一种贴片元件贴装后质量检测方法，属于图像处理领域。本发明专利技术为解决现有对贴装质量检测方法存在准确性差和速度慢的问题。它用工业相机采集贴装后元件电路板图片；使用标注软件对电路板图片进行标注，搭建SSD卷积神经网络模型，并进行训练，利用训练完成的SSD卷积神经网络模型对待检测元件的电路板图片进行识别，截取元件及周边区域，作为感兴趣区域；对感兴趣区域进行图像分割，提取出电子元件的引脚位置、引脚角度、焊盘位置和焊盘角度；并判断电子元件的位置与焊盘的位置之间的距离和电子元件的角度与焊盘的角度差是否小于阈值，对电子元件贴装是否正常进行判断。本发明专利技术适用于贴片元件贴装后质量检测。元件贴装后质量检测。元件贴装后质量检测。
【技术实现步骤摘要】
一种贴片元件贴装后质量检测方法
[0001]本专利技术属于图像处理领域。
技术介绍
[0002]贴片机是电子元件表面贴装产线上的核心设备，其主要作用是将电子元件自动化的贴装在电路板指定位置上。正确的贴装才能让电路板正常工作，错误的贴装会导致在后续的回流焊接中出现错位、翘起等问题，影响电路板的正常工作。因此，在电子元件完成贴装后，需要对电子元件的贴装质量进行检查。然而，现有对贴装质量检测方法存在准确性差和速度慢的问题，无法满足工业化自动化生产的需求。
技术实现思路
[0003]本专利技术目的是为了解决现有对贴装质量检测方法存在准确性差和速度慢的问题，提出了一种贴片元件贴装后质量检测方法。
[0004]本专利技术所述一种贴片元件贴装后质量检测方法，包括：
[0005]步骤一：使用工业相机采集贴装后元件电路板图片；
[0006]步骤二：使用标注软件对电路板图片进行标注，标注信息包括：元件位置、元件角度以及元件种类；
[0007]步骤三：搭建SSD卷积神经网络模型，利用所述电路板图片及标注信息对所述SSD卷积神经网络模型进行训练；获取训练完成的SSD卷积神经网络模型；
[0008]步骤四:利用训练完成的SSD卷积神经网络模型对待检测元件的电路板图片进行识别，识别元件电路板上元件的位置、角度以及种类信息；
[0009]步骤五：截取元件及周边区域，并将截取的区域作为感兴趣区域；
[0010]步骤六：对所述感兴趣区域进行图像分割，提取出电子元件每个引脚中心位置、角度、每个焊盘中心的位置和角度；
[0011]步骤七：计算电子元件的引脚中心位置与对应焊盘的中心位置之间的距离和电子元件的引脚角度与对应焊盘的角度差，判断所述距离是否在距离阈值范围内和所述角度差是否小于角度阈值，若所述距离在距离阈值范围内，同时所述角度差小于角度阈值，则电子元件贴装正常，否则，认定电子元件贴装异常。
[0012]进一步地，本专利技术中，步骤二中，使用标注软件对电路板图片进行标注的具体方法为：
[0013]根据电路板图片中电子元件的特征，对电子元件类型进行确定，并对电子元件在图片中的位置、元件的角度以及元件种类进行标注。
[0014]进一步地，本专利技术中，电子元件类型包括：CHIP类型、BGA类型、SOP类型、SOT类型和Other类型五类；
[0015]其中，CHIP类型指矩形无引脚元件；BGA类型指球形栅格阵列元件，SOP类型指双列引脚元件；SOT类型指矩形非对称引脚元件，Other类型指其他形状元件。
[0016]进一步地，本专利技术中，步骤五中，截取电子元件周边区域，并将截取的区域作为感兴趣区域的具体方法为：
[0017]以元件中心位置为中心，截取1.2倍元件尺寸的区域，将截取的区域作为感兴趣区域。
[0018]进一步地，本专利技术中，步骤六中，对所述感兴趣区域进行图像分割，提取出电子元件的引脚位置、引脚角度、焊盘位置和焊盘角度的具体方法为：
[0019]步骤六一：根据感兴趣区域内元件的种类和测量的尺寸确定第一分割像素阈值T1，将电子元件感兴趣区域内灰度超过第一分割像素阈值T1的区域作为元件的引脚区域，在所述引脚区域内提取二值引脚图像；
[0020]步骤六二：基于二值引脚图像，使用连通域分析方法提取引脚区域中所有白色像素区域；
[0021]步骤六三：计算每个白色像素位置的像素平均值，将所述像素平均值的位置作为对应引脚的中心位置(x
r
,y
r
)；
[0022]步骤六四：以所述引脚的中心位置(x
r
,y
r
)为中心，拟合二值引脚图像中所有白色像素位置的最小外接矩形，将所述最小外接矩形的角度作为对应引脚的角度r
r
；
[0023]步骤六五：设定第二分割像素阈值T2，T2＜T1，提取二值引脚图像中所有白色像素位置的最小外接矩形内像素超过阈值T2小于阈值T1的二值焊盘图像；
[0024]步骤六六：基于所述二值焊盘图像，使用连通域分析方法提取元件焊盘区域所有白色像素的位置；
[0025]步骤六七：计算焊盘区域每个白色像素区域的平均值，将所述白色像素区域的平均值位置作为焊盘的中心位置(x
t
,y
t
