[发明专利]一种生产线上电路板缺陷检测方法及系统

权利要求书

1.一种生产线上电路板缺陷检测方法，用于检测待测电路板，其特征在于，包括：

S1：通过图像采集模块获取所述待测电路板的多幅特征图像，计算出多幅所述特征图像的同一像素点的灰度平均值生成标准图像，将拍摄的多幅特征图像与生成的标准图像对应像素采用F(i，j)＝D(i，j)-T(i，j)的公式进行像素信息差分，得到对应像素的差分值；

其中，D(i，j)为待检测图像的像素灰度值；T(i，j)为参考图像的像素灰度值；F(i，j)为两幅对应像素差值的绝对值；

S2：通过图像预处理模块将所述对应像素的差分值与拍摄的多幅特征图像中对应的像素进行合成，得到输入图像；

S3：对输入图像进行XOR操作将拍摄的图像分为若干个区域，

采用D＝X/R的公式将拍摄的图像分为若干个区域；其中，D为拍摄的图像和标准图像之间的差值；X为待拍摄的图像；R为标准图像；

S4：对进行XOR操作后的输入图像进行细化操作求出细化图像X thinT，

采用下述的公式(1)将XOR操作后的输入图像进行细化操作，

其中，/为差值计算；X为待测印刷电路板图像；T为用于细化的结构元素；为击不中操作；

和采用下述公式(2)和(3)进行修剪操作求出修剪图像X_prured

X₁＝Xthinnedthin{P} (2)；

其中，P为用于修剪的结构元素；G为3×3的基本矩阵；j为参数；

S5：通过标记模块对所述XOR操作和细化操作后的输入图像中所有的元件及轮廓进行识别，并将包括缺损的元件和/或轮廓缺损的所述输入图像标记为缺陷图像，将不包括缺损的元件或轮廓的所述输入图像标记为无缺陷图像；

S6：计算识别模块获取标记后的输入图像的缺陷像素单元和与缺陷像素单元的缺陷类别标识，并将分类和标记后的输入图像经训练建立分类模型，以根据所述分类模型确定待测电路板的缺陷信息；

采用平滑线性滤波方法对输入图像进行处理得到滤波后图像，将滤波后的图像采用灰度直方图处理，得到滤波后图像中像素点的灰度值的变换函数为通过图像采集模块对滤波后图像中像素点的灰度值的变换函数采用Hough变换检测来获得电路板上的坐标S(a,b)，a表示在X轴上的值，b表示在Y轴上的值；所获得的检测的坐标S(a,b)构成电路板的标准图像的数据；

通过图像提取模块对经过标记的训练样本图像提取图像特征，并根据图像特征获取多通道调整图像特征，将多通道调整图像特征输入到分类模型的池化层进行降维操作，进而将降维操作后的图像特征输入到全连接层，对样本图像进行像素级别的预测，获取测试缺陷像素单元与对应的测试缺陷类别标识；

将每个图像特征对应的N维图像特征输入预设的挤压模型，获取与每个图像特征对应的一维图像特征；其中，每个通道的图像特征为N维图像特征，其中，N为大于1的正整数；

根据预设计算模型计算与多通道图像特征对应的多个一维图像特征之间的相关值，再根据相关值确定每个一维图像特征的权重，根据权重对每个通道的图像特征对应的N维图像特征进行加权处理，获取N维的多通道调整图像特征。

2.如权利要求1所述的生产线上电路板缺陷检测方法，其特征在于，步骤S1还包括步骤S11：将拍摄的多幅图像与生成的标准图像中对应像素进行像素信息差分计算得到对应像素的深度差分值，和将拍摄的多幅图像与生成的标准图像中对应的像素进行灰度值差分，得到对应像素在各色彩通道的灰度差分值；将深度差分值、深度值以及在各色彩通道的灰度差分值和灰度值增加到拍摄图像中各像素的像素信息中，得到输入图像中对应像素的像素信息。

3.如权利要求1所述的生产线上电路板缺陷检测方法，其特征在于，步骤S6还包括步骤S61：分类模型通过深度卷积神经网络对训练样本图像进行训练得到，并且训练建立的分类模型已经学习得到各类缺陷的电路板对应的输入图像的图像特征。