；否则，将当前设定阈值TH更新为TH-aH×ΔTH，其中aH为预设的第一色调权值，并返回步骤1.3.2-1；
步骤1.3.6-1.根据所绘制的连通区域计算标准PCB板的色调二值图像连通区域面积C0H，并将其与标准PCB板的色调二值化阈值一并保存。
上述步骤1.3中，对标准PCB板图像的饱和度信息进行二值化阈值处理，获得饱和度二值化阈值的过程如下：
步骤1.3.1-2.计算标准PCB板图像的直方图，获得直方图饱和度的最大值，并将其作为当前设定阈值TS；
步骤1.3.2-2.利用当前设定阈值TS去二值化标准PCB板图像信息，获得饱和度二值图像，并据此绘制所述饱和度二值图像的连通区域；
步骤1.3.3-2.根据所绘制的连通区域获得标准PCB板图像对应子区域，并计算标准PCB板图像对应子区域内对应的饱和度均值S；
步骤1.3.4-2.根据当前设定阈值TS和饱和度均值S，计算饱和度差值ΔTS：
ΔTS＝S-TS
步骤1.3.5-2.将饱和度差值ΔTS与预设的饱和度差值阈值δS进行比较：如果ΔTS<δS，则将当前设定阈值TS作为所求标准PCB板的饱和度二值化阈值；否则，将当前设定阈值TS更新为TS-aS×ΔTS，其中aS为预设的第一饱和度权值，并返回步骤1.3.2-2；
步骤1.3.6-2.根据所绘制的连通区域计算标准PCB板的饱和度二值图像连通区域面积C0S，并将其与标准PCB板的饱和度二值化阈值一并保存。
上述步骤2的具体子步骤如下：
步骤2.1.获得待测PCB板图像；
步骤2.2.对待测PCB板图像进行预处理，获得待测PCB板图像的色调和饱和度信息；
步骤2.3.分别对待测PCB板图像的色调和饱和度信息进行二值化阈值处理，获得色调和饱和度的二值化阈值；
步骤2.4.分别利用基于色调和饱和度信息的二值化阈值，去二值化待测PCB板图像，得到待测PCB的色调和饱和度二值图像；
步骤2.5.对待测PCB的色调二值图像和待测PCB的饱和度二值图像进行逻辑或操作，获得待测PCB二值图；
步骤2.6.利用待测PCB二值图去计算待测PCB二值图的Hash矩阵。
上述步骤2.3中，对待测PCB板图像的进行色调二值化阈值处理，获得色调二值化阈值的过程如下：
步骤2.3.1-1.读取标准PCB板的色调二值化阈值和色调二值图像连通区域面积C0H，并将标准PCB板的色调二值化阈值作为当前阈值T′H；
步骤2.3.2-1.利用当前设定阈值T′H去二值化待测PCB板图像信息，获得二值图像，并据此绘制所述二值图像的连通区域；
步骤2.3.3-1.根据绘制的待测PCB板二值图像的连通区域，计算待测PCB板的二值图像连通区域面积C1H；
步骤2.3.4-1.根据标准PCB板的二值图像连通区域面积C0H和待测PCB板的二值图像连通区域面积C1H，计算色调面积差值ΔCH：
ΔCH＝C1H-C0H
步骤2.3.5-1.将色调面积差值ΔCH与预设的色调面积阈值ψH进行比较：如果ΔCH<ψH，则将当前设定阈值T′H作为所求待测PCB板的色调二值化阈值；否则，将当前设定阈值T′H更新为其中bH为预设的第二色调权值，并返回步骤2.3.2-1。
上述步骤2.3中，对待测PCB板图像的饱和度进行二值化阈值处理，获得饱和度二值化阈值的过程如下：
步骤2.3.1-2.读取标准PCB板的饱和度二值化阈值和饱和度二值图像连通区域面积C0S，并将标准PCB板的饱和度二值化阈值作为当前设定阈值T′S；
步骤2.3.2-2.利用当前设定阈值T′S去二值化待测PCB板图像信息，获得二值图像，并据此绘制所述二值图像的连通区域；
步骤2.3.3-2.根据绘制的待测PCB板二值图像的连通区域，计算待测PCB板的二值图像连通区域面积C1S；
步骤2.3.4-2.根据标准PCB板的二值图像连通区域面积C0S和待测PCB板的二值图像连通区域面积C1S，计算饱和度面积差值ΔCS：
ΔCS＝C1S-C0S
步骤2.3.5-2.将饱和度面积差值ΔCb与预设的饱和度面积阈值ψS进行比较：如果ΔCS<ψS，则将当前设定阈值T′S作为所求待测PCB板的饱和度二值化阈值；否则，将当前设定阈值T′S更新为其中bS为预设的第二饱和度权值，并返回步骤2.3.2-2。
上述步骤1.2对标准PCB板图像进行的预处理和步骤2.2对待测PCB板图像进行的预处理的过程均为：
步骤1)对图像进行高斯滤波，获得滤波后的图像；
步骤2)滤波后的图像转换为灰度图，获得滤波后的灰度图；
