[发明专利]一种FPC焊盘表面缺陷处理系统和方法

权利要求书

1.一种FPC焊盘表面缺陷处理系统，其特征在于，包括：图像采集装置、分类识别装置、缺陷处理装置和标记装置；

所述图像采集装置用于采集FPC图像，根据所述FPC图像提取焊盘缺陷区域图像；

所述分类识别装置用于提取所述焊盘缺陷区域图像的图像特征，根据所述图像特征和训练后的PSO-SVM模型获得焊盘缺陷的种类和位置；

所述缺陷处理装置用于根据所述焊盘缺陷的位置对焊盘的缺陷进行定位，控制所述标记装置移动到FPC焊盘上对应的缺陷处，根据所述焊盘缺陷的种类对所述FPC焊盘的缺陷进行标记。

2.根据权利要求1所述的一种FPC焊盘表面缺陷处理系统，其特征在于，所述图像采集装置包括：检测模块，所述检测模块用于检测所述FPC焊盘的移动位置，当所述FPC焊盘移动到预设位置时，发送采集信号给所述图像采集装置，所述图像采集装置根据所述采集信号采集所述FPC图像。

3.根据权利要求1所述的一种FPC焊盘表面缺陷处理系统，其特征在于，所述图像采集装置具体用于，采集所述FPC图像，对所述FPC图像进行灰度化和高斯滤波处理，再对处理后的所述FPC图像进行边缘检测，提取所述FPC图像中FPC焊盘的轮廓，将所述FPC焊盘提取出来，得到FPC焊盘图像；再提取所述FPC焊盘图像的缺陷区域的最小外接矩形，将所述最小外接矩形作为所述FPC焊盘的缺陷区域，得到所述焊盘缺陷区域图像。

4.根据权利要求1所述的一种FPC焊盘表面缺陷处理系统，其特征在于，所述图像特征包括形状特征、灰度特征和纹理特征；所述形状特征包括：缺陷区圆形度、缺陷区矩形度、缺陷区拉伸度和缺陷轮廓数量；所述灰度特征包括：灰度平均值、灰度方差、一阶不变矩、二阶不变矩、三阶不变矩和四阶不变矩；所述纹理特征包括：能量、对比度、相关性和同质性。

5.根据权利要求1至4中任一项所述的一种FPC焊盘表面缺陷处理系统，其特征在于，所述分类识别装置还包括缺陷分类识别训练模块；

所述缺陷分类识别训练模块用于训练PSO-SVM模型，包括：

参数设置子模块，用于设置最大迭代步数，并设置初始位置和速度，并规定惩罚系数和核参数的取值范围；

适应度值计算子模块，用于计算粒子的适应度值，并根据所述适应度值更新个体极值与群体极值；

迭代步数判断子模块，用于判断是否超出设置的最大迭代步数，若未超出设置的最大迭代步数，则根据粒子速度和位置更新公式，更新粒子速度和位置，然后重复计算粒子的适应度值并判断；

若超出设置的最大迭代步数，得到最优分类参数，完成训练。

6.一种FPC焊盘表面缺陷处理方法，其特征在于，包括

S1，采集FPC图像，根据所述FPC图像提取焊盘缺陷区域图像；

S2，提取所述焊盘缺陷区域图像的图像特征，根据所述图像特征和训练后所述PSO-SVM模型获得焊盘缺陷的种类和位置；

S3，根据所述焊盘缺陷的位置对焊盘的缺陷进行定位，控制标记装置移动到FPC焊盘上对应的缺陷处，根据所述焊盘缺陷的种类对所述FPC焊盘的缺陷进行标记。

7.根据权利要求6所述的一种FPC焊盘表面缺陷处理方法，其特征在于，所述采集FPC焊盘图像具体包括：

检测所述FPC焊盘的移动位置；

当所述FPC焊盘移动到预设位置时，发送采集信号给图像采集装置，所述图像采集装置根据采集信号采集所述FPC图像。

8.根据权利要求6所述的一种FPC焊盘表面缺陷处理方法，其特征在于，所述根据所述FPC图像提取焊盘缺陷区域图像具体包括：

对所述FPC图像进行灰度化和高斯滤波处理，获得滤波后的图像；

所述滤波后的图像，再进行边缘检测以提取所述FPC图像中FPC焊盘的轮廓，并将所述FPC焊盘提取出来，得到FPC焊盘图像；

提取所述FPC焊盘图像的缺陷区域的最小外接矩形，将所述最小外接矩形作为所述FPC焊盘的缺陷区域，得到所述焊盘缺陷区域图像。