CN111223077A - 一种电路板的测试方法及测试系统 - Google Patents
一种电路板的测试方法及测试系统 Download PDFInfo
- Publication number
- CN111223077A CN111223077A CN201911401895.9A CN201911401895A CN111223077A CN 111223077 A CN111223077 A CN 111223077A CN 201911401895 A CN201911401895 A CN 201911401895A CN 111223077 A CN111223077 A CN 111223077A
- Authority
- CN
- China
- Prior art keywords
- image
- top surface
- integrated circuit
- circuit board
- sampling
- 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.)
- Pending
Links
Images
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种电路板的测试方法,其包括:通过图像采集设备采集取样电路板的顶面采样图像。从顶面采样图像中获取多个集成电路部分的多个集成电路区域图像。获取顶面框架图像。获取一个顶面框架模型及多个集成电路图像模型。建立集成电路模型库。采集当前顶面图像。获取顶面框架识别结果。获取对应的当前集成电路模型集合。最终获取电路板的测试结果信息。本发明的目的是提供电路板的测试方法,其通过神经网络模型对电路板图像识别,在大批量的电路板检测过程中,可有效保证图像检测的一致性及稳定性。同时,本发明还提供一种电路板的测试系统。
Description
技术领域
本发明应用于电路板的制造及检测过程中。本发明涉及电路板的测试方法及测试系统。
背景技术
在线路板的制造过程中,通常会经过照排、腐蚀及电镀等多到工序。电路板的最终蚀刻精度取决于每道工序的精度及操作环境。随着集成化、小型化的要求,其电路板的布线密度的上升、引线宽度的减小,从而给电路板的加工带来了更大的难度。在电路板的制作过程中,极易造成因局部成像或杂质缺陷引起的线间短路或短路的情况。严重影响电路板后期的使用。针对上述问题,现有技术中多采用,人工通过光箱检测的方式,对电路板缺陷排查,但这种方式的问题在于,当线路密集时,易造成漏检且检测时间长,成品率低、耗费人工多。上述人工检测的方式,同样不利于对焊接后线路板的检测。
发明内容
本发明的目的是提供电路板的测试方法,其通过神经网络模型对电路板图像识别,在大批量的电路板检测过程中,可有效保证图像检测的一致性及稳定性。同时,通过单独建立集成电路的图像学习库,便于对集成电路影像更新,从而在能够有效识别印刷电路板图形的同时,也可以检测焊接器件的电路板,提高了方法的适用性,识别系统的集成性及提升了效率。
本发明的另一个目的是提供电路板的测试系统,在有效检测印刷电路板的同时,可以对焊接集成电路模块的线路板检测,可适用于多种检测环境种,且通过卷积神经网路对电路图像识别,可提高系统的检测范围、提高检测精度。
本发明提供一种电路板的测试方法,测试方法通过能够采集电路板的顶面图像及底面图像的图像采集设备实现。电路板的测试方法包括:
步骤S101,通过图像采集设备采集取样电路板的顶面采样图像。
步骤S102,从顶面采样图像中获取多个集成电路部分的多个集成电路区域图像,获取多个集成电路区域图像所对应的二维坐标值以及分别获取多个集成电路的标识编号信息。
步骤S103,从顶面采样图像中去除多个集成电路区域图像,获取顶面框架图像。
步骤S104,通过卷积神经网络训练顶面框架图像获取一个顶面框架模型。通过卷积神经网络分别训练多个集成电路区域图像获取多个集成电路图像模型。
步骤S105,根据多个集成电路的标识编号信息对应多个集成电路图像模型建立集成电路模型库。
步骤S106,图像采集设备采集当前电路板的当前顶面图像。
