[发明专利]一种印刷电路板中带电阻元件的自动光学检测方法

说明书

技术领域

本发明涉及一种印刷电路板中带电阻元件的自动光学检测方法。

技术背景

焊点检测技术主要分为两大类：有损检测、无损检测。无损检测由于对原件或产品不造成破坏，对提高生产效率以及降低检测的成本有很大的帮助，越来越成为当今的主流技术。无损检测方法主要包括：电气检测、X射线检测、自动光学检测(AOI)。其中，AOI是计算机机器视觉的一种应用，能有效检测焊点的质量，并具有实时性、快速性、高精度的优点，也是本发明所应用的检测技术。

在印刷电路板焊点检测中所使用的几种AOI常用算法有：模板匹配法、统计外形建模法、矢量图形检测法和神经网络法。由于焊点个体差异大，分类受多种因素影响，通过比较待检图像和标准图像的相似程度或统计模型来进行分类，误差大且难以满足焊点检测的精度。矢量法只考虑几何信息，忽略了颜色、光照等重要信息而易出误判。神经网络法虽然具有自学习型的优点，但需要大量样本进行学习，当样本数量有限时，容易表现出很差的推广能力。

SVM是一种根据有限的样本信息，寻找训练数据上错误最小的函数，以期达到比较理想的推广能力的学习机器。SVM在分类函数形式上类似于一个神经网络，但专门针对有限样本情况。

发明内容

本发明的目的在于针对现有技术存在的不足，提供一种印刷电路板中带电阻元件的自动光学检测方法。

本发明的一种印刷电路板中带电阻元件的自动光学检测方法，是提取焊点特征之后通过支持向量机(SVM)分类器把焊点正确分类为正常、少锡、漏件三种类型。

具体地，主要包括如下步骤：

(1)焊点图像预处理：提取焊点RGB彩色图的红色部分转化为灰度图像，通过对比度变换突出原焊点红色区域，最后二值化焊点图像；

(2)焊点的特征提取：基于灰度图和二值化图像提取焊点特征；

(3)使用SVM分类器对焊点特征进行分类，首先判断焊点的好坏，然后对错误的焊点进一步分类；

所述步骤(1)在提取RGB分量图之前，需要把检测图像的大小调整到与训练图像一致，并在提取红色区域转化为灰度图之后进行高斯滤波去除噪声。由于焊点图像的对比度不强且图像偏暗，对输入的图像需做出相应的幂运算

y＝x^gamma(gamma使得图像的红色部分映射到更亮的范围。最后将灰度图转化为二值化图就能进一步提取图像的特征值。

所述步骤(2)的特征提取包括三大类别的特征：基于彩色图像的特征，基于灰度图像的特征以及基于二值化图像的特征。

彩色焊点图像选择图像的红色区域作为焊点分类的基本图像，并把红色图像转化为灰度以及二值图进行特征提取。

由于在基于红色图像的焊点灰度图中，对于焊点有焊锡合适、过少的情况，焊点的灰度直方图的均值和标准差都有所不同，所以选择焊点灰度图的均值和标准差作为焊点的特征之一。其均值与标准差的计算如下：

均值：SM=b‾=Σb=0l-1bP(b)]]>

b：图像的灰度值

P(b)：灰度值b在图像中的概率