一种PCB板上电阻缺陷视觉检测方法、系统及计算设备与流程

一种pcb板上电阻缺陷视觉检测方法、系统及计算设备
技术领域
1.本发明涉及机器视觉技术领域，具体涉及一种pcb板上电阻缺陷视觉检测方法、系统及计算设备。


背景技术：

2.在3c数码领域，pcb板上电阻贴附的质量问题直接影响产品的性能，所以，在电阻贴附后，对其贴附质量的把关尤为重要。传统的人力检测存在检测效率低，漏检率高，成本高等缺点。而不同产品之间的切换，难以实现通用的检测方法。近几年在机器视觉领域，电阻贴附的检测又由于其贴附过程中的大小、位置、角度的差异，必须针对不同的情况进行特殊处理，需要写指定类型的特定算法，另一方面，传统算法开发和计算时间较长，调试周期较长，从而导致设备调试周期长，产品换代设备切换慢，检出率低，误报率高，效率低，人力成本高。
3.因此，开发及一种pcb板上电阻缺陷视觉检测方法、系统及计算设备，将特征提取算法和svm（support vector machine，支持向量机） 相结合，能够实现不同产品的通用检测方法，提高检出率、降低误报率、提高生产效率，显然具有实际的现实意义。


技术实现要素：

4.本发明的目的是提供一种pcb板上电阻缺陷视觉检测方法、系统及计算设备，通过提取特征信息结合svm训练方法降低模型训练速度和检测速度。
5.为达到上述目的，本发明采用的技术方案是：一种pcb板上电阻缺陷视觉检测方法，包括以下步骤：s1、收集前期数据：采集人员使用摄影设备采集缺陷数据和没有缺陷的数据，制作训练集原始图像；s2、数据处理：将步骤s1中获取的训练集原始图像进行定位，获取roi（region of interest，感兴趣区域）图片并对其进行预处理，制作训练集预处理图像；s3、信息获取：通过图像分割算法，提取训练集预处理图像中电阻的特征信息，并将其整理到一维数组中；s4、模型训练：利用svm（support vector machine，支持向量机）通过最大类间距方法进行训练，获取检测模型；s5、缺陷检测：采集检测图像，获取待测电阻的原始图像，对其进行预处理后，通过图像分割算法，提取图像中待测电阻的特征信息，并将其整理到一维数组中；将图像转换的特征信息输入步骤s4中训练完成的检测模型中进行检测，输出检测数据；s6、输出检测结果：根据s5中输出的检测数据与阈值进行比较，判断其为ok或ng，并记录。
6.上文中，步骤s1中，缺陷数据采集过程中，技术人员需根据产品的生产情况确定可能出现的缺陷类型，采集人员使用摄影设备根据缺陷类型采集多样性的前期数据；没有缺
陷的数据采集的数量大于缺陷数据采集的数量；没有缺陷的数据和缺陷数据在采集过程时，环境变量完全一致，避免采集环境对采集图像造成影响。
7.优选地，步骤s2中对获取的训练集原始图像进行定位的方法包括利用定位算法对训练集原始图像进行产品定位，获取roi位置信息，并进行仿射变换。
8.优选地，定位方法包括中心定位法或产品边缘提取算法中的一种或其结合。
9.优选地，步骤s2中获取roi图片并对其进行预处理的方法包括根据获取的roi位置信息提取roi并形成roi图片，对roi图片进行校准、定位、角度旋转操作；然后利用快速傅里叶变换将图像变换到频谱上进行高通滤波处理，再利用反傅里叶变换到图像空间。
10.上文中，在对roi图片进行校准、定位、角度旋转操作之前需获取模板图片，所有的roi图片的形态均需调整至与模板图片接近。
11.优选地，所述快速傅里叶变化公式为：；其中，x，y为空域变量；u，v为频域变量。
12.上文中，采用快速傅里叶变换使边缘对比度明显增强，增强了样品的轮廓信息，使得检测结果更加准确。
13.优选地，步骤s3中，电阻的特征信息包括电阻的中心位置、面积、长宽信息、重心位置信息、当前产品的几何矩、产品的凸性和产品的矩形度。
14.优选地，当前产品的几何矩包括零阶矩、一阶矩、二阶矩；所述零阶矩表示的是图像的质量，即为图像灰度的总和；所述一阶矩用于求出图像的中心位置；所述二阶矩为惯性矩。
15.优选地，所述零阶矩的公式为：；所述一阶矩的公式为：；所述二阶矩的公式为：；其中，g为当前点的灰度值；i为当前点的横坐标；j为当前点的纵坐标。
