一种PCB板缺陷检测方法及系统

技术领域

本发明涉及电子元器件检测技术领域，特别涉及一种PCB板缺陷检测方法及系统。

背景技术

PCB板又称印刷电路板，是一种重要的电子部件，几乎所有的电子设备都需要印制电路板的支持，因此印制电路板是全球电子元件产品中市场份额占有率最高的产品。在对PCB板上的各个元器件进行焊接、封装后，需要对PCB电路板进行缺陷的检测，以确保输出的PCB板为合格品，为PCB板的安装或后续的PCB板的出厂销售等提供保障。

现有技术中，一般采用图像匹配的方法来进行PCB板的缺陷检测，然而由于图像采集时容易受到光照变化或相机偏移等因素影响，待检测PCB板图像与标准PCB板图像之间存在不一致的情况，降低了匹配的精确性，导致检测结果不准确。

发明内容

为解决上述技术问题，本发明提供一种PCB板缺陷检测方法及系统，能够矫正光照变化或相机偏移等因素造成的影响，提高图像匹配的精确性，保证检测的准确率。

本发明一方面提供一种PCB板缺陷检测方法，包括：

获取待检测PCB板图像；

对所述待检测PCB板图像进行特征点识别提取，得到待检测PCB板图像特征点；

将所述待检测PCB板图像特征点与标准PCB板图像特征点进行匹配，得到正确匹配点；

利用所述正确匹配点对所述待检测PCB板图像进行姿态计算，得到所述待检测PCB板图像的姿态数据；

利用所述姿态数据对所述待检测PCB板图像进行图像矫正，得到矫正后的待检测PCB板图像；

将所述矫正后的待检测PCB板图像与标准PCB板图像进行相似度计算，得到检测结果。

优选地，在所述获取待检测PCB板图像之后，所述方法还包括：

对所述待检测PCB板图像进行图像预处理操作。

优选地，所述对所述待检测PCB板图像进行图像预处理操作，具体为：

通过图像增强法和图像去噪法对所述待检测PCB板图像进行图像预处理操作。

优选地，所述对所述待检测PCB板图像进行特征点识别提取，具体为：

通过HARRIS算法对所述待检测PCB板图像进行特征点识别提取。

优选地，所述将所述待检测PCB板图像特征点与标准PCB板图像特征点进行匹配，具体为：

通过随机树匹配算法将所述待检测PCB板图像特征点与标准PCB板图像特征点进行匹配。

优选地，所述利用所述正确匹配点对所述待检测PCB板图像进行姿态计算，具体为：

利用所述正确匹配点通过最小二乘法对所述待检测PCB板图像进行姿态计算。

优选地，所述将所述矫正后的待检测PCB板图像与标准PCB板图像进行相似度计算，具体为：

通过平均误差平方和算法将所述矫正后的待检测PCB板图像与标准PCB板图像进行相似度计算。

本发明另一方面提供一种PCB板缺陷检测系统，包括：

图像获取模块，用于获取待检测PCB板图像；

特征点提取模块，用于对所述待检测PCB板图像进行特征点识别提取，得到待检测PCB板图像特征点；

特征点匹配模块，用于将所述待检测PCB板图像特征点与标准PCB板图像特征点进行匹配，得到正确匹配点；

姿态计算模块，用于利用所述正确匹配点对所述待检测PCB板图像进行姿态计算，得到所述待检测PCB板图像的姿态数据；

图像矫正模块，用于利用所述姿态数据对所述待检测PCB板图像进行图像矫正，得到矫正后的待检测PCB板图像；

相似度计算模块，用于将所述矫正后的待检测PCB板图像与标准PCB板图像进行相似度计算，得到检测结果。

优选地，所述系统还包括预处理模块，用于对所述待检测PCB板图像进行图像预处理操作。

本发明实施例提供的PCB板缺陷检测方法及系统，通过获取待检测PCB板图像，对待检测PCB板图像进行特征点识别提取，得到待检测PCB板图像特征点，将待检测PCB板图像特征点与标准PCB板图像特征点进行匹配，得到正确匹配点，利用正确匹配点对待检测PCB板图像进行姿态计算，得到待检测PCB板图像的姿态数据，利用姿态数据对待检测PCB板图像进行图像矫正，得到矫正后的待检测PCB板图像，将矫正后的待检测PCB板图像与标准PCB板图像进行相似度计算，得到检测结果，由于利用正确匹配点对待检测PCB板图像进行了姿态计算及矫正，大幅降低了光照变化或相机偏移等因素造成的待检测PCB板图像与标准PCB板图像之间存在不一致的情况，与现有技术相比，能够矫正光照变化或相机偏移等因素造成的影响，提高图像匹配的精确性，保证检测的准确率。

