基于特征自学习的电路板管脚缺陷识别方法与流程

1.本发明属于电路板检测技术领域，涉及基于特征自学习的电路板管脚缺陷识别方法。


背景技术：

2.电路板可以使电路迷你化、直观化，对于固定电路的批量生产和优化用电器布局起重要作用。
3.国内绝大部分电路板生产厂家采用人工用放大镜或投影仪查看的办法进行电路板缺陷检侧。由于人工检查劳动强度大，眼睛容易产生疲劳，漏验率很高。而且随着电子产品朝着小型化、数字化发展，电路板也朝着高密度、高精度发展，采用人工检验的方法，基本无法实现。对更高密度和精度电路板(0.12～0.10mm),己完全无法检验。检测手段的落后，导致目前国内多层板(8-12层)的产品合格率仅为50～60％。
4.除此以外，电路板生产基地还采用aoi设备进行电路板缺陷检测，但仍存在诸多缺陷，比较严重的缺陷是漏检，即有缺陷而没检测出来的情况。aoi设备对焊点类型的缺陷，大概有》60％的概率检测不出来。就是说，假设电路板中有100个缺陷，那么有60个aoi发现不了、会放行过去。人工只对aoi检测出的异常进行核对，对这种检测不出的情况不再核对。后续只能通过电气测量才会发现这种缺陷，进而反馈回aoi流水线。误报的情况严重程度较低，但是也比较频繁，大多是字体引起，可以通过人工消除。


