[发明专利]基于深度学习的焊点外观质量检测方法、装置及终端

说明书

本发明提供了一种深度学习的焊点外观质量检测方法、装置及终端，该方法包括：获取目标焊点的三维点云图；将目标焊点的三维点云图进行处理，得到目标焊点所对应的多张连续的二维图像；将目标焊点所对应的多张连续的二维图像输入预设置的基于三维卷积神经网络的检测模型中；通过检测模型对目标焊点所对应的多张连续的二维图像进行检测，检测结果为目标焊点合格或不合格。本发明能够精准、快速的判断焊点是否合格。

技术领域

本发明属于图像识别技术领域，尤其涉及一种基于深度学习的焊点外观质量检测方法、装置及终端。

背景技术

随着工业生产技术水平的提高和电子产业的快速发展，电路板上的电子元件变得越来越精细。在一块电路板上，任何一个电子元件焊点的缺陷都有可能会导致整个电子设备出现异常。

因此，电子元件焊点的可靠性对整个电子产品而言非常重要。焊接结束后为保证焊接质量，要进行质量检查，由于焊接检查与其它生产工序不同，没有一种机械化、自动化的检查测量方法，因此主要是通过目视检查发现问题。随着微电子技术的不断发展，电子元件微小化、细密化的发展趋势，给焊点的质量检测提出了更高要求，传统的人工检查方法已经难以满足实际生产的需求。

如何提高焊点质量的检测速率和检测准确性，是急需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于深度学习的焊点外观质量检测方法、装置及终端，能够提高电路板焊点外观质量的检测速率和准确性。

本发明实施例的第一方面提供了一种基于深度学习的焊点外观质量检测方法，包括：

获取目标焊点的三维点云图；

将所述目标焊点的三维点云图进行处理，得到所述目标焊点所对应的多张连续的二维图像；

将所述目标焊点所对应的多张连续的二维图像输入预设置的基于三维卷积神经网络的检测模型中；

通过所述检测模型对所述目标焊点所对应的多张连续的二维图像进行检测，检测结果为所述目标焊点合格或不合格。

在一种可能的实现方式中，所述获取包含目标焊点的三维点云图包括：

将激光器按照预设角度投射到电路板上，其中，所述电路板包含所述目标焊点；

保持所述激光器不动，匀速移动所述电路板，得到所述电路板的激光扫描图像；

通过由双棱镜和摄像机组成的摄像系统获取所述电路板的立体图像；

根据所述电路板的激光扫描图像和立体图像，获取所述电路板的三维点云图，所述电路板的三维点云图中包含所述目标焊点的三维点云图。

在一种可能的实现方式中，所述获取所述电路板的立体图像包括：

对所述摄像系统中的摄像机进行标定，获取所述摄像机的内部参数和外部参数，得到所述电路板的左图像和右图像；

对所述左图像和右图像进行立体校正；

所述根据所述电路板的激光扫描图像和立体图像，获取所述电路板的三维点云图包括：

将校正后的左图像和右图像与所述电路板的激光扫描图像进行匹配，得到对应的匹配点对；

采用区域立体匹配SSD算法得到视差图，计算得到三维数据，生成所述电路板的三维点云图。

在一种可能的实现方式中，该方法还包括：

建立训练集，所述训练集中包含多个图组，每个图组包含一个焊点所对应的多张连续的二维图像，根据训练集中每个焊点的三维点云图中的三维数据，将符合预设条件的焊点设置为合格焊点，将不符合预设条件的焊点设置为不合格焊点；