基于人工智能的筋膜枪供电驱动板焊接故障检测方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种基于人工智能的筋膜枪供电驱动板焊接故障检测方法，包括：获取待检测筋膜枪供电驱动板的各个引脚焊接区域内的各目标像素点，通过对各目标像素点图像特征的图像处理，获得形态学闭运算前的各目标像素点的第一清晰程度和形态学闭运算后的各目标像素点的第二清晰程度，根据第一清晰程度和第二清晰程度，确定各个引脚焊接区域的最佳分割阈值，进而获得裂纹判定指标，基于裂纹判定指标判断待检测筋膜枪供电驱动板是否存在裂纹缺陷。本发明专利技术实现了筋膜枪供电驱动板焊接故障检测，降低了光照不均对裂纹故障检测的影响，提高了裂纹故障检测的准确性和效率，可应用于电路板焊接故障检测领域。可应用于电路板焊接故障检测领域。可应用于电路板焊接故障检测领域。

【技术实现步骤摘要】
基于人工智能的筋膜枪供电驱动板焊接故障检测方法


[0001]本专利技术涉及图像处理
，具体涉及一种基于人工智能的筋膜枪供电驱动板焊接故障检测方法。

技术介绍

[0002]在筋膜枪供电驱动板的焊接作业中，芯片元件和贴片元件存在引脚多、间距小以及焊接精度要求高等特点，为了确保供电驱动板的生产质量，需要对引脚焊接质量进行故障检测。常见的引脚焊接缺陷有桥联、虚焊、焊料过多或过少、冷焊等，大部分缺陷可以通过焊接区域尺寸分析进行故障检测，而由冷焊缺陷所导致的焊接表面裂纹，需要通过图像处理等方法获取裂纹区域，来判断供电驱动板的焊接作业中是否存在裂纹缺陷。
[0003]随着图像处理技术的发展，现有通过比对相邻焊接区域的差异图像信息，来检测各个焊接区域是否存在焊接故障缺陷，该方法未考虑相邻焊接区域均存在故障的特殊情况，该特殊情况利用差异信息并不能很好的识别故障，导致故障识别准确性较低。同时，现有还通过传统的Otsu算法（最大类间方差法或大津算法）对供电驱动板焊接表面图像进分割处理，可以获得裂纹区域，但该方法的运算量较大，故障检测效率较低，且对于微小缺陷的分割精度较低，导致裂纹故障检测的准确率低。

