基于图像处理的PCB板检测方法、系统及存储介质技术方案

本发明专利技术公开了一种基于图像处理的PCB板检测方法、系统及存储介质，涉及PCB板检测技术领域。具体步骤为：获取待检测的PCB板的PCB图像；对所述PCB图像进行预处理，得到PCB板灰度图像；对所述PCB板灰度图像进行阈值分割、连通域过滤处理，将处理结果作为标注结果；将标注结果与原始PCB板图像组成样本数据集，基于交叉熵损失函数训练语义分割深度卷积神经网络，进行PCB板缺陷的自动检测。采用本发明专利技术方法可以有效提高PCB板缺陷的检测速度和精度，解决了传统的人工检测方式效率低、漏检率高、主观性强、PCB板检测易受外界干扰的问题。PCB板检测易受外界干扰的问题。PCB板检测易受外界干扰的问题。

【技术实现步骤摘要】
基于图像处理的PCB板检测方法、系统及存储介质


[0001]本专利技术涉及PCB板检测
，更具体的说是涉及一种基于图像处理的PCB板检测方法、系统及存储介质。

技术介绍

[0002]PCB板是根据由CAD软件产生的设计数据转化而来的CAM数据，利用激光光绘机在菲林底板上刻蚀导电线路的印刷电路板。PCB板由于作用以及安装位置的不同，PCB板上有不同位置的孔，在生产过程中需要一种设备或者系统对孔位进行检测；现如今市面上的PCB板孔位检测系统的自动化程度低，需要大量人工参与检测，费时费力，大大降低了工作效率。因此，对本领域技术人员来说，如何高效准确地进行PCB板质量检测是亟待解决的问题。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种基于图像处理的PCB板检测方法、系统及存储介质，以解决
技术介绍
中提出的问题。
[0004]为了实现上述目的，本专利技术采用如下技术方案：一种基于图像处理的PCB板检测方法，具体步骤包括如下：
[0005]获取待检测的PCB板的PCB图像；
[0006]对所述PCB图像进行预处理，得到PCB板灰度图像；
[0007]对所述PCB板灰度图像进行阈值分割、连通域过滤处理，将处理结果作为标注结果；
[0008]将标注结果与原始PCB板图像组成样本数据集，基于交叉熵损失函数训练语义分割深度卷积神经网络，进行PCB板缺陷的自动检测。
[0009]可选的，对所述PCB图像进行预处理的步骤为：
[0010]通过图像去噪法对所述PCB图像进行滤波，得到第一图像；
[0011]将所述第一图像转换为灰度图像并通过边缘检测获得灰度图像中PCB板匹配区域的边界。
[0012]可选的，所述语义分割深度卷积神经网络包括顺次连接的特征提取网络与特征预测网络；所述特征提取网络包括特征提取层、特征压缩层、特征压平层以及特征分类层；根据所述特征提取层对图像数据进行特征提取，获取所述图像数据的特征图；根据所述特征压缩层对所述特征图进行压缩并输出所述特征图的特征向量；根据所述特征压平层对所述特征向量进行卷积核分解并输出所述特征图的枚举向量；将所述枚举向量输入至所述特征分类层中以对不同类型的缺陷进行独立预测并获取缺陷区域位置。
[0013]可选的，所述特征提取层包括多个依次连接的卷积层；所述特征压缩层包括多个交替设置的卷积层与池化层；所述特征压平层包括多个一维卷积层；所述特征分类层包括多个全连接层；所述特征预测网络包括依次连接的多个池化层以及一个全连接层。
[0014]可选的，对PCB板成像的方式是通过自动光学检测系统来对PCB板进行成像。
[0015]可选的，还包括误判检测操作，根据所述PCB板灰度图像的疑似缺陷程度判断是否误判；当所述PCB板灰度图像的疑似缺陷程度小于等于疑似缺陷程度阈值时，判断灰度图不存在缺陷，产生误判；当所述PCB板灰度图像的疑似缺陷程度大于疑似缺陷程度阈值时，判断灰度图存在缺陷。
[0016]另一方面，提供一种基于图像处理的PCB板检测系统，包括依次相连的图像获取模块、预处理模块、标注模块、检测模块；其中，
[0017]所述图像获取模块，用于获取待检测的PCB板的PCB图像；
[0018]所述预处理模块，用于对所述PCB图像进行预处理，得到PCB板灰度图像；
[0019]所述标注模块，用于对所述PCB板灰度图像进行阈值分割、连通域过滤处理，将处理结果作为标注结果；
[0020]所述检测模块，用于将标注结果与原始PCB板图像组成样本数据集，基于交叉熵损失函数训练语义分割深度卷积神经网络，进行PCB板缺陷的自动检测。
[0021]最后，提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种基于图像处理的PCB板检测方法的步骤。
[0022]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于图像处理的PCB板检测方法、系统及存储介质，具有以下有益的技术效果：提高了PCB板缺陷的检测速度和精度，有效提高了检测效率，减少了缺陷误检或漏检情况的发生，实现了印制电路板表面缺陷的自动化检测，节省了人力财力物力，提高了生产自动化程度，解决了传统的人工检测方式效率低、漏检率高、主观性强、PCB板检测易受外界干扰的问题。
附图说明
[0023]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0024]图1为本专利技术的方法流程图；
[0025]图2为本专利技术的系统结构图。
具体实施方式
[0026]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做出创造性劳动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。
[0027]本专利技术实施例公开了一种基于图像处理的PCB板检测方法，如图1所示，具体步骤包括如下：
[0028]S1、获取待检测的PCB板的PCB图像；
[0029]S2、对PCB图像进行预处理，得到PCB板灰度图像；
[0030]S3、对PCB板灰度图像进行阈值分割、连通域过滤处理，将处理结果作为标注结果；
[0031]S4、将标注结果与原始PCB板图像组成样本数据集，基于交叉熵损失函数训练语义
分割深度卷积神经网络，进行PCB板缺陷的自动检测。
[0032]进一步的，在S2中对PCB图像进行预处理的步骤为：
[0033]S21、通过图像去噪法对PCB图像进行滤波，得到第一图像；
[0034]S21、将第一图像转换为灰度图像并通过边缘检测获得灰度图像中PCB板匹配区域的边界。
[0035]进一步的，语义分割深度卷积神经网络包括顺次连接的特征提取网络与特征预测网络；特征提取网络包括特征提取层、特征压缩层、特征压平层以及特征分类层；根据特征提取层对图像数据进行特征提取，获取图像数据的特征图；根据特征压缩层对特征图进行压缩并输出特征图的特征向量；根据特征压平层对特征向量进行卷积核分解并输出特征图的枚举向量；将枚举向量输入至特征分类层中以对不同类型的缺陷进行独立预测并获取缺陷区域位置。
[0036]更进一步的，特征提取层包括多个依次连接的卷积层；特征压缩层包括多个交替设置的卷积层与池化层；特征压平层包括多个一维卷积层；特征分类层包括多个全连接层；特征预测网络包括依次连接的多个池化层以及一个全连接层。
[0037]进一步的，对PCB板成像的方式是通过自动光学检测系统来对PCB板进行成像。
[0038]进一步的，还包括误判检测操作，根据PCB板本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的PCB板检测方法，其特征在于，具体步骤包括如下：获取待检测的PCB板的PCB图像；对所述PCB图像进行预处理，得到PCB板灰度图像；对所述PCB板灰度图像进行阈值分割、连通域过滤处理，将处理结果作为标注结果；将标注结果与原始PCB板图像组成样本数据集，基于交叉熵损失函数训练语义分割深度卷积神经网络，进行PCB板缺陷的自动检测。2.根据权利要求1所述的一种基于图像处理的PCB板检测方法，其特征在于，对所述PCB图像进行预处理的步骤为：通过图像去噪法对所述PCB图像进行滤波，得到第一图像；将所述第一图像转换为灰度图像并通过边缘检测获得灰度图像中PCB板匹配区域的边界。3.根据权利要求1所述的一种基于图像处理的PCB板检测方法，其特征在于，所述语义分割深度卷积神经网络包括顺次连接的特征提取网络与特征预测网络；所述特征提取网络包括特征提取层、特征压缩层、特征压平层以及特征分类层；根据所述特征提取层对图像数据进行特征提取，获取所述图像数据的特征图；根据所述特征压缩层对所述特征图进行压缩并输出所述特征图的特征向量；根据所述特征压平层对所述特征向量进行卷积核分解并输出所述特征图的枚举向量；将所述枚举向量输入至所述特征分类层中以对不同类型的缺陷进行独立预测并获取缺陷区域位置。4.根据权利要求3所述的一种基于图像处理的PCB板检测方法，其特征在于，所述特征提取层包括多个依次连接的卷积层；所述特征压缩层包括多个交替设置的卷积层与池化层；所述特征压...

【专利技术属性】
技术研发人员：赵云花，慕来冬，
申请(专利权)人：江西鹰高科技有限公司，
类型：发明
国别省市：