[发明专利]一种基于多视角模板匹配的电路板表面缺陷检测的方法

说明书

本发明公开了一种基于多视角模板匹配的电路板表面缺陷检测的方法，采集数个不同视角下待测电路板和模板电路板的图像信息，按照相同尺寸和数量分割成数个子区域进行匹配，融合每个匹配结果构造的缺陷指数得到综合缺陷指数，若大于设定的阈值，则判定该综合缺陷指数对应的子区域存在缺陷，累加得到待测电路板的缺陷数量，无需大量的数据样本，有效识别电路板表面的缺陷，削弱元器件受光照条件、装配方式、测试状态、样本数量等因素对检测效果的影响，显著提高识别准确性，有效提高多种类、小批量电路板的缺陷检测效率。

技术领域

本发明属于图像处理技术领域，具体涉及一种匹配检测技术。

背景技术

在电路板的生产制造过程中,其表面微小元器件易产生缺装、错装、损坏等多种类型的缺陷，影响电子产品的可靠性。

《数字技术与应用》中的《电路板元器件缺陷检测研究》公开了一种基于模板匹配算法的电路板缺陷检测方法，根据采集的器件模板构建器件库，将待检测的电路板与器件库中的图像进行匹配。为达到较高的检测准确率，必须保证待测电路板中所有元器件的种类、状态都与器件库中完全一致，难以适用于光线环境不同、元器件装配方式改变以及多种类电路板的缺陷检测。

《红外技术》中的《基于红外热图的机载电路板故障模式诊断研究》公开了一种通过红外热成像的方法对电路板中元器件进行缺陷识别的方法，通过热成像技术提取元器件的温度特征，基于向量机进行模式分类，识别电路板中元器件工作时的异常状态。该方法在电路板通电的状态下具有适用性，无法在生产及调试过程中对缺陷进行早期检测。

《电子质量》中的《基于亚像素的PCB表面质量检测》公开了一种基于深度学习的电路板缺陷检测方法，采集电路板光板中导线及焊盘的图像信息，训练人工神经网络模型，识别此类型的缺陷。此方法需要大量的数据监督学习，对于多种类、小批量生产或者特殊应用环境下的电路板而言，有效数量较少，某些种类样本缺失，无法获得有效的模型。

对存在两处表面缺陷的电路板进行缺陷检测试验，采用基于单一视角的模板匹配方法进行缺陷检测时，若缺陷判断阈值较小，则产生的误识别数量较多。随着缺陷判断阈值的增大，产生的误识别数逐渐减少，当判断阈值提高到一定程度以后，匹配结果出现漏识别，此时仍然存在少量的误识别。说明在单一视角模板匹配的过程中，由于不可忽略的误差因素，真实缺陷的区域不一定都具有最大的缺陷指数，仅通过增大判断阈值无法准确识别真实缺陷。

发明内容

本发明为了解决现有技术存在的问题，提出了一种基于多视角模板匹配的电路板表面缺陷检测的方法，对电路板表面元器件缺装、错装、损毁等缺陷精确检测，为了实现上述目的，本发明采用了以下技术方案。

采集数个不同视角下待测电路板的图像信息和模板电路板的图像信息，将待测电路板的图像和模板电路板的图像按照相同尺寸和数量分割成数个子区域，将待测电路板的每个子区域和对应的模板电路板的子区域进行匹配，采用单一视角下的模板匹配方法，由每个匹配结果构造对应的缺陷指数，融合多个缺陷指数得到综合缺陷指数，若大于设定的阈值，则判定该综合缺陷指数对应的图像存在缺陷。

选取n个不同的参考视角，n≥2，每个视角固定一个相机

采集n个不同的参考视角的模板电路板的图像T，分别记为T₁，T₂……T_n

采集n个不同的参考视角的待测电路板的图像S，分别记为S₁，S₂……S_n

调整模板电路板的图像T与待测电路板的图像S的尺寸，使其相同，分别将每个图像T和S分割为多个相同大小的子区域Tij和Sij

将子区域Tij对应的灰度值Tij(x,y)与子区域Sij对应的灰度值Sij(x,y)匹配，采用标准化相关匹配方法，由公式一计算Tij与Sij之间的相关系数R(i,j)，定义缺陷指数D(i,j)＝1-R(i,j)