步骤S107,通过顶面框架模型识别当前顶面图像,获取顶面框架识别结果。
步骤S108,根据多个集成电路区域图像所对应的二维坐标值,驱动图像采集设备获取对应的各当前集成电路区域图像。根据预存的当前多个集成电路的识别编号从集成电路模型库中获取对应的当前集成电路模型集合。
步骤S109,通过集成电路模型库,多当前集成电路模型集合中的每个当前集成电路逐一识别,获取顶面集成电路识别结果。
步骤S110,根据顶面框架识别结果及顶面集成电路识别结果获取电路板的测试结果信息。
在本发明电路板的测试方法的一种实施方式中,图像采集设备具有一个采集摄像头。
步骤S101中包括:根据设定步进移动方向及设定移动步进距离,驱动采集摄像头在采集取样电路板区域内移动,获取多幅且能够相互衔接的采样图像。
根据设定步进移动方向及设定移动步进距离将多幅采样图像拼接为顶面采样图像。
在本发明电路板的测试方法的一种实施方式中,顶面采样图像中还包括电路板字符标识图像。步骤S101中还包括,从顶面采样图像中获取电路板字符标识图像。
在本发明电路板的测试方法的一种实施方式中,步骤S110中还包括:判断测试结果信息是否为设定结果,若是,则生成检测通过信息。若否,则判断顶面框架识别结果是否为设定结果,若是,则生成电路板部分合格信息,若否,则生成电路板部分异常信息。
在本发明电路板的测试方法的一种实施方式中,步骤S110后还包括:步骤S111,通过显示装置显示检测通过信息、电路板部分合格信息及电路板部分异常信息。
在本发明电路板的测试方法的一种实施方式中,步骤S104中还包括:
通过卷积神经网络分别训练待更新多个集成电路区域图像获取多个待更新集成电路图像模型。步骤S105中还包括:获取待更新的多个集成电路的标识编号信息对应待更新多个集成电路图像模型更新集成电路模型库。
同时,在本发明种还提供了一种电路板的测试系统,其通过能够采集电路板的顶面图像及底面图像的图像采集设备实现。电路板的测试系统包括:
顶面采样图像单元,其配置为通过图像采集设备采集取样电路板的顶面采样图像。集成电路图像获取单元,其配置为从顶面采样图像中获取多个集成电路部分的多个集成电路区域图像,获取多个集成电路区域图像所对应的二维坐标值以及分别获取多个集成电路的标识编号信息。
顶面框架图像获取单元,其配置为从顶面采样图像中去除多个集成电路区域图像,获取顶面框架图像。图像模型获取单元,其配置为通过卷积神经网络训练顶面框架图像获取一个顶面框架模型。通过卷积神经网络分别训练多个集成电路区域图像获取多个集成电路图像模型。
集成电路模型库获取单元,其配置为根据多个集成电路的标识编号信息对应多个集成电路图像模型建立集成电路模型库。当前图像采集单元,其配置为图像采集设备采集当前电路板的当前顶面图像。
顶面框架识别结果获取单元,其配置为通过顶面框架模型识别当前顶面图像,获取顶面框架识别结果。调用单元,其配置为根据多个集成电路区域图像所对应的二维坐标值,驱动图像采集设备获取对应的各当前集成电路区域图像。根据预存的当前多个集成电路的识别编号从集成电路模型库中获取对应的当前集成电路模型集合。
顶面集成电路识别结果获取单元,其配置为通过集成电路模型库,多当前集成电路模型集合中的每个当前集成电路逐一识别,获取顶面集成电路识别结果。测试结果获取单元,其配置为根据顶面框架识别结果及顶面集成电路识别结果获取电路板的测试结果信息。
在本发明电路板的测试方法的一种实施方式中,图像采集设备具有一个采集摄像头。顶面采样图像单元,还配置为根据设定步进移动方向及设定移动步进距离,驱动采集摄像头在采集取样电路板区域内移动,获取多幅且能够相互衔接的采样图像。根据设定步进移动方向及设定移动步进距离将多幅采样图像拼接为顶面采样图像。
在本发明电路板的测试方法的一种实施方式中,顶面采样图像中还包括电路板字符标识图像。顶面采样图像单元,还配置为从顶面采样图像中获取电路板字符标识图像。
在本发明电路板的测试方法的一种实施方式中,顶面采样图像单元,还配置为:
判断测试结果信息是否为设定结果,若是,则生成检测通过信息。若否,则判断顶面框架识别结果是否为设定结果,若是,则生成电路板部分合格信息,若否,则生成电路板部分异常信息。测试系统,还配置:一个显示单元,其配置为,通过显示装置显示检测通过信息、电路板部分合格信息及电路板部分异常信息。