附图说明

为了更清楚地说明本申请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申请中记载的一些实施例，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，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种PCB板缺陷检测方法的流程示意图；

图2为本发明实施例提供的一种PCB板缺陷检测系统的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。

需要说明的是，当元件被称为“固定于”或“设置于”另一个元件上，它可以直接在另一个元件上或者间接设置在另一个元件上；当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至另一个元件上。

需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，多个”、“若干个”的含义是两个或两个以上，除非另有明确具体的限定。

须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本申请可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本申请所能产生的功效及所能达成的目的下，均应仍落在本申请所揭示的技术内容得能涵盖的范围内。

本发明实施例一方面提供一种PCB板缺陷检测方法，请参阅图1，该方法包括：

S110、获取待检测PCB板图像；

S120、对待检测PCB板图像进行特征点识别提取，得到待检测PCB板图像特征点；

S130、将待检测PCB板图像特征点与标准PCB板图像特征点进行匹配，得到正确匹配点；

S140、利用正确匹配点对待检测PCB板图像进行姿态计算，得到待检测PCB板图像的姿态数据；

S150、利用姿态数据对待检测PCB板图像进行图像矫正，得到矫正后的待检测PCB板图像；

S160、将矫正后的待检测PCB板图像与标准PCB板图像进行相似度计算，得到检测结果。

由上可知，本发明实施例提供的PCB板缺陷检测方法，通过获取待检测PCB板图像，对待检测PCB板图像进行特征点识别提取，得到待检测PCB板图像特征点，将待检测PCB板图像特征点与标准PCB板图像特征点进行匹配，得到正确匹配点，利用正确匹配点对待检测PCB板图像进行姿态计算，得到待检测PCB板图像的姿态数据，利用姿态数据对待检测PCB板图像进行图像矫正，得到矫正后的待检测PCB板图像，将矫正后的待检测PCB板图像与标准PCB板图像进行相似度计算，得到检测结果，由于利用正确匹配点对待检测PCB板图像进行了姿态计算及矫正，大幅降低了光照变化或相机偏移等因素造成的待检测PCB板图像与标准PCB板图像之间存在不一致的情况，与现有技术相比，能够矫正光照变化或相机偏移等因素造成的影响，提高图像匹配的精确性，保证检测的准确率。

进一步地，上述实施例中，在步骤S110之后，步骤S120之前，该方法还包括：

对待检测PCB板图像进行图像预处理操作。

更进一步地，上述实施例中，对待检测PCB板图像进行图像预处理操作的具体过程为：

通过图像增强法和图像去噪法对待检测PCB板图像进行图像预处理操作。

本发明实施例中，图像增强法采用灰度拉伸法处理后实现，具体来说，灰度拉伸法包括：将大部分像素的灰度值位于预设灰度范围内的图像中的各像素灰度值通过某种线性表达拉伸到另外一种灰度范围内。这种分段式灰度拉伸方法使得目标和背景之间的灰度值差异变大从而增强了图像的对比度，改善图像的质量。可选的，利用MATLAB的rgb2gray函数将获取的待检测PCB板图像转换为灰度图像，利用MATLAB的imadjust函数进行灰度拉伸。

图像去噪算法通过自适应中值滤波器实现。该滤波器的窗口大小可预先设定。在设定好滤波器窗口后，读取该窗口内的灰度中值、最小灰度值和最大灰度值，并判断当前像素的灰度值是否在最小灰度值和最大灰度值之间，若不在两者之间，则认为当前像素存在噪声，并利用灰度中值替换；如不是，则不作改变。这样一来，就可有效去除散粒噪声，平滑高斯噪声，减少边缘失真，尽可能的保护图像的细节信息，避免边缘结构模糊，从而满足滤波需求。

