本發(fā)明屬于pcb板質(zhì)量檢測，具體是一種基于機(jī)器視覺的pcb板質(zhì)量檢測系統(tǒng)及方法。

背景技術(shù)：

1、pcb板作為電子產(chǎn)品的重要組成部分，其質(zhì)量對于產(chǎn)品的性能穩(wěn)定性具有至關(guān)重要的作用。隨著電子產(chǎn)業(yè)的快速發(fā)展，pcb板的制造規(guī)模不斷擴(kuò)大，質(zhì)量要求也越來越高。傳統(tǒng)的pcb板質(zhì)量檢測主要依賴于人工目視檢查，這種方法存在諸多不足，如檢測速度慢、效率低、易疲勞、易誤判等，無法滿足現(xiàn)代電子制造業(yè)對高質(zhì)量、高效率的需求。隨著機(jī)器視覺技術(shù)的快速發(fā)展，其在工業(yè)自動化、質(zhì)量檢測等領(lǐng)域的應(yīng)用越來越廣泛。機(jī)器視覺技術(shù)通過模擬人眼的視覺功能，結(jié)合圖像處理和人工智能技術(shù)，可以實現(xiàn)對物體的自動識別、定位和測量等功能。因此，將機(jī)器視覺技術(shù)應(yīng)用于pcb板質(zhì)量檢測中，具有非常重要的現(xiàn)實意義和應(yīng)用價值。當(dāng)前市場上雖然存在一些基于機(jī)器視覺的pcb板質(zhì)量檢測系統(tǒng)，但這些系統(tǒng)大多存在檢測精度不高、適應(yīng)性不強(qiáng)、穩(wěn)定性差等問題，無法完全滿足實際應(yīng)用的需求。因此，開發(fā)一種基于機(jī)器視覺的pcb板質(zhì)量檢測技術(shù)，具有廣闊的市場前景和應(yīng)用空間。

2、基于此，本發(fā)明提供了一種基于機(jī)器視覺的pcb板質(zhì)量檢測系統(tǒng)及方法。

技術(shù)實現(xiàn)思路

1、為了解決上述方案存在的問題，本發(fā)明提供了一種基于機(jī)器視覺的pcb板質(zhì)量檢測系統(tǒng)及方法。

2、本發(fā)明的目的可以通過以下技術(shù)方案實現(xiàn)：

3、一種基于機(jī)器視覺的pcb板質(zhì)量檢測系統(tǒng)，包括生產(chǎn)分析模塊、采集模塊和質(zhì)檢模塊；

4、所述生產(chǎn)分析模塊用于對pcb板的生產(chǎn)工藝進(jìn)行分析，根據(jù)分析結(jié)果建立對應(yīng)的污染庫和問題庫；所述污染庫用于儲存各參照污染種類以及各參照污染種類對應(yīng)的污染識別特征；所述問題庫用于儲存各質(zhì)量問題以及各質(zhì)量問題對應(yīng)的問題識別特征。

5、進(jìn)一步地，對pcb板的生產(chǎn)工藝進(jìn)行分析的方法包括：

6、識別pcb板的生產(chǎn)工藝信息，根據(jù)生產(chǎn)工藝信息確定各參照污染種類和質(zhì)量問題；

7、獲取參照問題種類和質(zhì)量問題各自對應(yīng)的各問題采集圖像，將各問題采集圖像按照各參照問題種類和質(zhì)量問題進(jìn)行分類整理，獲得各參照問題種類和質(zhì)量問題對應(yīng)的分類采集數(shù)據(jù)，將分類采集數(shù)據(jù)中的各問題采集圖像標(biāo)記為分類圖像；

8、對分類圖像進(jìn)行處理，確定各所述分類圖像對應(yīng)的圖像識別特征；對各圖像識別特征進(jìn)行整合，獲得各參照問題種類和質(zhì)量問題分別對應(yīng)的污染識別特征和問題識別特征。

9、所述采集模塊用于對pcb板進(jìn)行圖像采集，獲得各pcb板對應(yīng)的目標(biāo)采集圖像。

10、所述質(zhì)檢模塊用于根據(jù)目標(biāo)采集圖像對pcb板進(jìn)行質(zhì)量檢測，獲取目標(biāo)采集圖像，根據(jù)預(yù)設(shè)的定位點對目標(biāo)采集圖像進(jìn)行定位調(diào)整，獲得pcb板灰度圖；