下文将以明确易懂的方式,结合附图说明优选实施例的特性、技术特征、优点及其实现方式予以进一步说明。
附图说明
图1是用于说明在本发明的一种实施方式中,电路板的测试方法的流程示意图。
图2是用于说明在本发明的另一种实施方式中,电路板的测试方法的流程示意图;
图3是用于说明在本发明的一种实施方式中,电路板的测试系统的组成示意图。
具体实施方式
为了对发明的技术特征、目的和效果有更加清楚的理解,现对照附图说明本发明的具体实施方式,在各图中相同的标号表示结构相同或结构相似但功能相同的部件。
在本文中,“示意性”表示“充当实例、例子或说明”,不应将在本文中被描述为“示意性”的任何图示、实施方式解释为一种更优选的或更具优点的技术方案。为使图面简洁,各图中只示意性地表示出了与本示例性实施例相关的部分,它们并不代表其作为产品的实际结构及真实比例。
本发明提供一种电路板的测试方法,测试方法通过能够采集电路板的顶面图像及底面图像的图像采集设备实现。如图1所示,电路板的测试方法包括:
步骤S101,采集顶面图像。
本步骤中,通过图像采集设备采集取样电路板的顶面采样图像。
步骤S102,获取集成电路图像。
本步骤中,从顶面采样图像中获取多个集成电路部分的多个集成电路区域图像,获取多个集成电路区域图像所对应的二维坐标值以及分别获取多个集成电路的标识编号信息。上述所指的集成电路图像,可以为焊接后的集成电路图像,也可以为电路板表面的石墨绘制的集成电路平面边框及字符图像。
步骤S103,获取顶面框架图像。
本步骤中,从顶面采样图像中去除多个集成电路区域图像,获取顶面框架图像。本步骤种的顶面框架图像为去除步骤S102中集成电路图像后的图像。
步骤S104,获取多个集成电路图像及框架模型。
本步骤中,通过卷积神经网络训练顶面框架图像获取一个顶面框架模型。通过卷积神经网络分别训练多个集成电路区域图像获取多个集成电路图像模型。
步骤S105,建立集成电路模型库。
本步骤中,根据多个集成电路的标识编号信息对应多个集成电路图像模型建立集成电路模型库。
步骤S106,采集当前顶面图像。
本步骤中,图像采集设备采集当前电路板的当前顶面图像。
步骤S107,获取顶面框架识别结果。
本步骤中,通过顶面框架模型识别当前顶面图像,获取顶面框架识别结果。
步骤S108,获取当前集成电路模型集合。
本步骤中,根据多个集成电路区域图像所对应的二维坐标值,驱动图像采集设备获取对应的各当前集成电路区域图像。根据预存的当前多个集成电路的识别编号从集成电路模型库中获取对应的当前集成电路模型集合。
步骤S109,获取顶面集成电路识别结果。
本步骤中,通过集成电路模型库,多当前集成电路模型集合中的每个当前集成电路逐一识别,获取顶面集成电路识别结果。
步骤S110,获取电路板的测试结果信息。
本步骤中,根据顶面框架识别结果及顶面集成电路识别结果获取电路板的测试结果信息。
从而通过建立多个集成电路图像及框架模型,对当前的识别图像可以有效识别,特别是在集成电路图像更新的情况下,可以局部更新集成电路图像库,从而减少对模型的学习量及更新时间,提高了识别效率、减低了维护成本。
在本发明电路板的测试方法的一种实施方式中,图像采集设备具有一个采集摄像头。步骤S101中包括:根据设定步进移动方向及设定移动步进距离,驱动采集摄像头在采集取样电路板区域内移动,获取多幅且能够相互衔接的采样图像。
根据设定步进移动方向及设定移动步进距离将多幅采样图像拼接为顶面采样图像。从而对大面副的电路板可做到有效识别。
在本发明电路板的测试方法的一种实施方式中,顶面采样图像中还包括电路板字符标识图像。步骤S101中还包括,从顶面采样图像中获取电路板字符标识图像。从而可有效使用电路板标识,识别电路板类型,提高了识别精度。
在本发明电路板的测试方法的一种实施方式中,步骤S110中还包括:判断测试结果信息是否为设定结果,若是,则生成检测通过信息。若否,则判断顶面框架识别结果是否为设定结果,若是,则生成电路板部分合格信息,若否,则生成电路板部分异常信息。
在本发明电路板的测试方法的一种实施方式中,如图2所示,在步骤S110后还包括:
