一种基于分层图像的PCB板缺陷检测系统和方法与流程

本发明涉及多层印刷电路板生产过程中的质量检测领域，特别涉及一种应用在多层印刷电路板生产过程中基于层析技术的缺陷检测和识别方法。

背景技术：

印刷电路板(以下简称PCB板)是各种电子产品的关键部件，其性能的好坏直接影响电子产品的使用寿命。随着电子整机产品向多功能、小型化、轻量化方向的发展，下一代的电子产品对PCB板要求将突出表现为更加高密度化、精细化和微小孔化，这使得对PCB板的质量检验工作越来越具有挑战性。

最初PCB板检测主要依靠人工视觉，但人工视觉检测不确定性因素大、效率低，后来将图像处理技术应用到PCB板检测领域，产生了自动光学检测，通过CCD摄像头采集待检测PCB板图像，之后将采集的图像送入图像采集卡进行数字化处理，之后进行诸如图像预处理、图像分割、模板匹配等判断PCB板是否存在缺陷。

目前，用于PCB板检测的方法主要有人工视觉检测、自动光学检测AOI(Automatic Optic Inspection)、自动X射线检测AXI(Automatic X-ray Inspection)。对于多层PCB板的仿制与检测，AOI技术仅仅能检测产品的外部特性，在生产过程中每完成一层的生产需要进行检测一次。较早应用的X射线DR(Digital Radiography)检测尽管可以提供高清晰度的透视图像，但由于深度方向上的信息重叠也无法对PCB板内部结构缺陷进行检测。

随着X射线CT技术在医学领域的出现，研究者们将类似的方法Computer laminography(CL,计算机X射线分层成像技术)应用于工业领域部件缺陷的检测。

技术实现要素：

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于分层图像的PCB板缺陷检测系统和方法，是针对多层高密度PCB板提供的一种智能化、高效的基于分层图像的PCB板缺陷检测系统和方法，其缺陷定位准确简单有效。

为达到以上目的，本发明采取的技术方案是：

一种基于分层图像的PCB板缺陷检测系统，包括：图像采集模块、图像处理重建模块和PCB缺陷识别模块；

所述图像采集模块包括X射线图像采集设备，用于采集PCB标准板的投影图像和PCB待测板的投影图像；

所述图像处理重建模块用于将PCB标准板的投影图像和PCB待测板的投影图像进行分层成像，得到标准图和待测图；

所述PCB缺陷识别模块包括：图像预处理模块、图像配准模块、图像分割模块和缺陷识别模块；用于处理分析标准图和待测图，从而对PCB待测板进行缺陷识别，并输出检测结果。

在上述方案的基础上，所述图像预处理模块用于对标准图和待测图分别进行滤除噪声处理和图像增强处理。

在上述方案的基础上，所述图像配准模块用于提取PCB标准板和PCB待测板上定位孔的位置尺寸特征，然后通过定位孔在标准图和待测图上的几何位置差异进行缩放、平移和旋转操作，实现待测图与标准图的像素一一对应。

在上述方案的基础上，所述图像分割模块用于对经过图像配准模块处理后的标准图和待测图分别进行对比度增强、白顶帽变换和迭代阈值分割。

在上述方案的基础上，所述缺陷识别模块用于对经过图像分割模块处理后的待测图和标准图进行差影运算，然后进行形态学处理，最后进行缺陷类型识别。

一种基于分层图像的PCB板缺陷检测方法，应用上述基于分层图像的PCB板缺陷检测系统，包括以下步骤：

S1、利用X射线图像采集设备分别采集PCB标准板的投影图像和PCB待测板的投影图像；

S2、将PCB标准版的投影图像和PCB待测板的投影图像分别通过图像处理重建模块中的板状结构的滤波反投影FDK(Feldkamp-Davis-Kress)重构算法进行分层成像，分别得到标准图和待测图；

S3、对标准图进行图像预处理，然后保存标准图；对PCB待测板进行检测，打开待测图，对待测图进行图像预处理，然后对标准图和待测图进行图像配准；

S4、图像配准完成后，通过图像分割分离出标准图和待测图的背景和线路焊盘等特征，再对标准图和待测图做差影运算；然后进行形态学处理滤除非缺陷部分的噪点得到缺陷图像，最后根据缺陷的轮廓特征对缺陷类型进行识别，得到检测结果。

在上述方案的基础上，所述图像预处理包括图像去噪和图像增强；所述图像去噪采用中值滤波进行图像处理前的滤波降噪，滤波窗口采用3×3像素大小；

所述图像增强通过线性灰度变换将图像灰度区间分成两段乃至多段，然后分别作线性变换，每一个直线段都对应一个局部的线性变换关系。

在上述方案的基础上，所述图像配准包括定位圆检测和几何变换；所述图像配准的过程为：

采用随机Hough变换对PCB标准板的定位圆和PCB待测板的定位圆进行检测，提取PCB标准板定位圆和PCB待测板定位圆的位置尺寸特征，然后通过定位孔在标准图和待测图上的几何变换对待测图的大小位置偏差进行调整。

