CN110544238B - 一种基于几何定位的柔性电路板线路缺陷识别方法 - Google Patents
一种基于几何定位的柔性电路板线路缺陷识别方法 Download PDFInfo
- Publication number
- CN110544238B CN110544238B CN201910738020.1A CN201910738020A CN110544238B CN 110544238 B CN110544238 B CN 110544238B CN 201910738020 A CN201910738020 A CN 201910738020A CN 110544238 B CN110544238 B CN 110544238B
- Authority
- CN
- China
- Prior art keywords
- line
- rectangle
- defect
- contour
- pixel points
- 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.)
- Active
Links
Images
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/20164—Salient point detection; Corner detection
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于几何定位的柔性电路板线路缺陷识别方法,包括如下步骤:S1对线路轮廓按照预先设定的像素点数量进行分段;S2计算每一段轮廓段在X方向或Y方向的增量因子,粗定位候选缺陷位置;S3根据增量因子确定轮廓段的最小包围矩形;S4根据最小包围矩形的长宽比确定候选线路缺陷位置;S5基于Frenet标架对候选线路缺陷位置进行测量;S6根据测量结果判断缺陷类型。本发明对FPC线路部位的凹陷和凸起缺陷识别及尺寸测量,为FPC实际生产中的成品质量提供保证。
Description
技术领域
本发明涉及FPC图像处理领域,具体涉及一种基于几何定位的柔性电路板线路缺陷识别方法。
背景技术
柔性印制电路板(Flexible Printed Circuit,FPC)是刚性印制电路板(PrintedCircuit Board,PCB)的一种。FPC线路是在绝缘材料上,提供元器件之间电气连接的导电图形。在实际生产中检测线路宽度、线路间距以及缺陷的种类和尺寸对保证FPC成品质量具有重大的意义。
FPC表面的缺陷有重缺陷和轻缺陷之分。重缺陷是指影响产品电气性能、功能的缺陷,对于出现重缺陷的FPC板可以直接报废。轻缺陷是指仅仅影响到FPC产品外观,经返工返修后还是能够达到使用合格的标准。所以,检测FPC表面缺陷,不仅要检测缺陷类型,更要检测类型的尺寸是否在允许范围内,这样才能使得厂家经济效益最大化。
目前针对FPC线路缺陷的检测算法有中心线法:用3*3的模板获取线路的中心线,然后把中心线上的点作为种子点,以图像距离作为生长规则在中心线的法线方向即4连通域进行区域生长,通过统计法线方向上像素点的个数来测量线路宽度和线路间距;多元组技术方案:使用9个不同形状的结构元素去扫描标准参考图像和待检图像,通过记录这9个结构元素出现的频率来给出缺陷大小及缺陷形状;线路轮廓特征分析法:分析线路轮廓特征,之后结合线路端点和节点的特征快速检测缺陷。
但上述方案部分适用范围有限,仅能针对规则线路做出判断,不适用于异形线路的检测。部分检测结果精度较低,不足以进行工业化应用。
检测FPC表面缺陷,不仅要检测缺陷类型,更要检测类型的尺寸是否在允许范围内,这样才能使得厂家经济效益最大化。为实现FPC缺陷的高准确度实时检测,避免原材料、时间及人力成本的浪费,同时获得缺陷的尺寸,本发明提出一种基于几何定位的FPC线路缺陷识别方法。
发明内容
为了克服现有技术存在的缺点与不足,本发明提供一种基于几何定位的柔性电路板线路缺陷识别方法。
本发明首先根据线路轮廓上像素点在X,Y方向上的位置增量之比以及最小外包矩形的长宽比来确定缺陷候选区域,接着利用微分几何理论中的Frenet标架计算轮廓上的离散曲率从而识别线路凸起和凹陷缺陷。在该技术方案中,实现了FPC线路部位的凹陷和凸起缺陷识别及尺寸测量,为FPC实际生产中的成品质量提供保证。
本发明采用如下技术方案:
一种基于几何定位的柔性电路板线路缺陷识别方法,包括如下步骤:
S1对线路轮廓按照预先设定的像素点数量进行分段;
