CN116703921B - 一种柔性线路板表面镀层质量检测方法 - Google Patents
一种柔性线路板表面镀层质量检测方法 Download PDFInfo
- Publication number
- CN116703921B CN116703921B CN202310981608.6A CN202310981608A CN116703921B CN 116703921 B CN116703921 B CN 116703921B CN 202310981608 A CN202310981608 A CN 202310981608A CN 116703921 B CN116703921 B CN 116703921B
- Authority
- CN
- China
- Prior art keywords
- gray
- circuit board
- image
- stretching
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30141—Printed circuit board [PCB]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种柔性线路板表面镀层质量检测方法,包括:获取柔性线路板表面图像并进行预处理,将线路板表面灰度图像中线路区域去除,对去除线路区域的线路板灰度图像进行灰度拉伸及计算拉伸率,对灰度拉伸之后的去除线路区域的线路板灰度图像进行区域划分及计算低灰度区域中的高低梯度区域,对灰度拉伸之后的去除线路区域的线路板灰度图像进行对数变换确定最佳底数,进而得到缺陷区域对比明显的灰度图像,将缺陷区域对比明显的灰度图像进行边缘检测识别缺陷。本发明通过图像切割,灰度拉伸等图像处理手段将需要检测的区域特征进行放大,并且减少相似区域对检测结果的影响,使得缺陷检测的效率和准确度得到了提高。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种柔性线路板表面镀层质量检测方法。
背景技术
柔性线路板是一种柔性的电子电路板,由于其具有可弯曲、可折叠、可拉伸等特点,因此被广泛应用于电子产品中,如手机、平板电脑、智能手表等。柔性线路板的表面通常需要进行电镀处理,以提高其导电性和耐腐蚀性。然而,柔性线路板表面镀层的质量往往会受到各种因素的影响,如电镀液的浓度、温度、电流密度等,从而导致镀层的厚度、均匀性、附着力等方面存在问题。因此,对柔性线路板表面镀层的质量进行检测具有重要意义。
目前,柔性线路板表面镀层的质量检测方法主要包括人工目测、显微镜观察、电子显微镜观察等方法。然而,这些方法存在着检测效率低、精度不高、操作繁琐等缺点,难以满足工业生产的需要。因此,本文通过结合刮伤缺陷的先验特征,通过对图像的增强、拉伸,可以达到快速检测线路板表面镀层刮伤缺陷的检测。
发明内容
本发明提供一种柔性线路板表面镀层质量检测方法,以解决现有的问题。
本发明的一种柔性线路板表面镀层质量检测方法采用如下技术方案:
本发明一个实施例提供了一种柔性线路板表面镀层质量检测方法,该方法包括以下步骤:
获取线路板灰度图像和二值化线路板灰度图像;
根据线路板灰度图像和二值化线路板灰度图像得到去除线路区域的线路板灰度图像,对去除线路区域的线路板灰度图像中像素点的灰度值进行灰度拉伸得到灰度拉伸之后的新灰度值;
根据灰度拉伸之后的新灰度值和去除线路区域的线路板灰度图像中像素点的灰度值得到去除线路区域的线路板灰度图像中像素点的拉伸率;
根据拉伸率最接近0的像素点灰度值和灰度拉伸之后的新灰度值得到低灰度区域,获取低灰度区域边界像素点的梯度值,根据低灰度区域中边界像素点的梯度值得到低灰度区域内的高低梯度区域;
预设对数变换时的底数,根据去除线路区域的线路板灰度图像中像素点的拉伸率、灰度拉伸之后的新灰度值、对数变换时的底数构建对数变换函数;
获取不同对数变换函数结果下低灰度区域内高低梯度区域像素点个数比值,根据高低梯度区域像素点个数比值和不同底数构建梯度比值随底数变化的二维曲线,所述梯度比值为低灰度区域内高低梯度区域像素点个数比值,将二维曲线中的最大值作为最佳底数;
根据最佳底数确定的对数变换函数对拉伸后的去除线路区域的线路板灰度图像进行图像增强,得到增强后的图像,对增强后的图像利用边缘检测识别缺陷。
进一步地,所述根据线路板灰度图像和二值化线路板灰度图像得到去除线路区域的线路板灰度图像,包括的具体步骤如下:
将线路板灰度图像和二值化线路板灰度图像做减法,将线路区域进行去除,得到去除线路区域的线路板灰度图像。
进一步地,所述对去除线路区域的线路板灰度图像中像素点的灰度值进行灰度拉伸得到灰度拉伸之后的新灰度值,包括的具体步骤如下:
