CN106127746A - 电路板元件漏件检测方法和系统 - Google Patents

Abstract

本发明涉及一种电路板元件漏件检测方法和系统，该方法包括：获取多张电路板的引脚位置的样本图像，根据所述样本图像上元器件引脚位置进行样本训练，得到引脚分类模型；获取当前待检测的电路板的检测图像，并根据所述检测图像确定元器件的引脚位置；利用所述引脚分类模型对检测图像的所述引脚位置进行检测，判断所述电路板的元器件的引脚插入状态。该技术方案，能够准确地检测元件的漏件现象，提高了检测效果。

Description

电路板元件漏件检测方法和系统

技术领域

本发明涉及电子技术领域，特别是涉及一种电路板元件漏件检测方法和系统。

背景技术

在电路板组装生产过程中，由于工人的操作、生产线的机械震动等原因，元件往往会出现缺失、偏移的现象，从而导致元件没有在指定的位置，造成严重的质量问题。为了解决发现这些缺陷并保证质量，需要对电路板上的每一个元件进行检测，以确保每个元件在其指定位置。

目前，元件检测的方法主要包括两种：一种是传统算法，即利用图像处理的基本算法，如颜色直方图、模板匹配、特征提取等，对元件进行检测。另一种是智能算法，即利用深度学习算法，如CNN(Convolutional Neural Network，卷积神经网络)等，对收集的训练样本进行训练，得到元件检测模型后再对元件进行检测的方法。

但在生产过程中，上述两种方法存在明显缺陷：

首先，某些元件与电路板底板的颜色相近、甚至相同，即元件存在与否在图像中并不能呈现明显的区别，所以采用传统算法很难将元件与底板分离开来；智能算法针对这种情况也不能达到理想的检测效果。在生产过程中，绿色电路板中的黑色卧式电容，其背景也是黑色的；黑色电路板中的元件，如二极管、卧式电容等也是黑色的。所以，利用传统算法，如颜色直方图、模板匹配等方法对元件进行检测，很难达到理想的检测效果，如图1所示，图1为元件存在与不存在的对比图，上图中是存在元件的，下图是不存在元件的，通过两个图还是难以进行很好的区分。

其次，由于工人的错误操作或生产线的机械振动，元件会出现偏移的状况，导致元件的引脚并没有插入到指定的元件引脚圆孔中，即元件存在、但元件的引脚出脚。

综上所述，采用上述传统算法和智能算法，难以准确地检测出元件的漏件现象，检测效果较差。

发明内容

基于此，有必要针对检测准确性较低的问题，提供一种电路板元件漏件检测方法和系统。

一种电路板元件漏件检测方法，包括如下步骤：

获取多张电路板的引脚位置的样本图像；

根据所述样本图像上元器件引脚位置进行样本训练，得到引脚分类模型；

获取当前待检测的电路板的检测图像，并根据所述检测图像确定元器件的引脚位置；

利用所述引脚分类模型对检测图像的所述引脚位置进行检测，判断所述电路板的元器件的引脚插入状态。

一种电路板元件漏件检测系统，包括：

样本收集模块，用于获取多张电路板的引脚位置的样本图像；

模型训练模块，用于根据所述样本图像上元器件引脚位置进行样本训练，得到引脚分类模型；

引脚定位模块，用于获取当前待检测的电路板的检测图像，并根据所述检测图像确定元器件的引脚位置；

引脚检测模块，用于利用所述引脚分类模型对检测图像的所述引脚位置进行检测，判断所述电路板的元器件的引脚插入状态。

上述电路板元件漏件检测方法和系统，基于电路板的元件的样本图像，提取其引脚位置训练引脚分类模型，通过待检测的电路板的检测图像的引脚位置，检测电路板的元器件的引脚插入状态，以引脚信息为元件漏件的判断依据，去除了电路板底板的干扰，能够准确地检测元件的漏件现象，提高了检测效果。

附图说明

图1为元件存在与不存在的对比图；

图2为一实施例的电路板元件漏件检测方法流程图；

图3为样本收集的流程示意图；

图4为样本训练的流程示意图；

图5为一实施例的电路板元件漏件检测系统结构图。

具体实施方式

下面结合附图阐述本发明的电路板元件漏件检测方法和系统的实施例。

本发明的方案应用在电路板组装生产过程中，在将元件插入到电路板的圆孔的环节，对电路板上的每一个元件进行检测，解决元件出现的缺失、偏移的问题，及时准确检测出电路板的漏件现象，以确保每个元件在其指定位置。

参考图2所示，图2为一实施例的电路板元件漏件检测方法流程图，包括如下步骤：

步骤S10，获取多张电路板的引脚位置的样本图像；

在此步骤中，主要是样本收集阶段，通过收集电路板的引脚位置的样本进行训练，用于训练引脚的分类器。

在一个实施例中，参考图3所示，图3为样本收集的流程示意图，可以包括如下步骤：

S101，根据多个电路板的图像及其引脚位置信息获取多个样本图像；

具体的，可以获取多种颜色、型号和批次的电路板的图像，标定各个元件的引脚位置信息，得到多个样本图像；

为了保证训练样本的多样性，可以收集不同颜色、型号和批次的电路板图像；通过标定各个元件的引脚位置信息，得到N个训练样本，可以记为T＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}；