S2计算每一段轮廓段在X方向或Y方向的增量因子,粗定位候选缺陷位置;
S3根据增量因子确定轮廓段的最小包围矩形;
S4根据最小包围矩形的长宽比确定候选线路缺陷位置;
S5基于Frenet标架对候选线路缺陷位置进行测量;
S6根据测量结果判断缺陷类型。
所述S2计算每一段轮廓段在X方向或Y方向的增量因子,具体为:
假定用P0(x0,y0),P1(x1,y1),P2(x2,y2)…Pn(xn,yn)来表示轮廓段上的像素点,定义线路轮廓上的像素点在X方向的位置增量SumX为:
定义线路轮廓上的像素点在Y方向的位置增量SumY为:
其中d表示的是每段轮廓所包含的像素点个数;
定义一个增量因子g来判断线路轮廓上的像素点在X、Y方向变化的差别,同时使用绝对值来衡量轮廓段在X方向或者Y方向的增量:
所述S3根据增量因子确定轮廓段的最小包围矩阵,具体为:
S3.1首先使用Graham算法寻找线路轮廓段的凸包,即将线路轮廓段的最外层的像素点连接起来;
S3.2以凸包上纵坐标最小的像素点为起点,按照逆时针方向,把凸包上两个相邻的像素点作为矩形的第一条边;
S3.3寻找凸包上距离矩形的第一条边最远的像素点,然后过该像素点作第一条边的平行线,从而得到矩形的第二条边;
S3.4将凸包上的像素点向矩形的第一、第二条边投影,使得投影点相距最远的两个像素点就是矩形另外两条边上的像素点,然后分别过这两个点作垂直于矩形的第一条边的直线就能得到矩形第三、第四条边,之后确定长度较长的边为矩形的长Length,较短的边为宽Width并且计算矩形的面积;
S3.5将图像坐标系的X轴逆时针旋转,当X轴旋转到遇到矩形的较长边时,记所转过的角度为β;
S3.6按照S3.2中的顺序遍历凸包上的相邻像素点,重复步骤S3.3和步骤S3.4,将面积最小的矩形作为线路轮廓段的最小包围矩形。
所述S4中,最小包围矩形的长宽比度量凹陷或凸起的程度,当线路轮廓段像素点数量固定,长宽比越小,线路越凹或者越凸。
本发明当长宽比大于0.2时,则判定为候选线路缺陷。
所述S5基于Frenet标架对候选线路缺陷位置进行测量;
S5.1对于候选线路缺陷,计算轮廓上各点的曲率以及T分量,选定曲率绝对值最大的点作为测量该候选缺陷的边界点;
S5.2根据T分量的方向确定边界点的法线方向;
S5.3基于区域生长法获得统计像素点的个数用以计算线宽和线距;
S5.4根据几何关系求解线宽的实际距离,然后根据线路部位的检测标准判断是否为缺陷。
本发明设定g大于0.8时为粗定位的候选缺陷位置。
本发明的有益效果:
1.利用自定义的增量因子和最小外包矩形的长宽比等几何信息来初步定位候选缺陷位置,大幅减少了运算量,提高了缺陷检测的效率。
2.本发明提出基于微分几何理论中的Frenet标架得到线宽线距数据,根据检测标准确定缺陷位置及尺寸,满足了FPC线路缺陷检测的需求。
附图说明
图1为本发明的工作流程图;
图2为本发明实施例中凹凸线路在X、Y方向的位置变化示意图;
图3为本发明实施例Frenet标架示意图;
图4为本发明实施例边界点的邻域分区示意图;
图5为本发明基于Frenet标架测量线宽线距示意图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1所示,一种基于几何定位的柔性电路板线路缺陷识别方法,包括:
S1对线路轮廓按照预先设定的像素点数量进行分段;
一般情况,缺陷是间隔地出现在一个线路轮廓上,因此需要根据实际情况将线路轮廓按照一定的像素点数量进行分段。
S2计算每一段轮廓段在X方向或Y方向的增量因子,粗定位候选缺陷位置;
如图2所示,当线路部分的缺陷在外形上表现为突然偏离原本规整均匀线路的走向时,不仅表现在曲率上的变化,而且线路轮廓上像素点在X、Y方向的位置变化也很大。因此当线路轮廓的像素点位置在X、Y方向的累积变化量具有较大差别时就可以初步认定该部分是存在凸起或者凹陷缺陷。
假定用P0(x0,y0),P1(x1,y1),P2(x2,y2)…Pn(xn,yn)来表示图像线路轮廓上的像素点,定义线路轮廓上的像素点在X方向的位置增量SumX为:
定义线路轮廓上的像素点在Y方向的位置增量SumY为:
其中d表示的是每段轮廓所包含的像素点个数。
一般来说,缺陷是间隔地出现在一个线路轮廓上,因此需将线路轮廓分段后再来计算每一段上的SumX和SumY。
定义一个增量因子g来判断线路轮廓上的像素点在X、Y方向变化的差别,同时使用绝对值来衡量轮廓段在X方向或者Y方向是否具有较大的增量:
g的值越大,表示像素点在X、Y方向变化的差别越大。
