一种基于FPGA的PCB板自动化缺陷检测方法

本发明属于pcb板缺陷检测，具体涉及一种基于fpga的pcb板自动化缺陷检测方法。

背景技术：

1、随着电子产品的广泛应用，pcb板需求量和复杂性也随之增加，自动化技术显得至关重要，软硬件结合的自动化检测既解决了产品需求，也降低了人力需求。传统的pcb板图像匹配方法采用比较多的是通过hough变换来定位pcb板对角线上的定位孔，然后通过比较与标准图像几何位置的差异，来进行平移、旋转和缩放，从而实现待测图像与标准图像像素的一一对应。通过对hough变换来检测pcb板缺陷在某些情况下并不能取得很好的检测效果，如当放置pcb板的工作台控制精度不够高，或者采集pcb板的摄像头存在晃动、焦距变化等，势必会使采集到的图像存在一定程度的畸变。

技术实现思路

1、针对上述当放置pcb板的工作台控制精度不够高，或者采集pcb板的摄像头存在晃动、焦距变化等，势必会使采集到的图像存在一定程度的畸变的技术问题，本发明提供了一种基于fpga的pcb板自动化缺陷检测方法，实现了模板图与缺陷图之间的精确匹配。

2、为了解决上述技术问题，本发明采用的技术方案为：

3、一种基于fpga的pcb板自动化缺陷检测方法，包括下列步骤：

4、s1、进行canny算法进行优化，通过自定义其中的函数，使pcb板图像的边缘检测更加精确化；

5、s2、对pcb板图像进行增强；

6、s3、使用radon算法对pcb板图像进行调整角度。

7、所述s1中进行canny算法计算的方法为：

8、s1.1、去噪声：应用高斯滤波来平滑图像，从而实现去除噪声；

9、s1.2、梯度：找寻图像的梯度，计算一阶偏导用于找出灰度值变化较大的像素点，通过sobel算子，设置sobel算子的x和y方向的梯度模板；

10、s1.3、非极大值抑制。

11、所述s1.1中应用高斯滤波来平滑图像的方法为：

12、高斯函数为：

13、先对x方向进行卷积，再对y方向进行卷积，σ表示标准差，得到平滑处理后的图像。

14、所述s1.2中设置sobel算子的x和y方向的梯度模板为：

15、

16、

17、其中，sx为x方向的梯度模板，sy为y方向的梯度模板。

18、所述s1.3中非极大值抑制的方法为：

19、应用非最大抑制技术，来过滤掉非边缘像素，将模糊的边界变得清晰，该过程保留了每个像素点上梯度强度的极大值，过滤掉其他的值；线性插值的公式为：

20、grad1＝w*g1+(1-w)g2

21、grad2＝w*g3+(1-w)g4

22、其中，w为根据梯度的角度决定的权重大小；

23、由y梯度与x梯度的大小比较，最后根据计算得到的g1、g2、g3、g4和权值w计算梯度方向上的两个值，与中间值进行比较，看是否对中间值进行抑制。

24、所述s2中对pcb板图像进行增强的方法为：

25、首先调用了zeros函数来创建一个1行256列的零矩阵，以此来统计各个灰度值的像素数灰度值范围0-255；将图像的灰度值均匀地分布在0-255之间，来将图像变得更加清晰；同时，需要将小于80的灰度值设置为0，大于150的灰度值设置为255，则得到以下关系：

26、

27、化简后得：

28、

29、其中，a为原图像的灰度值，b为增强图像的灰度值。

30、所述s3中使用radon算法对pcb板图像进行调整角度的方法为：使用radon算法调整角度，radon函数对应格式为：

31、r,xp]radon(i,theta)

32、其中，r为线积分值，xp为径向坐标，theta为投影角度；

33、将图像看成二维函数f(x,y)，f(x,y)在垂直方向上的线性积分是其在x轴上的投影；f(x,y)在水平方向上的线积分就是其在y轴上的投影，通过这些投影，获取图像在指定方向上的突出特性；

