[发明专利]一种基于神经网络的PCB漏件检测方法

权利要求书

1.一种基于神经网络的PCB漏件检测方法，其特征在于，包括以下具体步骤：

S1，利用网络摄像头来获取一幅包含PCB的RGB图像；

S2，进行图像分割；

S3，将获取的PCB的RGB图像使用灰度阈值方法转化为二值图；

S4，将获取的PCB图像和模板PCB图像对比提取不同点；

S5，使用高斯滤波器函数移除干扰噪声；

S6，对S4中提取后的图像上所有的对象进行特征提取，主要提取三个重要的特征包括：面积、周长、紧密度；

S7，组件图像分类。

2.如权利要求1所述的基于神经网络的PCB漏件检测方法，其特征在于，所述步骤S2中的具体步骤包括：

S201，对获取的图像进行连通区域标记操作；

S202，将所有找到的连通区域进行排序，把它们中面积最大的一个作为PCB图像。

3.如权利要求1所述的基于神经网络的PCB漏件检测方法，其特征在于，所述步骤S4中的具体步骤包括：

S401，对待测PCB图像和模板PCB图像进行异或操作。

4.如权利要求1所述的基于神经网络的PCB漏件检测方法，其特征在于，所述步骤S6中的具体步骤包括：图像上所有的对象三个重要的特征定义如下所示：面积的定义如下所示：

周长的定义如下所示：

紧密度的定义如下所示：

其中，A为面积，P为周长，C为紧密度，V表示连通区域图像M×N矩阵，i，j表示矩阵V的第几项；由此每个连通分量的图像可以表示为由上述几何特征的三个值组成的GF向量；

GF＝[A,P,C] (4)。

5.如权利要求4所述的基于神经网络的PCB漏件检测方法，其特征在于，所述步骤S7中的具体步骤包括：使用BP传播神经网络用于数据压缩的监督神经网络，BP神经网络包括学习步骤和检查步骤，所述学习步骤中，将从连通区域中获取的特征数据集作为神经网络的输入，在训练数据集进行分类的同时通过方差公式评估性能，方差通过将实际输出与模型的估计输出进行比较来验证模型的正确性。