设定g为大于0.8的值,此时对粗定位候选缺陷具有较好准确度。
S3根据增量因子确定轮廓段的最小包围矩形,具体为:
对线路轮廓分段计算增量因子g时,可以初步确定候选缺陷位置。为进一步筛选候选缺陷位置,寻找由增量因子g确定的线路轮廓段的最小包围矩形,再根据最小包围矩形的长宽比确定最终的候选缺陷位置。
寻找线路轮廓段的最小外包矩形的实现步骤为:
(1)首先使用Graham算法寻找线路轮廓段的凸包,即将线路轮廓段的最外层的像素点连接起来;
(2)以凸包上纵坐标最小的像素点为起点,按照逆时针方向,把凸包上两个相邻的像素点作为矩形的第一条边;
(3)寻找凸包上距离矩形的第一条边最远的像素点,然后过该像素点作第一条边的平行线,从而得到矩形的第二条边;
(4)将凸包上的像素点向矩形的第一、第二条边投影,那么使得投影点相距最远的两个像素点就是矩形另外两条边上的像素点。分别过这两个点作垂直于矩形的第一条边的直线就能得到矩形第三、第四条边。之后确定长度较长的边为矩形的长Length,较短的边为宽Width并且计算矩形的面积。
(5)将图像坐标系的X轴逆时针旋转,当X轴旋转到遇到矩形的较长边时,记所转过的角度为β。
(6)按照步骤(2)中的顺序遍历凸包上的相邻像素点,重复步骤(3)和步骤(4),将面积最小的矩形作为线路轮廓段的最小外包矩形。
S4根据最小包围矩形的长宽比确定候选线路缺陷位置,具体为:
定义最小外包矩形的长宽比:
通过增量因子g可以找出线路轮廓的凹陷和凸起位置,通过最小外包矩形的长宽比则可以度量凹陷和凸起的程度,当线路轮廓段的像素点数量固定时,线路越凹或者越凸,那么长宽比越小,反之则越大。
对由S2确定的粗定位候选缺陷进行长宽比的计算,长宽比ration大于固定值0.2时则判定为候选线路缺陷。
S5基于Frenet标架对候选线路缺陷位置进行测量,具体为:
如图3所示,Frenet标架是一个单位正交的右旋标架,它在微分几何中的定义为:设曲线C满足弧长化参数方程:rc=rc(s),规定曲线C在任意一点的单位切向量rc′(s)记为T(s),则rc′(s)=T(s),rc″(s)=T′(s)。当|rc″(s)|≠0时,向量T′(s)上的单位向量N(s)称为曲线在s处的主法向量,令B(s)=T(s)×N(s),称其为单位从法向量。B(s)、T(s)、N(s)是单位向量且两两正交,而{rc(s):T(s)、N(s)、B(s)}被称为曲线C在弧长为s处的Frenet标架。Frenet标架的建立与曲线本身的形状息息相关,其中T分量就是曲线的切向量。
两个标架之间的关系可用曲线论的基本公式表示:
上式中,τ表示曲线的挠率。
现假设在点P0建立Frenet标架,如图5所示,则点P0在这套标架中的弧长s=0。
将曲线的弧长化参数方程r=r(s)展开为Taylor级数,同时将Frenet公式代入并忽略高阶项,得到:
上式中k(0)、τ(0)、T(0)、N(0)是需要求解的未知量,由Frenet标架定义可知B(0)=T(0)×N(0)。
在点P0的左右邻域取两个点,同时,由于T(0)、N(0)是单位向量,则可以对上式进行求解,求得点P0的曲率和挠率。
通过Frenet标架可以准确计算离散点的曲率,并且计算得到的T分量是离散曲线在该点的切向量,与切向量垂直的方向即为离散曲线的法线方向。
本文提出的基于Frenet标架的线路缺陷尺寸测量的主要步骤有:
(1)对于候选缺陷,使用Frenet标架去计算轮廓上各点的曲率以及T分量,选定曲率绝对值最大的点作为测量该候选缺陷的边界点(xstart,ystart);
(2)由步骤(1)中的T分量的方向确定边界点的法线方向。因为T分量实际上是候选缺陷轮廓在该点的切向量,所以法线方向即为T分量的垂直方向。线宽线距就是沿着法线方向从边界点出发,到另一条导线上的边界点之间的像素点的个数。考虑到候选缺陷轮廓是离散的,规定边界点的法线N与图像坐标系的X方向所成的角度为:
其中,Tx、Ty是T分量在X,Y方向的分量。
(3)将边界点的邻域分成如图4所示的8个部分,根据α的大小来确定边界点在X、Y方向的坐标移动距离,其对应规则如下表1所示。
表1
图5为基于Frenet标架测量线宽线距的示意图。其中,该二值图像的前景即线宽的灰度值为1,背景即线距的灰度值为0。将边界点作为种子点,并且记下边界点法线方向两端第一个被合并的像素点的灰度值,然后依据确定的移动距离来进行生长,直到被生长的像素点的灰度值与第一个像素点的灰度值不一致,则停止生长。这时得到了法线N的长度LN,而真正的线宽是图中的两点间的虚线长度。