34、将图像中心设为原点，用p和θ代替a、b，图像在空间的投影，用参数表示直线，θ假定有一个函数f(x,y)代表图像的像素，该函数过直线l区域的积分即为：

35、

36、其中，p为直线到原点的距离，θ为某一特定方向，ds是该直线的微分；再使用radon变换检测直线。

37、所述使用radon变换检测直线的方法为：

38、s3.1、使用边缘检测函数edge函数计算二值图像，

39、i3＝edge(i2,'canny')

40、其中，i3表示二值图像，i2表示原始图像；

41、s3.2、计算二值图像的radon变换；

42、theta＝1:180

43、其中，theta表示要投影方向的角度；

44、[r,～]＝radon(i3,theta)

45、沿某个方向theta做radon变换，结果是向量；

46、j＝c，矩阵r的列标j就是对应的投影角度，倾斜角＝90-c；

47、s3.3、寻找radon变换的局部极大值，所述极大值的位置为原始图像中直线的位置；[～,c]＝find(r>＝max(max(r)))，检索矩阵r中最大值所在位置，提取行列标。

48、本发明与现有技术相比，具有的有益效果是：

49、本发明实现了模板图与缺陷图之间的精确匹配，采用radon算法对有偏角的图像进行倾斜校正，利用差影法将模板图与缺陷图进行比对，比对结果做图像增强，同时改进后的canny算法对pcb板图像进行边缘提取，配合二值化算法得到更加清晰的图像边缘轮廓,最终实现pcb板上断路、短路、凹陷、凸起等的缺陷定位。

技术特征：

1.一种基于fpga的pcb板自动化缺陷检测方法，其特征在于：包括下列步骤：

2.根据权利要求1所述的一种基于fpga的pcb板自动化缺陷检测方法，其特征在于：所述s1中进行canny算法计算的方法为：

3.根据权利要求2所述的一种基于fpga的pcb板自动化缺陷检测方法，其特征在于：所述s1.1中应用高斯滤波来平滑图像的方法为：

4.根据权利要求2所述的一种基于fpga的pcb板自动化缺陷检测方法，其特征在于：所述s1.2中设置sobel算子的x和y方向的梯度模板为：

5.根据权利要求2所述的一种基于fpga的pcb板自动化缺陷检测方法，其特征在于：所述s1.3中非极大值抑制的方法为：

6.根据权利要求1所述的一种基于fpga的pcb板自动化缺陷检测方法，其特征在于：所述s2中对pcb板图像进行增强的方法为：

7.根据权利要求1所述的一种基于fpga的pcb板自动化缺陷检测方法，其特征在于：所述s3中使用radon算法对pcb板图像进行调整角度的方法为：使用radon算法调整角度，radon函数对应格式为：

8.根据权利要求7所述的一种基于fpga的pcb板自动化缺陷检测方法，其特征在于：所述使用radon变换检测直线的方法为：

技术总结
本发明属于PCB板缺陷检测技术领域，具体涉及一种基于FPGA的PCB板自动化缺陷检测方法，包括下列步骤：进行Canny算法进行优化，通过自定义其中的函数，使PCB板图像的边缘检测更加精确化；对PCB板图像进行增强；使用Radon算法对PCB板图像进行调整角度。本发明实现了模板图与缺陷图之间的精确匹配，采用Radon算法对有偏角的图像进行倾斜校正，利用差影法将模板图与缺陷图进行比对，比对结果做图像增强，同时改进后的Canny算法对PCB板图像进行边缘提取，配合二值化算法得到更加清晰的图像边缘轮廓,最终实现PCB板上断路、短路、凹陷、凸起等的缺陷定位。

技术研发人员：张会新,邰文婕,亓岳岩
受保护的技术使用者：中北大学
技术研发日：
技术公布日：2024/4/17