11、通過預(yù)設(shè)的檢測校核圖與pcb板灰度圖進(jìn)行定位比較，獲得對應(yīng)的灰度差異面；根據(jù)灰度差異面判斷pcb板是否檢測異常；

12、當(dāng)判斷檢測正常時，輸出pcb板檢測合格；

13、當(dāng)判斷檢測異常時，識別問題區(qū)域，根據(jù)問題區(qū)域、污染庫和問題庫進(jìn)行問題分析，獲得對應(yīng)的問題分析結(jié)果，根據(jù)獲得的問題分析結(jié)果進(jìn)行相應(yīng)處理。

14、進(jìn)一步地，定位點的設(shè)置方法包括：

15、獲取采集條件，根據(jù)采集條件確定各待選點；

16、對各待選點進(jìn)行模擬采集，獲取各待選點對應(yīng)的若干個模擬圖像；對模擬圖像進(jìn)行灰度處理，獲得模擬灰度圖像；識別模擬灰度圖像中各待選點對應(yīng)的灰度值分布圖，對灰度分布圖進(jìn)行合并處理，獲得各待選點對應(yīng)的灰度差異曲線；

17、對灰度差異曲線進(jìn)行擬合，獲得對應(yīng)的差異函數(shù)，將差異函數(shù)標(biāo)記為g(x)，x為自變量，表示待選點定位邊界上的相應(yīng)位置；

18、根據(jù)公式計算各待選點的定位值；式中：qg為定位值；

19、將各待選點按照定位值從高到低的順序進(jìn)行排序，選擇排序前a個待選點為定位點；a為正整數(shù)，取值范圍為[2，5]。

20、進(jìn)一步地，對灰度分布圖進(jìn)行合并的方法包括：

21、將灰度分布圖中待選點的邊界標(biāo)記為定位邊界；按照預(yù)設(shè)的灰度代表方法分別計算灰度值分布圖中定位邊界上各位置的內(nèi)邊界值和外邊界值；

22、根據(jù)各灰度分布圖中定位邊界上各位置的內(nèi)邊界值和外邊界值計算待選點的定位邊界上各位置對應(yīng)的平均內(nèi)邊界值和平均外邊界值；將平均內(nèi)邊界值和平均外邊界值分別標(biāo)記為內(nèi)邊界代表值和外邊界代表值；

23、計算各位置的外邊界代表值和內(nèi)邊界代表值之間差值的絕對值，標(biāo)記為位置參數(shù)；

24、根據(jù)定位邊界上各位置對應(yīng)的位置參數(shù)生成灰度差異曲線。

25、進(jìn)一步地，灰度代表方法為：

26、將定位邊界上各位置的像素標(biāo)記為基準(zhǔn)像素，根據(jù)基準(zhǔn)像素在定位邊界上做切線，再通過基準(zhǔn)像素做切線的垂直線，將垂直線對應(yīng)定位邊界內(nèi)的各像素標(biāo)記為內(nèi)選像素，內(nèi)選像素包括基準(zhǔn)像素；將垂直線對應(yīng)定位邊界外的各像素標(biāo)記為外選像素，外選像素不包括基準(zhǔn)像素；按照與基準(zhǔn)像素之間的距離對各內(nèi)選像素和外選像素進(jìn)行排序，對于內(nèi)選像素，基準(zhǔn)像素的序號為1，對于外選像素，最接近基準(zhǔn)像素的像素的序號為1；

27、從序號1開始，在內(nèi)選像素和外選像素內(nèi)分別計算各相鄰像素之間的灰度值差值，且將每次計算的灰度值差值與預(yù)設(shè)的標(biāo)準(zhǔn)差值進(jìn)行比較；

28、當(dāng)灰度值差值不大于標(biāo)準(zhǔn)差值時，進(jìn)行下一個灰度值差值的計算；

29、當(dāng)灰度值差值大于標(biāo)準(zhǔn)差值時，停止該序號對應(yīng)的灰度值差值的計算，將對應(yīng)灰度值差值不大于標(biāo)準(zhǔn)差值的各像素分別標(biāo)記為內(nèi)計算像素和外計算像素；