在上述方案的基础上，所述调整的具体步骤为：

假设A(x₁，y₁)，B(x₂，y₂)为PCB标准板两个定位圆的圆心坐标，A′(x₃，y₃)，B′(x₄，y₄)为PCB待测板两个定位圆的圆心坐标，

(1)计算出待测图定位圆心的水平偏角θ_AB和标准图定位圆心的水平偏角θ′_AB，如果θ_AB≠θ′_AB，则对待测图进行旋转变换，旋转角度为θ_AB-θ′_AB(顺时针方向为正)；

(2)计算出待测图两个定位圆心之间的距离L_AB和标准图两个定位圆心之间的距离L′_AB，如果L_AB≠L′_AB，则对待测图进行缩放变换；缩放倍数为n＝L′_AB/L_AB；

(3)计算待测图的边界位置，并根据边界位置信息将待测图的目标区域提取出来，所提取的待测图目标区域是以坐标(x₃-x₁，y₃-y₁)、(x₃-x₁，y₄-y₂)、(x₄-x₂，y₃-y₁)、(x₄-x₂，y₄-y₂)为端点的矩形。

在上述方案的基础上，所述图像分割的具体过程为：先进行对比度增强，再进行白顶帽变换，最后利用迭代阈值方法进行图像分割；所述迭代阈值方法的具体实现过程为：

(1)求出图像的最大灰度值和最小灰度值，分别记为g_max和g_min，令初始阈值t₀＝(g_max+g_min)²；

(2)根据阈值t_i将图像分割为前景和背景，分别求出前景的平均灰度值g_A和背景的平均灰度值g_B；

(3)求出新阈值t_i+1＝(g_A+g_B)/2；

(4)若t_i＝t_i+1，所得即为阈值；否则转(2)，迭代计算。

在上述方案的基础上，所述缺陷类型的识别过程为：

(1)首先对缺陷图像的轮廓特征进行提取获得缺陷图像的边界轮廓分段数N₁；

(2)然后根据缺陷图像的边界轮廓分段数N₁进行第一步识别；

若N₁＝4，则识别为短路或断路，记为1类缺陷；

若N₁＝2，则识别为毛刺或缺损，记为2类缺陷；

若N₁＝1，则识别为多余物或空洞，记为3类缺陷；

(3)最后根据缺陷为多料或缺料确定缺陷类型；

对1类缺陷，若多料，则为短路，若为缺料，则为断路；

对2类缺陷，若多料，则为毛刺，若为缺料，则为缺损；

对3类缺陷，若多料，则为多余物，若为缺料，则为空洞；

(4)为了更直观的将PCB待测板上的缺陷显现给用户，对缺陷类型进行分类后需要对缺陷进行准确的位置标记和类型标记。

在上述方案的基础上，所述获得缺陷图像的边界轮廓分段数N₁的具体过程为：

(1)选取坐标原点，以缺陷图像的左上角为原点，对缺陷图像使用2×2的方形结构元素膨胀处理，进行轮廓特征提取；

(2)将获取的轮廓边界的各点坐标值依次存放在一个二维数组B之中；

(3)对待测图进行阈值分割，获取二值图，记为I₀；

(4)设定初始分段数变量N＝1，按照二维数组B中的坐标值返回I₀中，记下第一点像素值E₁(0或1)，然后依次判断边界坐标在I₀中对应点的像素值，设第i点像素值为E_i(i＝1,2,3,....n)，当像素值变换一次，N＝N+1，直至终止点，记下终止点像素值为E_n；

若N＝1，则N₁＝N＝1；

若N≠1且E_n≠E₁，则N₁＝N；

若N≠1且E_n＝E₁，则N₁＝N-1。

在上述方案的基础上，所述缺陷的标记采用最小外接矩形法求矩形中心的方法进行标记。

附图说明

本发明有如下附图：

图1基于分层图像的PCB板缺陷检测系统结构框图；

图2图像配准模块中定位圆检测示意图；

图3图像配准模块中几何变换后的待测图示意图；

图4检测结果示意图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

一种基于分层图像的PCB板缺陷检测系统，包括：图像采集模块、图像处理重建模块和PCB缺陷识别模块；

所述图像采集模块包括X射线图像采集设备，用于采集PCB标准板的投影图像和PCB待测板的投影图像；

所述图像处理重建模块用于将PCB标准板的投影图像和PCB待测板的投影图像进行分层成像，得到标准图和待测图；

所述PCB缺陷识别模块包括：图像预处理模块、图像配准模块、图像分割模块和缺陷识别模块；用于处理分析标准图和待测图，从而对PCB待测板进行缺陷识别，并输出检测结果。