(4)已知法线N与X方向所成的角度为α,线路与X方向所成的角度为γ,根据求解最小外包矩形的过程,γ满足:
其中,βi是候选缺陷的最小外包矩形与X方向所成的角度,它一定程度上表示了线路的走向。
如图5所示,过法线作与X方向成γ角度的直线,同时作与向量T成(α-γ)角度的直线,则可得到交点CP(xM,yM),判断CP的灰度值是否为1,若是1则继续判断像素点CP的8邻域内是否存在灰度值为0和1的像素点,若存在,则根据步骤(3)的生长过程沿着图4所示右下角方向继续生长,否则停止生长;若是0,则继续判断CP的8邻域内是否存在灰度值为0和1的像素点,若存在,则根据步骤(3)的生长过程沿着图4中右上角方向继续生长,否则停止生长。
设停止生长时的像素坐标为(xend,yend),则线宽为法线N在红线上的投影与之后生长的两部分之和:
上式中,若沿着右上角方向生长,则式中使用减号,否则使用加号。
线宽的实际距离为:
dis=L×μ
其中,μ为每个像素点所代表的实际尺寸。
S6:依据线路部位的检测标准判断是否为缺陷:
设某批次FPC的标准线宽、线距分别为w0、w1,根据线路部位的检测标准判断线宽线距合格的标准为:
对于不符合该标准的候选线路缺陷即判定为缺陷部位。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.一种基于几何定位的柔性电路板线路缺陷识别方法,其特征在于,包括如下步骤:
S1对线路轮廓按照预先设定的像素点数量进行分段;
S2计算每一段轮廓段在X方向或Y方向的增量因子,粗定位候选缺陷位置;
S3根据增量因子确定轮廓段的最小包围矩形;
S4根据最小包围矩形的长宽比确定候选线路缺陷位置;
S5基于Frenet标架对候选线路缺陷位置进行测量;
S6根据测量结果判断缺陷类型;
所述S2计算每一段轮廓段在X方向或Y方向的增量因子,具体为:
假定用P0(x0,y0),P1(x1,y1),P2(x2,y2)…Pn(xn,yn)来表示轮廓段上的像素点,定义线路轮廓上的像素点在X方向的位置增量SumX为:
定义线路轮廓上的像素点在Y方向的位置增量SumY为:
其中d表示的是每段轮廓所包含的像素点个数;
定义一个增量因子g来判断线路轮廓上的像素点在X、Y方向变化的差别,同时使用绝对值来衡量轮廓段在X方向或者Y方向的增量:
所述S3根据增量因子确定轮廓段的最小包围矩阵,具体为:
S3.1首先使用Graham算法寻找线路轮廓段的凸包,即将线路轮廓段的最外层的像素点连接起来;
S3.2以凸包上纵坐标最小的像素点为起点,按照逆时针方向,把凸包上两个相邻的像素点作为矩形的第一条边;
S3.3寻找凸包上距离矩形的第一条边最远的像素点,然后过该像素点作第一条边的平行线,从而得到矩形的第二条边;
S3.4将凸包上的像素点向矩形的第一、第二条边投影,使得投影点相距最远的两个像素点就是矩形另外两条边上的像素点,然后分别过这两个点作垂直于矩形的第一条边的直线就能得到矩形第三、第四条边,之后确定长度较长的边为矩形的长Length,较短的边为宽Width并且计算矩形的面积;
S3.5将图像坐标系的X轴逆时针旋转,当X轴旋转到遇到矩形的较长边时,记所转过的角度为β;
S3.6按照S3.2中的顺序遍历凸包上的相邻像素点,重复步骤S3.3和步骤S3.4,将面积最小的矩形作为线路轮廓段的最小包围矩形;
所述S4中,最小包围矩形的长宽比度量凹陷或凸起的程度,当线路轮廓段像素点数量固定,长宽比越小,线路越凹或者越凸;
所述S5基于Frenet标架对候选线路缺陷位置进行测量,具体为:
S5.1对于候选线路缺陷,计算轮廓上各点的曲率以及T分量,选定曲率绝对值最大的点作为测量该候选缺陷的边界点,所述T分量是曲线的切向量;
S5.2根据T分量的方向确定边界点的法线方向;
S5.3基于区域生长法获得统计像素点的个数用以计算线宽和线距;
S5.4根据几何关系求解线宽的实际距离,然后根据线路部位的检测标准判断是否为缺陷。
2.根据权利要求1所述的柔性电路板线路缺陷识别方法,其特征在于,当长宽比大于0.2时,则判定为候选线路缺陷。
3.根据权利要求1所述的柔性电路板线路缺陷识别方法,其特征在于,设定g大于0.8时为粗定位的候选缺陷位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910738020.1A CN110544238B (zh) | 2019-08-12 | 2019-08-12 | 一种基于几何定位的柔性电路板线路缺陷识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910738020.1A CN110544238B (zh) | 2019-08-12 | 2019-08-12 | 一种基于几何定位的柔性电路板线路缺陷识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110544238A CN110544238A (zh) | 2019-12-06 |
