[发明专利]一种PCB焊点缺陷检测方法

说明书

本发明提供了一种PCB焊点缺陷检测方法，首先，对焊点图像进行预处理，提取焊点的形状特征参数、纹理特征参数，采用SVM分类中最优的RBF核函数进行SVM分类器构建，对误检焊点，再利用基于HOG特征的第二SVM多分类器，得到最终分类准确率，本发明的分类准确率达到98.46％以上，具有一定的优越性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种PCB焊点缺陷检测方法。

背景技术

随着电子行业的不断发展，PCB板作为电子产品的重要组成部分，影响其整体质量和可靠性，在焊接过程中，PCB焊点可能会出现缺陷，使电子产品出现各种问题，造成损失。因此，对PCB焊点进行缺陷检测已经成为PCB板制造过程中至关重要的一个环节，是保证质量的重要手段。

现有的PCB焊点检测方法包括：通过提取焊点图像特征采用Log-Gabor滤波器进行检测，但分类准确率较低；通过SVM结合贝叶斯方法，但提取的特征过多，增大了计算复杂度；概率排序的算法，通过分析彩色焊点图像来检测焊点，但此种方法特征单一、所用样本较少；利用Hough变换算法检测焊点缺陷，但检测类型单一；提取焊点的三维特征，应用SFS方法进行三维重建，用SVM进行分类，检测准确率为92.93％，但分类准确率有待提高；利用主成分分析与极限学习机结合进行焊点缺陷检测，能达到较高准确率，但是实验样本数较小，存在缺陷；自动光学检测系统使用过程复杂、易受外界环境、光照等因素影响；BP神经网络检测算法所需样本较大、收敛速度慢；K-近邻法虽然无需学习、无需预先构造模型，但对非线性样本分类效果较差；改进的Adaboost算法能有效地降低误检率，但分类准确率还有待提高。

现有的PCB焊点检测方法存在很多缺点，如：样本图像较少或较多、检测特征或检测的焊点类型单一以及分类准确率不高等。

发明内容

本发明的目的在于提供一种PCB焊点缺陷检测方法，以提高PCB中元件焊点缺陷检测的准确率。

为了实现上述目的，本发明提供了一种PCB焊点缺陷检测方法，包括：

获取对应PCB焊点的多组缺陷特征数据，并采用SVM算法训练得到基于形状特征和纹理特征的第一SVM分类器及基于HOG特征的第二SVM多分类器；

获取一PCB的焊点图像并进行预处理得到缺陷图像；

提取所述缺陷图像的形状特征参数、纹理特征参数及HOG特征参数；

将所述形状特征参数及所述纹理特征参数输入所述第一SVM分类器中，以将所述PCB上的缺陷焊点进行第一次分类；

提取出所述第一次分类中误检的焊点并将所述HOG特征参数输入所述第二SVM多分类器进行第二次分类。

可选的，采用SVM算法训练得到基于形状特征和纹理特征的所述第一SVM分类器的步骤包括：

利用不同的核函数构造多个预估SVM分类器；

将多组缺陷特征数据输入多个所述预估SVM分类器中，分类准确率最高的所述预估SVM分类器即为所述第一SVM分类器。

可选的，对所述焊点图像进行预处理的步骤包括：

对所述焊点图像进行灰度化，得到灰度图像；

对所述灰度图像进行中值滤波与小波变换相结合，以去除噪声并得到去噪图像；

对所述去噪图像进行增强，以得到增强图像；

对所述增强图像采用自适应阈值法进行二值化，获得二值化图像；

对所述二值化图像进行轮廓提取以得到焊点区域轮廓图；

可选的，所述缺陷焊点包括多锡、少锡及漏焊中的一种或多种。