[发明专利]一种具有重复元件的大幅面PCB面板精确定位方法

说明书

本发明提供一种具有重复元件的大幅面PCB面板精确定位方法，该方法包括九点标定，初始化工业相机参数，将金字塔下采样和霍夫圆检测进行Mark点的粗定位与使用卡尺检测圆的算法进行亚像素级别的精定位相结合进行左上和右下两个Mark点的定位，将DXF坐标系下点集的坐标转换成脉冲坐标，结合拍照位信息转换到像素坐标得到元器件坐标点集的像素坐标，再通过KNN算法对FOV左右邻近的重复元器件坐标信息进行去重，从而实现了高准确性、高精度、强自适应性的快速定位检测，同时还能够快速精准对不同PCB产品上的各个元器件进行精确定位和检测，极大提高了PCB面板中电子元器件缺陷检测的效率。

技术领域

本发明涉及机器视觉和PCB面板电子元器件缺陷检测技术领域，更具体地，涉及一种具有重复元件的大幅面PCB面板精确定位方法。

背景技术

在装备加工制造领域中，PCB电路板是重要的电子元器件，电路板有单面板、双面板和多层板之分。在最基本的PCB上，零件集中在其中一面，导线则集中在另一面上，这种PCB叫作单面板。双面板是双面都有覆铜有走线，并且可以通过过孔来导通两层之间的线路，使之形成所需要的网络连接。多层板是指具有三层以上的导电图形层与其间的绝缘材料以相隔层压而成，且其间导电图形按要求互连。PCB电路板主要由焊盘、通孔、安装孔、电线、组件、连接器、填充物和电器边界等组成，电路板利用板基绝缘材料隔离开表面铜箔导电层，使得电流沿着预先设计好的路线在各种元器件中流动完成诸如做功、放大、衰减、调制、解调、编码等功能。

PCB面板定位检测主要面临PCB面板中的电子元器件微小排列紧密、单个PCB面板中元器件数量庞大、对PCB板的成像要求严格、PCB面板整个产品成像后将会分为数个视场，不同视场中的元器件会出现重复或缺少，以及对于不同PCB产品的定位检测鲁棒性差的问题。

在现行的技术中，传统的PCB产品定位方法多依赖于人工或机械定位方式。该方法的精度取决于人工本身以及机械设计精度，面对非均匀光照条件下，会对人工肉眼定位产生干扰，不具备可靠性。另一方面，利用视觉定位技术存在拍摄的PCB板图像结构退化、对比度低以及边缘模糊等问题，导致定位出现严重偏差。

目前的现有技术公开了一种基于深度学习的电路板表面缺陷检测方法，该装置包括输送定位装置、图像采集装置、图像处理单元和深度学习分析处理单元，还包括深度学习分析处理单元，通过预置的深度学习算法对经由所述图像处理单元预处理后的印刷电路板表面图像进行分析处理，给出检测结果，以实现快速、准确地电路板表面缺陷检测；现有技术中虽然利用神经网络对PCB板的图像进行分析处理以提高检测效率，但其获取图像的方式仍然是通过设置不同角度的工业相机进行拍摄获取，存在着拍摄的PCB板图像结构退化、对比度低以及边缘模糊等问题，这会导致定位出现偏差和检测精度的下降；另外，该装置面对元器件数量庞大的电路板，拍摄出的图像也会存在精度较低以及器件重影等问题，无法对每一个元器件进行精确定位，并进一步导致检测精度下降。

发明内容

本发明为克服上述现有技术在面对产品尺寸大和元器件数量庞大的PCB板时定位检测的精度较低且存在重复定位或定位缺失的缺陷，提供一种具有重复元件的大幅面PCB面板精确定位方法，能够快速精准对不同PCB产品上的各个元器件进行精确定位和检测。

为解决上述技术问题，本发明的技术方案如下：

一种具有重复元件的大幅面PCB面板精确定位方法，包括以下步骤：

S1：利用工业相机和标定板通过九点标定法获取具有重复元件的大幅面PCB面板上Mark点的初始像素坐标和初始脉冲坐标，并获取脉冲坐标系和像素坐标系之间的单应性矩阵，以及左上和右下两个Mark点之间的初始斜率和初始角度；

S2：获取PCB面板的DXF图像数据，并在DXF图像数据中设置若干个拍照位，将单应性矩阵输入工业相机并初始化其所有参数；