CN110544238B true CN110544238B (zh) | 2023-01-06 |
Family
ID=68710592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910738020.1A Active CN110544238B (zh) | 2019-08-12 | 2019-08-12 | 一种基于几何定位的柔性电路板线路缺陷识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110544238B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311884A (zh) * | 2020-01-13 | 2020-06-19 | 徐琳 | 基于内容检测的信号识别系统及方法 |
CN112634252A (zh) * | 2020-12-30 | 2021-04-09 | 重庆凯歌电子股份有限公司 | 印刷电路的检测方法 |
CN112964183B (zh) * | 2021-03-12 | 2022-04-12 | 四川涪盛科技有限公司 | 弧高测量方法 |
CN114119544A (zh) * | 2021-11-25 | 2022-03-01 | 南京诚芯集成电路技术研究院有限公司 | 一种判断通孔开路缺陷的方法 |
CN114295627B (zh) * | 2021-12-31 | 2022-10-18 | 广东炬森智能装备有限公司 | 一种柔性线路板的全自动检测装置及检测方法 |
CN115035056B (zh) * | 2022-05-31 | 2024-04-30 | 华南理工大学 | 基于微分几何的柔性ic基板线路刻蚀缺陷检测方法及系统 |
CN117745716B (zh) * | 2024-02-07 | 2024-04-16 | 湖南仁盈科技有限公司 | 一种pcba板缺陷的可视化方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005172559A (ja) * | 2003-12-10 | 2005-06-30 | Seiko Epson Corp | パネルの線欠陥検出方法及び装置 |
EP2109079A1 (fr) * | 2008-04-09 | 2009-10-14 | Peugeot Citroën Automobiles Société Anonyme | Procédé et système de caractérisation d'un défaut de surface d'une pièce |
JP2011007728A (ja) * | 2009-06-29 | 2011-01-13 | Seiko Epson Corp | 欠陥検出方法、欠陥検出装置、および欠陥検出プログラム |
CN106600600A (zh) * | 2016-12-26 | 2017-04-26 | 华南理工大学 | 基于特征匹配的晶圆缺陷检测方法 |
CN108765416A (zh) * | 2018-06-15 | 2018-11-06 | 福建工程学院 | 基于快速几何对准的pcb表面缺陷检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6654805B2 (ja) * | 2015-03-12 | 2020-02-26 | 日東電工株式会社 | 配線回路基板の製造方法および検査方法 |
-
2019
- 2019-08-12 CN CN201910738020.1A patent/CN110544238B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005172559A (ja) * | 2003-12-10 | 2005-06-30 | Seiko Epson Corp | パネルの線欠陥検出方法及び装置 |