步骤3)分别对滤波后的图像和滤波后的灰度图进行霍夫变换，即将2个图像转化为笛卡尔直角坐标系得到二维数组；分别遍历二维数组获得最长直线，并根据最长直线的角度，获得2个图像的倾斜角度；分别逆向旋转滤波后的图像和滤波后的灰度图，获得校正后的滤波图像和校正后的灰度图；
步骤4)通过边缘检测获得校正后的灰度图中PCB板匹配区域的边界，并根据该边界从校正后的滤波图像中获得PCB板匹配子图像；
步骤5)提取PCB板匹配子图像的色调和饱和度信息。
上述步骤1和2中，采用同一彩色摄像头对标准PCB板和待测PCB板在相同的拍摄场景下进行拍摄，获得标准PCB板图像和待测PCB板图像。
与现有技术相比，本发明具有如下特点：
1、通过计算待测PCB板与标准PCB板的相似度，量化PCB板丝印质量，能够有效提高识别效率；
2、通过二值图的Hash矩阵计算图像的相似度，减少运算量，提高了运算速度，提高了检测的实时性。
3、通过对背景信息和亮度信息进行过滤，抗背景干扰和抗光照条件能力强，识别准确性高
4、采用开源OpenCV计算机视觉库，源代码完全免费，并且源代码简洁高效，特别是大部分函数都已汇编最优化，提高了运算速度。
5、本发明结构简单，操作方便，识别准确率可达90％以上。
附图说明
图1是本发明提供的PCB板标注印刷质量检测方法的流程示意图；
图2是本发明提供的图像预处理的流程示意图；
图3是本发明提供的标准PCB板二值化阈值处理的流程图；
图4是本发明提供的待测PCB板二值化阈值处理的流程图；
图5是本发明提供的获得标准PCB板的Hash矩阵的流程图；
图6是本发明提供的获得待测PCB板的Hash矩阵的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实例，并参照附图，对本发明进一步详细说明。
一种基于OpenCV的PCB板标注印刷质量检测方法，如图1所示，该方法包括以下步骤：
步骤1：挑选没有丝印缺陷的PCB板作为标准PCB板，作为质量检测模板。获取标准PCB板图像，并对标准PCB板图像进行预处理和二值化阈值处理后，得到标准PCB的Hash矩阵。
采用逼近算法，计算所述标准PCB板的色调和饱和度信息二值化阈值。标准PCB板的色调和饱和度通道二值化阈值计算包括：以对应通道直方图最大值为二值化的初始阈值，获取二值图的连通区域，计算所述所述色度和饱和度通道对应连通区域色度或饱和度均值，根据所述均值与设定阈值的差值确定是否以所述均值为二值化阈值重复二值化及均值比较过程。
采用OpenCV的bitwise_or函数逻辑或计算标准PCB板的色调和饱和度通道二值图，获得标准PCB板的二值图。
步骤2：获取待测PCB板图像，并对待测PCB板图像进行预处理和二值化阈值处理后，得到待测PCB的Hash矩阵。
采用逼近算法，计算所述待测PCB板的色调和饱和度信息二值化阈值。待测PCB板的色调和饱和度通道二值化阈值计算包括：以标准PCB板对应通道的二值化阈值为初始值，计算二值化后连通区域面积，根据所述面积与标准PCB二值化后连通区域面积的差值确定是否根据所述差值的百分比计算新的阈值重复二值化及面积比较过程。
采用OpenCV的bitwise_or函数逻辑或计算待测PCB板的色调和饱和度通道二值图，获得待测PCB板的二值图。
步骤3：根据标准PCB板的Hash矩阵和待测PCB板的Hash矩阵，计算待测PCB与标准PCB的Hamming距离。
步骤4：将待测PCB与标准PCB的Hamming距离作为待测PCB是否达标的依据，即将待测PCB与标准PCB的Hamming距离与设定的相似度阈值进行比较：如果待测PCB与标准PCB的Hamming距离小于等于相似阈值，则待测PCB与标准PCB相似度达到要求，丝印质量达标；否则，待测PCB与标准PCB相似度未达要求，丝印质量不达标。
下面将上述方法的关键流程独立出来，进行进一步详细说明：
(1)图像的获取。
采用相同的彩色摄像头在相同的拍摄场景下拍摄标准PCB板和待测PCB板，获取标准PCB板图像。彩色摄像头安装在流水线的末端，该摄像头的拍摄区域需包括整个PCB板。
(2)图像的预处理。
对标准PCB板图像和待测PCB板图像进行预处理的过程相同。首先，对所述PCB板进行图像滤波，获得滤波后PCB板图像；然后，将滤波后的PCB板图像转换为灰度图，获得滤波后的PCB板灰度图；接着，基于Hough线变换的倾斜校正所述滤波后的PCB板灰度图和所述的滤波后PCB板图像，获得校正后的灰度图和PCB板图像。之后，对所述校正后的灰度图边缘检测，获得灰度图中PCB板匹配区域的边界，进而获得PCB板匹配子图像；最后，提取所述PCB板匹配子图像的色调和饱和度信息。
