[发明专利]一种基于图像的PCB表观缺陷自动检测系统及方法

权利要求书

1.一种基于图像的PCB表观缺陷自动检测系统，包括运动控制单元、图像采集单元、图像预处理单元、PCB缺陷检测单元以及PCB缺陷识别与分类单元，其特征在于：所述的运动控制单元驱动传送装置将待测PCB传送到指定位置，由图像采集单元获取PCB待测图及PCB标准图；所述的图像预处理单元对PCB待测图进行图像滤波、校正和灰度化处理，对PCB标准图进行灰度化处理；所述的PCB缺陷检测单元将PCB待测图与标准图进行图像对比，依次通过图像匹配、二值化、形态学去噪、边缘提取和图像分割得到缺陷区域；所述的PCB缺陷识别与分类单元提取缺陷区域特征，进行缺陷种类的识别与分类。

2.根据权利要求1所述的基于图像的PCB表观缺陷自动检测系统，其特征在于：所述的图像采集单元包括工业相机、光源系统和图像采集卡；所述的工业相机采集PCB图像；所述的光源系统为PCB提供照明，确保光线均匀分布在PCB表面；所述的图像采集卡用于对工业相机所输出的数据进行实时采集。

3.根据权利要求1所述的基于图像的PCB表观缺陷自动检测系统，其特征在于：所述的图像滤波用于对采集到的PCB待测板进行平滑去噪；所述的图像校正用于对存在旋转平移的待测PCB进行校正，以获取能与标准图进行匹配的PCB待测板图像。

4.根据权利要求1所述的基于图像的PCB表观缺陷自动检测系统，其特征在于：所述的图像匹配用于将图像预处理后的待测图与标准图进行对比，得到差影图像；所述的二值化用于对差影图像进行二值化，获得差影图像的黑白图；所述的形态学去噪用于消除差影图像黑白图中存在的小且无意义的区域以及填补差影区域内部的空洞，得到的区域作为缺陷区域，其中小且无意义的区域指小于PCB上最小元器件面积的区域，面积的度量单位为区域像素个数；所述的边缘提取用于对差影图像黑白图的缺陷区域提取边缘图；所述的图像分割用于对缺陷区域边缘图通过多阈值分割法分割出缺陷区域并采用矩形拟合法计算出区域轮廓的外包矩形，绘制出外包矩形。

5.根据权利要求1所述的基于图像的PCB表观缺陷自动检测系统，其特征在于：所述的提取缺陷图像特征采用几何特征与灰度特征相结合的算法来提取缺陷区域特征，几何特征是指图像中物体的位置、方向、周长和面积，灰度特征采用灰度直方图来描述，灰度直方图统计特性包含均值、方差、能量和熵，通过提取灰度直方图统计特性来区分错焊和漏焊两种不同的缺陷模式；所述缺陷种类的识别与分类是对提取到的缺陷区域特征采用SVM分类器进行缺陷识别分类，其中识别分类包括对已有特征数据的训练和对提取到缺陷数据的测试，已有特征数据是从生产线上获取到的缺陷特征数据，对已有特征数据的训练依次通过数据加标签，数据归一化处理，采用SVM训练得到训练模型，其中数据加标签是指对提取到的特征数据进行分类标记，每组特征数据对应一个缺陷种类；对提取到缺陷数据的测试依次经过数据归一化处理及通过训练模型进行测试，每组测试数据通过训练模型得到一个预测的缺陷分类结果。

6.根据权利要求5所述的基于图像的PCB表观缺陷自动检测系统，其特征在于：所述的采用SVM训练得到训练模型包括选取核函数、采用网格搜索和交叉验证方法得到最优参数组合，用最优的参数组合进行模型的训练；所述的选取核函数选用高斯径向基核函数，SVM训练的参数包括惩罚因子c和核函数宽度g，惩罚因子c用来权衡损失和分类间隔的权重，核函数宽度g表示选择径向基作为核函数后，数据映射到新的特征空间后的分布；本发明选择网格搜索算法进行参数选择并通过交叉验证得到精确度最高的(c，g)对。

7.一种利用权利要求1所述装置的基于图像的PCB表观缺陷自动检测方法，其特征在于包括下述步骤：

(1)运动控制单元驱动传送装置将PCB待测板传送到指定位置；

(2)图像采集单元获取PCB待测图及PCB标准图；

(3)图像预处理单元对获取的PCB图像进行图像预处理，包括：

(3a)对采集到的PCB待测图进行中值滤波，去除噪声，得到滤波图像；

(3b)采用基于仿射变换的几何校正法，通过提取两幅图中的SURF特征点建立匹配关系，并对匹配后的特征点进行排序，选取匹配度最高的3对特征点作为校正变换函数的参数，计算出变换矩阵，以此来进行图像校正；

(3c)对校正后的PCB待测图采用灰度平均值法进行灰度化操作，得到PCB待测图灰度图像，对获取的PCB标准图同样采用灰度平均值法进行灰度化操作，得到PCB标准图灰度图像；

(4)对经过图像预处理得到的PCB待测灰度图进行缺陷检测，包括：

(4a)将PCB待测灰度图像与标准图灰度图像采用基于模板匹配的差影法进行图像匹配，得到差影图像；

(4b)对差影图像采用自适应阈值法进行二值化，获得差影图像的黑白图；

(4c)采用形态学闭运算即膨胀后腐蚀运算消除差影图像黑白图中存在的小且无意义的区域以及填补差影区域内部的空洞，得到缺陷区域；

(4d)对二值化后的差影图像采用Canny算子提取出边缘图；

(4e)对缺陷区域边缘图通过多阈值分割法分割出缺陷区域，采用矩形拟合法计算并绘制出缺陷区域轮廓的外包矩形；

(5)对检测出的PCB板缺陷区域进行特征提取并进行分类，包括：

(5a)对检测出的缺陷区域采用几何特征与灰度特征相结合的算法来提取缺陷区域特征，其中几何特征选择缺陷区域面积、周长、长宽比、矩形度、椭圆度及圆形度，灰度特征选择缺陷区域的灰度均值、方差、能量及熵；

(5b)对上述提取的缺陷特征采用SVM分类器进行识别与分类，其中识别与分类包括对已有特征数据的训练和对提取到缺陷数据的测试；对已有特征数据的训练依次经过数据加标签，数据归一化处理，采用SVM训练得到训练模型，其中数据加标签是指对提取到的特征数据进行分类标记，每组特征数据对应一个缺陷种类；对提取到缺陷数据的测试依次经过数据归一化处理及通过训练模型进行测试，每组测试数据通过训练模型得到一个预测的缺陷分类结果。