步骤S111,显示结果信息。
本步骤中,通过显示装置显示检测通过信息、电路板部分合格信息及电路板部分异常信息。
在本发明电路板的测试方法的一种实施方式中,步骤S104中还包括:通过卷积神经网络分别训练待更新多个集成电路区域图像获取多个待更新集成电路图像模型。步骤S105中还包括:获取待更新的多个集成电路的标识编号信息对应待更新多个集成电路图像模型更新集成电路模型库。从而便于对集成电路部分图像的快速更新。
同时,在本发明种还提供了一种电路板的测试系统,如图3所示,其通过能够采集电路板的顶面图像及底面图像的图像采集设备实现。电路板的测试系统包括:
顶面采样图像单元10,其配置为通过图像采集设备采集取样电路板的顶面采样图像。集成电路图像获取单元,其配置为从顶面采样图像中获取多个集成电路部分的多个集成电路区域图像,获取多个集成电路区域图像所对应的二维坐标值以及分别获取多个集成电路的标识编号信息。
顶面框架图像获取单元20,其配置为从顶面采样图像中去除多个集成电路区域图像,获取顶面框架图像。图像模型获取单元,其配置为通过卷积神经网络训练顶面框架图像获取一个顶面框架模型。通过卷积神经网络分别训练多个集成电路区域图像获取多个集成电路图像模型。
集成电路模型库获取单元30其配置为根据多个集成电路的标识编号信息对应多个集成电路图像模型建立集成电路模型库。当前图像采集单元,其配置为图像采集设备采集当前电路板的当前顶面图像。
顶面框架识别结果获取单元40,其配置为通过顶面框架模型识别当前顶面图像,获取顶面框架识别结果。调用单元,其配置为根据多个集成电路区域图像所对应的二维坐标值,驱动图像采集设备获取对应的各当前集成电路区域图像。根据预存的当前多个集成电路的识别编号从集成电路模型库中获取对应的当前集成电路模型集合。
顶面集成电路识别结果获取单元50,其配置为通过集成电路模型库,多当前集成电路模型集合中的每个当前集成电路逐一识别,获取顶面集成电路识别结果。测试结果获取单元,其配置为根据顶面框架识别结果及顶面集成电路识别结果获取电路板的测试结果信息。
在本发明电路板的测试方法的一种实施方式中,图像采集设备具有一个采集摄像头。顶面采样图像单元10,还配置为根据设定步进移动方向及设定移动步进距离,驱动采集摄像头在采集取样电路板区域内移动,获取多幅且能够相互衔接的采样图像。根据设定步进移动方向及设定移动步进距离将多幅采样图像拼接为顶面采样图像。
在本发明电路板的测试方法的一种实施方式中,顶面采样图像中还包括电路板字符标识图像。顶面采样图像单元10,还配置为从顶面采样图像中获取电路板字符标识图像。
在本发明电路板的测试方法的一种实施方式中,顶面采样图像单元10,还配置为:判断测试结果信息是否为设定结果,若是,则生成检测通过信息。若否,则判断顶面框架识别结果是否为设定结果,若是,则生成电路板部分合格信息,若否,则生成电路板部分异常信息。测试系统,还配置:一个显示单元,其配置为,通过显示装置显示检测通过信息、电路板部分合格信息及电路板部分异常信息。
应当理解,虽然本说明书是按照各个实施方式中描述的,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (10)
1.一种电路板的测试方法,其特征在于,所述测试方法通过能够采集电路板的顶面图像及底面图像的图像采集设备实现;所述电路板的测试方法包括:
步骤S101,通过所述图像采集设备采集取样电路板的顶面采样图像;
步骤S102,从所述顶面采样图像中获取多个集成电路部分的多个集成电路区域图像,获取所述多个集成电路区域图像所对应的二维坐标值以及分别获取多个集成电路的标识编号信息;
步骤S103,从所述顶面采样图像中去除所述多个集成电路区域图像,获取顶面框架图像;
步骤S104,通过卷积神经网络训练所述顶面框架图像获取一个顶面框架模型;通过卷积神经网络分别训练所述多个集成电路区域图像获取多个集成电路图像模型;
步骤S105,根据所述多个集成电路的标识编号信息对应所述多个集成电路图像模型建立集成电路模型库;
步骤S106,所述图像采集设备采集当前电路板的当前顶面图像;
步骤S107,通过所述顶面框架模型识别所述当前顶面图像,获取顶面框架识别结果;