图2是本发明提供的预处理的流程示意图，其输入为拍摄的PCB板图像(待测PCB板和标准PCB板)，输出为输入图像PCB板区域图像的色调和饱和度信息，包括以下步骤：
步骤201：对输入图像进行高斯滤波，获得滤波后的图像。
步骤202：滤波后的图像转换为灰度图，获得滤波后的灰度图。
在本实例中，图像预处理能够降低噪声，提高后期图像处理的准确率，通过调用OpenCV的GaussianBlur函数实现。
步骤203：校正滤波后的灰度图，获得校正后的灰度图和校正后的滤波图像。
在本实例中，由于PCB板在拍摄过程中可能发生位置倾斜，倾斜的影响识别准确率。该校正过程具体为：对滤波后的灰度图进行Hough变换，即将图像转化为笛卡尔直角坐标系得到二维数组J(r，θ)，遍历J(r，θ)获得最长直线，根据最长直线的角度，获得图像的倾斜角度，逆向旋转滤波后的灰度图和滤波后的图像，分别获得校正后的灰度图和PCB滤波图像。
步骤204：边缘检测所述校正后的灰度图，获得PCB板匹配子图像。
在本实例中，通过调用OpenCV的findContours函数获得校正后的灰度图中PCB板匹配区域的边界，根据该边界从所述校正后的PCB滤波图像中提取PCB板匹配子图像作为分析区域。
步骤205：提取所述PCB板匹配子图像的色调和饱和度信息。
在本实例中，为了降低背景颜色和不同亮度的干扰，将图像均由RGB颜色空间图像转换为HSL颜色空间图像。转换公式如下：
M＝max(R，G，B)
m＝min(R，G，B)
C＝M-m
L＝0.5*(M+m)
HSL颜色空间分别包含色调(H)，饱和度(S)，亮度(L)三个通道，因亮度信息与光照及角度关系密切，因此忽略亮度信息，仅保留色调和饱和度信息进行进一步处理。
(3)图像的二值化阈值处理。
对标准PCB板图像的二值化阈值处理时，首先，根据预处理所得的标准PCB板匹配子图像的色调和饱和度信息，生成标准PCB板匹配子图像的色调和饱和度信息的直方图；然后，以所述色调信息和饱和度信息的直方图中最大值为初始值，采用逼近算法，分别计算所述子图像色调和饱和度信息的二值化阈值；最后，根据所述二值化阈值二值化所述子图像色调和饱和度信息，对两个二值化图像进行逻辑或操作，获取标准PCB板的二值图像及其对应图像二值化的阈值。
图3是本发明提供的标准PCB板的二值化阈值处理的流程图，其输入为标准PCB板的色调信息(或饱和度信息)，输出为对应标准PCB板色调/饱和度信息的二值化阈值，包括以下步骤：
步骤301：计算输入图像信息的直方图，获得直方图最大值M
步骤302：以所述直方图最大值设为二值化阈值初始值，色调信息的阈值记为TH＝M，饱和度信息的阈值记为TS＝M。
步骤303：以TH、TS为阈值，二值化对应的图像信息，获得对应的色度即饱和度二值图像。
在本实例中，通过调用OpenCV的inRange函数实现。
步骤304：绘制所述二值图像的连通区域。
在本实例中，通过调用OpenCV的findContours函数实现。
步骤305：根据所述连通区域获得输入图像对应子区域。
步骤306：计算所述图像对应子区域内对应的均值，输入为色调信息时均值为H，输入为饱和度信息时均值为S。
步骤307：计算所述均值与对应阈值TH、TS的差值ΔTH、ΔTS：
ΔTH＝H-TH
ΔTS＝S-TS
步骤308：分别比较所述差值ΔTH与ΔTS是否小于设定差值阈值δH与δS。在本实例中，差值阈值δH与δS均取2。
步骤309：若所述差值不满足条件，根据以下公式更新阈值TH、TS，并重复步骤303-308。
TS＝TS-aS×ΔTS
TH＝TH-aH×ΔTH
其中aH、aS为大于0小于1的实数。本实例中，取aH＝aS＝0.7。
步骤310：若所述差值满足条件，则当前设定阈值TH、TS为所求标准PCB的色度和饱和度信息的二值化阈值。
步骤311：计算所述二值图像连通区的面积，连同阈值保存到文件。
对待测PCB板图像的二值化阈值处理时，首先，以标准PCB板的二值化阈值为初始值，采用逼近算法，分别计算所述子图像色调和饱和度信息的二值化阈值；最后，根据所述二值化阈值二值化所述子图像色调和饱和度信息，对两个二值化图像进行逻辑或操作，获取待测PCB板的二值图像。
图4是本发明提供的待测PCB板二值化阈值处理的流程图，包括以下步骤：
步骤401：读取标准PCB对应通道(色调及饱和度)的二值化阈值分别为TH(色调信息)，TS(饱和度信息)和二值化连通区域面积分别为C0H(色调信息)，C0S(饱和度信息)。
步骤402：所述阈值为初始设定值T′H(色调信息)，T′S(饱和度信息)，即T′H＝TH，T′S＝TS。