16.优选地，步骤s4中，svm的输入数据包括步骤s3中获取的特征信息和训练集预处理
图像对应的标签，所述训练集预处理图像对应的标签为图片对应的产品是ng还是ok。
17.具体地，将特征信息及对应的标签输入svm，以减少模型训练所用时间，并提升检测精度，具体地，此训练所用的时间少，1000张图片仅仅需要3s，远远小于深度学习模型的训练所需时间。另外，svm有着优秀的泛化能力，但更适用于小样本训练，本技术采集的样本图像的数量可以为30~100，远远小于深度学习模型所需的样本数量，且svm模型在小样本上能够得到比其他算法好很多的结果输出。本技术采用最大类间方差法训练所述svm模型，以降低错分概率。与现有技术中pca（principal components analysis，主成分分析技术）和svm相结合的方法相比，由于本方法将图片的重要特征信息进行了提取，而不是对所有信息的集合进行降维，具有速度快、检出率高、误报低的优势。
18.优选地，步骤s5中，采集检测图像的方法包括采用摄影设备采集待测电阻的原始图像；对待测电阻的原始图像进行预处理的方法包括对图片进行校准、定位、角度旋转、图像匹配、仿射变换、电阻检测区域截取、傅里叶变换；所述待测电阻的特征信息包括待测电阻的中心位置、面积、长宽信息、重心位置信息、待测产品的几何矩、产品的凸性和产品的矩形度。
19.上文中，对待测电阻的原始图像进行预处理的方法包括利用定位算法对待测电阻的原始图像进行产品定位，获取roi位置信息，并进行仿射变换；定位方法包括中心定位法或产品边缘提取算法中的一种或其结合；根据获取的roi位置信息提取roi并形成roi图片，对roi图片进行校准、定位、角度旋转操作，使其形态接近检测模型训练时所采用的模板图片，使得待检测的图片与模型中样本以更接近的位姿去比对，可以降低检测的误报率；然后利用快速傅里叶变换将图像变换到频谱上进行高通滤波处理，再利用反傅里叶变换到图像空间。
20.上文中，提取待测电阻的特征信息的方法与提取训练集预处理图像中电阻的特征信息的方法一致，待测电阻的特征信息的种类与训练集预处理图像中电阻的特征信息的种类一致，即待测产品的几何矩包括零阶矩、一阶矩、二阶矩。
21.上文中，步骤s6中所述阈值包括人为设定的阈值或检测模型模拟出的阈值。
22.本技术还要求保护一种pcb板上电阻缺陷视觉检测系统，搭载上文所述的方法，包括：图像采集模块，用于获取训练集原始图像和待测电阻的原始图像；图像处理模型，用于将训练集原始图像和待测电阻的原始图像进行图像处理，获取roi图片及对应的特征信息；模型训练模块，用于训练集原始图像处理得到的数据输入svm并进行训练，获取检测模型；缺陷检测模块，用于将待测电阻的特征信息输入检测模型，输出检测结果并判断其为ng或ok。
23.本技术还要求保护一种计算设备，包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上文所述的方法；所述处理器设置对外参数开放设置。
24.本发明设置了对外参数开放设置，具体地，在上述步骤中，对图片进行校准、定位、
角度旋转、图像匹配、仿射变换、电阻检测区域截取等操作都是可以通过开放参数进行设定。因此，在改变一个检测样品的位置/姿势后仅仅需要手动设置参数进行调整，不需要对源代码进行二次开发，大大减少了调试时间，增加了检测方法和系统的通用性。换句话说，更换产品仅仅需要利用源数据处理方法，只需做电阻位置改变，就可以进行样本数据集制作。做好后导入到指定路径，在开放参数下切换数据路径就可以实现不同产品的算法切换，方便快捷稳定。
25.由于上述技术方案运用，本发明与现有技术相比具有下列优点：1.相对于现有技术中采用的pca和svm相结合的方法，本方法对训练集原始图像和待测电阻原始图像获取roi图片，并将roi图片中的重要特征信息进行了提取，并将其作为数据传入svm进行训练，而不是所有信息的集合进行降维，提升了检测速度及检测精度，降低误报率；2.本发明通过对训练集原始图像和待测电阻原始图像进行定位、放射变换，对roi图片进行校准以及角度旋转等数据处理，使得检测图片以更接近检测模型中的模板图片的位姿去进行比对，以消除拍摄图像时电阻的大小、位置、角度差异对检测结果造成的影响，降低检测的误报率；3.本发明通过对检测图像进行快速傅里叶变换、高通滤波处理以及反傅里叶变换，使检测图像的边缘对比度明显增强，增强了图像的轮廓信息，使得检测结果更加准确；4.本发明在处理器的源数据中设置了对外参数开放设置，在改变一个检测样品的位置/姿势后仅仅需要手动设置参数进行调整，不需要对源代码进行二次开发，大大减少了调试时间，增加了检测方法和系统的通用性；5.本发明方法简单，整体工作流程顺畅，自动化程度高，工作效率高。
附图说明
26.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的一些附图是本发明的一些实施方式，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。
27.图1为本发明实施例一中检测方法的流程图。
具体实施方式
28.下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
29.实施例一如图1所示，本实施例涉及一种pcb板上电阻缺陷视觉检测方法，包括以下步骤：s1、收集前期数据：采集人员使用摄影设备采集缺陷数据和没有缺陷的数据，制作训练集原始图像；s2、数据处理：将步骤s1中获取的训练集原始图像进行定位，获取roi（region of interest，感兴趣区域）图片并对其进行预处理，制作训练集预处理图像；
s3、信息获取：通过图像分割算法，提取训练集预处理图像中电阻的特征信息，并将其整理到一维数组中；s4、模型训练：利用svm（support vector machine，支持向量机）通过最大类间距方法进行训练，获取检测模型；s5、缺陷检测：采集检测图像，获取待测电阻的原始图像，对其进行预处理后，通过图像分割算法，提取图像中待测电阻的特征信息，并将其整理到一维数组中；将图像转换的特征信息输入步骤s4中训练完成的检测模型中进行检测，输出检测数据；s6、输出检测结果：根据s5中输出的检测数据与阈值进行比较，判断其为ok或ng，并记录。
30.上文中，步骤s1中，缺陷数据采集过程中，技术人员需根据产品的生产情况确定可能出现的缺陷类型，采集人员使用摄影设备根据缺陷类型采集多样性的前期数据；没有缺陷的数据采集的数量大于缺陷数据采集的数量；没有缺陷的数据和缺陷数据在采集过程时，环境变量完全一致，避免采集环境对采集图像造成影响。
31.进一步的，步骤s2中对获取的训练集原始图像进行定位的方法包括利用定位算法对训练集原始图像进行产品定位，获取roi位置信息，并进行仿射变换。
32.进一步的，定位方法包括中心定位法或产品边缘提取算法中的一种或其结合。
33.进一步的，步骤s2中获取roi图片并对其进行预处理的方法包括根据获取的roi位置信息提取roi并形成roi图片，对roi图片进行校准、定位、角度旋转操作；然后利用快速傅里叶变换将图像变换到频谱上进行高通滤波处理，再利用反傅里叶变换到图像空间。
34.上文中，在对roi图片进行校准、定位、角度旋转操作之前需获取模板图片，所有的roi图片的形态均需调整至与模板图片接近。
35.进一步的，所述快速傅里叶变化公式为：；其中，x，y为空域变量；u，v为频域变量。
36.上文中，采用快速傅里叶变换使边缘对比度明显增强，增强了样品的轮廓信息，使得检测结果更加准确。
37.进一步的，步骤s3中，电阻的特征信息包括电阻的中心位置、面积、长宽信息、重心位置信息、当前产品的几何矩、产品的凸性和产品的矩形度。
38.进一步的，当前产品的几何矩包括零阶矩、一阶矩、二阶矩；所述零阶矩表示的是图像的质量，即为图像灰度的总和；所述一阶矩用于求出图像的中心位置；所述二阶矩为惯性矩。
39.进一步的，所述零阶矩的公式为：；所述一阶矩的公式为：
；所述二阶矩的公式为：；其中，g为当前点的灰度值；i为当前点的横坐标；j为当前点的纵坐标。
40.进一步的，步骤s4中，svm的输入数据包括步骤s3中获取的特征信息和训练集预处理图像对应的标签，所述训练集预处理图像对应的标签为图片对应的产品是ng还是ok。
41.具体地，将特征信息及对应的标签输入svm，以减少模型训练所用时间，并提升检测精度，具体地，此训练所用的时间少，1000张图片仅仅需要3s，远远小于深度学习模型的训练所需时间。另外，svm有着优秀的泛化能力，但更适用于小样本训练，本技术采集的样本图像的数量可以为30~100，远远小于深度学习模型所需的样本数量，且svm模型在小样本上能够得到比其他算法好很多的结果输出。本技术采用最大类间方差法训练所述svm模型，以降低错分概率。与现有技术中pca和svm相结合的方法相比，由于本方法将图片的重要特征信息进行了提取，而不是对所有信息的集合进行降维，具有速度快、检出率高、误报低的优势。
42.进一步的，步骤s5中，采集检测图像的方法包括采用摄影设备采集待测电阻的原始图像；对待测电阻的原始图像进行预处理的方法包括对图片进行校准、定位、角度旋转、图像匹配、仿射变换、电阻检测区域截取、傅里叶变换；所述待测电阻的特征信息包括待测电阻的中心位置、面积、长宽信息、重心位置信息、待测产品的几何矩、产品的凸性和产品的矩形度。
43.上文中，对待测电阻的原始图像进行预处理的方法包括利用定位算法对待测电阻的原始图像进行产品定位，获取roi位置信息，并进行仿射变换；定位方法包括中心定位法或产品边缘提取算法中的一种或其结合；根据获取的roi位置信息提取roi并形成roi图片，对roi图片进行校准、定位、角度旋转操作，使其形态接近检测模型训练时所采用的模板图片，使得待检测的图片与模型中样本以更接近的位姿去比对，可以降低检测的误报率；然后利用快速傅里叶变换将图像变换到频谱上进行高通滤波处理，再利用反傅里叶变换到图像空间。
44.上文中，提取待测电阻的特征信息的方法与提取训练集预处理图像中电阻的特征信息的方法一致，待测电阻的特征信息的种类与训练集预处理图像中电阻的特征信息的种类一致，即待测产品的几何矩包括零阶矩、一阶矩、二阶矩。
45.上文中，步骤s6中所述阈值包括人为设定的阈值或检测模型模拟出的阈值。
46.实施例二本实施例是在上述实施例一的基础上进行的，与上述实施例一相同之处不予赘述。
47.本实施例涉及一种pcb板上电阻缺陷视觉检测系统，搭载实施例一所述的方法，包括：图像采集模块，用于获取训练集原始图像和待测电阻的原始图像；图像处理模型，用于将训练集原始图像和待测电阻的原始图像进行图像处理，获取roi图片及对应的特征信息；模型训练模块，用于训练集原始图像处理得到的数据输入svm并进行训练，获取检测模型；缺陷检测模块，用于将待测电阻的特征信息输入检测模型，输出检测结果并判断其为ng或ok。
48.实施例三本技术还要求保护一种计算设备，包括存储器、处理器和存储在所述存储器内并能由所述处理器运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上文所述的方法；所述处理器设置对外参数开放设置。
49.本发明设置了对外参数开放设置，具体地，在上述步骤中，对图片进行校准、定位、角度旋转、图像匹配、仿射变换、电阻检测区域截取等操作都是可以通过开放参数进行设定。因此，在改变一个检测样品的位置/姿势后仅仅需要手动设置参数进行调整，不需要对源代码进行二次开发，大大减少了调试时间，增加了检测方法和系统的通用性。换句话说，更换产品仅仅需要利用源数据处理方法，只需做电阻位置改变，就可以进行样本数据集制作。做好后导入到指定路径，在开放参数下切换数据路径就可以实现不同产品的算法切换，方便快捷稳定。
50.进一步的，所述计算机设备可以包括一个或多个处理器，诸如一个或多个中央处理单元(cpu)或图形处理器（gpu），每个处理单元可以实现一个或多个硬件线程。计算机设备还可以包括任何存储器，其用于存储诸如代码、设置、数据等之类的任何种类的信息，存储器上具有可在处理器上运行的计算机程序，所述计算机程序被所述处理器运行时，可以执行上述所述的方法的指令。计算机设备还可以包括输入/输出接口（i/o），其用于接收各种输入(经由输入设备)和用于提供各种输出(经由输出设备)。计算机设备还可以包括一个或多个网络接口，其用于经由一个或多个通信链路与其他设备交换数据。一个或多个通信总线将上文所描述的部件耦合在一起。
51.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。