步骤S108,根据所述多个集成电路区域图像所对应的二维坐标值,驱动所述图像采集设备获取对应的各当前集成电路区域图像;根据预存的当前多个集成电路的识别编号从所述集成电路模型库中获取对应的当前集成电路模型集合;
步骤S109,通过所述集成电路模型库,多所述当前集成电路模型集合中的每个当前集成电路逐一识别,获取顶面集成电路识别结果;
步骤S110,根据所述顶面框架识别结果及所述顶面集成电路识别结果获取电路板的测试结果信息。
2.如权利要求1所述的测试方法,其中,所述图像采集设备具有一个采集摄像头;
所述步骤S101中包括:
根据设定步进移动方向及设定移动步进距离,驱动所述采集摄像头在所述采集取样电路板区域内移动,获取多幅且能够相互衔接的采样图像;
根据所述设定步进移动方向及设定移动步进距离将所述多幅采样图像拼接为顶面采样图像。
3.如权利要求1所述的测试方法,其中,所述顶面采样图像中还包括电路板字符标识图像;
所述步骤S101中还包括,从所述顶面采样图像中获取电路板字符标识图像。
4.如权利要求1所述的测试方法,其中,所述步骤S110中还包括:
判断所述测试结果信息是否为设定结果,若是,则生成检测通过信息;若否,则判断所述顶面框架识别结果是否为设定结果,若是,则生成电路板部分合格信息,若否,则生成电路板部分异常信息。
5.如权利要求4所述的测试方法,其中,所述步骤S110后还包括:
步骤S111,通过显示装置显示所述检测通过信息、电路板部分合格信息及电路板部分异常信息。
6.如权利要求1所述的测试方法,其中,所述步骤S104中还包括:
通过卷积神经网络分别训练待更新多个集成电路区域图像获取多个待更新集成电路图像模型;
所述步骤S105中还包括:
获取待更新的多个集成电路的标识编号信息对应待更新多个集成电路图像模型更新所述集成电路模型库。
7.一种电路板的测试系统,其特征在于,其通过能够采集电路板的顶面图像及底面图像的图像采集设备实现;所述电路板的测试系统包括:
顶面采样图像单元,其配置为通过所述图像采集设备采集取样电路板的顶面采样图像;集成电路图像获取单元,其配置为从所述顶面采样图像中获取多个集成电路部分的多个集成电路区域图像,获取所述多个集成电路区域图像所对应的二维坐标值以及分别获取多个集成电路的标识编号信息;
顶面框架图像获取单元,其配置为从所述顶面采样图像中去除所述多个集成电路区域图像,获取顶面框架图像;
图像模型获取单元,其配置为通过卷积神经网络训练所述顶面框架图像获取一个顶面框架模型;通过卷积神经网络分别训练所述多个集成电路区域图像获取多个集成电路图像模型;
集成电路模型库获取单元,其配置为根据所述多个集成电路的标识编号信息对应所述多个集成电路图像模型建立集成电路模型库;
当前图像采集单元,其配置为所述图像采集设备采集当前电路板的当前顶面图像;顶面框架识别结果获取单元,其配置为通过所述顶面框架模型识别所述当前顶面图像,获取顶面框架识别结果;
调用单元,其配置为根据所述多个集成电路区域图像所对应的二维坐标值,驱动所述图像采集设备获取对应的各当前集成电路区域图像;根据预存的当前多个集成电路的识别编号从所述集成电路模型库中获取对应的当前集成电路模型集合;
顶面集成电路识别结果获取单元,其配置为通过所述集成电路模型库,多所述当前集成电路模型集合中的每个当前集成电路逐一识别,获取顶面集成电路识别结果;
测试结果获取单元,其配置为根据所述顶面框架识别结果及所述顶面集成电路识别结果获取电路板的测试结果信息。
8.如权利要求7所述的测试系统,其中,所述图像采集设备具有一个采集摄像头;
顶面采样图像单元,还配置为根据设定步进移动方向及设定移动步进距离,驱动所述采集摄像头在所述采集取样电路板区域内移动,获取多幅且能够相互衔接的采样图像;根据所述设定步进移动方向及设定移动步进距离将所述多幅采样图像拼接为顶面采样图像。
9.如权利要求8所述的测试系统,其中,所述顶面采样图像中还包括电路板字符标识图像;所述顶面采样图像单元,还配置为从所述顶面采样图像中获取电路板字符标识图像。
10.如权利要求7所述的测试系统,其中,所述顶面采样图像单元,还配置为:
