申请/专利权人：深圳市联合盛鑫科技有限公司

申请日：2024-04-15

公开（公告）日：2024-06-28

公开（公告）号：CN118052815B

主分类号：G06T7/00

分类号：G06T7/00;G06N3/0464;G06T7/11;G06T7/136;G06T7/90

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.06.04#实质审查的生效;2024.05.17#公开

摘要：本发明涉及图像处理技术领域，具体涉及一种PCB焊锡缺陷视觉自动化检测方法，该方法包括：获取PCB板灰度图像，对PCB板灰度图像中像素点的邻域像素点的灰度分布结合焊接点的灰度分布特征构建焊接窗口灰度趋势系数；对焊锡缺陷的梯度特征进行分析，构建焊接边缘特征指数，结合焊接点以及PCB板其他部位的形状特征构建圆形指数、圆形邻域指数；最后，构建焊接点指数，采用阈值分割算法对PCB板灰度图像进行分割，结合神经网络得到PCB板焊锡缺陷的类别。本发明旨在对焊接点进行定位，提高对图像分割的精度，从而保证焊锡缺陷检测的准确程度。

主权项：1.一种PCB焊锡缺陷视觉自动化检测方法，其特征在于，该方法包括以下步骤：获取PCB板灰度图像；以PCB板灰度图像中的各像素点为中心，预设窗口尺寸，得到各像素点的滑动窗口；基于各像素点滑动窗口内灰度值的变化特征得到各像素点的序列趋势熵；根据各像素点的序列趋势熵结合滑动窗口的灰度分布特点得到各像素点的焊接窗口灰度趋势系数；根据各像素点滑动窗口的灰度特征结合梯度分布特征得到各像素点的焊接边缘特征指数；根据各像素点滑动窗口的中间行、列像素点的梯度分布特征得到各像素点的圆形指数；根据各像素点以及各像素点邻域的圆形指数分布得到各像素点的邻域圆形指数；根据各像素点的焊接窗口灰度趋势系数、焊接边缘特征指数、邻域圆形指数得到各像素点的焊接点指数；根据所有像素点的焊接点指数采用阈值分割算法获取焊锡区域；根据焊锡区域采用神经网络获取PCB板焊锡缺陷类别；所述基于各像素点滑动窗口内灰度值的变化特征得到各像素点的序列趋势熵，包括：将各像素点滑动窗口中所有像素点的灰度值组成的序列作为各像素点的灰度序列；对于各像素点的灰度序列，计算任一元素与后一元素的差值绝对值；将所有元素的所述差值绝对值组成的序列保存为各像素点的灰度差分序列；对于各像素点的灰度差分序列，将各元素在所述灰度差分序列中的频率作为各元素的相对频率；将各元素的相对频率作为以2为底数的对数函数的真数；计算各元素所述对数函数的计算结果与所述真数的乘积；将所有元素所述乘积的和值的相反数，作为各像素点的序列趋势熵；所述根据各像素点的序列趋势熵结合滑动窗口的灰度分布特点得到各像素点的焊接窗口灰度趋势系数，具体为：获取各像素点滑动窗口的最大灰度值；计算所述最大灰度值与各像素点的灰度值的差值；将各像素点的序列趋势熵与所述差值的和值作为各像素点的焊接窗口灰度趋势系数；所述根据各像素点滑动窗口的中间行、列像素点的梯度分布特征得到各像素点的圆形指数，具体为：将各像素点滑动窗口的中间列像素点的梯度均值记为各像素点的垂直梯度均值；将各像素点滑动窗口的中间行像素点的梯度均值记为各像素点的水平梯度均值；当各像素点的垂直梯度均值大于等于水平梯度均值时，将各像素点的水平梯度均值与垂直梯度均值的比值作为各像素点的圆形指数；当各像素点的垂直梯度均值小于水平梯度均值时，将各像素点的垂直梯度均值与水平梯度均值的比值作为各像素点的圆形指数；所述根据各像素点的焊接窗口灰度趋势系数、焊接边缘特征指数、邻域圆形指数得到各像素点的焊接点指数，包括：计算各像素点的焊接窗口灰度趋势系数、邻域圆形指数以及预设大于零的调参系数的和值；将各像素点的焊接边缘特征指数与所述和值的比值作为各像素点的焊接点指数。

全文数据：

权利要求：

百度查询： 深圳市联合盛鑫科技有限公司 一种PCB焊锡缺陷视觉自动化检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD