一种ic元件焊点空焊检测方法
【技术领域】
[0001] 本发明涉及数字图像处理应用领域，特别是涉及一种1C元件焊点空焊检测方法。
【背景技术】
[0002] 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，这些问题使得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，空焊 和正常焊点在图像上非常相似，这使得1C元件焊点的空焊检测一直是缺陷检测中难以攻 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。这 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。这些方法在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，且空焊焊点样本难以收集，使得目前 的基于分类器的方法在1C元件焊点空焊检测中难以得到良好的分类效果。另外，在线检测 方法对时间要求严格，神经网络这些较为成熟的分类器计算量大，难以符合在线监测在时 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， 这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一种1C元件焊点空焊检测方法。
[0005] 本发明解决其技术问题所采用的技术方案是：
[0006] 一种1C元件焊点空焊检测方法，包括：
[0007]S1、从训练样本中获取1C焊点训练图片后，获取检测窗位置；
[0008]S2、将该训练图片位于检测窗内的图像进行HSV变换后，提取视觉上红色分量，进 而计算检测窗内沿引脚向外方向像素均为〇的连续空行数；
[0009]S3、判断训练样本是否已训练完毕，若是则获取训练样本中连续空行数的最小值 和次小值，并对最小值赋予生存周期，否则返回执行步骤S1 ;
[0010]S4、采集待检测1C元件的焊点图片后，获取检测窗位置，进而提取获得检测窗内 的连续空行数；
[0011]S5、将获得的连续空行数与训练样本的连续空行数的最小值进行比对后获得1C 元件焊点的检测结果。
[0012] 进一步，所述步骤S1，包括：
[0013] S11、从训练样本中获取1C焊点训练图片后，将其分解为R、G、B三个单通道图像， 进而将三个单通道图像分别进行水平投影后获得三条投影曲线；
[0014]S12、将G通道对应的投影曲线的波谷定位为1C元件焊点的边缘位置；
[0015]S13、将得到的1C元件焊点的边缘位置沿引脚向外25个像素高度区域作为检测 窗。
[0016] 进一步，所述步骤S2,包括：
[0017]S21、将该训练图片位于检测窗内的图像进行HSV变换，分别计算获得图像的色调 H、饱和度S、亮度V分量；
[0018]S22、根据预设的色调H、饱和度S和亮度V的阈值，提取视觉上红色分量；
[0019]S23、利用数学形态学，计算提取得到的红色分量图像的各个连通域，进而进行图 像去噪，去掉小面积区域；
[0020] S24、计算检测窗内沿引脚向外方向像素均为0的连续空行数。
[0021] 进一步，所述步骤S21，包括：
[0022] S211、将该训练图片位于检测窗内的图像进行HSV变换，根据下式计算获得图像 的亮度V分量：
[0023]V=max(R,G,B)
[0024]S212、结合亮度V分量计算获得图像的饱和度S分量：
[0026] S213根据下式计算获得图像的色调H分量：
[0028] 其中，R、G、B分别表示图像的红、绿、蓝分量。
[0029] 进一步，所述步骤S22中所述预设的色调H、饱和度S和亮度V的阈值分别为： H彡 20 或H彡 340,S彡 0? 8,V彡 0? 8。
[0030] 进一步，所述步骤S3中所述获取训练样本中连续空行数的最小值和次小值，并对 最小值赋予生存周期的步骤，其具体为：
[0031] 获取训练样本中连续空行数的最小值和次小值，有P(B)的概率用次小值代替最 小值，其中P(B)为更新概率且0 <P(B) <P(A)，P(A)为训练样本的空焊概率。
[0032] 进一步，所述步骤S4,包括：
[0033]S41、采集待检测1C元件的焊点图片后，将其分解为R、G、B三个单通道图像，进而 将三个单通道图像分别进行水平投影后获得三条投影曲线；
[0034]S42、将G通道对应的投影曲线的波谷定位为1C元件焊点的边缘位置；
[0035]S43、将得到的1C元件焊点的边缘位置沿引脚向外25个像素高度区域作为检测 窗；
[0036]S44、将该图片位于检测窗内的图像进行HSV变换，分别计算获得图像的色调H、饱 和度S、亮度V分量；
[0037]S45、根据预设的色调H、饱和度S和亮度V的阈值，提取视觉上红色分量；
[0038]S46、利用数学形态学，计算提取得到的红色分量图像的各个连通域，进而进行图 像去噪，去掉小面积区域；
