一种PCBA元器件缺陷检测方法及装置制造方法及图纸

本申请公开了一种PCBA元器件缺陷检测方法及装置，方法包括：通过图像采集装置采集待检测PCBA图像，得到待检测元器件图像；采用预置YOLO检测模型对待检测元器件图像进行目标检测，得到目标元器件图像，目标元器件图像包括元器件类别和元器件中心坐标；采用预置文本识别模型对目标元器件图像中的文本字符进行预置角度识别，得到元器件文本信息，元器件文本信息包括文本内容和文本中心坐标；根据基准样本信息、目标元器件图像和元器件文本信息进行缺陷对比检测，得到元器件缺陷检测结果。本申请能够解决现有技术要么操作过于复杂，要么适配度低，无法满足PCB元器件缺陷检测要求的技术问题。技术问题。技术问题。

【技术实现步骤摘要】
一种PCBA元器件缺陷检测方法及装置


[0001]本申请涉及图像处理
，尤其涉及一种PCBA元器件缺陷检测方法及装置。

技术介绍

[0002]PCB(Printed Circuit Board)即印制线路板，简称印制板，是电子工业的重要部件之一。PCB分为两种类型，即PCB裸板和PCB组装板，后者通常称为组装电路板(Printed Circuit BoardAssembly，PCBA)。目前，印制线路板已经极其广泛地应用在电子产品的生产制造中。所以PCB进行质量检测监控也显得极为重要以保证PCB可以正常使用，PCB质量的好坏往往直接影响着组装后产品的性能，及时发现制造工艺中存在的缺陷是产品得以安全正常使用的保障。
[0003]以往PCB缺陷检测采用人工目视或ICT电气检测的方法检测元器件，如今电子设备不断缩小，也使得机械制造的PCB需求量更大且变得更复杂，功能更多，尺寸变得更小，上述2种方法由于各种各样的原因已不适用于现代工业生产发展需要。
[0004]目前较为有效的技术大多是基于机器视觉的自动光学检测方法，但是现有的基于机器视觉的自动光学检测方法仍然存在各种各样的技术问题，例如相关光学仪器设备成本高，操作复杂，或者特征点匹配计算相似度的方法时间成本较高，且某些方法适配度较低，不仅不能检测错装元器件，也不能适应多种元器件的缺陷检测，所以无法真正适应当下的PCBA图像中的PCB元器件缺陷检测场景。

技术实现思路

[0005]本申请提供了一种PCBA元器件缺陷检测方法及装置，用于解决现有技术要么操作过于复杂，要么适配度低，无法满足PCB元器件缺陷检测要求的技术问题。
[0006]有鉴于此，本申请第一方面提供了一种PCBA元器件缺陷检测方法，包括：
[0007]通过图像采集装置采集待检测PCBA图像，得到待检测元器件图像；
[0008]采用预置YOLO检测模型对所述待检测元器件图像进行目标检测，得到目标元器件图像，所述目标元器件图像包括元器件类别和元器件中心坐标；
[0009]采用预置文本识别模型对所述目标元器件图像中的文本字符进行预置角度识别，得到元器件文本信息，所述元器件文本信息包括文本内容和文本中心坐标；
[0010]根据基准样本信息、所述目标元器件图像和所述元器件文本信息进行缺陷对比检测，得到元器件缺陷检测结果。
[0011]优选地，所述通过图像采集装置采集待检测PCBA图像，得到待检测元器件图像，之后还包括：
[0012]对所述待检测元器件图像依次进行预处理操作和标注操作，所述预处理操作包括裁剪、仿射变换、中值滤波和锐化。
[0013]优选地，所述采用预置YOLO检测模型对所述待检测元器件图像进行目标检测，得到目标元器件图像，所述目标元器件图像包括元器件类别和元器件中心坐标，包括：
[0014]基于上采样机制、SE注意力机制和小目标检测机制构建初始YOLO检测模型，所述初始YOLO检测模型包括多个SPD卷积核；
[0015]采用多尺度训练方式和加权图像训练策略对所述初始YOLO检测模型进行目标检测训练，得到预置YOLO检测模型；
[0016]采用预置YOLO检测模型对所述待检测元器件图像中的离散元器件进行局部目标检测，得到目标元器件图像，所述目标元器件图像包括元器件类别和元器件中心坐标。
[0017]优选地，所述采用预置YOLO检测模型对所述待检测元器件图像进行目标检测，得到目标元器件图像，之后还包括：
[0018]根据所述目标元器件图像进行元器件漏装和锡珠短接判断，得到初步缺陷检测结果。
[0019]优选地，所述采用预置文本识别模型对所述目标元器件图像中的文本字符进行预置角度识别，得到元器件文本信息，包括：
[0020]基于预置文本识别模型中的改进DBNet算法对所述目标元器件图像中的文本字符进行同行且同元器件的目标检测，得到元器件文本区域图像，所述元器件文本区域图像包括文本检测框和文本中心坐标；
[0021]将所述元器件文本区域图像调整至预置角度后，采用所述预置文本识别模型中的预置SVTR算法对所述元器件文本区域图像中的文本字符进行识别，得到元器件文本信息，所述元器件文本信息包括文本内容和文本中心坐标。
[0022]优选地，所述基于预置文本识别模型中的改进DBNet算法对所述目标元器件图像中的文本字符进行同行且同元器件的目标检测，得到元器件文本区域图像，包括：
[0023]根据DBNet算法对所述目标元器件图像中的文本字符进行文本检测，得到多个文本检测框；
[0024]基于预置灰度波动原理分析同行所述文本检测框是否在同一个元器件上，并对同行且同元器件的所述文本检测框进行合并整理，得到元器件文本区域图像。
[0025]优选地，所述根据基准样本信息、所述目标元器件图像和所述元器件文本信息进行缺陷对比检测，得到元器件缺陷检测结果，包括：
[0026]基于无缺陷PCBA图像提取基准样本信息，形成基准样本信息列表；
[0027]根据比对阈值将所述基准样本信息分别与所述目标元器件图像和所述元器件文本信息进行多种缺陷对比检测，得到元器件缺陷检测结果。
[0028]本申请第二方面提供了一种PCBA元器件缺陷检测装置，包括：
[0029]图像采集单元，用于通过图像采集装置采集待检测PCBA图像，得到待检测元器件图像；
[0030]目标检测单元，用于采用预置YOLO检测模型对所述待检测元器件图像进行目标检测，得到目标元器件图像，所述目标元器件图像包括元器件类别和元器件中心坐标；
[0031]文本识别单元，用于采用预置文本识别模型对所述目标元器件图像中的文本字符进行预置角度识别，得到元器件文本信息，所述元器件文本信息包括文本内容和文本中心坐标；
[0032]缺陷检测单元，用于根据基准样本信息、所述目标元器件图像和所述元器件文本信息进行缺陷对比检测，得到元器件缺陷检测结果。
[0033]优选地，所述目标检测单元，包括：
[0034]模型构建子单元，用于基于上采样机制、SE注意力机制和小目标检测机制构建初始YOLO检测模型，所述初始YOLO检测模型包括多个SPD卷积核；
[0035]模型训练子单元，用于采用多尺度训练方式和加权图像训练策略对所述初始YOLO检测模型进行目标检测训练，得到预置YOLO检测模型；
[0036]目标检测子单元，用于采用预置YOLO检测模型对所述待检测元器件图像中的离散元器件进行局部目标检测，得到目标元器件图像，所述目标元器件图像包括元器件类别和元器件中心坐标。
[0037]优选地，所述文本识别单元，包括：
[0038]区域检测子单元，用于基于预置文本识别模型中的改进DBNet算法对所述目标元器件图像中的文本字符进行同行且同元器件的目标检测，得到元器件文本区域图像，所述元器件文本区域图像包括文本检测框和文本中心坐标；
[0039]文本识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种PCBA元器件缺陷检测方法，其特征在于，包括：通过图像采集装置采集待检测PCBA图像，得到待检测元器件图像；采用预置YOLO检测模型对所述待检测元器件图像进行目标检测，得到目标元器件图像，所述目标元器件图像包括元器件类别和元器件中心坐标；采用预置文本识别模型对所述目标元器件图像中的文本字符进行预置角度识别，得到元器件文本信息，所述元器件文本信息包括文本内容和文本中心坐标；根据基准样本信息、所述目标元器件图像和所述元器件文本信息进行缺陷对比检测，得到元器件缺陷检测结果。2.根据权利要求1所述的PCBA元器件缺陷检测方法，其特征在于，所述通过图像采集装置采集待检测PCBA图像，得到待检测元器件图像，之后还包括：对所述待检测元器件图像依次进行预处理操作和标注操作，所述预处理操作包括裁剪、仿射变换、中值滤波和锐化。3.根据权利要求1所述的PCBA元器件缺陷检测方法，其特征在于，所述采用预置YOLO检测模型对所述待检测元器件图像进行目标检测，得到目标元器件图像，所述目标元器件图像包括元器件类别和元器件中心坐标，包括：基于上采样机制、SE注意力机制和小目标检测机制构建初始YOLO检测模型，所述初始YOLO检测模型包括多个SPD卷积核；采用多尺度训练方式和加权图像训练策略对所述初始YOLO检测模型进行目标检测训练，得到预置YOLO检测模型；采用预置YOLO检测模型对所述待检测元器件图像中的离散元器件进行局部目标检测，得到目标元器件图像，所述目标元器件图像包括元器件类别和元器件中心坐标。4.根据权利要求1所述的PCBA元器件缺陷检测方法，其特征在于，所述采用预置YOLO检测模型对所述待检测元器件图像进行目标检测，得到目标元器件图像，之后还包括：根据所述目标元器件图像进行元器件漏装和锡珠短接判断，得到初步缺陷检测结果。5.根据权利要求1所述的PCBA元器件缺陷检测方法，其特征在于，所述采用预置文本识别模型对所述目标元器件图像中的文本字符进行预置角度识别，得到元器件文本信息，包括：基于预置文本识别模型中的改进DBNet算法对所述目标元器件图像中的文本字符进行同行且同元器件的目标检测，得到元器件文本区域图像，所述元器件文本区域图像包括文本检测框和文本中心坐标；将所述元器件文本区域图像调整至预置角度后，采用所述预置文本识别模型中的预置SVTR算法对所述元器件文本区域图像中的文本字符进行识别，得到元器件文本信息，所述元器件文本信息包括文本内容和文本中心坐标。6.根据权利要求5所述的PCBA元器件缺陷检测方法，其特征在于，所述基于预置文本识别模型中的改进DBNet算法对所述目标元器件图像中的文本字符进行同行且同...

【专利技术属性】
技术研发人员：周华锋，石智伟，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：