判断所述测试结果信息是否为设定结果,若是,则生成检测通过信息;若否,则判断所述顶面框架识别结果是否为设定结果,若是,则生成电路板部分合格信息,若否,则生成电路板部分异常信息;
所述测试系统,还配置:一个显示单元,其配置为,通过显示装置显示所述检测通过信息、电路板部分合格信息及电路板部分异常信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911401895.9A CN111223077A (zh) | 2019-12-30 | 2019-12-30 | 一种电路板的测试方法及测试系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911401895.9A CN111223077A (zh) | 2019-12-30 | 2019-12-30 | 一种电路板的测试方法及测试系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111223077A true CN111223077A (zh) | 2020-06-02 |
Family
ID=70829208
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911401895.9A Pending CN111223077A (zh) | 2019-12-30 | 2019-12-30 | 一种电路板的测试方法及测试系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111223077A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113945830A (zh) * | 2021-10-21 | 2022-01-18 | 上海华岭集成电路技术股份有限公司 | 集成电路的检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107886131A (zh) * | 2017-11-24 | 2018-04-06 | 佛山科学技术学院 | 一种基于卷积神经网络检测电路板元器件极性方法和装置 |
| CN107907820A (zh) * | 2017-10-19 | 2018-04-13 | 青岛海信电器股份有限公司 | 一种印制电路板的检测方法、装置及检测系统 |
| CN109239102A (zh) * | 2018-08-21 | 2019-01-18 | 南京理工大学 | 一种基于cnn的柔性电路板外观缺陷检测方法 |
| CN109871895A (zh) * | 2019-02-22 | 2019-06-11 | 北京百度网讯科技有限公司 | 电路板的缺陷检测方法和装置 |
| CN109952019A (zh) * | 2017-12-21 | 2019-06-28 | 株式会社高永科技 | 印刷电路板检查装置、感知焊膏是否异常的方法及计算机可判读记录介质 |
| CN110021005A (zh) * | 2018-01-05 | 2019-07-16 | 财团法人工业技术研究院 | 电路板瑕疵筛选方法及其装置与计算机可读取记录介质 |
-
2019
- 2019-12-30 CN CN201911401895.9A patent/CN111223077A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107907820A (zh) * | 2017-10-19 | 2018-04-13 | 青岛海信电器股份有限公司 | 一种印制电路板的检测方法、装置及检测系统 |
| CN107886131A (zh) * | 2017-11-24 | 2018-04-06 | 佛山科学技术学院 | 一种基于卷积神经网络检测电路板元器件极性方法和装置 |
| CN109952019A (zh) * | 2017-12-21 | 2019-06-28 | 株式会社高永科技 | 印刷电路板检查装置、感知焊膏是否异常的方法及计算机可判读记录介质 |