[0039]S47、计算检测窗内沿引脚向外方向像素均为0的连续空行数。
[0040] 进一步，所述步骤S5,其具体为：
[0041] 判断获得的连续空行数是否大于训练样本的连续空行数的最小值，若是，则判断 该1C元件焊点为正常焊点，反之判断该1C元件焊点为空焊焊点。
[0042] 本发明的有益效果是：本发明的一种1C元件焊点空焊检测方法，包括：从训练样 本中获取1C焊点训练图片后，获取检测窗位置；将该训练图片位于检测窗内的图像进行 HSV变换后，提取视觉上红色分量，进而计算检测窗内沿引脚向外方向像素均为0的连续空 行数；判断训练样本是否已训练完毕，若是则获取训练样本中连续空行数的最小值和次小 值，并对最小值赋予生存周期；采集待检测1C元件的焊点图片后，获取检测窗位置，进而提 取获得检测窗内的连续空行数；将获得的连续空行数与训练样本的连续空行数的最小值进 行比对后获得1C元件焊点的检测结果。本方法相比现有技术，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1C元件焊点的空焊缺陷。
【附图说明】
[0043] 下面结合附图和实施例对本发明作进一步作为优选的实施方式说明。
[0044] 图1是本发明的一种1C元件焊点空焊检测方法的流程图；
[0045] 图2是一 1C元件的侧视图；
[0046] 图3是一 1C元件引脚的俯视示意图。
【具体实施方式】
[0047] 参照图1，本发明提供了一种1C元件焊点空焊检测方法，包括：
[0048]S1、从训练样本中获取1C焊点训练图片后，获取检测窗位置；
[0049]S2、将该训练图片位于检测窗内的图像进行HSV变换后，提取视觉上红色分量，进 而计算检测窗内沿引脚向外方向像素均为〇的连续空行数；
[0050]S3、判断训练样本是否已训练完毕，若是则获取训练样本中连续空行数的最小值 和次小值，并对最小值赋予生存周期，否则返回执行步骤S1;
[0051]S4、采集待检测1C元件的焊点图片后，获取检测窗位置，进而提取获得检测窗内 的连续空行数；
[0052]S5、将获得的连续空行数与训练样本的连续空行数的最小值进行比对后获得1C 元件焊点的检测结果。
[0053] 进一步作为优选的实施方式，所述步骤S1，包括：
[0054]S11、从训练样本中获取1C焊点训练图片后，将其分解为R、G、B三个单通道图像， 进而将三个单通道图像分别进行水平投影后获得三条投影曲线；
[0055]S12、将G通道对应的投影曲线的波谷定位为1C元件焊点的边缘位置；
[0056]S13、将得到的1C元件焊点的边缘位置沿引脚向外25个像素高度区域作为检测 窗。
[0057] 进一步作为优选的实施方式，所述步骤S2,包括：
[0058]S21、将该训练图片位于检测窗内的图像进行HSV变换，分别计算获得图像的色调 H、饱和度S、亮度V分量；
[0059]S22、根据预设的色调H、饱和度S和亮度V的阈值，提取视觉上红色分量；
[0060]S23、利用数学形态学，计算提取得到的红色分量图像的各个连通域，进而进行图 像去噪，去掉小面积区域；
[0061]S24、计算检测窗内沿引脚向外方向像素均为0的连续空行数。
[0062] 进一步作为优选的实施方式，所述步骤S21，包括：
[0063]S211、将该训练图片位于检测窗内的图像进行HSV变换，根据下式计算获得图像 的亮度V分量：
[0064]V=max(R,G,B)
[0065] S212、结合亮度V分量计算获得图像的饱和度S分量：
[0067] S213根据下式计算获得图像的色调H分量：
[0069] 其中，R、G、B分别表示图像的红、绿、蓝分量。
[0070] 进一步作为优选的实施方式，所述步骤S22中所述预设的色调H、饱和度S和亮度 V的阈值分别为彡20或H彡340,S彡0? 8,V彡0? 8。
[0071] 进一步作为优选的实施方式，所述步骤S3中所述获取训练样本中连续空行数的 最小值和次小值，并对最小值赋予生存周期的步骤，其具体为：
[0072] 获取训练样本中连续空行数的最小值和次小值，有P(B)的概率用次小值代替最 小值，其中P(B)为更新概率且0 <P(B) <P(A)，P(A)为训练样本的空焊概率。
[0073] 进一步作为优选的实施方式，所述步骤S4,包括：
[0074]S41、采集待检测1C元件的焊点图片后，将其分解为R、G、B三个单通道图像，进而 将三个单通道图像分别进行水平投影后获得三条投影曲线；
[0075]S42、将G通道对应的投影曲线的波谷定位为1C元件焊点的边缘位置；
[0076]S43、将得到的1C元件焊点的边缘位置沿引脚向外25个像素高度区域作为检测 窗；
[0077]S44、将该图片位于检测窗内的图像进行HSV变换，分别计算获得图像的色调H、饱 和度S、亮度V分量；
[0078]S45、根据预设的色调H、饱和度S和亮度V的阈值，提取视觉上红色分量；
[0079]S46、利用数学形态学，计算提取得到的红色分量图像的各个连通域，进而进行图