[发明专利]一种电路板缺陷的主动智能检测方法及其应用在审

专利信息
申请号: 201810549271.0 申请日: 2018-05-31
公开(公告)号: CN108830840A 公开(公告)日: 2018-11-16
发明(设计)人: 陈荣 申请(专利权)人: 江苏华鹰光电科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62
代理公司: 南京先科专利代理事务所(普通合伙) 32285 代理人: 缪友益
地址: 210000 江苏省南京*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 电路板 缺陷图像 空间缺陷 缺陷检测 智能检测 图像 探测器 复合 电路板类型 探测传感器 内部缺陷 缺陷特征 探测模块 外观缺陷 自主选择 输出 融合 构建 体检 芯片 检测 应用 分析 统一
【说明书】:

发明公开一种电路板缺陷的主动智能检测方法,包括如下步骤:(1)构建复合探测模块;(2)根据电路板类型和检测要求进行电路板缺陷检测,形成缺陷图像;(3)对获取的全部缺陷图像进行复合;(4)对融合定位后的各缺陷图像进行自主判断分析电路板或芯片中的表面和内部的缺陷,形成统一的空间缺陷图像;(5)输出形成的空间缺陷图像。本发明的电路板缺陷检测方法具有多种不同类型的探测传感器,根据电路板的类型不同能够自主选择任意一组外观缺陷探测器和内部缺陷探测器,再将不同的缺陷图像进行融合,计算出缺陷特征,并形成空间缺陷图像输出,达成电路板在线全面体检的目的。

技术领域

本发明属于工业无损检测领域,具体涉及一种面向电路板的缺陷检测方法。

背景技术

随着电子设备高可靠需求的日趋提高,以及电路板检测自动化的发展要求,传统的检测手段越来越南满足上述需求,迫切需要高精度体系化在线缺陷检测机器人达到现代化的检测要求。

目前在电路板缺陷检测方面国内外大多仍停留在外观检测(AOI)方面。而电路板缺陷类型包括了肉眼可观察的外观缺陷(如电路板的划痕、毛边、弯曲、短路、断路等),同样还存在内部缺陷(如电路板内部气泡、过孔、虚焊、空焊、芯片内部缺陷等)、高度缺陷(如拉尖)等,这些缺陷由电路板的外观是难以观察出来的。

在内部检测方面虽然也存在有飞针测试、X射线和主动热成像探测设备等方法,然而不能与外观检测有效结合,且存在即时性能差、不能智能判断等缺点,依赖人工,很难在工业上规模化应用,电路板全面在线式体检目前尚未有有效手段。

发明内容

发明目的:本发明目的在于针对现有技术的不足,提供一种电路板缺陷的主动智能检测方法,自主检测电路板的内部和外部缺陷,并融合为可视化缺陷图像输出,达成电路板在线全面体检的目的;

本发明的另一目的在于,提供一种应用上述检测方法的工业复合探测相机。

技术方案:本发明所述电路板缺陷的主动智能检测方法,包括如下步骤:

(1)构建由若干组外观缺陷探测器和内部缺陷探测器组成的复合探测模块;

(2)根据电路板类型和检测要求选择至少一组外观缺陷探测器和一组内部缺陷探测器进行电路板缺陷检测,分别形成缺陷图像;

(3)对步骤(2)获取的全部缺陷图像进行复合,将多视觉融合定位;

(4)对融合定位后的各缺陷图像进行自主判断分析电路板或芯片中的表面和内部的缺陷,并进行空间缺陷数据融合建模,形成统一的空间缺陷图像;

(5)输出形成的空间缺陷图像,并可视化显示。

本发明进一步优选地技术方案为,步骤(4)中空间缺陷数据融合的具体方法为:

a、对共k类图像特征待训练、待分类缺陷特征信号进行预处理,提取m种不同缺陷特征;

b、将待训练目标的m种不同特征分别输入m组分类器,其中每组分类器包含1个PSVM,并按照树状结构进行训练;当PSVM的输入大于两类时,将这些类别标签尽量均匀的分成两大类进行判决,直到最底层的PSVM输入为两类标签,结束树状结构训练;

c、将待测试目标的m种不同图像特征分别输入m组分类器,得到所有PSVM的概率输出;每组分类器有k个概率输出,m组分类器共有m个概率输出,计算出每个分类器的对应权值;

d、将每组分类器中每种标签的概率输出进行加权处理,加权结果最大的标签作为融合结果输出,该融合算法表示如下:

f(x)=argmax[∑wjPij(class=i|input)] ①;

e、然后与特征权值向量W,以矩阵乘的方式进行运算,得到综合权值矩阵,即:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏华鹰光电科技有限公司,未经江苏华鹰光电科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810549271.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top