EP2109079A1 (fr) * | 2008-04-09 | 2009-10-14 | Peugeot Citroën Automobiles Société Anonyme | Procédé et système de caractérisation d'un défaut de surface d'une pièce |
JP2011007728A (ja) * | 2009-06-29 | 2011-01-13 | Seiko Epson Corp | 欠陥検出方法、欠陥検出装置、および欠陥検出プログラム |
CN106600600A (zh) * | 2016-12-26 | 2017-04-26 | 华南理工大学 | 基于特征匹配的晶圆缺陷检测方法 |
CN108765416A (zh) * | 2018-06-15 | 2018-11-06 | 福建工程学院 | 基于快速几何对准的pcb表面缺陷检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
基于骨架特征的柔性电路板缺陷检测方法;苑玮琦等;《计算机应用》;20160610;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110544238A (zh) | 2019-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110544238B (zh) | 一种基于几何定位的柔性电路板线路缺陷识别方法 | |
Wen et al. | A novel method based on deep convolutional neural networks for wafer semiconductor surface defect inspection | |
EP2500686B1 (en) | Device and method for inspecting tyre shape | |
JP5726045B2 (ja) | タイヤ形状検査方法、及びタイヤ形状検査装置 | |
JP2011017705A (ja) | パターン検査装置、パターン検査方法および記録媒体 | |
JP2001338304A (ja) | パターン検査装置、パターン検査方法および記録媒体 | |
CN106408583B (zh) | 一种多边缘缺陷检测方法及装置 | |
CN113340909B (zh) | 一种基于机器视觉的胶线缺陷检测方法 | |
CN114037675A (zh) | 一种飞机样板缺陷检测方法及装置 | |
JP2011198872A (ja) | 座標平面におけるデータ点分布領域の識別方法及びその識別プログラム | |
CN111047588A (zh) | 一种轴型小零件尺寸的图像化测量方法 | |
CN110260818A (zh) | 一种基于双目视觉的电子连接器鲁棒检测方法 | |
JP5175570B2 (ja) | パターン評価方法、プログラムおよび半導体装置の製造方法 | |
CN112085708B (zh) | 产品外轮廓中的直线边缘的缺陷检测方法及设备 | |
JP4597509B2 (ja) | パターン検査装置およびパターン検査方法 | |
CN111476792B (zh) | 一种板带钢图像轮廓的提取方法 | |
CN118229670B (zh) | 一种智能的轮毂模型尺寸快速测量方法 | |
CN117372422B (zh) | 用于零件生产的材料折弯程度检测方法 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
CN115615350A (zh) | 检测方法及其系统 | |
CN116703871A (zh) | 一种基于绝缘子stl模型的爬电距离测量方法及系统 | |
CN110411384B (zh) | 三维打印晶格点阵结构内部杆件的表面粗糙度的检测方法 | |
CN118365696B (zh) | 一种用于工业风机的风叶尺寸智能化测量方法 | |
CN117953002B (zh) | 基于Harris角点检测及匹配算法的CAD图纸翻模方法 | |
CN117830336B (zh) | 一种基于线扫描相机成像的多边形轮廓检测方法及装置 |
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 |