一种PCB缺陷检测方法、介质及系统与流程

本技术涉及pcb缺陷检测领域，特别是涉及一种pcb缺陷检测方法、介质及系统。

背景技术：

1、印刷电路板（pcb，printed circuit board）是电子产品的核心基础部件，其质量直接决定产品的可靠性、寿命与安全性，广泛应用于5g、人工智能、新能源汽车、航空航天等高端领域。随着相关产业迭代升级，pcb持续向微细化、多层化、高密度方向发展，线宽线距由100μm级缩减至10μm级，叠层数量增至20层以上，导通孔孔径最小降至0.05mm。该发展趋势对pcb缺陷检测精度、完整性及稳定性提出了极高要求。

2、现有的pcb缺陷检测技术通常采用自动光学检测（automatic opticalinspection，aoi）或x射线检测等手段。然而，在实际生产中，pcb板件往往存在不同程度的翘曲变形，现有技术在处理翘曲板件时，缺乏有效的三维形变补偿机制，导致图像拼接错位、特征提取失真，进而造成微小缺陷漏检或误检。此外，单一的表面光学检测难以覆盖内部分层、孔无铜等隐蔽缺陷，而单纯的电气测试又无法定位外观瑕疵，缺乏一种能够将表面光学信息、内部结构信息与电气性能信息进行空间对齐与协同判定的综合检测方案，导致检测覆盖率不足且反馈滞后。

技术实现思路

1、本技术的目的是提供一种pcb缺陷检测方法、介质及系统，可通过多视角图像采集与翘曲度三维建模实现pcb表面、内部缺陷和电气性能缺陷的全覆盖检测，通过翘曲度三维建模与几何校正解决pcb变形导致的检测误差问题，通过目标检测与电气双重验证，再通过三重复核机制将漏检率和误检率降至极低水平，通过结果实时反馈实现生产闭环控制。

2、为实现上述目的，本技术提供了如下方案：

3、第一方面，本技术提供一种pcb缺陷检测方法，包括：

4、获取若干个视角的pcb图像和pcb三维坐标数据；

5、基于所述pcb三维坐标数据，生成翘曲度三维模型；

6、基于所述翘曲度三维模型，对所述若干个视角的pcb图像的翘曲区域图像进行校正；

7、对校正后的若干个视角的pcb图像进行融合，得到pcb三维可视化图像；

8、对pcb三维可视化图像采用目标检测算法对pcb的外观进行初检，若初检不合格，输出初检缺陷列表；若初检合格，则对pcb进行内部缺陷及电气性能协同检测，输出协同检测缺陷列表；

9、对所述初检缺陷列表和所述协同检测缺陷列表中的每个缺陷进行复核，输出最终的检测结果。

10、可选地，基于所述pcb三维坐标数据，生成翘曲度三维模型，具体为：

11、将pcb划分为若干个网格；所述pcb三维坐标数据包括pcb各网格的平面坐标和pcb各网格的高度数据；

12、根据pcb各网格的平面坐标和pcb各网格内采样点的高度数据，构建双三次多项式曲面方程；

13、采用最小二乘法求解所述双三次多项式曲面方程，得到校正系数；

14、基于所述校正系数，通过双三次多项式曲面方程拟合生成对应网格内的连续曲面高度场；

15、将所有网格的连续曲面高度场进行拼接，得到最终的翘曲度三维模型。

16、可选地，对所述若干个视角的pcb图像的翘曲区域图像进行校正，具体为：

17、对每个视角的pcb图像，根据所述校正系数，基于所述pcb图像的基准平面像素坐标及对应的高度数据，通过预先构建的双向畸变映射方程组计算原始畸变图像亚像素坐标；

18、采用双线性插值为所述原始畸变图像亚像素坐标周边的原始像素进行灰度加权赋值，生成校正后的若干个视角的pcb图像。

19、可选地，所述双向畸变映射方程组的表达式为：

20、

21、

22、其中，表示pcb图像的基准平面像素坐标的横坐标；表示pcb图像的基准平面像素坐标的纵坐标；表示坐标对应的高度数据；表示原始畸变图像亚像素坐标的横坐标；表示原始畸变图像亚像素坐标的纵坐标；、、、、、和以及、、、、、和均为校正系数。