步骤403：以初始设定值为阈值，二值化对应的图像信息(色调或饱和度)，获得相应的二值图像。
在本实例中，通过调用OpenCV的inRange函数实现。
步骤404：绘制所述二值图像的连通区域。
在本实例中，通过调用OpenCV的findContours函数实现。
步骤405：计算所述连通区域面积。
在本实例中，通过调用OpenCV的contourArea函数计算面积C1H(色调信息)和C1S(饱和度信息)。
步骤406：分别计算所述面积与标准PCB二值化后连通区域面积的面积差值ΔCH与ΔCS，分别对应色调和饱和度信息。
ΔCH＝C1H-C0H
ΔCS＝C1S-C0S
步骤407：分别比较所述面积差值ΔCH与ΔCS是否小于设定面积差值阈值ψH和ψS。在本实例中，面积阈值ψH，ψS设为4。
步骤408：若所述面积差值ΔCH或ΔCS不满足条件，根据公式更新阈值T′H与T′S，并重复步骤403-407。
其中bH、bS为大于0小于1的实数。本实例中，取bH＝bS＝0.8
步骤409：若面积差值ΔCH与ΔCS满足条件，则当前设定阈值为所求待测PCB色调与饱和度的二值化阈值，返回该结果。
(4)获得PCB板的Hash矩阵。
图5是本发明提供的获得标准PCB板的Hash矩阵的流程图，包括以下步骤：
步骤501：获得标准PCB板图像；
步骤502：调用预处理模块，输入标准PCB板图像，获得标准PCB板匹配子图像的色调和饱和度信息，流程可见图2。
步骤503：调用标准PCB阈值计算模块，输入饱和度信息，获得所述饱和度信息的二值化阈值，流程见图3。
步骤504：调用标准PCB阈值计算模块，输入色调信息，获得所述色调信息的二值化阈值，流程见图3。
步骤505：二值化所述饱和度图像，获得标准PCB的饱和度二值图像。
本实例中，二值化通过调用OpenCV的inRange函数实现。
步骤506：二值化所述色调图像，获得标准PCB的色调二值图像。
本实例中，二值化通过调用OpenCV的inRange函数实现。
步骤507：所述色调和饱和度二值图像逻辑或操作，获得标准PCB二值图。
本实例中，逻辑或通过OpenCV的bitwise_or函数实现。
步骤508：获得所述标准PCB二值图的Hash矩阵。
步骤509：将所述Hash矩阵保存为文件。
图6是本发明提供的获得待测PCB板的Hash矩阵的流程图，包括以下步骤：
步骤601：获得待测PCB板图像；
步骤602：调用预处理模块，输入待测PCB板图像，获得待测PCB板匹配子图像的色调和饱和度信息，流程可见图2。
步骤603：调用待测PCB阈值计算模块，输入饱和度信息，获得所述饱和度信息的二值化阈值，流程见图4。
步骤604：调用待测PCB阈值计算模块，输入色调信息，获得所述色调信息的二值化阈值，流程见图4。
步骤605：二值化所述饱和度图像，获得待测PCB的饱和度二值图像。
本实例中，二值化通过调用OpenCV的inRange函数实现。
步骤606：二值化所述色度图像，获得待测PCB的色度二值图像。
本实例中，二值化通过调用OpenCV的inRange函数实现。
步骤607：所述色调和饱和度二值图像逻辑或操作，获得待测PCB二值图。
本实例中，逻辑或通过OpenCV的bitwise_or函数实现。
步骤608：获得所述待测PCB二值图的Hash矩阵。
由上可见，本发明实施实例提供的一种PCB板标注印刷质量的检测方法。通过拍摄标准PCB板和待测PCB板的图像，图像预处理，图像校正，边缘检测，转换为HSL颜色空间，计算对应通道的二值化阈值，二值化，逻辑或运算，获得二值图，计算二值图对应的Hash矩阵。计算待测PCB板与标准PCB板的Hash矩阵间的Hamming距离，进而判断二者的相似度，确定PCB板的丝印质量好坏，以达到质量检测的目的。相比于现有技术，本发明技术方案能提高识别效率和准确率，节省人力成本，抗背景干扰和光照条件能力强，免背景颜色与不同亮度对识别结果的影响，通用性高。
需要说明的是，尽管以上本发明所述的实施例是说明性的，但这并非是对本发明的限制，因此本发明并不局限于上述具体实施方式中。在不脱离本发明原理的情况下，凡是本领域技术人员在本发明的启示下获得的其它实施方式，均视为在本发明的保护之内。

Claims (9)

1.PCB板标注印刷质量检测方法，其特征是，包括以下步骤：
步骤1.挑选没有丝印缺陷的PCB板作为标准PCB板，作为质量检测模板；获取标准PCB板图像，并对标准PCB板图像进行预处理和二值化阈值处理后，得到标准PCB的Hash矩阵；
