一种PCB板测试系统

技术领域

本发明涉及印刷电路板领域，更具体的说是涉及一种PCB板测试系统。

背景技术

目前对PCB板测试主要有以下几种方式：

1、PCB板人工目测

使用放大镜或校准的显微镜，利用操作人员视觉检查来确定电路板合不合格，并确定什么时候需进行校正操作，它是最传统的检测方法。它的主要优点是低的预先成本和没有测试夹具，而它的主要缺点是人的主观误差、长期成本较高、不连续的缺陷发觉、数据收集困难等。目前由于PCB的产量增加，PCB上导线间距与元件体积的缩小，这个方法变得越来越不可行。

2、PCB板在线测试

通过对电性能的检测找出制造缺陷以及测试模拟、数字和混合信号的元件，以保证它们符合规格，己有针床式测试仪和飞针测试仪等几种测试方法。主要优点是每个板的测试成本低、数字与功能测试能力强、快速和彻底的短路与开路测试、编程固件、缺陷覆盖率高和易于编程等。主要缺点是，需要测试夹具、编程与调试时间、制作夹具的成本较高，使用难度大等问题。

3、PCB板功能测试

功能系统测试是在生产线的中间阶段和末端利用专门的测试设备，对电路板的功能模块进行全面的测试，用以确认电路板的好坏。功能测试可以说是最早的自动测试原理，它基于特定板或特定单元，可用各种设备来完成。有最终产品测试、最新实体模型和堆砌式测试等类型。功能测试通常不提供用于过程改进的脚级和元件级诊断等深层数据，而且需要专门设备及专门设计的测试流程，编写功能测试程序复杂，因此不适用于大多数电路板生产线。

4、自动光学检测

也称为自动视觉检测，是基于光学原理，综合采用图像分析、计算机和自动控制等多种技术，对生产中遇到的缺陷进行检测和处理，是较新的确认制造缺陷的方法。AOI通常在回流前后、电气测试之前使用，提高电气处理或功能测试阶段的合格率，此时纠正缺陷的成本远远低于最终测试之后进行的成本，常达到十几倍。

5、自动X光检查

利用不同物质对X光的吸收率的不同，透视需要检测的部位，发现缺陷。主要用于检测超细间距和超高密度电路板以及装配工艺过程中产生的桥接、丢片、对准不良等缺陷，还可利用其层析成像技术检测IC芯片内部缺陷。它是现时测试球栅阵列焊接质量和被遮挡的锡球的唯一方法。主要优点是能够检测BGA焊接质量和嵌人式元件、无夹具成本；主要缺点是速度慢、高失效率、检测返工焊点困难、高成本、和长的程序开发时间，这是较新的检测方法，还有待于进一步研究。

6、激光检测系统

它是PCB测试技术的最新发展。它利用激光束扫描印制板，收集所有测量数据，并将实际测量值与预置的合格极限值进行比较。这种技术己经在光板上得到证实，正考虑用于装配板测试，速度己足够用于批量生产线。快速输出、不要求夹具和视觉非遮盖访问是其主要优点；初始成本高、维护和使用问题多是其主要缺点。

7、尺寸检测

利用二次元影像测量仪，测量孔位，长宽，位置度等尺寸。由于PCB属于小薄软类型的产品，接触式的测量，很容易产生变形以致于造成测量不准确，二次元影像测量仪就成为了最佳的高精度尺寸测量仪器。思瑞测量的影像测量仪通过编程之后，能实现全自动的测量，不仅测量精度高，还大大的缩短测量时间，提高测量效率。

上述各种PCB板检测方式中具有多种缺陷，耗时耗力，人工成本大，且检验结果精确度不高。

发明内容

有鉴于此，本发明提供了一种PCB板测试系统，灵活利用数据信息对PCB板进行测试，节省物力人力。

为了实现上述目的，本发明采用如下技术方案：

一种PCB板测试系统，其特征在于，包括以下模块：

图像预处理模块，用于获取待检测图像，对所述待检测图像进行预处理；

图像筛选模块，用于将所述待检测图像进行图像识别并与样本图像进行对比，筛选出第一合格图像；

图像分割模块，用于利用图像传感器采集所述第一合格图像的RGB图像，将所述RGB图像分割为走线图片，焊点图片和背景图片；

图像测试模块，用于将所述走线图片，所述焊点图片，所述背景图片分别与样本图像的走线图片、焊点图片、背景图片进行一一对比，所述走线图片、所述焊点图片和所述背景图片均匹配，则待检测图像合格。

