[发明专利]一种SMT焊点缺陷检测方法

说明书

本发明公开了一种SMT焊点缺陷检测方法，包括：步骤1：通过图像采集设备对待检测SMT焊点的原始图片进行采集；步骤2：对所述原始图片进行预处理；步骤3：将经过所述步骤2得到的图像使用方向梯度直方图方法计算每个像素点的梯度大小及方向；步骤4：将梯度大小及梯度方向进行统计并进行组合，得到对应的特征点描述子等步骤；本发明可有效提高检测精度。

技术领域

本发明涉及缺陷检测技术领域，更具体的说是涉及一种SMT焊点缺陷检测方法。

背景技术

目前，表面贴装技术(SurfaceMountedTechnology,SMT)是目前电子组装行业里最流行的一种技术和工艺，它是一种将无引脚或短引线表面组装元器件(简称SMC/SMD，中文称片状元器件)安装在印制电路板(PrintedCircuitBoard，PCB)的表面或其它基板的表面上，通过回流焊或浸焊等方法加以焊接组装的电路装连技术。

但是，目前对焊点质量评定，通常采用的是检验方法：一种是目视检验法，用肉眼观察检验焊点质量，如有争议时，可采用10倍或更大放大倍数的放大镜观察，依据检验焊点的外观质量状况进行质量评定，该种方法误差较大。

因此，如何提供一种精度高的SMT焊点缺陷检测方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种SMT焊点缺陷检测方法，旨在提高印刷质量评定的效率。

为了实现上述目的，本发明采用如下技术方案：

一种SMT焊点缺陷检测方法，包括：

步骤1：通过图像采集设备对待检测SMT焊点的原始图片进行采集；

步骤2：对所述原始图片进行预处理；

步骤3：将经过所述步骤2得到的图像使用方向梯度直方图方法计算每个像素点的梯度大小及方向；

步骤4：将梯度大小及梯度方向进行统计并进行组合，得到对应的特征点描述子；

步骤5：对特征点描述子检测空间极值，初步确定关键点位置和所在尺度；

步骤6：确定关键点的位置和尺度，同时去除噪声点，为每个关键点指定方向参数；

步骤7：利用所述指定方向参数生成特征向量；

步骤8：将所述特征向量作为训练样本，放入BP神经网络模型中训练，根据待测样本，输出焊点图片的缺陷检测结果。

优选的，所述步骤8具体包括：

将现有数据集划分为训练集及测试集；

使用训练集训练所述BP神经网络模型，使用测试集测试所述BP神经网络模型，判断是否符合要求。

优选的，所述步骤2包括：图像进行灰度调节、滤波、降噪、提取边缘、分割，调节图像的对比度中的任一种或任几种。

优选的，所述步骤4包括：所述步骤2中的调节图像的对比度，并降低图像局部的阴影和光照变化所造成的影响具体包括：

采用Gamma矫正法对输入图像进行颜色空间的归一化，调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响；

获取经过归一化的图像梯度信息，以进一步得到轮廓信息。

优选的，所述的BP神经网络模型是基于粒子群算法改进的遗传算法，来优化BP神经网络的初始权值阈值，建立改进遗传算法的BP神经网络预测模型。