步骤2.获取待测PCB板图像，并对待测PCB板图像进行预处理和二值化阈值处理后，得到待测PCB的Hash矩阵；
步骤3.根据标准PCB板的Hash矩阵和待测PCB板的Hash矩阵，计算待测PCB与标准PCB的汉明距离；
步骤4.将待测PCB与标准PCB的汉明距离作为待测PCB是否达标的依据，即将待测PCB与标准PCB的汉明距离与设定的相似度阈值进行比较：如果待测PCB与标准PCB的汉明距离小于等于相似阈值，则待测PCB与标准PCB相似度达到要求，丝印质量达标；否则，待测PCB与标准PCB相似度未达要求，丝印质量不达标。
2.根据权利要求1所述的PCB板标注印刷质量检测方法，其特征是，步骤1的具体子步骤如下：
步骤1.1.获得标准PCB板图像；
步骤1.2.对标准PCB板图像进行预处理，获得标准PCB板图像的色调和饱和度信息；
步骤1.3.分别对标准PCB板图像的色调和饱和度信息进行二值化阈值处理，获得色调和饱和度的二值化阈值；
步骤1.4.分别利用色调和饱和度信息的二值化阈值，去二值化标准PCB板图像，得到标准PCB的色调和饱和度二值图像；
步骤1.5.对标准PCB的色调二值图像和标准PCB的饱和度二值图像进行逻辑或操作，获得标准PCB二值图；
步骤1.6.利用标准PCB二值图去计算标准PCB二值图的Hash矩阵，并保存标准PCB板图像的Hash矩阵。
3.根据权利要求2所述的PCB板标注印刷质量检测方法，其特征是，步骤1.3中，对标准PCB板图像的色调信息进行二值化阈值处理，获得色调二值化阈值的过程如下：
步骤1.3.1-1.计算标准PCB板图像的直方图，获得直方图色调的最大值，并将其作为当前设定阈值TH；
步骤1.3.2-1.利用当前设定阈值TH去二值化标准PCB板图像信息，获得色调二值图像，并据此绘制所述色调二值图像的连通区域；
步骤1.3.3-1.根据所绘制的连通区域获得标准PCB板图像对应子区域，并计算标准PCB板图像对应子区域内对应的色调均值H；
步骤1.3.4-1.根据当前设定阈值TH和色调均值H，计算色调差值ΔTH：
ΔTH＝H-TH
步骤1.3.5-1.将色调差值ΔTH与预设的色调差值阈值δH进行比较：如果ΔTH<δH，则将当前设定阈值TH作为所求标准PCB板的色调二值化阈值；否则，将当前设定阈值TH更新为TH-aH×ΔTH，其中aH为预设的第一色调权值，并返回步骤1.3.2-1；
步骤1.3.6-1.根据所绘制的连通区域计算标准PCB板的色调二值图像连通区域面积C0H，并将其与标准PCB板的色调二值化阈值一并保存。
4.根据权利要求2所述的PCB板标注印刷质量检测方法，其特征是，步骤1.3中，对标准PCB板图像的饱和度信息进行二值化阈值处理，获得饱和度二值化阈值的过程如下：
步骤1.3.1-2.计算标准PCB板图像的直方图，获得直方图饱和度的最大值，并将其作为当前设定阈值TS；
步骤1.3.2-2.利用当前设定阈值TS去二值化标准PCB板图像信息，获得饱和度二值图像，并据此绘制所述饱和度二值图像的连通区域；
步骤1.3.3-2.根据所绘制的连通区域获得标准PCB板图像对应子区域，并计算标准PCB板图像对应子区域内对应的饱和度均值S；
步骤1.3.4-2.根据当前设定阈值TS和饱和度均值S，计算饱和度差值ΔTS：
ΔTS＝S-TS
步骤1.3.5-2.将饱和度差值ΔTS与预设的饱和度差值阈值δS进行比较：如果ΔTS<δS，则将当前设定阈值TS作为所求标准PCB板的饱和度二值化阈值；否则，将当前设定阈值TS更新为TS-aS×ΔTS，其中aS为预设的第一饱和度权值，并返回步骤1.3.2-2；
步骤1.3.6-2.根据所绘制的连通区域计算标准PCB板的饱和度二值图像连通区域面积C0S，并将其与标准PCB板的饱和度二值化阈值一并保存。
5.根据权利要求1所述的PCB板标注印刷质量检测方法，其特征是，步骤2的具体子步骤如下：
步骤2.1.获得待测PCB板图像；
步骤2.2.对待测PCB板图像进行预处理，获得待测PCB板图像的色调和饱和度信息；
步骤2.3.分别对待测PCB板图像的色调和饱和度信息进行二值化阈值处理，获得色调和饱和度的二值化阈值；
步骤2.4.分别利用基于色调和饱和度信息的二值化阈值，去二值化待测PCB板图像，得到待测PCB的色调和饱和度二值图像；
步骤2.5.对待测PCB的色调二值图像和待测PCB的饱和度二值图像进行逻辑或操作，获得待测PCB二值图；
步骤2.6.利用待测PCB二值图去计算待测PCB二值图的Hash矩阵。