| CN110021005A (zh) * | 2018-01-05 | 2019-07-16 | 财团法人工业技术研究院 | 电路板瑕疵筛选方法及其装置与计算机可读取记录介质 |
| CN109239102A (zh) * | 2018-08-21 | 2019-01-18 | 南京理工大学 | 一种基于cnn的柔性电路板外观缺陷检测方法 |
| CN109871895A (zh) * | 2019-02-22 | 2019-06-11 | 北京百度网讯科技有限公司 | 电路板的缺陷检测方法和装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113945830A (zh) * | 2021-10-21 | 2022-01-18 | 上海华岭集成电路技术股份有限公司 | 集成电路的检测方法 |
| CN113945830B (zh) * | 2021-10-21 | 2024-04-26 | 上海华岭集成电路技术股份有限公司 | 集成电路的检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112053318B (zh) | 基于深度学习的二维pcb缺陷实时自动检测与分类装置 | |
| CN110006903A (zh) | 印刷电路板复检系统、标示方法与复检方法 | |
| CN112288741A (zh) | 一种基于语义分割的产品表面缺陷检测方法、系统 | |
| US8436633B2 (en) | Method to determine needle mark and program therefor | |
| CN113245238A (zh) | 一种弯管焊接瑕疵检测方法、装置及系统 | |
| CN111223077A (zh) | 一种电路板的测试方法及测试系统 | |
| CN117975893A (zh) | 一种基于机器视觉辅助的电子纸驱动波形调试方法及装置 | |
| CN110967851B (zh) | 一种液晶面板array图像的线路提取方法及系统 | |
| CN117173125A (zh) | 一种基于全景图的缺陷点位显示方法、装置及存储介质 | |
| JP4814116B2 (ja) | 実装基板外観検査方法 | |
| CN120070375B (zh) | 一种基于图像分析的pcb线路板生产缺陷检测方法及系统 | |
| CN113327237B (zh) | 一种适用于电源电路板的视觉检测系统 | |
| CN113808067B (zh) | 电路板检测方法、视觉检测设备及具有存储功能的装置 | |
| CN114549453A (zh) | 一种接触线拉出导高值检测方法和系统 | |
| CN112085722B (zh) | 一种训练样本图像获取方法及装置 | |
| CN114638792A (zh) | 一种用于插件电路板电解电容极性缺陷检测的方法 | |
| CN118376864A (zh) | 基于半导体冲切设备装管机构用故障诊断系统及方法 | |
| CN108072662A (zh) | 基于机器视觉的排针缺损检测方法及装置 | |
| CN113034496B (zh) | 一种pcb板测试系统 | |
| CN118464903A (zh) | 一种pcb缺陷分析方法 | |
| CN110857924A (zh) | 协助阵列排版的电路板辨识且记录缺陷位置的系统 | |
| JP4599980B2 (ja) | 多層配線構造の不良解析方法および不良解析装置 | |
| CN115494062A (zh) | 一种基于机器视觉识别缺陷的印刷方法 | |
| JPH07140088A (ja) | 回路基板検査装置における外観検査用カメラの単位移動量補正方法 | |
| EP4361554A1 (en) | Automotive wiring inspection method |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200602 |