[发明专利]一种基于图像特征的贴片电阻型号检测方法及其装置

说明书

本发明公开了一种基于图像特征的贴片电阻型号检测方法及其装置，采用了检测线来提取贴片电阻型号图像的字符特征进行字符验证，从而识别电阻的型号，只是单纯的对图像的检测线位置进行特征检测，根据灰度变化记录跳变位置和跳变次数，同时由于不同的跳变位置赋予不同的权值，因此能够计算出图像的编码结果和预存的模板图像的编码结果进行对比，本发明并没有对图像的字符区域进行分割，没有针对电阻元件每个像素点的比对，仅在检测线位置进行字符特征提取，从而不但能够大大降低漏检率，加快检测速度，而且还能够大大降低误检率，大大提升了AOI检测中对贴片电阻元件型号检测的性能。

技术领域

本发明涉及元件质量检测领域，特别是一种基于图像特征的贴片电阻型号检测方法及其装置。

背景技术

目前，元件型号的检测是贴片质量自动检测(AOI)的一部分，在电路板贴片元件质量检测过程中，需要检测贴片元件的型号是否正确。但是由于生产后的不同型号的电阻元件也同样具有相似的外观特点，因此无法通过外观进行直接判断区分元件的型号，从而往往需要通过元件上的字符进行区分。

在对元件字符的判断区分过程中，由于在电阻元件的贴片过程中会存在一定的位置偏差和角度偏差，此外，相同型号的元件也会因为厂方或者出厂批次的不同而存在标识字符字体的差异，因此往往会对元件字符的识别结果造成较大的影响。

目前对于元件字符的检测，主要存在以下两种检测方法：

第一种为传统的整体匹配检测方法，主要采用模板匹配的方法进行字符块识别，实际上是求待检测字符块和模板图像的相似性，把相似性最大的结果作为识别结果。检测过程中需要分割出字符块的单个字符，并遍历单个字符图像的每一个像素点。由于没有考虑存在的位置角度差异和字符字体差异，从而会往往出现误检率高，速度慢的情况。

第二种为基于深度神经网络的检测方法，由于电阻元件上的字符与其它各类字符存在着较大的差异，具有自己的特征，因此需要人工提取电阻字码中的单个字符，制作电阻字符数据集，虽然准确度高，不过训练的时间，硬件的要求对资源的消耗都比较大。同时由于厂方的不同或者生产批次的不同也会对字体风格有较大的变化，因此对结果也有较大影响。

发明内容

为解决上述问题，本发明的目的在于提供一种基于图像特征的贴片电阻型号检测方法及其装置，不但能够大大降低漏检率，加快检测速度，而且还能够大大降低误检率，大大提升了AOI检测中对贴片电阻元件型号检测的性能。

本发明解决其问题所采用的技术方案是：

本发明的第一方面，提供了一种基于图像特征的贴片电阻型号检测方法，包括以下步骤：

提取图像；

对所提取的图像进行预处理；

对图像进行定位处理；

采用检测线对图像进行灰度跳变检测，根据灰度的不同沿着所述检测线检测图像中字符区域和非字符区域之间的跳变位置和跳变次数；

对不同的跳变位置赋予不同的权值，计算获得图像的编码结果；

将获得的编码结果和预存的模板图像的编码结果进行对比，实现贴片电阻型号的识别。

进一步地，还包括以下步骤：

所述步骤将获得的编码结果和预存的模板图像的编码结果进行对比，实现贴片电阻型号的识别，表现为：

判断获得的编码结果和预存的模板图像的编码结果是否一致，

当一致时，则认为是成功识别出贴片电阻的型号，并结束型号的检测；