6.根据权利要求5所述的PCB板标注印刷质量检测方法，其特征是，步骤2.3中，对待测PCB板图像的进行色调二值化阈值处理，获得色调二值化阈值的过程如下：
步骤2.3.1-1.读取标准PCB板的色调二值化阈值和色调二值图像连通区域面积C0H，并将标准PCB板的色调二值化阈值作为当前阈值TH′；
步骤2.3.2-1.利用当前设定阈值TH′去二值化待测PCB板图像信息，获得二值图像，并据此绘制所述二值图像的连通区域；
步骤2.3.3-1.根据绘制的待测PCB板二值图像的连通区域，计算待测PCB板的二值图像连通区域面积C1H；
步骤2.3.4-1.根据标准PCB板的二值图像连通区域面积C0H和待测PCB板的二值图像连通区域面积C1H，计算色调面积差值ΔCH：
ΔCH＝C1H-C0H
步骤2.3.5-1.将色调面积差值ΔCH与预设的色调面积阈值ψH进行比较：如果ΔCH<ψH，则将当前设定阈值TH′作为所求待测PCB板的色调二值化阈值；否则，将当前设定阈值TH′更新为其中bH为预设的第二色调权值，并返回步骤2.3.2-1。
7.根据权利要求5所述的PCB板标注印刷质量检测方法，其特征是，步骤2.3中，对待测PCB板图像的饱和度进行二值化阈值处理，获得饱和度二值化阈值的过程如下：
步骤2.3.1-2.读取标准PCB板的饱和度二值化阈值和饱和度二值图像连通区域面积C0S，并将标准PCB板的饱和度二值化阈值作为当前设定阈值TS′；
步骤2.3.2-2.利用当前设定阈值TS′去二值化待测PCB板图像信息，获得二值图像，并据此绘制所述二值图像的连通区域；
步骤2.3.3-2.根据绘制的待测PCB板二值图像的连通区域，计算待测PCB板的二值图像连通区域面积C1S；
步骤2.3.4-2.根据标准PCB板的二值图像连通区域面积C0S和待测PCB板的二值图像连通区域面积C1S，计算饱和度面积差值ΔCS：
ΔCS＝C1S-C0S
步骤2.3.5-2.将饱和度面积差值ΔCb与预设的饱和度面积阈值ψS进行比较：如果ΔCS<ψS，则将当前设定阈值TS′作为所求待测PCB板的饱和度二值化阈值；否则，将当前设定阈值TS′更新为其中bS为预设的第二饱和度权值，并返回步骤2.3.2-2。
8.根据权利要求2或5所述的PCB板标注印刷质量检测方法，其特征是，步骤1.2对标准PCB板图像进行的预处理和步骤2.2对待测PCB板图像进行的预处理的过程均为：
步骤1)对图像进行高斯滤波，获得滤波后的图像；
步骤2)滤波后的图像转换为灰度图，获得滤波后的灰度图；
步骤3)分别对滤波后的图像和滤波后的灰度图进行霍夫变换，即将2个图像转化为笛卡尔直角坐标系得到二维数组；分别遍历二维数组获得最长直线，并根据最长直线的角度，获得2个图像的倾斜角度；分别逆向旋转滤波后的图像和滤波后的灰度图，获得校正后的滤波图像和校正后的灰度图；
步骤4)通过边缘检测获得校正后的灰度图中PCB板匹配区域的边界，并根据该边界从校正后的滤波图像中获得PCB板匹配子图像；
步骤5)提取PCB板匹配子图像的色调和饱和度信息。
9.根据权利要求1所述的PCB板标注印刷质量检测方法，其特征是，步骤1和2中，采用同一彩色摄像头对标准PCB板和待测PCB板在相同的拍摄场景下进行拍摄，获得标准PCB板图像和待测PCB板图像。
CN201711138633.9A 2017-11-16 2017-11-16 Pcb板标注印刷质量检测方法 Expired - Fee Related CN107767379B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711138633.9A CN107767379B (zh) 2017-11-16 2017-11-16 Pcb板标注印刷质量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711138633.9A CN107767379B (zh) 2017-11-16 2017-11-16 Pcb板标注印刷质量检测方法

Publications (2)

Publication Number Publication Date
CN107767379A true CN107767379A (zh) 2018-03-06
CN107767379B CN107767379B (zh) 2021-02-12

Family

ID=61279765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711138633.9A Expired - Fee Related CN107767379B (zh) 2017-11-16 2017-11-16 Pcb板标注印刷质量检测方法

