[发明专利]基于特征自学习的电路板管脚缺陷识别方法

权利要求书

1.基于特征自学习的电路板管脚缺陷识别方法，其特征在于：

所述方法包括以下步骤：

步骤1：获取待测电路板对应的用于特征自学习的标准电路板AOI彩色图像及对应配置文件，包括电路板上芯片型号和芯片位置；

步骤2：建立标准电路板AOI彩色图像中芯片的标准焊点模型，包括焊点位置模型和标准焊锡特征矩阵X；

步骤3：获取待测电路板AOI彩色图像，将其与标准电路板AOI彩色图像做SIFT图像较准，获取待测电路板中芯片的芯片子图片，每一芯片子图片包含单个芯片及其对应的所有焊点；

步骤4：基于步骤2的焊点位置模型，从每一芯片子图片中提取对应的子焊点图片，每一子焊点图片包括单个焊点，计算每一子焊点图片中各像素点的焊锡高度值，组成对应焊点的焊锡特征矩阵Y；

步骤5：计算焊锡特征矩阵Y与相应标准焊锡特征矩阵X的归一化几何相交系数γ，根据几何相交系数阈值逐个判断焊点是否有缺陷。

2.根据权利要求1所述的基于特征自学习的电路板管脚缺陷识别方法，其特征在于：

步骤2具体包括：

步骤2.1：以芯片所在中心为中心进行芯片区域外扩，得到相应相型号的芯片矩阵；

步骤2.2：在步骤2.1外扩的区域内搜索焊点，搜索焊点时基于颜色信息获取ROI感兴趣焊点区域并提取焊点矩阵，进而得到该型号芯片的焊点位置模型；

步骤2.3：获取外扩区域中的所有焊点矩阵，计算焊点矩阵中每一像素点的焊锡高度值；

步骤2.4：计算同一焊点矩阵中各像素点焊锡高度值均值，构成该焊点的标准焊锡特征矩阵X。

3.根据权利要求2所述的基于特征自学习的电路板管脚缺陷识别方法，其特征在于：

步骤2.1中，以芯片所在中心为中心，将芯片所在矩形区域外扩1.5倍，得到芯片矩阵。

4.根据权利要求2所述的基于特征自学习的电路板管脚缺陷识别方法，其特征在于：

步骤2.2中，将RGB图像转换为HSV图像，提取HSV图像中的蓝色部分作为焊点矩阵，进而得到焊点矩阵相对于芯片矩阵的位置及焊点包围盒，保存为该型号芯片的焊点位置模型；所述焊点包围盒为包含焊点和芯片的矩形框。

5.根据权利要求2所述的基于特征自学习的电路板管脚缺陷识别方法，其特征在于：

步骤2.2中，提取范围为：H：(100，124)，S：(43，255)，V：(46，255)。

6.根据权利要求2所述的基于特征自学习的电路板管脚缺陷识别方法，其特征在于：

步骤2.3中，焊锡高度值计算公式为：

height＝B-G/5.-R/3.0

其中，B、G、R分别为对应像素点RGB的B分量值，G分量值，R分量值。

7.根据权利要求1所述的基于特征自学习的电路板管脚缺陷识别方法，其特征在于：

步骤3所述SIFT图像较准，具体包括：

(1)分别计算待测图像和模板图像的SIFT特征点；

(2)将SIFT特征点转化为描述矩阵进行Flann特征匹配；

(3)特征匹配后再通过RANSAC筛选，计算转移矫正矩阵；

(4)根据转移矫正矩阵，将待测图像进行仿射变换，完成校准。

8.根据权利要求1所述的基于特征自学习的电路板管脚缺陷识别方法，其特征在于：

步骤4中，子焊点图片提取过程为：

(1)根据配置文件获取包含单个芯片及其对应的所有焊点的芯片子图片；

(2)根据焊点位置模型中焊点相对于芯片的位置逐个获取每个焊点的图片，即为子焊点图片。

9.根据权利要求1所述的基于特征自学习的电路板管脚缺陷识别方法，其特征在于：

步骤5中，归一化几何相交系数γ计算公式为：

其中，X_mn为标准焊锡特征矩阵的元素，Y_mn为待测焊锡特征矩阵的元素，sbs表示取绝对值，m和n表示矩阵的行和列。

10.根据权利要求9所述的基于特征自学习的电路板管脚缺陷识别方法，其特征在于：

根据计算经验，所述阈值为0.7，当归一化几何相交系数γ小于0.7时，认为对应焊点有缺陷。