基于混合高斯模型的ic元件焊点缺陷检测方法
【技术领域】
[0001] 本发明设及数字图像处理应用领域，特别是基于混合高斯模型的1C元件焊点缺 陷检测方法。
【背景技术】
[000引 印制电路板PCB(PrintedCircuitBoard)缺陷检测是自动光学检测（automatic opticalinspection,A0I)应用的一个热点方向，近年来得到越来越多的关注。目前主要 采用的方式是通过CCD检测PCB元件的图像后进行处理从而实现缺陷检测。实际使用中， 印制电路板遇到的情况非常复杂，CCD采集到的PCB元件图像往往出现不同程度的变化和 不规则现象，例如：光照强度不均匀，光照角度改变，CCD摄像头采集的图像会有一定角度 的偏转，元件尺寸越来越小，PCB板内元件密度越来越大等等，该些问题使得PCB焊点缺陷 检测变得相当困难。而1C元件焊点的尺寸比一般的CHIP元件焊点的尺寸要小的多，虚焊 和正常焊点在图像上非常相似，该使得1C元件焊点的虚焊检测一直是缺陷检测中难W攻 克的难题。
[0003] 现有的较为成熟的对1C元件焊点缺陷的检测方法大多数为基于特征的方法。该 种方法将缺陷检测分为两个步骤；提取特征和分类。在提取特征阶段，选择颜色梯度，区域 面积，周长，水力半径等等典型特征；在分类阶段，选择较为成熟的分类器，例如神经网络， AdaBoost，SVM等等，对提取的特征进行分类。该些方法在CHIP元件焊点取得了较好的应 用效果。但是，由于1C元件焊点尺寸小，焊点密集度大，且虚焊焊点样本难W收集，使得目 前的基于分类器的方法在1C元件焊点虚焊检测中难W得到良好的分类效果。另外，在线检 测方法对时间要求严格，神经网络该些较为成熟的分类器计算量大，难W符合在线监测在 时间上的要求。同时虽然也有人提出基于单高斯模型的像素点建模的1C元件焊点检测方 法，该种方法的检测速度快，但是准确率低，无法在实际生产中应用。总的来说，目前的检测 方法无法有效、准确、快速地检测出1C元件的焊点缺陷。
【发明内容】
[0004] 为了解决上述的技术问题，本发明的目的是提供基于混合高斯模型的1C元件焊 点缺陷检测方法。
[0005] 本发明解决其技术问题所采用的技术方案是：
[0006] 基于混合高斯模型的1C元件焊点缺陷检测方法，包括：
[0007] S1、初始化混合高斯模型的模板个数、权重、均值和方差，同时根据训练图片的高 度和宽度建立频率分布图；
[000引 S2、从训练样本中获取1C焊点训练图片，对混合高斯模型W及频率分布图进行更 新；
[0009] S3、判断训练样本是否已训练完毕，若是则计算训练样本的缺陷度阔值，否则返回 执行步骤S2 ;
[0010] S4、采集待检测IC元件焊点的图片后，结合训练好的混合高斯模型和频率分布图 计算该图片的缺陷度；
[0011] S5、将该图片的缺陷度与训练样本的缺陷度阔值进行比对后获得1C元件焊点的 检测结果。
[0012] 进一步，所述步骤S1，包括：
[0013]S11、将混合高斯模型的模板个数初始化为M，其中M为自然数且3《M《5;
[0014]S12、将M个模板的权重均初始化为1/M，并从[0, 25引区间中随机选择一个数字作 为M个模板的均值，同时将M个模板的方差初始化为特定值V。，其中3《10;
[0015]S13、建立一个大小为H*W的矩阵并将该矩阵的所有元素值初始化为1后，将该矩 阵作为频率分布图，其中H表示训练图片的高度，W表示训练图片的宽度。
[0016] 进一步，所述步骤S2,包括：
[0017]S21、从训练样本中获取1C焊点训练图片，针对该训练图片的每个像素点，将其分 别与M个高斯模型进行匹配处理，并获得该像素点与每个高斯模型的高斯匹配值；
[0018] S22、对混合高斯模型进行递归更新；
[0019]S23、分别计算该像素点对应的M个高斯模型的权重与标准差的比值，并按照比值 对M个高斯模型进行排序；
[0020]S24、根据下式选择前B个高斯模型作为背景点，进而判断该像素点与前B个高斯 模型是否匹配，若是，判断该像素点为背景点，否则判断该像素点为前景点：
[0021]
【主权项】
1. 基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在于，包括： 51、 初始化混合高斯模型的模板个数、权重、均值和方差，同时根据训练图片的高度和 宽度建立频率分布图； 52、 从训练样本中获取IC焊点训练图片，对混合高斯模型以及频率分布图进行更新； 53、 判断训练样本是否已训练完毕，若是则计算训练样本的缺陷度阈值，否则返回执行 步骤S2 ; 54、 采集待检测IC元件焊点的图片后，结合训练好的混合高斯模型和频率分布图计算 该图片的缺陷度； 55、 将该图片的缺陷度与训练样本的缺陷度阈值进行比对后获得IC元件焊点的检测 结果。
2. 根据权利要求1所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在 于，所述步骤S1，包括： 511、 将混合高斯模型的模板个数初始化为M，其中M为自然数且3 < M < 5 ; 512、 将M个模板的权重均初始化为1/M，并从[0, 255]区间中随机选择一个数字作为M 个模板的均值，同时将M个模板的方差初始化为特定值Vtl，其中3 < VtlS 10 ; 513、 建立一个大小为H*W的矩阵并将该矩阵的所有元素值初始化为1后，将该矩阵作 为频率分布图，其中H表示训练图片的高度，W表示训练图片的宽度。
