[发明专利]基于特征自学习的电路板管脚缺陷识别方法

说明书

本申请公开了基于特征自学习的电路板管脚缺陷识别方法，包括：获取标准电路板AOI彩色图像及对应配置文件；建立标准电路板的焊点位置模型和标准焊锡特征矩阵X；获取待测电路板中芯片的芯片子图片；基于焊点位置模型，从每一芯片子图片中提取对应的子焊点图片，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；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。本发明可有效降低漏检率，提升效率和准确率，减少人工查找缺陷的工作量。

技术领域

本发明属于电路板检测技术领域，涉及基于特征自学习的电路板管脚缺陷识别方法。

背景技术

电路板可以使电路迷你化、直观化，对于固定电路的批量生产和优化用电器布局起重要作用。

国内绝大部分电路板生产厂家采用人工用放大镜或投影仪查看的办法进行电路板缺陷检侧。由于人工检查劳动强度大，眼睛容易产生疲劳，漏验率很高。而且随着电子产品朝着小型化、数字化发展，电路板也朝着高密度、高精度发展，采用人工检验的方法，基本无法实现。对更高密度和精度电路板(0.12～0.10mm),己完全无法检验。检测手段的落后，导致目前国内多层板(8-12层)的产品合格率仅为50～60％。

除此以外，电路板生产基地还采用AOI设备进行电路板缺陷检测，但仍存在诸多缺陷，比较严重的缺陷是漏检，即有缺陷而没检测出来的情况。AOI设备对焊点类型的缺陷，大概有60％的概率检测不出来。就是说，假设电路板中有100个缺陷，那么有60个AOI发现不了、会放行过去。人工只对AOI检测出的异常进行核对，对这种检测不出的情况不再核对。后续只能通过电气测量才会发现这种缺陷，进而反馈回AOI流水线。误报的情况严重程度较低，但是也比较频繁，大多是字体引起，可以通过人工消除。

发明内容

为解决现有技术中的不足，本申请提供基于特征自学习的电路板管脚缺陷识别方法。

为了实现上述目标，本发明采用如下技术方案：

基于特征自学习的电路板管脚缺陷识别方法，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。

本发明进一步包括以下优选方案：

优选地，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，其均为无缺陷焊点，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。