23、可选地，所述对校正后的若干个视角的pcb图像进行融合，具体为：

24、对校正后的若干个视角的pcb图像通过改进的sift特征点匹配算法进行特征融合，得到pcb特征图；

25、对所述pcb特征图采用加权平均融合算法进行逐像素加权融合，得到pcb三维可视化图像。

26、可选地，所述目标检测算法采用改进yolov8模型；所述改进yolov8模型包括骨干网络、特征增强模块及检测层；

27、所述骨干网络包括conv2former模块和c2f模块；所述conv2former模块和c2f模块串联后堆叠设置；

28、所述特征增强模块与所述骨干网络串联，所述特征增强模块采用双通道simam；

29、所述检测层与所述特征增强模块串联；所述检测层包括若干层不同尺度的检测头。

30、可选地，所述对pcb进行内部缺陷及电气性能协同检测，具体为：

31、对初检合格的pcb三维可视化图像通过滤波反投影算法重建pcb内部三维体数据，识别内部缺陷；

32、通过飞针检测pcb的电气特性，输出飞针测试结果；

33、将内部缺陷与飞针测试结果进行空间坐标对齐融合，得到协同检测缺陷列表。

34、可选地，对所述初检缺陷列表和所述协同检测缺陷列表中的每个缺陷进行复核，具体为：

35、对所述初检缺陷列表和所述协同检测缺陷列表中的每个缺陷进行多维度特征提取，生成多维度特征向量；所述多维度特征向量包括几何特征、纹理特征、灰度特征、边缘梯度特征和频域特征；

36、对所述多维度特征向量采用cnn模型进行缺陷识别，输出缺陷类型及复核置信度；

37、对所述缺陷类型及复核置信度，采用ipc标准进行判定，输出最终的检测结果。

38、第二方面，本技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的pcb缺陷检测方法的步骤。

39、第三方面，本技术提供一种pcb缺陷检测系统，包括：

40、数据获取模块，用于获取若干个视角的pcb图像和pcb三维坐标数据；

41、翘曲度模型构建模块，基于所述pcb三维坐标数据，生成翘曲度三维模型；

42、翘曲度校正模块，用于基于所述翘曲度三维模型，对所述若干个视角的pcb图像的翘曲区域图像进行校正；

43、图像融合模块，用于对校正后的若干个视角的pcb图像进行融合，得到pcb三维可视化图像；

44、缺陷检测模块，用于对pcb三维可视化图像采用目标检测算法进行初检，若初检不合格，输出初检缺陷列表；若初检合格，则对pcb进行内部缺陷及电气性能协同检测，输出协同检测缺陷列表；

45、缺陷复核模块，用于对所述初检缺陷列表和所述协同检测缺陷列表中的每个缺陷进行复核，输出最终的检测结果。

46、根据本技术提供的具体实施例，本技术公开了以下技术效果：

47、本技术提供了一种pcb缺陷检测方法、介质及系统，该方法通过利用pcb三维坐标数据生成翘曲度三维模型，能够精确描述pcb板面的三维形变特征，并基于该模型对多视角图像中的翘曲区域进行针对性校正，有效消除了因pcb板面翘曲导致的图像畸变对检测结果的干扰。通过该校正处理，避免了传统二维检测中因板面形变造成的缺陷漏检和误检，从而大幅提升了后续检测环节的输入图像质量，为高精度缺陷识别奠定了数据基础。

48、通过对若干个视角的校正后pcb图像进行融合处理，得到的pcb三维可视化图像包含了pcb表面及内部更完整的结构信息。多视角融合避免了单一视角检测存在的视野盲区，使得pcb各区域的图像信息互为补充，有效解决了因元器件遮挡、光照不均等因素造成的局部信息缺失问题，从而提高了检测的覆盖率和全面性。

49、采用目标检测算法对pcb三维可视化图像进行初检，能够快速筛查出明显的表面视觉缺陷，实现缺陷的初步定位和分类。在初检合格的前提下，进一步触发内部缺陷及电气性能协同检测，弥补了纯视觉检测无法发现埋藏在pcb内部的缺陷（如分层、空洞、裂纹等）以及电气性能异常（如阻抗偏差、导通不良等）的不足。该两级架构设计兼顾了检测效率与检测深度，既避免了针对所有pcb均执行复杂检测流程所造成的资源浪费，又确保了对高性能要求pcb的全面质检。

50、在初检和协同检测完成后，进一步对检测出的每个缺陷进行复核处理。该复核机制能够对疑似缺陷区域进行二次确认，排除因图像噪声、算法误判等因素产生的虚假缺陷，同时对初检可能遗漏的缺陷进行补充识别。通过复核处理，显著提高了检测结果的精确性和可靠性，减少了人工复判的工作量，提升了pcb质量控制的整体水平。