Country Status (1)

Country Link
CN (1) CN107767379B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108674026A (zh) * 2018-05-16 2018-10-19 苏州迈为科技股份有限公司 太阳能电池片印刷品质检测方法和系统
CN109325497A (zh) * 2018-09-20 2019-02-12 珠海市君天电子科技有限公司 一种图像二值化方法、装置、电子设备及存储介质
CN109813727A (zh) * 2018-12-25 2019-05-28 苏州江奥光电科技有限公司 一种基于深度信息的pcb板焊接缺陷检测方法
CN111028209A (zh) * 2019-11-22 2020-04-17 漳州万利达科技有限公司 一种电话机丝印质量检测方法及系统
CN111369599A (zh) * 2018-12-25 2020-07-03 阿里巴巴集团控股有限公司 一种图像匹配方法、设备、装置及存储介质
CN111582286A (zh) * 2020-04-29 2020-08-25 中国信息通信研究院 印刷电路板同质化确定方法和装置
CN112561849A (zh) * 2019-09-26 2021-03-26 长鑫存储技术有限公司 晶圆缺陷检测方法
CN112785604A (zh) * 2021-01-25 2021-05-11 上海云深网络技术有限公司 一种图形中目标偏离程度的对比方法
CN113327237A (zh) * 2021-06-09 2021-08-31 合肥中科星翰科技有限公司 一种适用于电源电路板的视觉检测系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024019706A1 (en) * 2022-07-19 2024-01-25 Hewlett-Packard Development Company, L.P. Inspection of objects

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104764712A (zh) * 2015-04-29 2015-07-08 浙江工业大学 一种pcb过孔内壁质量的检测方法
CN106651849A (zh) * 2016-12-27 2017-05-10 广东锐视智能检测有限公司 基于面阵相机的pcb裸板缺陷检测方法
CN107093174A (zh) * 2017-04-05 2017-08-25 湖北工业大学 一种pcb设计缺陷检测方法
CN107203990A (zh) * 2017-04-02 2017-09-26 南京汇川图像视觉技术有限公司 一种基于模板匹配与图像质量评估的标贴破损检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104764712A (zh) * 2015-04-29 2015-07-08 浙江工业大学 一种pcb过孔内壁质量的检测方法
CN106651849A (zh) * 2016-12-27 2017-05-10 广东锐视智能检测有限公司 基于面阵相机的pcb裸板缺陷检测方法
CN107203990A (zh) * 2017-04-02 2017-09-26 南京汇川图像视觉技术有限公司 一种基于模板匹配与图像质量评估的标贴破损检测方法
CN107093174A (zh) * 2017-04-05 2017-08-25 湖北工业大学 一种pcb设计缺陷检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马灿: ""PCB缺陷智能视觉检测系统研究与设计"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108674026A (zh) * 2018-05-16 2018-10-19 苏州迈为科技股份有限公司 太阳能电池片印刷品质检测方法和系统
CN109325497A (zh) * 2018-09-20 2019-02-12 珠海市君天电子科技有限公司 一种图像二值化方法、装置、电子设备及存储介质