在上述方案的基础上，所述图像预处理模块用于对标准图和待测图分别进行滤除噪声处理和图像增强处理。

在上述方案的基础上，所述图像配准模块用于提取PCB标准板和PCB待测板上定位孔的位置尺寸特征，然后通过定位孔在标准图和待测图上的几何位置差异进行缩放、平移和旋转操作，实现待测图与标准图的像素一一对应。

在上述方案的基础上，所述图像分割模块用于对经过图像配准模块处理后的标准图和待测图分别进行对比度增强、白顶帽变换和迭代阈值分割。

在上述方案的基础上，所述缺陷识别模块用于对经过图像分割模块处理后的待测图和标准图进行差影运算，然后进行形态学处理，最后进行缺陷类型识别。

实施例1、基于分层图像的PCB板缺陷检测系统和方法

图1示出了本实施例提供的一种基于分层图像的PCB板缺陷检测系统结构框图，该检测系统包括：图像采集模块、图像处理重建模块和PCB缺陷识别模块，各模块的具体工作步骤如下：

S1、利用图像采集模块中的X射线图像采集设备分别采集PCB标准板的投影图像和PCB待测板的投影图像；

S2、将PCB标准板的投影图像和PCB待测板的投影图像分别通过图像处理重建模块中的板状结构的滤波反投影FDK(Feldkamp-Davis-Kress)重构算法进行分层成像，分别得到PCB标准板的分层图像(以下简称为标准图)和PCB待测板的分层图像(以下简称为待测图)；

S3、在PCB缺陷识别模块中，利用图像预处理模块对标准图进行图像预处理，然后保存标准图；对PCB待测板进行检测，打开待测图，利用图像预处理模块对待测图进行图像预处理，然后通过图像配准模块中的定位圆检测和几何变换对标准图和待测图进行图像配准；

S4、图像配准完成后，通过图像分割模块分离标准图和待测图的背景和线路焊盘等特征，再通过缺陷识别模块对标准图和待测图做差影运算；然后进行形态学处理滤除非缺陷部分的噪点得到缺陷图像，最后根据缺陷的轮廓特征对缺陷类型进行识别，得到检测结果。

由于图像配准时不能完全做到像素一一对应以及阈值分割得不完美，将引起差影变换后的二值图可能存在非缺陷部分。如果不能把这些部分去除，会造成误检，所以还需要进行形态学处理来滤除噪点。最后则对分离出来的缺陷图像进行缺陷类型识别。

1、图像预处理包括图像去噪和图像增强。

图像去噪采用中值滤波进行图像处理前的滤波降噪，滤波窗口采用3×3像素大小，将图像中的噪声滤除。

图像增强通过线性灰度变换将图像灰度区间分成两段乃至多段，然后分别作线性变换，每一个直线段都对应一个局部的线性变换关系。

2、图像配准包括定位圆检测和几何变换。

图像配准中特征点提取是关键的一步，待测图与标准图的匹配通常采用设置定位标志来解决，在PCB板设计的过程中设计者往往会在PCB板上添加定位孔方便生产及测试过程中的定位。

将步骤S2得到的标准图和待测图，分别进行图像预处理，图像预处理完成后进行图像配准，如图2所示。图像配准时，分别提取PCB标准板和PCB待测板上定位孔的位置尺寸特征，然后通过定位孔在标准图和待测图上的几何位置差异进行缩放、平移和旋转操作来实现待测图与标准图的像素一一对应。

本发明中选用随机Hough变换对PCB标准板和PCB待测板中的定位圆进行检测。随机Hough变换的过程，通过对图像进行灰度化、去噪、边缘检测以及形态学运算等预处理，在图像空间随机选取不共线的三个点并将其映射成参数空间的一个点，构成多到一的映射，即通过使用多维数组代替循环计算进行Hough变换，随机Hough变换与传统Hough变换相比，降低了内存需求避免了量化参数空间，可以大大提高检测速度与准确率。对PCB板某一分层图像的标准图和待测图进行定位孔的检测结果如下图2所示。从图2中可以看出通过随机Hough变换能够很好的检测到PCB板上的定位圆。提取定位圆的位置尺寸特征后通过图形在标准图和目标图板上的几何变换来实现待测图与标准图的像素一一对应。假设A(x₁，y₁)，B(x₂，y₂)为PCB标准板的两个定位圆的圆心坐标，A′(x₃，y₃)，B′(x₄，y₄)为PCB待测板的两个定位圆的圆心坐标。PCB标准板和PCB待测板上都有定位圆，因此待测图的大小位置偏差可以通过几何变换进行调整，调整的具体步骤为：

