[发明专利]一种电路板故障红外图像自动检测方法

摘要

一种电路板故障红外图像自动检测方法，采用可见光图像和红外热图像同时采集的方法获得电路板工作状态的图像信息，先采集电路板正常工作时的可见光图像和红外热图像，存储在数据库中，检测故障电路板时，将拍摄到的电路板图像（可见光图像和红外热图像）与数据库中的正常状态的图像进行对照比较，利用计算机图像处理，找出温度异常的元器件或线路所在的区域和具体位置，并自动在可见光图像上标出，实现电路板可能故障元件的自动检测，该技术可以应用在电路板维修、设备故障监测等领域，也可以在电力设备的故障检修、石化管道积炭堵塞、保温层脱落检查、铁路机车的轮轴状态监测、防火、防洪防病等涉及温度变化的非接触测量领域。

主权项

一种电路板故障红外图像自动检测方法，其特征在于，包括以下步骤：1)可见光图像和红外热图像融合配准；利用可见光相机和红外热像仪光路相对固定，所拍图像空间对应关系固定的特点，确定好可见光图像和红外热图像融合配准关系，基本做到逐点对应；2)红外图像之间的空间配准；利用红外热像仪测得电路板上各电子元器件在工作时的红外辐射温度，进而通过温度信息来判定是否发生故障及故障位置，为了达到快速、准确检测定位电路板温度异常区域的目的，必须将采集到的正常工作标准红外热图像与待测红外热图像进行精确配准，采用灰度变换、平滑滤波、锐化增强、频域处理、图像重构、图像识别对图像预处理，然后进行红外图像拼接与配准处理，完成故障红外图像与标准红外图像配准计算；3)可见光图像辅助精确红外图像配准；采用基于不变特征的图像配准算法，利用SIFT算法对可见光图像进行特征点检测，采取粗匹配与精匹配结合的匹配策略选取特征点，并将其映射到红外图像，实现快速、有效、高精度的红外图像配准；首先由一系列的不同核值σ的高斯函数(G(x,y,σ))与图像(I(x,y))做卷积得到的高斯尺度空间(L(x,y,σ))，其次高斯尺度空间进行采样得到高斯金字塔，将相邻的高斯尺度空间做差得到高斯差分尺度空间，即：L(x,y,σ)＝G(x,y,σ)*I(x,y)   (1)D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))⊗I(x,y)=L(x,y,kσ)-L(x,y,σ)---(2)]]>在高斯差分尺度空间中的中间层的每个像素与相邻的26个像素点(其中包含同层8个相邻的像素点以及上层和下层各9个相邻的像素点)进行比较，找出极值点，这些极值点也是候选点；确定特征点位置；检测到的所有极值点通过三维二次函数进行拟合，达到精确极值点位置的目的，同时去除对比度低的极值点(对比度低的极值点对噪声很敏感，不稳定)，DoG算子对边缘响应强烈，因此在边缘上的极值点不稳定，必须去除，去除对比度低的极值点和边缘上的极值点，剩下的极值点为图像的特征点；SIFT特征点配准算法；设待配准图像为M，基准图像为N，图像M的特征点描述子集合为R＝{r1,r2,r3,…,rM}，图像N的特征点描述子集合为S＝{s1,s2,s3,…,sN}，则图像M中某个特征点描述子rm与图像N中某个特征点描述子sn的欧氏距离dmn为：dmn=Σi=1128(rmi-sni)2---(3)]]>图像M中某个特征点描述子rm与图像N中特征点描述子sn有最近距离dmn且与描述子sk有次近距离dmk，如果有：dmndmk<T,(n≠k)---(4)]]>式中T为常数，通常取T∈(0.4,0.8)，则接受该匹配点对；图像变换，设待配准图像中的点(x,y)经过仿射变换到标准图像为(u,v)，则：uv=m1m2m3m4xy+txty---(5)]]>式中为旋转与缩放量，为平移量，则仿射变换矩阵可以写为：xy001000xy01......m1m2m3m4txty=uv......---(6)]]>通过最小二乘法就计算仿射变换的变换矩阵；粗匹配，经过SIFT算法检测到特征点生成的描述子后进行特征点匹配；精匹配，经过SIFT算法检测到特征点生成的描述子后进行特征点匹配有错误匹配点对，剔除错误匹配点对；为了从红外热图中提取需要的故障特征，需要确定如何从图像中求出那些最需要、最有效的特征；4)通过正常板卡与故障板卡的红外图像对比及计算，对电路板卡故障进行判别与精确定位；为了在板卡红外热图像中提取出最有效的特征，首先对原始红外图像进行了滤波、降噪预处理，设定温度阈值和灰度阈值通过拉普拉斯算子把背景去除，从而使芯片与背景分离，将芯片准确提取出来；然后提取芯片特征，依据芯片特征使两幅图像配准；最后对两幅图像进行差值运算，得到温度异常区域并将其标注出来，完成故障区域判断，再利用红外图像和可见光图像的一一对应关系，在可见光图像中找到对应的温度异常区域并将其标注出来，完成故障区域显示，然后格局需要，可以自动生成报表，形成故障诊断报告；经过图像处理和比对，故障区域将在图像中被圈出。