具体的，上述实施例中，步骤S120的具体过程为：

通过HARRIS算法对待检测PCB板图像进行特征点识别提取。

本发明实施例中，HARRIS算法受信号处理中自相关函数的启发，给出了与自相关函数相联系的矩阵，而矩阵的特征值是自相关函数的一阶曲率，因此，如果在待检测PCB板图像中某点的行列曲率值都高，则认为该点是特征点。

具体的，上述实施例中，步骤S130的具体过程为：

通过随机树匹配算法将待检测PCB板图像特征点与标准PCB板图像特征点进行匹配。

本发明实施例中，随机树匹配算法具体为：以步骤S110中提取出的待检测PCB板图像特征点为中心，将其周围单位像素区域内的图片进行截取，并对该片元进行随机仿射变换，模拟从不同角度和距离上观察此物体，将仿射后的片元放入随机树中，在随机树的每一层节点中随机的获取两个像素点的灰度值，并比较大小，大于落入右节点，小于落入左节点，通过层层比较该片元最终将落在随机树的某个子节点；通过大量训练片元的输入，将会在终端节点上获得片元落入量的一个概率分布，该分布意味着当被测试片元落入该终端节点后，被测片元在多大程度上于某一训练样本片元相似；通过此方法，便可将待检测PCB板图像特征点与标准PCB板图像特征点进行匹配。

具体的，上述实施例中，步骤S140的具体过程为：

利用正确匹配点通过最小二乘法对待检测PCB板图像进行姿态计算。

本发明实施例中，当得到正确的匹配点对后，便可利用该匹配点通过最小二乘法对待检测PCB板图像进行姿态计算，也就是说，只需知道待检测PCB板图像与标准PCB板图像特征点的匹配点的坐标，结合工业相机内参数后，便可利用最小二乘法估算当前待检测PCB板图像的旋转参数和平移参数等，也即待检测PCB板图像的姿态数据。

具体的，上述实施例中，步骤S160的具体过程为：

通过平均误差平方和算法将矫正后的待检测PCB板图像与标准PCB板图像进行相似度计算。

本发明实施例中，通过平均误差平方和算法进行图像相似度计算，若计算出的相似度满足要求，则得出待检测PCB板为合格的检测结果。

本发明实施例另一方面提供一种PCB板缺陷检测系统，下文描述的该系统可以与上文描述的方法相互对应参照。

请参阅图2，该系统包括：

图像获取模块110，用于获取待检测PCB板图像；

特征点提取模块120，用于对待检测PCB板图像进行特征点识别提取，得到待检测PCB板图像特征点；

特征点匹配模块130，用于将待检测PCB板图像特征点与标准PCB板图像特征点进行匹配，得到正确匹配点；

姿态计算模块140，用于利用正确匹配点对待检测PCB板图像进行姿态计算，得到待检测PCB板图像的姿态数据；

图像矫正模块150，用于利用姿态数据对待检测PCB板图像进行图像矫正，得到矫正后的待检测PCB板图像；

相似度计算模块160，用于将矫正后的待检测PCB板图像与标准PCB板图像进行相似度计算，得到检测结果。

进一步地，上述实施例中，该系统还包括预处理模块，用于对待检测PCB板图像进行图像预处理操作。

由上可知，本发明实施例提供的PCB板缺陷检测系统，通过获取待检测PCB板图像，对待检测PCB板图像进行特征点识别提取，得到待检测PCB板图像特征点，将待检测PCB板图像特征点与标准PCB板图像特征点进行匹配，得到正确匹配点，利用正确匹配点对待检测PCB板图像进行姿态计算，得到待检测PCB板图像的姿态数据，利用姿态数据对待检测PCB板图像进行图像矫正，得到矫正后的待检测PCB板图像，将矫正后的待检测PCB板图像与标准PCB板图像进行相似度计算，得到检测结果，由于利用正确匹配点对待检测PCB板图像进行了姿态计算及矫正，大幅降低了光照变化或相机偏移等因素造成的待检测PCB板图像与标准PCB板图像之间存在不一致的情况，与现有技术相比，能够矫正光照变化或相机偏移等因素造成的影响，提高图像匹配的精确性，保证检测的准确率。

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。