技术实现思路

[0004]为了解决上述裂纹故障检测的准确率低的技术问题，本专利技术的目的在于提供一种基于人工智能的筋膜枪供电驱动板焊接故障检测方法。
[0005]本专利技术提供了一种基于人工智能的筋膜枪供电驱动板焊接故障检测方法，包括以下步骤：获取待检测筋膜枪供电驱动板的各个引脚焊接区域，进而确定各个引脚焊接区域内每个像素点的灰度值，根据灰度值确定每个像素点的第一清晰程度，根据第一清晰程度筛选出各个引脚焊接区域内各目标像素点；根据各目标像素点确定各闭合边缘线，根据各闭合边缘线上每个边缘像素点的灰度值，确定每个边缘像素点的灰度下降向量，根据每个边缘像素点的灰度下降向量和位置，确定各闭合边缘线的宽度和为裂纹边缘线的概率；根据各闭合边缘线的宽度和为裂纹边缘线的概率，确定各个引脚焊接区域对应的结构元素自适应尺寸，根据结构元素自适应尺寸，获得形态学闭运算后的各个引脚焊接区域；确定形态学闭运算后的各个引脚焊接区域内每个目标像素点的第二清晰程度，根据每个目标像素点的第一清晰程度和第二清晰程度，确定各个目标像素点对应的各灰度级对应的权重；根据各灰度级的目标像素点的灰度值以及各灰度级对应的权重，确定各个引脚焊接区域的最佳分割阈值，利用最佳分割阈值对各个引脚焊接区域进行分割处理，获得各个
引脚焊接区域的初始裂纹区域和初始非裂纹区域；根据初始裂纹区域和初始非裂纹区域，确定各个引脚焊接区域的裂纹判定指标，根据裂纹判定指标和裂纹判定阈值，判断待检测筋膜枪供电驱动板是否存在裂纹缺陷。
[0006]进一步地，根据灰度值确定每个像素点的第一清晰程度，包括：根据各个引脚焊接区域内每个像素点的灰度值，确定每个像素点八邻域内的最大灰度值和最小灰度值，计算每个像素点的灰度值分别与其对应的最大灰度值、最小灰度值的差值绝对值，将每个像素点的灰度值与其对应的最大灰度值的差值绝对值作为第一灰度差值绝对值，将每个像素点的灰度值与其对应的最小灰度值的差值绝对值作为第二灰度差值绝对值；若任意一个像素点的第一灰度差值绝对值大于第二灰度差值绝对值，则计算该像素点的第一灰度差值绝对值与第二灰度差值绝对值的差值，并将归一化后的该差值作为该像素点的第一清晰程度，若任意一个像素点的第一灰度差值绝对值小于或等于第二灰度差值绝对值，则将该像素点的第一清晰程度赋值为0。
[0007]进一步地，根据各闭合边缘线上每个边缘像素点的灰度值，确定每个边缘像素点的灰度下降向量，包括：确定各闭合边缘线上每个边缘像素点八邻域内各像素点的灰度值，根据各闭合边缘线上每个边缘像素点的灰度值及其八邻域内各像素点的灰度值，统计八邻域内灰度值小于其对应的边缘像素点的灰度值的像素点，并将该像素点作为对应边缘像素点的灰度下降像素点；根据每个边缘像素点的灰度值与其对应的各灰度下降像素点的灰度值，计算每个边缘像素点与其对应的各灰度下降像素点之间的灰度差异向量，计算每个边缘像素点对应的各灰度差异向量之和，将各灰度差异向量之和作为对应边缘像素点的灰度下降向量。
[0008]进一步地，根据每个边缘像素点的灰度下降向量和位置，确定各闭合边缘线的宽度和为裂纹边缘线的概率，包括：根据各闭合边缘线上每个边缘像素点的位置和灰度下降向量，确定每个边缘像素点沿其灰度下降向量至其所在闭合边缘线上另一个边缘像素点的距离，进而计算各闭合边缘线的距离均值，将该距离均值作为对应的闭合边缘线的宽度；根据各闭合边缘线上每个边缘像素点的灰度下降向量，确定每个边缘像素点的灰度下降向量的角度，进而计算各闭合边缘线对应的角度均值；计算角度大于角度均值的各边缘像素点对应的角度方差与角度小于或等于角度均值的各边缘像素点对应的角度方差的均值，将该均值的负相关映射作为对应闭合边缘线为裂纹边缘线的概率。
[0009]进一步地，所述结构元素自适应尺寸的计算公式为：其中，为各个引脚焊接区域对应的结构元素自适应尺寸，为各个引脚焊接区域内闭合边缘线的个数，为各个引脚焊接区域内各闭合边缘线的序号，为各个引脚焊接
区域内第个闭合边缘线为裂纹边缘线的概率，为各个引脚焊接区域内第个闭合边缘线的宽度，为向下取整，为预设参数。
[0010]进一步地，根据每个目标像素点的第一清晰程度和第二清晰程度，确定各个目标像素点对应的各灰度级对应的权重，包括：计算每个目标像素点的第一清晰程度和第二清晰程度的差值绝对值，将该差值绝对值作为对应目标像素点为裂纹边缘像素点的概率；根据每个目标像素点的灰度值，确定目标像素点对应的各灰度级，根据各灰度级的目标像素点为裂纹边缘像素点的概率，计算各灰度级对应的为裂纹边缘像素点的概率均值，将概率均值作为对应灰度级对应的权重。