优选的，所述图像分割模块还包括对所述第一合格图像进行特征提取，提取走线特征、焊点特征和背景特征，所述特征提取采用LBP特征算法；将所述走线特征、所述焊点特征、所述背景特征与所述样本图像的走线特征、焊点特征、背景特征进行一一对比，若均匹配，则待检测图像合格。

优选的，还包括故障标注模块，用于对PCB板故障位置进行标注。

优选的，图像筛选模块采用半监督式学习算法，同时进行增量更新处理和层次分类处理。

优选的，图像筛选模块采用增强显示技术，利用多媒体，三维建模，实时图像显示及控制，场景融合的方式对图像进行筛选。

优选的，图像预处理模块，包括对图像降噪，图像增强，图像校正。

优选的，图像分割模块采用聚类算法进行分割，多次聚类，选取最好的聚类结果。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种PCB板测试系统，具有以下有益效果：

本发明能够高效检测PCB板故障位置，并对故障位置进行有效标注。同时，本发明通过半监督式学习算法实现了灵活检测的效果，分割算法和特征提取算法有效地提高了测试的准确率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明的模块示意图；

图2附图为本发明的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种PCB板测试系统，如图1所示，包括以下模块：

图像预处理模块，用于获取待检测图像，对待检测图像进行预处理；

图像筛选模块，用于将待检测图像进行图像识别并与样本图像进行对比，筛选出第一合格图像；

图像分割模块，用于利用图像传感器采集第一合格图像的RGB图像，将RGB图像分割为走线图片，焊点图片和背景图片；

图像测试模块，用于将走线图片，焊点图片，背景图片分别与样本图像的走线图片、焊点图片、背景图片进行一一对比，走线图片、焊点图片和背景图片均匹配，则待检测图像合格。

其中，图像分割模块还包括对第一合格图像进行特征提取，提取走线特征、焊点特征和背景特征，特征提取采用LBP特征算法；将走线特征、焊点特征、背景特征与样本图像的走线特征、焊点特征、背景特征进行一一对比，若均匹配，则待检测图像合格。

其中，还包括故障标注模块，用于对PCB板故障位置进行标注。

其中，图像筛选模块采用半监督式学习算法，同时进行增量更新处理和层次分类处理。

其中，图像筛选模块采用增强显示技术，利用多媒体，三维建模，实时图像显示及控制，场景融合的方式对图像进行筛选。

其中，图像预处理模块，包括对图像降噪，图像增强，图像校正。

其中，图像分割模块采用聚类算法进行分割，多次聚类，选取最好的聚类结果。

一种PCB板测试方法，如图2所示具体包括以下步骤：

获取待检测图像，对待检测图像进行预处理；

将待检测图像进行图像识别并与样本图像进行对比，筛选出第一合格图像；

利用图像传感器采集第一合格图像的RGB图像，将RGB图像分割为走线图片，焊点图片和背景图片；

将走线图片，焊点图片，背景图片分别与样本图像的走线图片、焊点图片、背景图片进行一一对比，走线图片、焊点图片和背景图片均匹配，则待检测图像合格。

此外，还可以采用特征提取算法，例如LBP算法，提取走线特征、焊点特征、背景特征，并将提取的特征与样本特征进行对比，若均匹配，则说明该PCB板合格。

其中，若PCB板存在缺陷，还可以对相应缺陷的位置进行标注。

筛选第一合格图像采用半监督式学习算法，同时进行增量更新处理和层次分类处理，通过生成器和判别器中均使用标签进行训练，不仅能生成特定标签的数据，同时能提高生成数据的质量，进而有效对图像进行筛选。

另外，筛选第一合格图像采用增强显示技术，利用多媒体，三维建模，实时图像显示及控制，场景融合的方式对图像进行筛选。该种AR技术相对于半监督式学习算法更具直观性，便于观察。

在本实施例中，对待检测图像进行预处理，包括对图像降噪，图像增强，图像校正。

其中，RGB图像分割采用聚类算法进行分割，多次聚类，经本发明的测试，聚类在第五次的时候效果最好。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。