式中,表示去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值,表示去除线路区域的线路板灰度图像中像素点的灰度值,表示对应像素点的坐标;B表示去除线路区域的线路板灰度图像中像素点的最大灰度值;A表示去除线路区域的线路板灰度图像中像素点的最小灰度值。
进一步地,所述根据灰度拉伸之后的新灰度值和去除线路区域的线路板灰度图像中像素点的灰度值得到去除线路区域的线路板灰度图像中像素点的拉伸率,包括的具体步骤如下:
式中,表示去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值,表示去除线路区域的线路板灰度图像中像素点的灰度值,表示对应像素点的坐标;表示去除线路区域的线路板灰度图像中像素点的拉伸率,表示取绝对值。
进一步地,所述根据拉伸率最接近0的像素点灰度值和灰度拉伸之后的新灰度值得到低灰度区域,包括的具体步骤如下:
首先,获取去除线路区域的线路板灰度图像中拉伸率最近接0的像素点的灰度值,记为,表示拉伸率最近接0的像素点坐标;
式中,表示去除线路区域的线路板灰度图像中拉伸率最近接0的像素点的灰度值,表示拉伸率最近接0的像素点坐标;表示去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值;将满足上式的灰度值点构成的区域作为低灰度区域,否则视为高灰度区域。
进一步地,所述根据低灰度区域中边界像素点的梯度值得到低灰度区域内的高低梯度区域,包括的具体步骤如下:
式中,表示低灰度区域中第个边界像素点的梯度值,表示低灰度区域中边界像素点的总数量,表示低灰度区域中边界像素点的平均梯度值,将高于平局梯度值的像素点构成的区域标记为高梯度区域,低于平均梯度值的像素点构成的区域标记为低梯度区域。
进一步地,所述根据去除线路区域的线路板灰度图像中像素点的拉伸率、灰度拉伸之后的新灰度值、对数变换时的底数构建对数变换函数,包括的具体步骤如下:
式中,表示进行对数变换之后像素点的新的灰度值,为对应像素点的坐标;表示去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值,表示对应像素点的坐标;表示进行对数变换时的底数;表示去除线路区域的线路板灰度图像中像素点的拉伸率;表示自然常数。
本发明的技术方案的有益效果是:能够尽可能使用图像切割,拉伸等图像处理手段将需要检测的区域特征进行放大,并且减少相似区域对检测结果的影响,在对图像进行处理之后,检测的效率和准确度得到了提高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种柔性线路板表面镀层质量检测方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种柔性线路板表面镀层质量检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种柔性线路板表面镀层质量检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种柔性线路板表面镀层质量检测方法的步骤流程图,该方法包括以下步骤:
步骤S001、获取柔性线路板表面图像并进行预处理。
具体的,利用工业相机采集待检测柔性线路板表面图像,对柔性线路板表面图像进行灰度化得到线路板灰度图像并对其进行高斯滤波去噪处理,需要说明的是,本实施例中工业相机型号不进行具体限制。
至此,通过对柔性线路板表面图像进行灰度化和高斯滤波得到线路板灰度图像。
步骤S002、将线路板表面灰度图像中线路区域去除。
需要说明的是,线路板刮伤区域基本存在于非线路区域,而线路区域灰度特征明显且容易对后续缺陷判断造成干扰,因此需要将线路区域进行去除。在得到纯粹的非线路区域之后,由于其灰度值分布比较集中,所以导致缺陷区域对比度不明显,不利于后续的识别,因此需要对图像进行灰度值拉伸,使其均匀的分布在灰度区间之内。因为缺陷区域的灰度值比较正常区域而言偏低,为了进一步增强缺陷区域的对比度,对拉伸后的图像进行对数变换,使低灰度区域特征更加的明显,为后续的缺陷检测提供必要环境。
进一步需要说明的是,线路板刮伤区域主要存在于非线路区域,因此为了使线路区域不对检测结果产生影响,需要通过技术一些技术手段来将线路区域进行切割。通过对线路板图像的观察以及结合其先验特征可以发现,线路区域有鲜明的灰度特征,并且与非线路区域的灰度特征差别巨大,因此可以借用现有Otsu算法轻易切割出线路区域。
具体的,通过使用Otsu阈值分割算法得到的二值化线路板灰度图像,将线路板灰度图像和二值化线路板灰度图像做减法,可以将线路区域进行去除,得到去除线路区域的线路板灰度图像。
需要特别说明的是,将线路板灰度图像和二值化后的线路板灰度图像做减法,并不是将图像上对应位置的灰度值进行相减,而是直接将对应位置进行相减去除,目的是去除线路区域。
