[发明专利]用于PCB电路板的检测系统

说明书

本发明涉及电路板检测技术领域，具体涉及一种用于PCB电路板的检测系统，包括：清洁单元，清洁单元包括吹气部件、气体部件和电磁阀；吹气部件设有出气口，气体部件与吹气部件连接；电磁阀位于气体部件与吹气部件之间；准备单元，用于获取清洁后的待检测的PCB电路板的表面图像，并采用滤波算法对采集的表面图像进行预处理；建模单元，用于训练基于Tensorflow改进的FasterR‑CNN目标检测模型，得到PCB电路板表面缺陷的缺陷检测模型；检测单元，将预处理后的表面图像作为输入图像输入到缺陷检测模型，得到检测后的输出图像；输出单元，用于显示输出图像。本发明解决了现有技术由于PCB电路板上积累的灰尘，不能够实现对PCB电路板的准确检测的技术问题。

技术领域

本发明涉及电路板检测技术领域，具体涉及一种用于PCB电路板的检测系统。

背景技术

目前，为了对PCB电路板的表面质量进行精确地检测，自动光学检测技术得到了大规模的使用。也即，通过光学手段获取被测PCB电路板的照明图像，反射量多的部分为亮(代表PCB电路板的铜面)，反射量少为暗(代表PCB电路板的基材)，然后将数字化的照明图像与预设标准进行比较、分析和判断，以检测出PCB电路板表面存在的残铜、短路、开路等不良现象。虽然，自动光学检测技术具有速度快、可适应大规模生产要求、操作简便。但是，也存在某些缺点，比如说，表面氧化后无法分辨出是PCB电路板的表面氧化的部分还是真正缺陷。

对此，文件CN111768363A公开了一种基于深度学习的电路板表面缺陷检测方法及检测系统，其中检测方法包括如下步骤：获取电路板表面缺陷的检测模型；获取待检测电路板表面图像；对表面图像进行裁剪、归一化预处理；将预处理后的表面图像作为检测模型的输入图像，检测模型对输入图像进行检测并将检测后的图像调整为原电路板大小尺寸的输出图像，同时输出缺陷位置在输出图像的坐标信息、缺陷类型、缺陷数量；控制机械手标记缺陷位置。通过这样的方式，能够有效提高多品种电路板表面缺陷检测效率。

在对PCB电路板进行检测的实际环境中，很少能够达到绝对的无尘的状态，加上PCB电路板本身具有静电吸引的作用，会使得PCB电路板上积累灰尘、粉尘、脏污或者尘埃。即使是少量的灰尘堆积在PCB电路板的表面，可能会遮挡PCB电路板表面的缺陷，当对PCB电路板的表面进行图像采集时，采集到的图像中不能显示出PCB电路板上的缺陷；与此同时，灰尘的存在，也可能被误测为缺陷，比如说灰尘形成黑色的小斑点。也就是说，现有技术由于PCB电路板上积累的灰尘，不能够实现对PCB电路板的准确检测。

发明内容

本发明提供一种用于PCB电路板的检测系统，解决了现有技术由于PCB电路板上积累的灰尘，不能够实现对PCB电路板的准确检测的技术问题。

本发明提供的基础方案为：用于PCB电路板的检测系统，包括：

清洁单元，清洁单元包括吹气部件、气体部件和电磁阀；吹气部件设有出气口，出气口朝向待检测的PCB电路板的表面；气体部件与吹气部件连接，为吹气部件提供压缩气体；电磁阀位于气体部件与吹气部件之间，在电磁阀处于接通状态时，开启除污；在电磁阀处于断开状态时，停止除污；

准备单元，用于获取清洁后的待检测的PCB电路板的表面图像，并采用滤波算法对采集的表面图像进行预处理，得到预处理后的表面图像；

建模单元，用于获取标准的PCB电路板表面缺陷的原始图像，对原始图像进行标注并建立PCB电路板的表面缺陷图像集；在表面缺陷图像集，训练基于Tensorflow改进的FasterR-CNN目标检测模型，得到PCB电路板表面缺陷的缺陷检测模型；

检测单元，将预处理后的表面图像作为输入图像输入到缺陷检测模型，得到检测后的输出图像，输出图像中包括缺陷类型、缺陷数量以及缺陷位置的信息；

输出单元，用于显示输出图像。