3. 根据权利要求2所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在 于，所述步骤S2,包括： 521、 从训练样本中获取IC焊点训练图片，针对该训练图片的每个像素点，将其分别与 M个高斯模型进行匹配处理，并获得该像素点与每个高斯模型的高斯匹配值； 522、 对混合高斯模型进行递归更新； 523、 分别计算该像素点对应的M个高斯模型的权重与标准差的比值，并按照比值对M 个高斯模型进行排序； 524、 根据下式选择前B个高斯模型作为背景点，进而判断该像素点与前B个高斯模型 是否匹配，若是，判断该像素点为背景点，否则判断该像素点为前景点：
上式中，Th为预设的背景阈值且0. 75 < Th < 0. 90, i表示序号，Wi表示第i个高斯模 型的权重； 525、 对该像素点进行二值化赋值，并更新频率分布图； 526、 遍历所有像素点后获得该训练图片的二值化图像。
4. 根据权利要求3所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在 于，所述步骤S21，其具体为： 从训练样本中获取IC焊点训练图片，针对该训练图片的每个像素点，将其分别与对应 的M个高斯模型进行匹配处理，判断是否符合以下条件，若是，则判定该像素点与对应高斯 模型匹配，两者的高斯匹配值为1，否则两者不匹配，高斯匹配值为〇 : Xk-UiI <2.5〇i 上式中，Xk表示该像素点的像素值，μ i表示第i个高斯模型的均值，σ i表示第i个高 斯模型的方差。
5. 根据权利要求4所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在 于，所述步骤S22,包括： 5221、 根据下式对混合高斯模型的权重进行递归更新： Wiik= (l-α )*w LH+α *Hi;k 5222、 对与该像素点不匹配的高斯模型，直接执行步骤S223,对与该像素点匹配的高斯 模型，根据下式对其均值和标准差进行更新后，结束更新：
5223、 判断该像素点是否与其对应的M个高斯模型均不匹配，若是，则按照下式替换权 重值最小的高斯模型，否则结束更新：
其中，wi;k、μ i;k和分别表示该像素点的第i个高斯模型的权重、均值和方差，w^、 μ 分别表示上一张训练图片与该像素点对应位置的像素点的第i个高斯模型的 权重、均值和方差，Hiik表示该像素点和第i个高斯模型的高斯匹配值，a表示预设的学习 效率值，Wsl k、Usl^P σ sl k分别表示权重值最小的高斯模型的权重、均值和标准差。
6. 根据权利要求3所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在 于，所述步骤S25,其具体为： 若该像素点为背景点，则将其赋值为〇,反之将其赋值为255并将该像素点对应位置的 频率分布图的值加1。
7. 根据权利要求3所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在 于，所述步骤S3中所述计算训练样本的缺陷度阈值，其具体为： 根据下式分别计算训练样本的每个训练图片的缺陷度并获取最大值作为训练样本的 缺陷度阈值：
上式中，Em表示训练图片的缺陷度，m表示训练样本的训练图片个数，f(x，y)表示频率 分布图，b(x，y)表示训练图片的二值化图像。
8. 根据权利要求2所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在 于，所述步骤S4,包括： 541、 采集待检测IC元件焊点的图片后，针对该图片的每个像素点，分别计算该像素点 对应的M个高斯模型的权重与标准差的比值，并按照比值对M个高斯模型进行排序； 542、 根据下式选择前B个高斯模型作为背景点，进而判断该像素点与前B个高斯模型 是否匹配，若是，判断该像素点为背景点，否则判断该像素点为前景点：
上式中，Th为预设的背景阈值且0. 75 < Th < 0. 90, i表示序号，Wi表示第i个高斯模 型的权重； 543、 对该像素点进行二值化赋值； 544、 遍历所有像素点后获得该图片的二值化图像； 545、 根据下式计算该图片的缺陷度：
上式中，Em表示图片的缺陷度，m表示训练样本的训练图片个数，f(x，y)表示频率分布 图，b(x，y)表示该图片的二值化图像。
9.根据权利要求1所述的基于混合高斯模型的IC元件焊点缺陷检测方法，其特征在 于，所述步骤S5,其具体为： 判断该缺陷度是否大于训练样本的缺陷度阈值，若是，则判断该IC元件焊点为虚焊焊 点，反之，判断该IC元件焊点为正常焊点。
【专利摘要】本发明公开了一种基于混合高斯模型的IC元件焊点缺陷检测方法，包括：初始化混合高斯模型的模板个数、权重、均值和方差，同时根据训练图片的高度和宽度建立频率分布图；从训练样本中获取IC焊点训练图片，对混合高斯模型以及频率分布图进行更新；判断训练样本是否已训练完毕，若是则计算训练样本的缺陷度阈值；采集待检测IC元件焊点的图片后，结合训练好的混合高斯模型和频率分布图计算该图片的缺陷度；将该图片的缺陷度与训练样本的缺陷度阈值进行比对后获得IC元件焊点的检测结果。本方法计算量大大减少，检测速度快，而且准确率高，可以有效地检测出IC元件焊点的虚焊缺陷，可广泛应用于IC元件焊点缺陷检测领域中。
【IPC分类】G06T7-00
【公开号】CN104867144
【申请号】CN201510250915
【发明人】蔡念, 叶倩, 林健发, 梁永辉, 王晗, 戴青云
【申请人】广东工业大学
【公开日】2015年8月26日
【申请日】2015年5月15日