至此,通过对线路板灰度图像进行Otsu阈值分割及做减法,得到去除线路区域的线路板灰度图像。
步骤S003、对去除线路区域的线路板灰度图像进行灰度拉伸及计算拉伸率。
需要说明的是,去除线路之后的图像由于其自身的特征,导致灰度值分布比较集中,因此刮伤缺陷很难从图像中体现出来,为了使缺陷特征与正常区域有一些突出差异,将图像的灰度值进行灰度拉伸,使其均匀分布在[0,255]灰度区间内。
具体的,根据去除线路区域的线路板灰度图像中像素点的最大最小灰度值进行灰度拉伸得到灰度拉伸之后的新灰度值,具体计算方法如下:
式中,表示去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值,表示去除线路区域的线路板灰度图像中像素点的灰度值,表示对应像素点的坐标;B表示去除线路区域的线路板灰度图像中像素点的最大灰度值;A表示去除线路区域的线路板灰度图像中像素点的最小灰度值。
进一步的,根据去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值和去除线路区域的线路板灰度图像中像素点的灰度值得到去除线路区域的线路板灰度图像中像素点的拉伸率,具体计算方法如下:
式中,表示去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值,表示对应像素点的坐标;表示去除线路区域的线路板灰度图像中像素点的灰度值;表示去除线路区域的线路板灰度图像中像素点的拉伸率,拉伸率越大说明拉伸程度越大;表示对取绝对值。
进一步的,通过对去除线路区域的线路板灰度图像中所有像素点进行(1)式灰度拉伸,可以得到拉伸后的去除线路区域的线路板灰度图像,通过对去除线路区域的线路板灰度图像中所有像素点进行(2)式的拉伸率计算得到去除线路区域的线路板灰度图像中所有像素点的拉伸率。
至此,通过对去除线路区域的线路板灰度图像中像素点的灰度值计算得到去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值、去除线路区域的线路板灰度图像中像素点的拉伸率。
步骤S004、对灰度拉伸之后的去除线路区域的线路板灰度图像进行区域划分及计算低灰度区域中的高低梯度区域。
需要说明的是,经过上一步对图像的整体拉伸,获得了具有一定缺陷对比度的图像,但是由于原图像灰度值分布过于集中,因此使用原有灰度值作为参数来进行的灰度拉伸虽然会使缺陷区域变得较为明显,但是也会因为与缺陷区域相似灰度值过多而造成干扰区域过多的情况发生。因此,为了将缺陷区域的灰度特征进一步的与相似区域进行区分,对检测区域的灰度特征进行量化,然后结合对数变换来对低灰度区域进行灰度值的减小,高灰度区域进行灰度值的增加,进一步的突出缺陷区域。
进一步需要说明的是,因为缺陷区域主要分布在拉伸后图像的低灰度区域,但是因为原图像灰度值过于集中,因此仅仅凭借拉伸后图像的灰度特点并无法将缺陷区域进行准确识别,因此需要将低灰度区域进一步处理。
具体的,根据拉伸率最接近0的像素点灰度值和去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值得到低灰度区域,具体方法如下:
首先,获取去除线路区域的线路板灰度图像中拉伸率最近接0的像素点的灰度值,记为,表示拉伸率最近接0的像素点坐标。
式中,表示去除线路区域的线路板灰度图像中拉伸率最近接0的像素点的灰度值,表示拉伸率最近接0的像素点坐标;表示去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值,表示对应像素点的坐标;将满足上式(3)的灰度值点构成的区域作为低灰度区域,否则视为高灰度区域。
需要说明的是,在进行全局灰度值拉伸之后,会导致一些正常区域因为周围灰度值的变化而产生梯度。而缺陷区域具有显著的梯度特征,因为拉伸之后产生的梯度会导致在使用梯度进行缺陷判断时产生一定的影响。因此需要判断出低灰度区域中的高低梯度区域。
具体的,利用sobel算法获取边界像素点的梯度值,根据低灰度区域中边界像素点的梯度值得到低灰度区域中的高低梯度区域。具体计算方法如下:
式中,表示低灰度区域中第个边界像素点的梯度值,表示低灰度区域中边界像素点的总数量,表示低灰度区域中边界像素点的平均梯度值。将高于平局梯度值的像素点构成的区域标记为高梯度区域,低于平均梯度值的像素点构成的区域标记为低梯度区域。
至此,得到了低灰度区域中的高低梯度区域。
步骤S005、对灰度拉伸之后的去除线路区域的线路板灰度图像进行对数变换确定最佳底数,进而得到缺陷区域对比明显的灰度图像。
需要说明的是,在进行对数变换将图像对比度进行增强时,底数的不同会对处理后的结果产生很大的影响,底数越大,对低灰度区域的强调就越强,对高灰度部分的压缩也就越强。但是底数过小,会导致处理之后的结果不好,无法很好凸显出缺陷区域,底数过大会导致将一些正常区域也因为过分抑制而与缺陷区域融为一体,因此需要找到一个合适底数。