(1)计算出待测图定位圆心的水平偏角θ_AB和标准图定位圆心的水平偏角θ′_AB。如果θ_AB≠θ′_AB，则对待测图进行旋转变换，旋转角度为θ_AB-θ′_AB(顺时针方向为正)；

(2)计算出待测图两个定位圆心之间的距离L_AB和标准图两个定位圆心之间的距离L′_AB，如果L_AB≠L′_AB，则对待测图进行缩放变换；缩放倍数为n＝L′_AB/L_AB；

(3)计算待测图的边界位置，并根据位置信息将待测图的目标区域提取出来；所提取的待测图目标区域是以坐标(x₃-x₁，y₃-y₁)、(x₃-x₁，y₄-y₂)、(x₄-x₂，y₃-y₁)、(x₄-x₂，y₄-y₂)为端点的矩形，几何变换后的待测图如图3所示。

3、图像分割模块

将标准图和待测图进行配准后分别进行图像分割。图像分割过程先进行对比度增强，再进行白顶帽变换，最后利用迭代阈值的方法对图像进行分割。

在对处理后的图像数据进行缺陷识别前，图像分割是最重要的步骤之一，它是由图像处理过渡到目标识别的关键，它的主要目标是将图像划分为目标区和非目标区。当一幅图像含有较多背景，且背景不均匀的时候，采用全局阈值并不能较好的分割前景目标。如果通过顶帽变换先去除背景，得到较均匀的前景目标后再进行阈值分割，这样会得到较为理想的分割结果。图像的白顶帽变换(White Top-Hat，WTH)定义为原始图像f与其开运算图像γ(f)的差，即：

WTH(f)＝f-γ(f) (1)

将图像先进行对比度增强，再进行白顶帽变换，最后利用迭代阈值的方法对图像进行分割。迭代阈值算法实现过程如下：

(1)求出图像的最大灰度值和最小灰度值，分别记为g_max和g_min，令初始阈值t₀＝(g_max+g_min)/2；

(2)根据阈值t_i将图像分割为前景和背景，分别求出前景的平均灰度值g_A和背景的平均灰度值g_B；

(3)求出新阈值t_i+1＝(g_A+g_B)/2；

(4)若t_i＝t_i+1，所得即为阈值；否则转(2)，迭代计算。

经过对比度增强和白顶帽变换后的图像背景更加均匀，受到黑色伪影影响的区域可以明显看出伪影对导线的影响基本消除。因此在对PCB板的图像分割时可以利用白顶帽变换的方法消除背景中不均匀的图像，再利用阈值分割的方法进行图像分割。

4、缺陷检测

缺陷识别模块是对分割后的图像，找出待测图与标准图的不同之处，最有效的方法就是对待测图和标准图进行差影运算，对差影后的图像进行形态学处理以便消去非缺陷部分的噪点得到缺陷图像，最后根据缺陷的轮廓特征对缺陷类型进行判断。首先对缺陷图像的轮廓特征进行提取获得缺陷图像的边界轮廓分段数N₁。选取坐标原点，本发明以缺陷图像的左上角为原点，对缺陷图像使用2×2的方形结构元素膨胀处理，进行轮廓特征提取，将获取的轮廓边界的各点坐标值依次存放在一个二维数组B之中。对待测图进行阈值分割，获取二值图，记为I₀；设定初始分段数变量N＝1，按照数组B中的坐标值返回I₀中，记下第一点像素值E₁(0或1)，依次判断边界坐标在I₀中对应点的像素值，设第i点像素值为E_i(i＝1,2,3,....n)，当像素值变换一次，N＝N+1，直至终止点，记下终止点像素值为E_n。若N＝1，则N₁＝N＝1；若N≠1且E_n≠E₁，则N₁＝N；若N≠1且E_n＝E₁，则N₁＝N-1。根据缺陷图像的边界轮廓分段数N₁，完成第一步识别。若N₁＝4，则识别为短路或断路，记为1类缺陷；若N₁＝2，则识别为毛刺或缺损，记为2类缺陷；若N₁＝1，则识别为多余物或空洞，记为3类缺陷。最后根据缺陷为多料或缺料确定缺陷类型。对1类缺陷，若多料，则为短路，反之断路；对2类缺陷，若多料，则为毛刺，反之缺损；对3类缺陷，若多料，则为多余物，反之空洞。为了更直观的将PCB板上的缺陷显现给用户，对缺陷进行分类后需要对其进行准确的位置和类型标记。目前对于表面缺陷标记的方法有求最小外接矩形法、连通区域标记法等，本发明通过最小外接矩形法求矩形中心，然后对缺陷进行标记，检测结果如图4所示。

本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。