[0011]进一步地，根据各灰度级的目标像素点的灰度值以及各灰度级对应的权重，确定各个引脚焊接区域的最佳分割阈值，包括：根据各个引脚焊接区域内各灰度级的目标像素点的灰度值，确定各灰度级为初始分割阈值的概率，计算各灰度级为初始分割阈值的概率与对应权重的乘积，将该乘积作为对应灰度级为最佳分割阈值的概率；从各灰度级为最佳分割阈值的概率中选取最大值，将该最大值对应的灰度级作为对应引脚焊接区域的最佳分割阈值。
[0012]进一步地，根据初始裂纹区域和初始非裂纹区域，确定各个引脚焊接区域的裂纹判定指标，包括：根据初始裂纹区域内每个像素点的灰度值和初始非裂纹区域内每个像素点的灰度值，计算初始裂纹区域对应的灰度均值和初始非裂纹区域对应的灰度均值；计算初始裂纹区域与初始非裂纹区域对应的灰度均值的差值、初始裂纹区域与初始非裂纹区域对应的灰度均值之和，并将该差值作为比值的分子、将该和作为比值的分母，将该比值作为对应引脚焊接区域的裂纹判定指标。
[0013]进一步地，根据第一清晰程度筛选出各个引脚焊接区域内各目标像素点，包括：根据每个像素点的第一清晰程度，去除第一清晰程度为0的像素点，获得各个引脚焊接区域内各初始目标像素点；根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的筋膜枪供电驱动板焊接故障检测方法，其特征在于，包括以下步骤：获取待检测筋膜枪供电驱动板的各个引脚焊接区域，进而确定各个引脚焊接区域内每个像素点的灰度值，根据灰度值确定每个像素点的第一清晰程度，根据第一清晰程度筛选出各个引脚焊接区域内各目标像素点；根据各目标像素点确定各闭合边缘线，根据各闭合边缘线上每个边缘像素点的灰度值，确定每个边缘像素点的灰度下降向量，根据每个边缘像素点的灰度下降向量和位置，确定各闭合边缘线的宽度和为裂纹边缘线的概率；根据各闭合边缘线的宽度和为裂纹边缘线的概率，确定各个引脚焊接区域对应的结构元素自适应尺寸，根据结构元素自适应尺寸，获得形态学闭运算后的各个引脚焊接区域；确定形态学闭运算后的各个引脚焊接区域内每个目标像素点的第二清晰程度，根据每个目标像素点的第一清晰程度和第二清晰程度，确定各个目标像素点对应的各灰度级对应的权重；根据各灰度级的目标像素点的灰度值以及各灰度级对应的权重，确定各个引脚焊接区域的最佳分割阈值，利用最佳分割阈值对各个引脚焊接区域进行分割处理，获得各个引脚焊接区域的初始裂纹区域和初始非裂纹区域；根据初始裂纹区域和初始非裂纹区域，确定各个引脚焊接区域的裂纹判定指标，根据裂纹判定指标和裂纹判定阈值，判断待检测筋膜枪供电驱动板是否存在裂纹缺陷。2.根据权利要求1所述的一种基于人工智能的筋膜枪供电驱动板焊接故障检测方法，其特征在于，根据灰度值确定每个像素点的第一清晰程度，包括：根据各个引脚焊接区域内每个像素点的灰度值，确定每个像素点八邻域内的最大灰度值和最小灰度值，计算每个像素点的灰度值分别与其对应的最大灰度值、最小灰度值的差值绝对值，将每个像素点的灰度值与其对应的最大灰度值的差值绝对值作为第一灰度差值绝对值，将每个像素点的灰度值与其对应的最小灰度值的差值绝对值作为第二灰度差值绝对值；若任意一个像素点的第一灰度差值绝对值大于第二灰度差值绝对值，则计算该像素点的第一灰度差值绝对值与第二灰度差值绝对值的差值，并将归一化后的该差值作为该像素点的第一清晰程度，若任意一个像素点的第一灰度差值绝对值小于或等于第二灰度差值绝对值，则将该像素点的第一清晰程度赋值为0。3.根据权利要求1所述的一种基于人工智能的筋膜枪供电驱动板焊接故障检测方法，其特征在于，根据各闭合边缘线上每个边缘像素点的灰度值，确定每个边缘像素点的灰度下降向量，包括：确定各闭合边缘线上每个边缘像素点八邻域内各像素点的灰度值，根据各闭合边缘线上每个边缘像素点的灰度值及其八邻域内各像素点的灰度值，统计八邻域内灰度值小于其对应的边缘像素点的灰度值的像素点，并将该像素点作为对应边缘像素点的灰度下降像素点；根据每个边缘像素点的灰度值与其对应的各灰度下降像素点的灰度值，计算每个边缘像素点与其对应的各灰度下降像素点之间的灰度差异向量，计算每个边缘像素点对应的各灰度差异向量之和，将各灰度差异向量之和作为对应边缘像素点的灰度下降向量。
4.根据权利要求1所述的一种基于人工智能的筋膜枪供电驱动板焊接故障检测方法，其特征在于，根据每个边缘像素点的灰度下降向量和位置，确定各闭合边缘线的宽度和为裂纹边缘线的概率，包括：根据各闭合边缘线上每个边缘像素点的位置和灰度下降向量，确定每个边缘像素点沿其灰度下降向量至其所在闭合边缘线上另一个边缘像素点的距离，进而计算各闭合边缘线的距离均值，将该距离均值作为对应的闭合边缘线的宽度；根据各闭合边缘...

【专利技术属性】
技术研发人员：杨罗密，
申请(专利权)人：深圳市百昌科技有限公司，
类型：发明
国别省市：