技术实现要素：

5.为解决现有技术中的不足，本技术提供基于特征自学习的电路板管脚缺陷识别方法。
6.为了实现上述目标，本发明采用如下技术方案：
7.基于特征自学习的电路板管脚缺陷识别方法，包括以下步骤：
8.步骤1：获取待测电路板对应的用于特征自学习的标准电路板aoi彩色图像及对应配置文件，包括电路板上芯片型号和芯片位置；
9.步骤2：建立标准电路板aoi彩色图像中芯片的标准焊点模型,包括焊点位置模型和标准焊锡特征矩阵x；
10.步骤3：获取待测电路板aoi彩色图像，将其与标准电路板aoi彩色图像做sift图像较准，获取待测电路板中芯片的芯片子图片，每一芯片子图片包含单个芯片及其对应的所有焊点；
11.步骤4：基于步骤2的焊点位置模型，从每一芯片子图片中提取对应的子焊点图片，每一子焊点图片包括单个焊点，计算每一子焊点图片中各像素点的焊锡高度值，组成对应焊点的焊锡特征矩阵y；
12.步骤5：计算焊锡特征矩阵y与相应标准焊锡特征矩阵x的归一化几何相交系数γ，根据几何相交系数阈值逐个判断焊点是否有缺陷。
13.本发明进一步包括以下优选方案：
14.优选地，步骤2具体包括：
15.步骤2.1：以芯片所在中心为中心进行芯片区域外扩，得到相应相型号的芯片矩阵；
16.步骤2.2：在步骤2.1外扩的区域内搜索焊点，搜索焊点时基于颜色信息获取roi感兴趣焊点区域并提取焊点矩阵，进而得到该型号芯片的焊点位置模型；
17.步骤2.3：获取外扩区域中的所有焊点矩阵，其均为无缺陷焊点，计算焊点矩阵中每一像素点的焊锡高度值；
18.步骤2.4：计算同一焊点矩阵中各像素点焊锡高度值均值，构成该焊点的标准焊锡特征矩阵x。
19.优选地，步骤2.1中，以芯片所在中心为中心，将芯片所在矩形区域外扩1.5倍，得到芯片矩阵。
20.优选地，步骤2.2中，将rgb图像转换为hsv图像，提取hsv图像中的蓝色部分作为焊点矩阵，进而得到焊点矩阵相对于芯片矩阵的位置及焊点包围盒，保存为该型号芯片的焊点位置模型；所述焊点包围盒为包含焊点和芯片的矩形框。
21.优选地，步骤2.2中，提取范围为：h：(100，124)，s：(43，255)，v：(46，255)。
22.优选地，步骤2.3中，焊锡高度值计算公式为：
23.height＝b-g/5.-r/3.0
24.其中，b、g、r分别为对应像素点rgb的b分量值，g分量值，r分量值。
25.优选地，步骤3所述sift图像较准，具体包括：
26.(1)分别计算待测图像和模板图像的sift特征点；
27.(2)将sift特征点转化为描述矩阵进行flann特征匹配；
28.(3)特征匹配后再通过ransac筛选，计算转移矫正矩阵；
29.(4)根据转移矫正矩阵，将待测图像进行仿射变换，完成校准。
30.优选地，步骤4中，子焊点图片提取过程为：
31.(1)根据配置文件获取包含单个芯片及其对应的所有焊点的芯片子图片；
32.(2)根据焊点位置模型中焊点相对于芯片的位置逐个获取每个焊点的图片，即为子焊点图片。
33.优选地，步骤5中，归一化几何相交系数γ计算公式为：
[0034][0035]
其中，x
mn
为标准焊锡特征矩阵的元素，y
mn
为待测焊锡特征矩阵的元素，sbs表示取绝对值，m和n表示矩阵的行和列。
[0036]
优选地，根据计算经验，所述阈值为0.7，当归一化几何相交系数γ小于0.7时，认为对应焊点有缺陷。
[0037]
本技术所达到的有益效果：
[0038]
本发明运用自学习图像处理技术识别缺陷，具有应用的可行性，本发明可有效降低漏检率，提升效率和准确率，减少人工查找缺陷的工作量；同时可避免问题pcb板到下一流程才被测出问题，能够有效实现更早发现问题，解决问题。
附图说明
[0039]
图1是本发明方法流程图；
[0040]
图2是本发明方法实施图。
具体实施方式
[0041]
下面结合附图对本技术作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本技术的保护范围。
[0042]
如图1和2所示，本发明的基于特征自学习的电路板管脚缺陷识别方法，包括以下步骤：
[0043]
步骤1：获取待测电路板对应的用于特征自学习的标准电路板aoi彩色图像及对应配置文件，包括电路板上芯片型号和芯片位置等；
[0044]
步骤2：建立标准电路板aoi彩色图像中芯片的标准焊点模型,包括焊点位置模型和标准焊锡特征矩阵x，具体包括：
[0045]
步骤2.1：以芯片所在中心为中心进行芯片区域外扩，得到芯片矩阵；
[0046]
具体实施时，以芯片所在中心为中心，将芯片所在矩形区域外扩1.5倍，得到芯片矩阵。
[0047]
例如，芯片高度为50，宽度为100，形成芯片所在矩形区域，该区域中心为芯片所在中心，外扩1.5倍，得到含有焊点的区域：高度为75，宽度为150，得到芯片矩阵。
[0048]
步骤2.2：在步骤2.1外扩的区域内搜索焊点，搜索焊点时基于颜色信息获取roi感兴趣焊点区域并提取焊点矩阵，进而得到该型号芯片的焊点位置模型；
[0049]
考虑到蓝色焊锡部分是保证焊点质量的重要位置，因此提取蓝色部分获取roi感兴趣区域；
[0050]
具体的，将rgb图像转换为hsv图像，提取hsv图像中的蓝色部分作为焊点矩阵，进而得到焊点矩阵相对于芯片矩阵的位置及焊点包围盒，保存为该型号芯片的焊点位置模型。
[0051]
所述焊点包围盒为包含焊点和芯片的矩形框。
[0052]
提取范围为：h：(100，124)，s：(43，255)，v：(46，255)。
[0053]
步骤2.3：获取外扩区域中的所有焊点矩阵，其均为无缺陷焊点，计算焊点矩阵中每一像素点的焊锡高度值；
[0054]
焊锡高度值计算公式为：
[0055]
height＝b-g/5.-r/3.0
[0056]
其中，b、g、r分别为对应像素点rgb的b分量值，g分量值，r分量值。
[0057]
步骤2.4：计算同一焊点矩阵中各像素点焊锡高度值均值，构成该焊点的标准焊锡特征矩阵x。
[0058]
同一芯片管脚焊点高度相似。
[0059]
步骤3：获取待测电路板aoi彩色图像，将其与标准电路板aoi彩色图像做sift图像较准，获取待测电路板中芯片的芯片子图片，若电路板中含多个芯片，则步骤3获取多个芯片子图片，每一芯片子图片包含单个芯片及其对应的所有焊点；
[0060]
所述sift图像较准，具体包括：
[0061]
(1)分别计算待测图像和模板图像的sift特征点；
[0062]
(2)将sift特征点转化为描述矩阵进行flann特征匹配；
[0063]
(3)特征匹配后再通过ransac筛选，计算转移矫正矩阵；
[0064]
(4)根据转移矫正矩阵，将待测图像进行仿射变换，完成校准。
[0065]
步骤4：基于步骤2的焊点位置模型，从每一芯片子图片中提取对应的子焊点图片，每一子焊点图片包括单个焊点，计算每一子焊点图片中各像素点的焊锡高度值，组成对应焊点的焊锡特征矩阵y；
[0066]
子焊点图片提取过程为：
[0067]
(1)根据配置文件获取包含单个芯片及其对应的所有焊点的芯片子图片；
[0068]
(2)根据焊点位置模型中焊点相对于芯片的位置逐个获取每个焊点的图片，即为子焊点图片。
[0069]
可理解为每个芯片的位置及其对应焊点的位置都包含在焊点配置模型文件里。
[0070]
步骤5：计算焊锡特征矩阵y与相应标准焊锡特征矩阵x的归一化几何相交系数γ，根据几何相交系数阈值逐个判断焊点是否有缺陷。
[0071]
归一化几何相交系数γ计算公式为：
[0072][0073]
其中，x
mn
为标准焊锡特征矩阵的元素，y
mn
为待测焊锡特征矩阵的元素，sbs表示取绝对值，m和n表示矩阵的行和列。
[0074]
系数约接近1，表明两个焊点越相似。
[0075]
根据计算经验，阈值设为0.7，当归一化几何相交系数γ小于0.7时，认为对应焊点有缺陷。
[0076]
步骤6：获取新的电路板时，重复步骤1-2，以便持续学习与更新模型。
[0077]
本发明运用自学习图像处理技术识别缺陷，具有应用的可行性，本发明可有效降低漏检率，提升效率和准确率，减少人工查找缺陷的工作量；同时可避免问题pcb板到下一流程才被测出问题，能够有效实现更早发现问题，解决问题。
[0078]
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。