一种用于电路板印刷的曝光优化方法与流程

本技术涉及图像数据处理，具体涉及一种用于电路板印刷的曝光优化方法。

背景技术：

1、硬件电路板的印刷质量直接影响电路是否能够正常运行，特别是在高频信号领域，高频电路板的研发和制尤为重要。电路板印刷的关键步骤主要包括涂覆感光油墨、烘干、曝光、显影、蚀刻等操作。曝光是其中的一个关键环节，指将事先设计好的电路图案转移到覆铜板上的过程。这一步骤中，掩膜被精准地放置在pcb表面，然后pcb与掩膜一起暴露在特定波长的光源下。在曝光过程中，感光油墨受到照射后发生化学性质的变化，使其在后续显影步骤中变得不溶于相应的溶剂。

2、显影过程中，使用显影粉或其他方式去除未曝光区域的感光油墨，留下电路图案。pcb电路板的曝光过程中，由于菲林片的污渍异物或者弯曲褶皱等情况均会导致电路板的缺陷，为提高显影质量需要判断缺陷区域的种类，从而有针对性的优化电路板曝光，目前常使用深度学习网络模型对电路板的缺陷区域进行识别，由于缺陷的特征不明显，需要大量数据来进行模型训练，且训练时间长，对于缺陷类型的判断效率不高，无法对电路板的曝光缺陷进行针对性的优化。

技术实现思路

1、为了解决上述技术问题，本发明提供一种用于电路板印刷的曝光优化方法，以解决现有的问题。

2、本发明的一种用于电路板印刷的曝光优化方法采用如下技术方案：

3、本发明一个实施例提供了一种用于电路板印刷的曝光优化方法，该方法包括以下步骤：

4、采集电路板显影图像；获取标准参考图像，对电路板显影图像使用mad匹配算法与标准参考图像进行匹配，获得匹配图像块；

5、根据匹配图像块与标准参考图像之间的差异获得缺陷像素点；根据匹配图像块中的所有缺陷像素点获得缺陷区域；根据缺陷区域中各像素点与缺陷区域边缘上各像素点之间的距离获得电路板缺陷特征权重；划分映射方向，根据缺陷区域中所有像素点在各映射方向的灰度值获取缺陷区域在每个映射方向上的方向特征区分度；根据缺陷区域在每个映射方向上的方向特征区分度获得特征区分度序列；根据特征区分度序列获得各缺陷区域的缺陷特征清晰指数；对电路板显影图像中的每个像素点构建邻域窗口，根据邻域窗口中各像素点的灰度值获取每个像素点的电路板显影模糊系数；根据各缺陷区域中所有像素点的电路板显影模糊系数以及缺陷特征清晰指数获取各缺陷区域的缺陷差异特征；

6、根据缺陷差异特征获得缺陷区域的缺陷类别，结合缺陷类别对电路板进行曝光优化。

7、进一步，所述根据匹配图像块与标准参考图像之间的差异获得缺陷像素点，包括：

8、对于匹配图像块中的各像素点，计算像素点与标准参考图像中对应像素点的差值绝对值，将所述差值绝对值大于预设缺陷阈值的像素点标记为缺陷像素点。

9、进一步，所述根据匹配图像块中的所有缺陷像素点获得缺陷区域，包括：

10、对匹配图像块中的各缺陷像素点进行膨胀操作得到缺陷图像；对缺陷图像进行连通域分析，将获得的各连通域作为各缺陷区域。

11、进一步，所述根据缺陷区域中各像素点与缺陷区域边缘上各像素点之间的距离获得电路板缺陷特征权重，包括：

12、分别将缺陷区域中的各像素点记为待分析像素点；

13、计算待分析像素点与缺陷区域的边缘线上的各像素点之间的曼哈顿距离，获取待分析像素点的所有所述曼哈顿距离的最小值；计算所述最小值的相反数，将以自然常数为底数，以所述相反数为指数的指数函数的计算结果作为待分析像素点的电路板缺陷特征权重。

14、进一步，所述划分映射方向，根据缺陷区域中所有像素点在各映射方向的灰度值获取缺陷区域在每个映射方向上的方向特征区分度，包括：

15、在0°方向至160°方向之间每间隔20°划分一个映射方向；

16、使用sobel算子计算待分析像素点的梯度幅值和梯度方向；获取以梯度方向为方向，梯度幅值为大小的灰度梯度向量；

17、对于各映射方向，计算待分析像素点的灰度梯度向量在各映射方向的分量，获取所述分量与待分析像素点的电路板缺陷特征权重的乘积；将缺陷区域中所有像素点的所述乘积的和值作为缺陷区域在各映射方向上的方向特征区分度。