具体的,根据去除线路区域的线路板灰度图像中像素点的拉伸率、灰度拉伸之后的新灰度值、对数变换时的底数构建对数变换函数。
在[0,255]底数范围内对每个数值进行对数变换,对数变换的具体方法如下:
式中,表示进行对数变换之后像素点的新的灰度值,为对应像素点的坐标;表示去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值,表示对应像素点的坐标;表示进行对数变换时的底数,的取值在[0,255]底数范围内;表示去除线路区域的线路板灰度图像中像素点的拉伸率;表示自然常数。
需要说明的是,像素点新的灰度值是根据拉伸之后灰度值的情况来进行计算的,的值越大,对低灰度区域的强调就越强,对高灰度部分的压缩也就越强,是为了对像素点进行归一化,防止更新后的灰度值超出[0,255]区间。
进一步的,将不同底数对数变换结果下低灰度区域内高梯度区域像素点个数与低梯度区域像素点个数进行做比,比值为Q,具体如下:
式中,表示高梯度区域像素点个数,表示低梯度区域像素点个数,表示高梯度区域像素点个数与低梯度区域像素点个数比值。
需要说明的是,当底数过低时,低灰度区域过暗,会导致梯度区域过少,随着底数的增加,高梯度区域增加速度会大于低梯度区域的增加速度。当超过某一个值时,高梯度区域增加速度会小于低梯度区域的增加速度,二者的比值也会随之降低,寻找二者变化的中间点就是想要找的最佳底数值。
具体的,根据不同底数对数变换结果下低灰度区域内高低梯度区域像素点个数比值Q和不同底数构建梯度比值随底数变化的二维曲线,所述梯度比值为低灰度区域内高低梯度区域像素点个数比值Q,将梯度比值随底数变化的二维曲线中的最大值点对应的底数即为最佳底数,根据确定的最佳底数对拉伸后的去除线路区域的线路板灰度图像进行图像增强,进一步增加去除线路区域的线路板灰度图像的对比度。
至此,通过对拉伸后图像的对数变换处理,得到缺陷区域对比明显的灰度图像。
步骤S006、将缺陷区域对比明显的灰度图像进行边缘检测识别缺陷。
通过Otsu算法已经将线路部分进行了分割,并且通过上述步骤的一系列处理,使得图像中刮伤缺陷区域与周围区域对比度明显,因此进行canny算子对处理过的图像进行边缘检测,得到刮伤缺陷区域并进行标记。识别出刮伤缺陷后,需可视化显示到相应的显示器上,以便用户更加直观的查看线路板表面镀层的异常。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种柔性线路板表面镀层质量检测方法,其特征在于,该方法包括以下步骤:
获取线路板灰度图像和二值化线路板灰度图像;
根据线路板灰度图像和二值化线路板灰度图像得到去除线路区域的线路板灰度图像,对去除线路区域的线路板灰度图像中像素点的灰度值进行灰度拉伸得到灰度拉伸之后的新灰度值;
根据灰度拉伸之后的新灰度值和去除线路区域的线路板灰度图像中像素点的灰度值得到去除线路区域的线路板灰度图像中像素点的拉伸率;
根据拉伸率最接近0的像素点灰度值和灰度拉伸之后的新灰度值得到低灰度区域,获取低灰度区域边界像素点的梯度值,根据低灰度区域中边界像素点的梯度值得到低灰度区域内的高低梯度区域;
预设对数变换时的底数,根据去除线路区域的线路板灰度图像中像素点的拉伸率、灰度拉伸之后的新灰度值、对数变换时的底数构建对数变换函数;
获取不同对数变换函数结果下低灰度区域内高低梯度区域像素点个数比值,根据高低梯度区域像素点个数比值和不同底数构建梯度比值随底数变化的二维曲线,所述梯度比值为低灰度区域内高低梯度区域像素点个数比值,将二维曲线中的最大值所对应的底数作为最佳底数;
根据最佳底数确定的对数变换函数对拉伸后的去除线路区域的线路板灰度图像进行图像增强,得到增强后的图像,对增强后的图像利用边缘检测识别缺陷;
其中,所述根据拉伸率最接近0的像素点灰度值和灰度拉伸之后的新灰度值得到低灰度区域,包括的具体步骤如下:
首先,获取去除线路区域的线路板灰度图像中拉伸率最接近0的像素点的灰度值,记为,表示拉伸率最接近0的像素点坐标;
式中,表示去除线路区域的线路板灰度图像中拉伸率最接近0的像素点的灰度值,表示拉伸率最接近0的像素点坐标;表示去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值;将满足上式的灰度值点构成的区域作为低灰度区域,否则视为高灰度区域;
其中,所述根据低灰度区域中边界像素点的梯度值得到低灰度区域内的高低梯度区域,包括的具体步骤如下:
式中,表示低灰度区域中第个边界像素点的梯度值,表示低灰度区域中边界像素点的总数量,表示低灰度区域中边界像素点的平均梯度值,将高于平均梯度值的像素点构成的区域标记为高梯度区域,低于平均梯度值的像素点构成的区域标记为低梯度区域。