其中，x_i∈χ＝Rⁿ,y_i∈{0,1},i＝1,2,...,N，x_i为第i个训练样本，y_i为x_i的类标记，当y_i＝0时，表示x_i为没有插引脚的圆孔；当y_i＝1时，表示x_i为已插引脚的圆孔。

S102，根据所述样本图像获取若干张用于训练的训练样本图像和若干张用于测试的测试样本图像；

具体的，可以对所述样本图像进行图像处理，获取若干张用于训练的训练样本图像和若干张用于测试的测试样本图像；

对于样本图像的处理，可以包括：对所述样本图像进行旋转、裁剪或亮度调整；

旋转可以是将样本图像分别顺时针旋转90度、180度和270度等；剪切可以是在原始样本图像中剪切设定尺寸的子图像，且该子图像包含引脚圆孔；亮度调整可以是将样本图像在空域上进行点运算，如图像增强、亮度/对比度调节或gamma值调整等。

由于各种因素的影响，实际中收集的训练样本图像往往是有限的，因此，为了保证样本图像的多样性、尽可能多地覆盖引脚可能出现的情况，通过上述对已收集的样本图像进行旋转、裁剪、亮度的调整；可以获得多张样本图像和测试图像。

步骤S20，根据所述样本图像上元器件引脚位置进行样本训练，得到引脚分类模型；

在此步骤中，主要是训练模型阶段，利用通过收集的样本进行训练，从而得到用于检测引脚的分类器。

在一个实施例中，参考图4所示，图4为样本训练的流程示意图，可以包括如下步骤：

S201，利用所述训练样本图像进行训练得到引脚图像分类模型；

具体的，可以定义引脚图像的网络模型，利用训练样本图像进行训练获得引脚图像分类模型；

例如，根据需要定义适合的网络模型后，输入训练样本图像数据T＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}，然后开始训练引脚分类模型，训练过程主要是两个阶段：

前向传播阶段(第一阶段)：读取训练样本图像数据T＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}中任意一个样本数据(x_i,y_i)，将x_i输入所述网络模型，从输入层经过逐级变换并传输到输出层，计算实际输出值o_i＝F_n(..(F₂(F₁(X_iW⁽¹⁾)W⁽²⁾)..)W⁽ⁿ⁾)；

后向传播阶段(第二阶段)：计算实际输出值o_i与相应的理想输出值y_i之间的差值，构建极小化误差函数调整权矩阵；

经过若干次权矩阵迭代，当差值E_i在达到设定的阈值时停止训练，得到引脚图像分类模型。

S202，根据测试样本图像对所述引脚图像分类模型进行测试；具体的，可以根据测试样本图像建立测试集，利用引脚未插好和引脚已插好两种测试样本图像的测试集对引脚图像分类模型的准确率进行检测，统计误报率和漏报率，直至引脚图像分类模型满足预定的要求。

步骤S30，获取当前待检测的电路板的检测图像，并根据所述检测图像确定元器件的引脚位置；

在此步骤中，是对引脚分类模型的应用，在标准电路板图像中，用户标注需要检测元件的引脚；在待检测电路板图像中，定位引脚。

在一个实施例中，定位引脚位置，可以先获取标准的电路板的检测图像；然后在所述检测图像中标注需要检测元件的引脚；在待检测电路板的检测图像中，根据所述标注定位引脚的位置。

步骤S40，利用所述引脚分类模型对检测图像的所述引脚位置进行检测，判断所述电路板的元器件的引脚插入状态。

在此步骤中，定位引脚位置后，将检测图像输入引脚分类器进行检测，检测电路板的元器件的引脚插入状态。

在一个实施例中，将包含引脚的检测图像输入引脚图像分类模型进行检测，检测电路板的引脚圆孔的元件漏件状态。

在引脚图像分类模型中，若该引脚状态为0，则该引脚对应的圆孔没有插引脚，若该引脚的状态为1，则引脚对应的圆孔已插入引脚；进一步地，若该引脚状态为0，发出引脚未插好报警，以便相关人员进行检查与维修。

综合上述实施例的方案，与现有的传统算法和智能算法相比，不是关注元件主体本身，而是从元件的引脚入手，检测元件存在与不存在时元件引脚的圆孔有明显的区别，只关注引脚圆孔的信息，去除电路板底板的干扰，用户使用时只需要指定待检测元件引脚的位置，从而完成对元件检测元件是否漏件；方案能够有效地解决元件与板卡颜色相同时不能进行漏件检测的难题，提高了AOI设备的检出率。