)；
[0026]步骤六八：以焊盘的中心位置(x
t
,y
t
)为中心，拟合焊盘区域白色像素的最小外接矩形，并将该最小外接矩形的角度作为对应焊盘的角度r
t
。
[0027]进一步地，本专利技术中，步骤七中，计算电子元件的位置与焊盘的位置之间的距离和电子元件的角度与焊盘的角度差的方法为：
[0028]利用公式：
[0029](Δx,Δy,Δz)＝|(x
r
,y
r
,r
r
)
‑
(x
t
,y
t
,r
t
)|
[0030]计算获得，其中，(Δx,Δy,Δz)分别为电子元件与焊盘的X方向位置差值、Y方向位置差值和旋转角度差值，(x
r
,y
r
,r
r
)为图像分割得到的元件引脚的X方向位置数据、Y方向位置数据和旋转角度数据，(x
t
,y
t
,r
t
)为图像分割得到的元件焊盘的X方向位置数据、Y方向位置数据和旋转角度数据。
[0031]本专利技术所述方法用于贴片机生产后对贴片元件贴装质量进行检测，结合了神经网络检测定位方法和图像分割方法，直观的评价了贴装质量，整个过程高效、快速、稳定，能够解决贴片后对元件贴装质量进行检查的问题。
附图说明
[0032]图1为本专利技术的方法流程图；
[0033]图2为本专利技术的图像分割示意图。
具体实施方式
[0034]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0035]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0036]具体实施方式一：下面结合图1说明本实施方式，本实施方式所述一种贴片元件贴装后质量检测方法，包括：
[0037]步骤一：使用工业相机采集贴装后元件电路板图片；
[0038]步骤二：使用标注软件对电路板图片进行标注，标注信息包括：元件位置、元件旋转角度以及元件种类；
[0039]步骤三：搭建SSD卷积神经网络模型，利用所述电路板图片及标注信息对所述SSD卷积神经网络模型进行训练；
[0040]步骤四:利用步骤三训练完成的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种贴片元件贴装后质量检测方法，其特征在于，包括：步骤一：使用工业相机采集贴装后元件电路板图片；步骤二：使用标注软件对电路板图片进行标注，标注信息包括：元件位置、元件角度以及元件种类；步骤三：搭建SSD卷积神经网络模型，利用所述电路板图片及标注信息对所述SSD卷积神经网络模型进行训练；获取训练完成的SSD卷积神经网络模型；步骤四：利用训练完成的SSD卷积神经网络模型对待检测元件的电路板图片进行识别，识别元件电路板上元件的位置、角度以及种类信息；步骤五：截取元件及周边区域，并将截取的区域作为感兴趣区域；步骤六：对所述感兴趣区域进行图像分割，提取出电子元件每个引脚中心位置、角度、每个焊盘中心的位置和角度；步骤七：计算电子元件的引脚中心位置与对应焊盘的中心位置之间的距离和电子元件的引脚角度与对应焊盘的角度差，判断所述距离是否在距离阈值范围内和所述角度差是否小于角度阈值，若所述距离在距离阈值范围内，同时所述角度差小于角度阈值，则电子元件贴装正常，否则，认定电子元件贴装异常。2.根据权利要求1所述的一种贴片元件贴装后质量检测方法，其特征在于，步骤二中，使用标注软件对电路板图片进行标注的具体方法为：根据电路板图片中电子元件的特征，对电子元件类型进行确定，并对电子元件在图片中的位置、元件的角度以及元件种类进行标注。3.根据权利要求2所述的一种贴片元件贴装后质量检测方法，其特征在于，电子元件类型包括：CHIP类型、BGA类型、SOP类型、SOT类型和Other类型五类；其中，CHIP类型指矩形无引脚元件；BGA类型指球形栅格阵列元件，SOP类型指双列引脚元件；SOT类型指矩形非对称引脚元件，Other类型指其他形状元件。4.根据权利要求1、2或3所述的一种贴片元件贴装后质量检测方法，其特征在于，步骤五中，截取电子元件周边区域，并将截取的区域作为感兴趣区域的具体方法为：以元件中心位置为中心，截取1.2倍元件尺寸的区域，将截取的区域作为感兴趣区域。5.根据权利要求1所述的一种贴片元件贴装后质量检测方法，其特征在于，步骤六中，对所述感兴趣区域进行图像分割，提取出电子元件的引脚位置和引脚角度具体方法为：步骤六一：根据感兴趣区域内元件的种类和测量的尺寸确定第一分割像素阈值T1，将电子元件感兴趣区域内灰度超过第一分割像素阈值T1的区域作为元件的引脚区域，在所述引脚区域内提取二值引脚图像；步骤六二：基于二值引脚图像，使用连通域分析方法提取引脚区域中所有...
【专利技术属性】
技术研发人员：杨宪强，高会军，刘伟华，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。