30、統(tǒng)計內(nèi)計算像素對應(yīng)的灰度值的平均值，標(biāo)記為內(nèi)邊界值；

31、統(tǒng)計外計算像素對應(yīng)的灰度值的平均值，標(biāo)記為外邊界值。

32、進(jìn)一步地，根據(jù)定位點對目標(biāo)采集圖像進(jìn)行定位調(diào)整的方法包括：

33、獲取各定位點的灰度圖像，標(biāo)記為定位標(biāo)準(zhǔn)圖像；對目標(biāo)采集圖像進(jìn)行灰度處理，獲得目標(biāo)灰度圖像；根據(jù)定位圖像在目標(biāo)灰度圖像中標(biāo)記各定位點，獲取定位點在目標(biāo)灰度圖像中的灰度圖像，標(biāo)記為定位采集圖像；

34、根據(jù)定位標(biāo)準(zhǔn)圖像和定位采集圖像對目標(biāo)灰度圖像進(jìn)行灰度調(diào)整，獲得灰度調(diào)整圖像，并根據(jù)定位點對灰度調(diào)整圖像進(jìn)行裁剪，獲得pcb板灰度圖。

35、進(jìn)一步地，根據(jù)灰度差異面判斷pcb板是否檢測異常的方法包括：

36、設(shè)置允許誤差，根據(jù)允許誤差建立轉(zhuǎn)化模型，轉(zhuǎn)化模型的表達(dá)式為；式中：s為灰度差異面中相應(yīng)像素對應(yīng)的灰度值差值；ε為允許誤差；輸出數(shù)據(jù)為轉(zhuǎn)化值ph(s)，轉(zhuǎn)化值包括1或0；

37、通過轉(zhuǎn)化模型對灰度差異面進(jìn)行轉(zhuǎn)化，獲得評估面；

38、識別評估面中的異常區(qū)域，計算各異常區(qū)域的面積，標(biāo)記為異常面積；

39、當(dāng)評估圖中具有異常面積大于閾值x1的異常區(qū)域時，判定檢測異常，并將異常面積大于閾值x1的異常區(qū)域標(biāo)記為問題區(qū)域；

40、當(dāng)評估圖中無異常面積大于閾值x1的異常區(qū)域時，判定檢測正常。

41、一種基于機(jī)器視覺的pcb板質(zhì)量檢測方法，方法包括：

42、根據(jù)分析結(jié)果建立對應(yīng)的污染庫和問題庫；對pcb板進(jìn)行圖像采集，獲得各pcb板對應(yīng)的目標(biāo)采集圖像；

43、根據(jù)預(yù)設(shè)的定位點對目標(biāo)采集圖像進(jìn)行定位調(diào)整，獲得pcb板灰度圖；

44、通過預(yù)設(shè)的檢測校核圖與pcb板灰度圖進(jìn)行定位比較，獲得對應(yīng)的灰度差異面；根據(jù)灰度差異面判斷pcb板是否檢測異常；

45、當(dāng)判斷檢測正常時，輸出pcb板檢測合格；

46、當(dāng)判斷檢測異常時，識別問題區(qū)域，根據(jù)問題區(qū)域、污染庫和問題庫進(jìn)行問題分析，獲得對應(yīng)的問題分析結(jié)果，根據(jù)獲得的問題分析結(jié)果進(jìn)行相應(yīng)處理。

47、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

48、通過生產(chǎn)分析模塊、采集模塊和質(zhì)檢模塊之間的相互配合，實現(xiàn)高速、連續(xù)的檢測，大大提高了檢測效率；其次，由于機(jī)器視覺技術(shù)具有高度的客觀性和一致性，因此能夠減少人為因素導(dǎo)致的誤判和漏檢。此外，該檢測系統(tǒng)還可以對復(fù)雜、微小的pcb板細(xì)節(jié)進(jìn)行檢測，從而提高了檢測的精度和可靠性。通過設(shè)置生產(chǎn)分析模塊，實現(xiàn)對當(dāng)前pcb板生產(chǎn)工藝進(jìn)行充分分析，智能確定該pcb板在質(zhì)檢時可能遇到的各種情況，進(jìn)而在進(jìn)行質(zhì)檢時可以極大的縮小篩選范圍，而且根據(jù)預(yù)設(shè)的污染庫和問題庫，可以快速確定具有質(zhì)量問題的問題情況；實現(xiàn)更加高效和精準(zhǔn)的pcb板檢測，避免未針對實際生產(chǎn)狀況進(jìn)行分析，導(dǎo)致產(chǎn)生較多的無效分析，影響質(zhì)檢效率。