CN109813727B (zh) * 2018-12-25 2021-08-03 苏州江奥光电科技有限公司 一种基于深度信息的pcb板焊接缺陷检测方法
CN109813727A (zh) * 2018-12-25 2019-05-28 苏州江奥光电科技有限公司 一种基于深度信息的pcb板焊接缺陷检测方法
CN111369599A (zh) * 2018-12-25 2020-07-03 阿里巴巴集团控股有限公司 一种图像匹配方法、设备、装置及存储介质
CN111369599B (zh) * 2018-12-25 2024-04-16 阿里巴巴集团控股有限公司 一种图像匹配方法、设备、装置及存储介质
CN112561849A (zh) * 2019-09-26 2021-03-26 长鑫存储技术有限公司 晶圆缺陷检测方法
CN111028209A (zh) * 2019-11-22 2020-04-17 漳州万利达科技有限公司 一种电话机丝印质量检测方法及系统
CN111028209B (zh) * 2019-11-22 2023-03-24 漳州万利达科技有限公司 一种电话机丝印质量检测方法及系统
CN111582286B (zh) * 2020-04-29 2022-09-30 中国信息通信研究院 印刷电路板同质化确定方法和装置
CN111582286A (zh) * 2020-04-29 2020-08-25 中国信息通信研究院 印刷电路板同质化确定方法和装置
CN112785604A (zh) * 2021-01-25 2021-05-11 上海云深网络技术有限公司 一种图形中目标偏离程度的对比方法
CN113327237A (zh) * 2021-06-09 2021-08-31 合肥中科星翰科技有限公司 一种适用于电源电路板的视觉检测系统

Also Published As

Publication number Publication date
CN107767379B (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN107767379A (zh) Pcb板标注印刷质量检测方法
CN107578035B (zh) 基于超像素-多色彩空间的人体轮廓提取方法
CN103971126B (zh) 一种交通标志识别方法和装置
CN106023151B (zh) 一种开放环境下中医舌象目标检测方法
CN103914708B (zh) 基于机器视觉的食品品种检测方法及系统
CN104504722B (zh) 一种利用灰色点校正图像颜色的方法
CN104572971B (zh) 图像检索的方法和装置
CN111242896A (zh) 一种彩色印刷标签缺陷检测与质量评级方法
CN103198304A (zh) 一种掌纹提取识别方法
CN107066972B (zh) 基于多通道极值区域的自然场景文本检测方法
CN104598905B (zh) 一种车牌定位方法和装置
CN103761529A (zh) 一种基于多色彩模型和矩形特征的明火检测方法和系统
CN105894503A (zh) 一种对Kinect植株彩色和深度检测图像的修复方法
WO2021098163A1 (zh) 一种基于角点的空中目标探测方法
CN108133216A (zh) 基于机器视觉的可实现小数点读取的数码管读数识别方法
CN115631350B (zh) 罐印图像的颜色识别方法和装置
CN108280483A (zh) 基于神经网络的实蝇成虫图像识别方法
CN109948461B (zh) 一种基于质心定位和距离变换的手语图像分割方法
CN108711160B (zh) 一种基于hsi增强性模型的目标分割方法
CN107545550A (zh) 细胞图像偏色校正方法
CN114511567B (zh) 舌体与舌苔图像识别分离方法
CN109472257A (zh) 一种字符版面确定方法及装置
CN109214367A (zh) 一种基于视觉注意机制的人脸检测方法
CN111784768A (zh) 基于三色四灯标记识别的无人机姿态估计方法及系统
CN108734158B (zh) 一种实时列车车号识别方法及装置

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210212

CF01 Termination of patent right due to non-payment of annual fee