[发明专利]一种焊点缺陷检测方法、装置、设备及可读存储介质

说明书

本发明实施例公开了一种焊点缺陷检测方法、装置、设备及计算机可读存储介质。其中，方法包括对PCB的IC元件的引脚图像的三色通道利用无约束优化的二维经验模式分解，得到多通道图像；将多通道图像输入至缺陷分类模型，得到初始引脚图像的标签类型，以检测IC元件的引脚是否有缺陷；标签类型包括正样本和负样本两类标签；其中，缺陷分类模型为维度为2的全连接层作为倒数第二层，softmax层作为最后一层的深度神经网络分类模型，通过训练正样本多于负样本且正负样本比例超过预设比例阈值的训练样本集所得，训练样板集中的正样本为没有缺陷的IC引脚图像，负样本为有缺陷的IC引脚图像。本申请提高了IC引脚缺陷检测的准确度，满足了分类精度的现实需求。

技术领域

本发明实施例涉及激光焊接检测技术领域，特别是涉及一种焊点缺陷检测方法、装置、设备及计算机可读存储介质。

背景技术

随着我国航空、航天、能源和船舶等重工业的发展，焊接技术已经成为制造业中必不可少的材料成型和加工技术之一。由于焊接工艺在加工过程中易受到来自外部环境等因素的影响，如焊接速度、焊接功率、保护气体流量、焊接环境以及工件表面状况等，焊件不可避免地会产生裂纹、未焊透、未熔合、气孔、凹坑、夹渣等焊接缺陷，而这些缺陷可能会造成灾难性事故。为了保证焊件的产品质量，必须及时有效地检测焊后工件表面及内部的缺陷。在实际生产过程中，除了目测焊接表面缺陷与成型缺陷外，对于一些小于0.1mm焊缝缺陷，一般无法但靠目测进行有效识别。

生活中处处离不开PCB(printed circuit board，印刷电路板)，例如手机、电脑、洗衣机等日常生活设备都设置有印刷电路板。针对印刷电路板的焊点检测，传统方法通常是利用人眼判别，随着科技的发展，产品朝着小型化、多样化发展，PCB的元器件尺寸异常的小，需要借助显微镜才能查看缺陷，且PCB元件数量巨大导致，利用人工判断焊点缺陷不仅消耗大量人工且效率低下，还易检测遗漏。所以基于机器视觉的印刷电路板焊点自动检测日益得到重视。

现有技术中，大多采用分类器方法实现焊点自动检测，将几何特征，颜色特征，频域特征应用在基于机器视觉的自动光学检测(automatic optical inspection，AOI)算法中。与分立元件不同的是，由于扁平封装IC引脚具有密度大，引脚爬锡部分面积小，特别是无铅焊锡表面粗糙且形状不一，使得对IC引脚检测难度更大。而且由于IC引脚生产特殊性导致其缺陷样本很少，直接使用分类器检测，样本数量较小不利于训练精度高的分类模型，无法满足现实工业要求。

发明内容

本发明实施例的目的是提供一种焊点缺陷检测方法、装置、设备及计算机可读存储介质，提高了IC引脚缺陷检测的准确度。

为解决上述技术问题，本发明实施例提供以下技术方案：

本发明实施例一方面提供了一种焊点缺陷检测方法，

应用于PCB的IC元件的焊点检测，包括：

获取待检测IC元件的初始引脚图像；

对所述初始引脚图像的三色通道利用无约束优化的二维经验模式分解，得到多通道图像；

将所述多通道图像输入至预先构建的缺陷分类模型，得到所述初始引脚图像的标签类型，以检测所述待检测IC元件的引脚是否有缺陷；所述标签类型包括正样本和负样本两类标签；

其中，所述二维经验模式分解通过三棱锥堆叠形成薄块，通过各个三棱锥的重心趋于零平面特性构建求BIMF的优化问题，所述缺陷分类模型基于深度神经网络分类模型，并设置维度为2的全连接层作为倒数第二层并使用加权方式获得分类边界，softmax层作为最后一层，通过训练正样本多于负样本且正负样本比例超过预设比例阈值的训练样本集所得，所述训练样板集中的正样本为没有缺陷的IC引脚图像，负样本为有缺陷的IC引脚图像。

可选的，所述对所述初始引脚图像的三色通道利用无约束优化的二维经验模式分解，得到多通道图像包括：