2.根据权利要求1所述一种柔性线路板表面镀层质量检测方法,其特征在于,所述根据线路板灰度图像和二值化线路板灰度图像得到去除线路区域的线路板灰度图像,包括的具体步骤如下:
将线路板灰度图像和二值化线路板灰度图像做减法,将线路区域进行去除,得到去除线路区域的线路板灰度图像。
3.根据权利要求1所述一种柔性线路板表面镀层质量检测方法,其特征在于,所述对去除线路区域的线路板灰度图像中像素点的灰度值进行灰度拉伸得到灰度拉伸之后的新灰度值,包括的具体步骤如下:
式中,表示去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值,表示去除线路区域的线路板灰度图像中像素点的灰度值,表示对应像素点的坐标;B表示去除线路区域的线路板灰度图像中像素点的最大灰度值;A表示去除线路区域的线路板灰度图像中像素点的最小灰度值。
4.根据权利要求1所述一种柔性线路板表面镀层质量检测方法,其特征在于,所述根据灰度拉伸之后的新灰度值和去除线路区域的线路板灰度图像中像素点的灰度值得到去除线路区域的线路板灰度图像中像素点的拉伸率,包括的具体步骤如下:
式中,表示去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值,表示去除线路区域的线路板灰度图像中像素点的灰度值,表示对应像素点的坐标;表示去除线路区域的线路板灰度图像中像素点的拉伸率,表示取绝对值。
5.根据权利要求1所述一种柔性线路板表面镀层质量检测方法,其特征在于,所述根据去除线路区域的线路板灰度图像中像素点的拉伸率、灰度拉伸之后的新灰度值、对数变换时的底数构建对数变换函数,包括的具体步骤如下:
式中,表示进行对数变换之后像素点的新的灰度值,为对应像素点的坐标;表示去除线路区域的线路板灰度图像中像素点灰度拉伸之后的新灰度值,表示对应像素点的坐标;表示进行对数变换时的底数;表示去除线路区域的线路板灰度图像中像素点的拉伸率;表示自然常数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310981608.6A CN116703921B (zh) | 2023-08-07 | 2023-08-07 | 一种柔性线路板表面镀层质量检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310981608.6A CN116703921B (zh) | 2023-08-07 | 2023-08-07 | 一种柔性线路板表面镀层质量检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116703921A CN116703921A (zh) | 2023-09-05 |
| CN116703921B true CN116703921B (zh) | 2023-12-05 |
Family
ID=87837830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310981608.6A Active CN116703921B (zh) | 2023-08-07 | 2023-08-07 | 一种柔性线路板表面镀层质量检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116703921B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118429337A (zh) * | 2024-07-03 | 2024-08-02 | 广州诺顶智能科技有限公司 | 一种线宽百分比检测方法、装置及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109242853A (zh) * | 2018-11-05 | 2019-01-18 | 南京信息工程大学 | 一种基于图像处理的pcb缺陷智能检测方法 |
| CN110390673A (zh) * | 2019-07-22 | 2019-10-29 | 福州大学 | 一种监控场景下基于深度学习的香烟自动检测方法 |
| CN115272346A (zh) * | 2022-09-30 | 2022-11-01 | 江苏炜盛光电科技有限公司 | 一种基于边缘检测的pcb板生产过程在线检测方法 |
| CN115829976A (zh) * | 2022-12-07 | 2023-03-21 | 七海测量技术(深圳)有限公司 | 一种针对外观缺陷检测的图像处理方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7087397B2 (ja) * | 2018-01-17 | 2022-06-21 | 東京エレクトロン株式会社 | 基板の欠陥検査装置、基板の欠陥検査方法及び記憶媒体 |