18、进一步，所述根据缺陷区域在每个映射方向上的方向特征区分度获得特征区分度序列，包括：

19、将各缺陷区域在所有映射方向上的方向特征区分度所组成的序列作为各缺陷区域的特征区分度序列。

20、进一步，所述根据特征区分度序列获得各缺陷区域的缺陷特征清晰指数，包括：

21、将各缺陷区域的特征区分度序列中方向特征区分度最大的映射方向作为各缺陷区域的缺陷特征主方向；

22、对于各缺陷区域，获取缺陷区域中所有像素点的灰度值的最小值和最大值，将所述最小值和所述最大值所组成的区间平均划分为预设数量个子区间；分别将每个子区间作为一个灰度级；根据缺陷区域中所有像素点的灰度级构建缺陷区域在缺陷特征主方向上的灰度共生矩阵，将所述灰度共生矩阵的对比度作为缺陷区域的缺陷特征清晰指数。

23、进一步，所述对电路板显影图像中的每个像素点构建邻域窗口，根据邻域窗口中各像素点的灰度值获取每个像素点的电路板显影模糊系数，包括：

24、分别将电路板显影图像中的每个像素点记为待分析像素点；获取电路板显影图像中所有像素点的灰度值均值；

25、以待分析像素点为中心构建预设大小的邻域窗口；对于所述邻域窗口中的各像素点，计算像素点的灰度值与所述灰度值均值的差值绝对值，获取所述差值绝对值的相反数；获取以自然常数为底数，以所述相反数为指数的指数函数；获取所述邻域窗口中所有像素点的所述指数函数的计算结果的和值；

26、获取电路板显影图像中像素点的总数量，记为像素总量；获取电路板显影图像中所有像素点的不同灰度值的种类数，记为灰度总量；

27、计算所述像素总量与灰度总量的比值，获取所述比值与待分析像素点的灰度值对应的像素点数量的比值，记为第一比值；

28、将第一比值与所述和值的乘积作为待分析像素点的电路板显影模糊系数。

29、进一步，所述根据各缺陷区域中所有像素点的电路板显影模糊系数以及缺陷特征清晰指数获取各缺陷区域的缺陷差异特征，包括：

30、对于各缺陷区域，计算缺陷区域中所有像素点的电路板显影模糊系数的和值；将所述和值与缺陷区域的缺陷特征清晰指数的乘积作为缺陷区域的缺陷差异特征。

31、进一步，所述根据缺陷差异特征获得缺陷区域的缺陷类别，结合缺陷类别对电路板进行曝光优化，包括：

32、将预设数量张具有显影缺陷的电路板显影图像作为训练集，使用图像标注工具对电路板显影图像中的缺陷区域的缺陷类别进行标注，缺陷类别具体为异物缺陷和褶皱缺陷；将缺陷区域的缺陷类别与缺陷差异特征输入bp神经网络中进行训练，得到训练完成的bp神经网络模型；

33、将电路板显影缺陷图像中的缺陷区域的缺陷差异特征输入到训练完成的bp神经网络模型中，输出缺陷类别；

34、当缺陷类别为异物缺陷时，移除电路板的菲林片上存在的异物；当缺陷类别为褶皱缺陷时，更换电路板的菲林片。

35、本发明至少具有如下有益效果：

36、本发明首先通过分析不同缺陷类别在曝光过程中对显影质量的影响，根据褶皱缺陷与异物缺陷在缺陷区域边缘的梯度方向上的差异构建电路板缺陷特征权重，电路板缺陷特征权重反映了缺陷区域中的像素点距离缺陷区域边缘的距离，使靠近缺陷区域边缘的像素点在缺陷类别的判断中具有较大的权重；考虑到在菲林片褶皱所导致的显影缺陷存在的边缘特点，根据缺陷区域中像素点在不同方向上的灰度值变化获取特征区分度序列，放大了两种不同缺陷的缺陷区域中像素点的灰度梯度变化特征；进一步考虑到不同年份类别缺陷在梯度变化的主要方向上的灰度变化特点，构建缺陷区域的缺陷特征清晰指数，反映了两种缺陷在电路板显影图像中的灰度值区别特征；根据缺陷特征清晰指数获得缺陷差异特征，使得两类不同的电路板缺陷在缺陷差异特征方面存在明显差异。最终根据缺陷差异特征获得缺陷区域的缺陷类别，有效区分两类电路板缺陷，并采取相应的措施解决，完成对电路板的曝光优化。