参考图5所示，图5为一实施例的电路板元件漏件检测系统结构图，包括：

样本收集模块10，用于获取多张电路板的引脚位置的样本图像；

模型训练模块20，用于根据所述样本图像上元器件引脚位置进行样本训练，得到引脚分类模型；

引脚定位模块30，用于获取当前待检测的电路板的检测图像，并根据所述检测图像确定元器件的引脚位置；

引脚检测模块40，用于利用所述引脚分类模型对检测图像的所述引脚位置进行检测，判断所述电路板的元器件的引脚插入状态。

本发明的电路板元件漏件检测系统与本发明的电路板元件漏件检测方法一一对应，在上述电路板元件漏件检测方法的实施例阐述的技术特征及其有益效果均适用于电路板元件漏件检测系统的实施例中，特此声明。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种电路板元件漏件检测方法，其特征在于，包括如下步骤：

获取多张电路板的引脚位置的样本图像；

根据所述样本图像上元器件引脚位置进行样本训练，得到引脚分类模型；

获取当前待检测的电路板的检测图像，并根据所述检测图像确定元器件的引脚位置；

利用所述引脚分类模型对检测图像的所述引脚位置进行检测，判断所述电路板的元器件的引脚插入状态。

2.根据权利要求1所述的电路板元件漏件检测方法，其特征在于，根据所述样本图像上元器件引脚位置进行样本训练，得到引脚分类模型的步骤包括：

根据多个电路板的图像及其引脚位置信息获取多个样本图像；

根据所述样本图像获取若干张用于训练的训练样本图像和若干张用于测试的测试样本图像；

根据所述样本图像上元器件引脚位置进行样本训练，得到引脚分类模型的步骤包括：

利用所述训练样本图像进行训练得到引脚图像分类模型；

根据测试样本图像对所述引脚图像分类模型进行测试。

3.根据权利要求1所述的电路板元件漏件检测方法，其特征在于，根据多个电路板的图像及其引脚位置信息获取多个样本图像的步骤包括：

获取多种颜色、型号和批次的电路板的图像，标定各个元件的引脚位置信息，得到多个样本图像；

根据所述样本图像获取若干张用于训练的训练样本图像和若干张用于测试的测试样本图像的步骤包括：

对所述样本图像进行图像处理，获取若干张用于训练的训练样本图像和若干张用于测试的测试样本图像；

利用所述训练样本图像进行训练得到引脚图像分类模型的步骤包括：

定义引脚图像的网络模型，利用训练样本图像进行训练获得引脚图像分类模型；

根据测试样本图像对所述引脚图像分类模型进行测试的步骤包括：

根据测试样本图像建立测试集，利用引脚未插好和引脚已插好两种测试样本图像的测试集对引脚图像分类模型的准确率进行检测，统计误报率和漏报率，直至引脚图像分类模型满足预定的要求。

4.根据权利要求1所述的电路板元件漏件检测方法，其特征在于，所述对所述样本图像进行图像处理的步骤包括：

将样本图像进行旋转，在原始样本图像中剪切设定尺寸的子图像，或将样本图像在空域上进行点运算。

5.根据权利要求3所述的电路板元件漏件检测方法，其特征在于，所述利用训练样本图像进行训练获得引脚图像分类模型的步骤包括：

读取训练样本图像数据T＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}中任意一个样本数据(x_i,y_i)，将x_i输入所述网络模型，从输入层经过逐级变换并传输到输出层，计算实际输出值o_i＝F_n(..(F₂(F₁(X_iW⁽¹⁾)W⁽²⁾)..)W⁽ⁿ⁾)；

计算实际输出值o_i与相应的理想输出值y_i之间的差值，构建极小化误差函数调整权矩阵；

经过若干次权矩阵迭代，当差值E_i在达到设定的阈值时停止训练，得到引脚图像分类模型。

6.根据权利要求1所述的电路板元件漏件检测方法，其特征在于，获取当前待检测的电路板的检测图像，并根据所述检测图像确定元器件的引脚位置的步骤包括：

获取标准的电路板的检测图像；

在所述检测图像中标注需要检测元件的引脚；

在待检测电路板的检测图像中，根据所述标注定位引脚的位置。

7.根据权利要求1所述的电路板元件漏件检测方法，其特征在于，利用所述引脚分类模型对检测图像的所述引脚位置进行检测的步骤包括：

将包含引脚的检测图像输入引脚图像分类模型进行检测，检测电路板的引脚圆孔的元件漏件状态。

8.根据权利要求7所述的电路板元件漏件检测方法，其特征在于，所述检测电路板的引脚圆孔的元件漏件状态的步骤包括：

在引脚图像分类模型中，若该引脚状态为0，则判定为该引脚对应的圆孔没有插引脚；若该引脚的状态为1，则判定为引脚对应的圆孔已插入引脚。

9.根据权利要求8所述的电路板元件漏件检测方法，其特征在于，还包括：若该引脚状态为0，发出引脚未插好报警。

10.一种电路板元件漏件检测系统，其特征在于，包括：

样本收集模块，用于获取多张电路板的引脚位置的样本图像；

模型训练模块，用于根据所述样本图像上元器件引脚位置进行样本训练，得到引脚分类模型；

引脚定位模块，用于获取当前待检测的电路板的检测图像，并根据所述检测图像确定元器件的引脚位置；

引脚检测模块，用于利用所述引脚分类模型对检测图像的所述引脚位置进行检测，判断所述电路板的元器件的引脚插入状态。