-
2023
- 2023-08-07 CN CN202310981608.6A patent/CN116703921B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109242853A (zh) * | 2018-11-05 | 2019-01-18 | 南京信息工程大学 | 一种基于图像处理的pcb缺陷智能检测方法 |
| CN110390673A (zh) * | 2019-07-22 | 2019-10-29 | 福州大学 | 一种监控场景下基于深度学习的香烟自动检测方法 |
| CN115272346A (zh) * | 2022-09-30 | 2022-11-01 | 江苏炜盛光电科技有限公司 | 一种基于边缘检测的pcb板生产过程在线检测方法 |
| CN115829976A (zh) * | 2022-12-07 | 2023-03-21 | 七海测量技术(深圳)有限公司 | 一种针对外观缺陷检测的图像处理方法 |
Non-Patent Citations (1)
| Title |
|---|
| 热镀铝锌硅镀层凸点缺陷组织分析及生产工艺优化;岳崇锋 等;《腐蚀与防护》;36(03);第306-309页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116703921A (zh) | 2023-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114399522B (zh) | 一种基于高低阈值的Canny算子的边缘检测方法 | |
| CN117078672B (zh) | 基于计算机视觉的手机屏幕缺陷智能检测方法 | |
| CN111833306B (zh) | 缺陷检测方法和用于缺陷检测的模型训练方法 | |
| CN109242853B (zh) | 一种基于图像处理的pcb缺陷智能检测方法 | |
| CN111539935B (zh) | 一种基于机器视觉的电缆表面缺陷在线检测方法 | |
| CN108460757B (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
| CN114235758A (zh) | 缺陷检测方法、装置、设备及存储介质 | |
| CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及系统 | |
| CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
| CN107490582B (zh) | 一种流水线工件检测系统 | |
| CN117689655B (zh) | 基于计算机视觉的金属钮扣表面缺陷检测方法 | |
| CN109977831A (zh) | 一种基于数字图像处理的旋钮识别方法 | |
| CN112884746A (zh) | 一种基于边缘形状匹配的字符缺陷智能检测算法 | |
| CN110060239B (zh) | 一种用于瓶子瓶口的缺陷检测方法 | |
| CN118096761B (zh) | 一种基于图像处理的电池箱生产缺陷检测方法 | |
| Ma et al. | An automatic detection method of Mura defects for liquid crystal display | |
| CN108830899A (zh) | 一种基于几何特征的快速自适应角点结合的圆心检测方法 | |
| CN115294083A (zh) | 表面粒子缺陷检测方法与计算机可读存储介质 | |
| CN119624876A (zh) | 一种基于多特征综合判定的酒瓶内杂质与气泡识别方法 | |
| CN116703921B (zh) | 一种柔性线路板表面镀层质量检测方法 | |
| CN111353984B (zh) | 一种自适应鲁棒的灰度图像中液位高精度检测方法 | |
| CN105225244A (zh) | 基于最小局部均方差计算的噪点检测方法 | |
| CN115222735A (zh) | 一种基于麻点缺陷的金属模具质量检测方法 | |
| CN107993219A (zh) | 一种基于机器视觉的船板表面缺陷检测方法 | |
| CN120088226A (zh) | 线路板表面镀层质量的检测方法、装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |