一种计算机PCB主板焊接缺陷检测方法与流程

一种计算机pcb主板焊接缺陷检测方法
技术领域
1.本发明涉及测试缺陷的存在技术领域，具体为一种计算机pcb主板焊接缺陷检测方法。


背景技术：

2.在焊接过程中，由于生产环境不佳或操作不当的原因会出现焊点质量不高的情况，严重影响了计算机pcb主板的电气性能的稳定性和机械持续的性能。然而由于一块计算机pcb主板上焊点数量较多，且焊点对应的面积往往较小，采用人工目检的方式效率往往比较低，由此，为了提高对计算机pcb主板焊接质量的检测效率，有必要提出一种能够实现对计算机pcb主板焊接缺陷进行自动检测的方法。


技术实现要素：

3.为了解决现有采用人工目检的方式对计算机pcb主板焊接缺陷进行检测时存在的检测效率较低的问题，本发明的目的在于提供一种计算机pcb主板焊接缺陷检测方法，包括以下步骤：获取计算机pcb主板图像，对所述计算机pcb主板图像进行灰度化处理，得到对应的计算机pcb主板灰度图像；计算所述计算机pcb主板灰度图像上各像素点对应的梯度幅值和梯度方向，根据所述各像素点对应的梯度幅值对所述计算机pcb主板灰度图像进行划分，得到多个等势区域；根据各等势区间内像素点对应的梯度幅值计算各等势区间与相邻的等势区间的梯度幅值差异，并根据所述梯度幅值差异计算各等势区间的梯度幅值非均匀度；根据各等势区间内像素点对应的梯度角度计算各等势区间对应的角度离散度，并根据各等势区间对应的梯度幅度非均匀度和角度离散度计算各等势区间对应的丰富度；根据各等势区间对应的中心位置坐标和各等势区间内像素点对应的梯度幅值计算各等势区间对应的坡度；根据各等势区间对应的丰富度和坡度计算各等势区间对应的阈值的置信度区间长度，根据所述计算机pcb主板灰度图像上各像素点对应的梯度幅值计算阈值的置信度区间的中值，并根据各等势区间对应的阈值的置信度区间长度和所述中值对所述计算机pcb主板灰度图像上各像素点是否为边缘点进行判别；根据判别结果对所述计算机pcb主板灰度图像上的点进行定位，定位后将焊点区域与对应的标准焊点区域进行比较，根据比较结果判断所述计算机pcb主板灰度图像是否存在焊接缺陷。
4.进一步地，所述根据所述各像素点对应的梯度幅值对所述计算机pcb主板灰度图像进行划分，得到多个等势区域，包括：以设定步长在所述计算机pcb主板灰度图像中选取等势区域初始生长点，对于任一等势区域初始点，将该等势区域初始点作为生长点，在该生长点的周围的八邻域中的像
素点中寻找是否有像素点的梯度幅值小于幅值阈值，如果有这样的像素点则将像素点合并到等势区域初始点所在的等势区间，并将新加入的像素点作为新的生长点继续生长，直到没有新加入的像素点为止；判断各等势区间包含的像素点数目，对于包含像素点数目小于设定数目的等势区间进行滤除，滤除后得到多个等势区域。
5.进一步地，所述根据各等势区间内像素点对应的梯度幅值计算各等势区间与相邻的等势区间的梯度幅值差异，并根据所述梯度幅值差异计算各等势区间的梯度幅值非均匀度，包括：利用如下公式计算各等势区间对应的梯度幅值非均匀度：利用如下公式计算各等势区间对应的梯度幅值非均匀度：其中，表示的是某等势区间的梯度幅值非均匀度，表示的是该等势区间的梯度幅值均值，表示的是该等势区间的第i个相邻的等势区间的梯度幅值均值，的是该等势区间与第i个相邻的等势区间的中心位置坐标的欧式距离，表示的是该等势区间与所有相邻的等势区间的中心位置坐标的欧式距离的均值，为该等势区间对应的相邻的等势区间的数目。
6.进一步地，所述根据各等势区间内像素点对应的梯度角度计算各等势区间对应的角度离散度，包括：利用如下公式计算各等势区间对应的角度离散度：其中，代表的是某等势区间对应的角度离散度，代表的是该等势区间包含的角度区间的数目，表示的是在该等势区间包含的个角度区间中第个角度区间的频率，代表的是个角度区间的平均频率，代表的是在该等势区间包含的个角度区间中第个角度区间的序号，代表的是该等势区间包含的所有角度区间的序号均值，为调节参数。
7.进一步地，所述根据各等势区间对应的中心位置坐标和各等势区间内像素点对应的梯度幅值计算各等势区间对应的坡度，包括：对于任一等势区间，判断出在各象限中距离该等势区间距离最近的等势区间，将这些距离最近的等势区间进行合并，得到该等势区间对应的第一级梯度圈；判断出在各象限中距离该等势区间距离第二近的等势区间，将这些距离第二近的等势区间进行合并，得到该等势区间对应的第二级梯度圈；判断出在各象限中距离该等势区间距离第三近的等势
区间，将这些距离第三近的等势区间进行合并，得到该等势区间对应的第三级梯度圈；分别计算第一、二和三级梯度圈与该等势区间的平均欧式距离，以及第一、二、三级梯度圈的平均梯度幅值，并按照如下公式计算该等势区间对应的坡度：其中，代表等势区间对应的坡度，代表该等势区间对应的第级梯度圈的平均梯度幅值，，表示的是该等势区间的梯度幅值均值，为该等势区间对应的第级梯度圈中的所有像素点与该等势区间的中心位置的欧式距离的均值。
8.进一步地，所述根据各等势区间对应的丰富度和坡度计算各等势区间对应的阈值的置信度区间长度，包括：利用如下公式计算各等势区域的缩放因子：其中，为某等势区域的缩放因子，为该等势区间的丰富度，为该等势区间的坡度；对所述计算机pcb板灰度图像中所有的等势区域进行均衡化操作，求出等势区域最大的缩放因子和最小的缩放因子，将阈值置信度区间缩放因子调节到区间内，对阈值置信度区间缩放因子进行操作得到调节后的缩放因子，计算得到所述计算机pcb板灰度图像中各等势区域的阈值的置信度区间长度，为最大阈值置信度区间长度。
9.进一步地，所述根据所述计算机pcb主板灰度图像上各像素点对应的梯度幅值计算阈值的置信度区间的中值，并根据各等势区间对应的阈值的置信度区间长度和所述中值对所述计算机pcb主板灰度图像上各像素点是否为边缘点进行判别，包括：利用大津法对所述计算机pcb板灰度图像上所有像素点的梯度幅值求出最佳阈值，将所述最佳阈值作为所述计算机pcb板灰度图像中各像素点对应的置信度区间的中值；分析像素点是否在某一等势区域内，如果像素点在等势区域内，则基于该等势区域的阈值置信度区间长度计算该像素点的阈值区间，如果像素点不在某一等势区域内，则计算与该像素点空间位置距离最近的等势区域，将最近的等势区域的阈值置信度区间长度作为该像素点的阈值置信度区间长度，并进行阈值区间计算；如果某一像素点的梯度幅值不小于对应的阈值区间，则将该像素点归类于边缘点，如果像素点的梯度幅值小于阈值区间的最小值，则将该像素点归类于非边缘点。
10.进一步地，所述根据判别结果对所述计算机pcb主板灰度图像上的点进行定
位，包括：构建所述计算机pcb板灰度图像对应的二值图像，二值图像中边缘像素点的灰度值为0，非边缘像素点的灰度值为255；将所述计算机pcb板灰度图像对应的二值图像作为霍夫梯度圆算法的输入，得到圆形边缘；设置圆心位置距离阈值，将所述计算机pcb板灰度图像中的圆心点坐标之差小于圆心位置距离阈值的同心的圆形边缘提取出来，并将圆心坐标作为所述计算机pcb板灰度图像的点位置。
11.进一步地，所述定位后将焊点区域与对应的标准焊点区域进行比较，根据比较结果判断所述计算机pcb主板灰度图像是否存在焊接缺陷，包括：计算所述计算机pcb板灰度图像中焊点区域与标准焊点区域的结构相似性；如果结构相似性小于，则判定所述计算机pcb板灰度图像中该焊点区域是缺陷区域；如果不小于，则判定所述计算机pcb板灰度图像中该焊点区域是正常区域。
12.本发明的有益效果：本发明实现了对计算机pcb主板是否存在焊接缺陷的检测，属于一种自动检测方法，相较于现有的基于人工目检的方式提高了检测效率。
13.而且，本发明在判断计算机pcb灰度图像中像素点是否为边缘像素点的过程中，对于图像中细节较少且变化比较平缓的区域采用比较有弹性的阈值，对于图像中细节较多且变化比较剧烈的区域采用相对比较固定弹性较低的阈值，提高了提取的边缘的精度和完整性，进一步提高了图像定位的精度，进而提高缺陷检测的准确率。
附图说明
14.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其它附图。
15.图1是本发明的计算机pcb主板焊接缺陷检测方法的流程图；图2为本发明的计算机pcb主板对应的工程图纸示意图。
具体实施方式
16.为了更进一步阐述本发明，下面结合附图及较佳实施例对本发明进行详细说明。
17.为了解决现有采用人工目检的方式对计算机pcb主板焊接缺陷进行检测时存在的检测效率较低的问题，如图1所示，本实施例的计算机pcb主板焊接缺陷检测方法包括以下步骤：步骤1，获取计算机pcb主板图像，对所述计算机pcb主板图像进行灰度化处理，得到对应的计算机pcb主板灰度图像；为了实现对计算机pcb主板是否存在焊接缺陷的判断，本实施例获取了待测的计算机pcb主板图像，并对计算机pcb主板图像进行图像预处理，将其从彩色图像转化为灰度图像。
18.本实施例采用直方图均衡化对转化得到的灰度图像进行图像增强，将增强后的图
像作为最终的计算机pcb主板灰度图像。采用直方图均衡化对灰度图像进行图像增强的过程是现有技术，此处不再赘述。作为其它实施方式，也可以不进行直方图均衡化处理，而是直接将上述转化得到的灰度图像直接作为最终的计算机pcb主板灰度图像，为了简便，接下来将该计算机pcb主板灰度图像简写为图像。
19.步骤2，计算所述计算机pcb主板灰度图像上各像素点对应的梯度幅值和梯度方向，根据所述各像素点对应的梯度幅值对所述计算机pcb主板灰度图像进行划分，得到多个等势区域；具体的，本实施例采用算子计算图像中每个像素点的梯度幅值和梯度方向，分别采用水平方向和竖直方向的的卷积核和计算每个像素点在水平方向和竖直方向的梯度幅值和，并计算得到各像素点对应的梯度幅值和梯度方向=，其中，卷积核和的表达式如下：的表达式如下：。
20.至此，可得到了图像p中每个像素点的梯度幅值和方向，传统的边缘检测算法采用的是基于阈值将图像上的像素点分为非边缘点和边缘点，但这种方式对噪声比较敏感而且在一幅图像中使用全局的固定的阈值会使得到的边缘出现断裂和分叉的现象，对细节、边缘轮廓丰富的计算机pcb主板图像来说效果较差。由此，本实施例提出一种自适应局部阈值的选择方法，其基本原则是在图像中细节较少且变化比较平缓的区域采用比较有弹性的阈值，即阈值可在一定范围内选择，在图像中细节较多且变化比较剧烈的区域采用相对比较固定弹性较低的阈值。
21.为了实现上述在不同特点的区域采用不同阈值的目的，本实施例先对图像p划分等势区域。等势区域是指图像中像素点梯度幅值较为相似的同质区域，位于同质区域中的像素点在图像中具有相似的边缘属性，如果同质区域中像素点的梯度幅值都较大，那么该同质区域属于图像边缘的可能性就越高。由此，将图像p中梯度幅值相近的像素点划分为图像的等势区间，具体的，以步长为在图像p中选取等势区域初始生长点，设置幅值阈值，首先将等势区域初始点作为生长点，在其周围的八邻域中的像素点中寻找是否有像素点的梯度幅值小于幅值阈值，如果有这样的像素点则将像素点合并到等势区域初始点所在的等势区间，并将新加入的像素点作为新的生长点继续生长，直到没有新加入的像素点为止。判断各等势区间包含的像素点数目，对于包含像素点数目小于10的等势区间进行滤除，由此得到了个等势区间，并将各等势区间中所有像素点的行坐标和列
坐标均值求出来作为对应等势区间的中心位置坐标。作为其他实施方式，可以以其他步长在图像p中选取等势区域初始生长点，也可以设置其他的幅值阈值，也可以将包含像素点数目小于其他设定数目的等势区间进行滤除。
22.步骤3，根据各等势区间内像素点对应的梯度幅值计算各等势区间与相邻的等势区间的梯度幅值差异，并根据所述梯度幅值差异计算各等势区间的梯度幅值非均匀度；根据各等势区间内像素点对应的梯度角度计算各等势区间对应的角度离散度，并根据各等势区间对应的梯度幅度非均匀度和角度离散度计算各等势区间对应的丰富度；丰富度表征的是图像中梯度幅值和梯度方向复杂度，如果图像中梯度幅值分布越复杂，即在相邻等势区间的变化不是均匀一致的，在同一等势区间中像素点的梯度方向角分布越复杂，则表明图像的丰富度越大。对于本实施例图像p中的任一等势区间，其丰富度可由表示梯度幅值复杂度的梯度幅值非均匀度和表示梯度方向复杂度的角度离散度表示。
23.对于等势区间中的任一等势区间，其梯度幅值非均匀度表征的是其与相邻的等势区间的波动变化大小。为了计算各等势区间对应的梯度幅值非均匀度，先对图像p对应的个等势区间计算各等势区间对应的中心位置坐标，然后求取各等势区间对应的相邻的等势区间，具体的，对于任一等势区间：以该等势区间的中心位置坐标为坐标原点，构建笛卡尔坐标系，将图像p以该等势区间中心位置为原点划分四个象限区域，在每个象限区域中寻找与该坐标原点距离最近的等势区间的中心位置坐标，并将该距离最近的等势区间作为对应象限区域对应的相邻的等势区间，并计算各象限区域对应的相邻的等势区间中心位置坐标距离坐标原点的欧式距离。对于某一等势区间，若其在某个象限里没有找到等势区间的中心位置，则视为该等势区间在该象限中不存在相邻的等势区间；统计该等势区间对应的相邻的等势区间的数目，记为，由此该等势区间对应的梯度幅值非均匀度可表示为：可表示为：其中，表示的是该等势区间的梯度幅值均值，即该等势区间中所有像素点的梯度幅值的均值，表示的是该等势区间的第i个相邻的等势区间的梯度幅值均值，的是该等势区间与第i个相邻的等势区间的中心位置坐标的欧式距离，表示的是该等势区间与所有相邻的等势区间的中心位置坐标的欧式距离的均值。表示该等势区间与第i个相邻的等势区间之间在单位空间距离上的梯度幅值变化程度，称为梯度幅值变化率。如果该等势区间与其相邻的等势区间在四个象限中的梯度幅值变化率差距较大，即表明其在
四个象限上分布越不均衡，梯度幅值非均匀度越大。
24.对于等势区间中的任一等势区间，其对应的角度离散度表征的是该等势区间中梯度方向角分布的杂散度。具体的，对于任一等势区间，在该等势区间中每隔设置一个角度区间，共36个角度区间，分别为：，，，，将这个角度区间按照顺序分别表示为序号，在该等势区间中计算每个角度区间出现的像素点的频率，由此可计算出该等势区间的角度离散度：其中，代表的是某等势区间包含的角度区间的数目，表示的是在该等势区间包含的个角度区间中第个角度区间的频率，代表的是个角度区间的平均频率。代表的是在该等势区间包含的个角度区间中第个角度区间的序号，代表的是该等势区间包含的所有角度区间的序号均值，为调节参数，本实施例根据经验设置。当等势区间包含的角度区间的个数越多，且在这些角度区间中角度区间分布越分散，则表明梯度方向越复杂，角度离散度越大。表明对频率与差值越大的角度区间来说，其与的距离对整体的角度区间的分散评价权重越大。
25.在得到了各等势区间对应的梯度幅值非均匀度和角度离散度之后，计算各等势区间对应的丰富度，当某一等势区间对应的梯度幅值非均匀度和表示梯度角度离散度越大时，该等势区间对应的丰富度越大。
26.步骤4，根据各等势区间对应的中心位置坐标和各等势区间内像素点对应的梯度幅值计算各等势区间对应的坡度；坡度表征的是图像中梯度的变化的程度，相邻的等势区间中平均梯度幅值在单位空间长度上的变化越大，说明图像的坡度越大。接下来对各等势区间对应的坡度的计算过程进行说明：对于个等势区间中的任一等势区间，按照上述判断其是否在各象限存在相邻的等势区间的方法，可以判断出在各象限中距离其距离最近的等势区间（即相邻的等势区间），将这些距离其最近的等势区间进行合并，可得到该等势区间对应的第一级梯度圈；按照同样的方法，可以判断出在各象限中距离其距离第二近的等势区间，将这些距离其第二近的等势区间进行合并，可得到该等势区间对应的第二级梯度圈；按照同样的方法，可以判断出在各象限中距离其距离第三近的等势区间，将这些距离其第三近的等势
区间进行合并，可得到该等势区间对应的第三级梯度圈，分别计算第一、二、三级梯度圈与该等势区间的平均欧式距离，以及第一、二、三级梯度圈的平均梯度幅值，其中为对应级梯度圈中的所有像素点与该等势区间的中心位置的欧式距离的均值；并按照如下公式计算该等势区间对应的坡度：其中，代表该等势区间对应的第级梯度圈的平均梯度幅值，，表示的是该等势区间的梯度幅值均值，为该等势区间对应的第级梯度圈中的所有像素点与该等势区间的中心位置的欧式距离的均值。如果该等势区间与其最近邻梯度圈之间，以及相邻梯度圈之间的平均梯度幅值变化越大，说明该等势区间处在梯度变化较为剧烈的图像区域，坡度较大。
27.步骤5，根据各等势区间对应的丰富度和坡度计算各等势区间对应的阈值的置信度区间长度，根据所述计算机pcb主板灰度图像上各像素点对应的梯度幅值计算阈值的置信度区间的中值，并根据各等势区间对应的阈值的置信度区间长度和所述中值对所述计算机pcb主板灰度图像上各像素点是否为边缘点进行判别；根据判别结果对所述计算机pcb主板灰度图像上的点进行定位，定位后将焊点区域与对应的标准焊点区域进行比较，根据比较结果判断所述计算机pcb主板灰度图像是否存在焊接缺陷。
28.本实施例根据上述得到的各等势区间的丰富度和坡度，求出各等势区间对应的阈值的置信度区间长度和中值。本实施例对于图像中细节较少且变化比较平缓的区域采用比较有弹性的阈值，即对于丰富度小和坡度小的区域选择较大的阈值置信度区间；对于图像中细节较多且变化比较剧烈的区域采用相对比较固定弹性较低的阈值，即对于丰富度大和坡度大的区域选择较小的阈值置信度区间。
29.具体的，设置图像p中最大阈值置信度区间长度，设置阈值置信度区间缩放因子，根据丰富度和坡度决定，当丰富度小和坡度小的时候，缩放因子就越大，得到的阈值置信度区间长度就越大。对图像p中所有的等势区域计算其丰富度和坡度，得到各等势区域的缩放因子：对图像p中所有的等势区域进行均衡化操作，求出等势区域最大的缩放因子和最小的缩放因子，将阈值置信度区间缩放因子调节到区间内，对阈值置信度区
间缩放因子进行操作得到调节后的缩放因子，由此得到图像p中各等势区域的阈值的置信度区间长度。
30.置信度区间的中值由大津法对图像p上所有像素点的梯度幅值求出最佳阈值得到，本实施将由大津法得到的最佳阈值作为图像p中各像素点对应的置信度区间的中值。大津法为现有技术，此处不再赘述。
31.根据各等势区间对应的阈值的置信度区间长度和中值，对图像p上所有像素点进行边缘检测。首先分析像素点是否在某一等势区域内，如果像素点在等势区域内，则基于该等势区域的阈值置信度区间长度计算该像素点的阈值区间，如果像素点不在某一等势区域内，则计算与该像素点空间位置距离最近的等势区域（即计算像素点与哪一等势区域的中心位置距离最近），将最近的等势区域的阈值置信度区间长度作为该像素点的阈值置信度区间长度。得到了各像素点对应的阈值区间之后即可进行判别：如果某一像素点的梯度幅值不小于阈值区间，则将该像素点归类于边缘点，如果像素点的梯度幅值小于阈值区间的最小值，则将该像素点归类于非边缘点。
32.由此可以判断图像p中各像素点是否为边缘像素点。接下来本实施例基于霍夫梯度圆算法将待测pcb板和标准pcb板进行匹配校准，并进行缺陷检测。具体过程如下：通过对待测pcb板图像和标准pcb板的工艺边上的点定位，将图像（待测pcb板对应的灰度图像）与图像（标准pcb板对应的灰度图像）进行配准，其中点为同心圆结构，如图2所示，标准pcb板是根据待测pcb主板对应的工程图纸做出来的标准的pcb板。
33.具体的，根据上述对灰度图像p的边缘像素点判断结果构建二值图像，二值图像中边缘像素点的灰度值为0，非边缘像素点的灰度值为255；将灰度图像p对应的二值图像作为霍夫梯度圆算法的输入，得到图像中的圆形边缘。按照同样的方法，将图像n对应的二值图像作为霍夫梯度圆算法的输入，得到图像中的圆形边缘。设置圆心位置距离阈值，分别将图像与图像中的圆心点坐标之差小于圆心位置距离阈值的同心的圆形边缘提取出来，并将圆心坐标（即两个圆形边缘圆心坐标的行坐标的均值和列坐标的均值）分别作为图像与图像的点位置，由此实现了对待测pcb板图像和标准pcb板的定位和校准。并通过标准pcb板中元器件与点的相对位置对待测pcb板图像中的焊点位置进行定位和焊点区域提取，计算待测pcb板图像和标准pcb板图像中对应位置的焊点区域和的结构相似性，如果则判断该焊点区域是缺陷区域，如果则判断该焊点区域是正常区域。结构相似性是衡量两幅图像相似度的指标，其计算方法为现有技术，
此处不再赘述。
34.本实施例实现了对计算机pcb主板是否存在焊接缺陷的检测，属于一种自动检测方法，相较于现有的基于人工目检的方式提高了检测效率；而且本实施例在判断计算机pcb灰度图像中像素点是否为边缘像素点的过程中，对于图像中细节较少且变化比较平缓的区域采用比较有弹性的阈值，对于图像中细节较多且变化比较剧烈的区域采用相对比较固定弹性较低的阈值，提高了提取的边缘的精度和完整性，进一步提高了图像定位的精度，进而提高缺陷检测的准确率。
35.以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。