基于雙閾值二值化的在線式AOI圖像檢索方法技術

本發明專利技術提供了一種基于雙閾值二值化的在線式AOI圖像檢索方法，包括以下步驟：S1、獲取標準PCB板的位置圖像；S2、對位置圖像進行灰度化處理，得到灰度模板圖像；S3、對灰度模板圖像進行雙閾值二值化處理，得到模板圖像；S4、獲取待檢測PCB板的位置圖像，并根據步驟S3中設定的雙閾值獲取所述模板圖像所對應的搜索區域圖像；S5、將搜索區域圖像與模板圖像進行匹配，以搜索出與模板圖像匹配度最大的位置點。通過雙閾值二值化處理，可降低位置圖像的灰度值，使電子元件所在的目標區域更加凸出，且可有效地降低運算量，提高運算速度，從而降低了AOI軟件在圖像識別時的漏報率與誤報率。

【技術實現步驟摘要】

本專利技術涉及SMT
，尤其涉及一種基于雙閾值二值化的在線式AOI圖像檢索方法。
技術介紹
自動光學檢測(Automatic Optic Inspection, AOI),是基于光學原理來對PCB板焊接生產中遇到的常見缺陷進行檢測的方法。它是近幾年來興起的一種SMT檢測技術。隨著SMT行業的迅速發展，元器件尺寸正朝著微型化、密集型方向發展，這使得人工目測方式檢測PCB板上元件的缺陷顯得力不從心，靠人工去檢測效率較低，而且費時費力。傳統的一些檢測技術，如在線測試儀已經不能適應SMT發展的要求。所以AOI技術是為適應SMT發展的要求而產生的。目前現有的AOI軟件在檢測目標元件時都存在漏報和誤報問題，造成此原因涉及兩個方面的問題采集圖像時所采用的光源和軟件中所采用的檢測算法。第一個方面所存在的問題隨著高清晰、高分辨率CCD和掃描設備的出現，大多數 AOI制造商已經開始根據自身的實際情況做出相應的改進，如采用30(Γ500萬像素的CXD即可采集到現有最小封裝尺寸01005元件的清晰圖像。第二個問題是AOI軟件檢測算法，由于各個廠商所采用的算法不盡相同，所以檢測的效果也有所區別。目前大多數AOI算法原理有下列幾種圖像比對原理、權值成像原理、圖像統計學習、相似性分析、圖像匹配、矢量分析、顏色距離分析、字符識別、灰階運算。 而無論采用哪種算法都會在元件檢測時產生誤報和漏報問題，為了降低漏報率和誤報率， 只有在算法上尋求更精確的定位和圖像識別方式。有鑒于此，有必要對現有技術中的AOI圖像檢索方法予以改進，以解決上述問題。
技術實現思路
本專利技術的目的在于提供誤報率與漏報率較低的一種AOI圖像檢索方法。為實現上述目的，本專利技術提供了一種基于雙閾值二值化的在線式AOI圖像檢索方法，包括以下步驟51、獲取標準PCB板的位置圖像；52、對位置圖像進行灰度化處理，得到灰度模板圖像；53、對灰度模板圖像進行雙閾值二值化處理，得到模板圖像；54、獲取待檢測PCB板的位置圖像，并根據步驟S3中設定的雙閾值獲取所述模板圖像所對應的搜索區域圖像；55、將搜索區域圖像與模板圖像進行匹配，以搜索出與模板圖像匹配度最大的位置點。作為本專利技術的進一步改進，所述步驟SI具體為通過圖像采集裝置和/或圖像編輯裝置獲取標準PCB板上的至少一個電子元件的位置圖像。作為本專利技術的進一步改進，所述步驟S2具體為對所述位置圖像進行256級灰度化處理，得到灰度級在O至255范圍內的灰度模板圖像。作為本專利技術的進一步改進，所述步驟S3具體為對灰度模板圖像進行雙閾值二值化處理，設定上限閾值Ta及下限閾值Tb，以獲取所述模板圖像所對應的搜索區域圖像，并保存至數據庫中。作為本專利技術的進一步改進，所述上限閾值Ta的閾值范圍為O至250，所述下限閾值 Tb的閾值范圍為O至100。作為本專利技術的進一步改進，所述步驟S3進一步包括對獲取待檢測PCB板的位置圖像設置上下偏差閾值Tc及左右偏差閾值Td。作為本專利技術的進一步改進，所述步驟S3進一步包括對獲取待檢測PCB板的位置圖像設置相似度閾值Te。作為本專利技術的進一步改進，所述相似度閾值Te設置為85%。作為本專利技術的進一步改進，所述步驟S5具體為獲取所述模板圖像所對應的搜索區域圖像，然后對搜索區域圖像進行256級灰度化處理，并從數據庫中調用上限閾值Ta及下限閾值Tb，以進行歸一化互相關模板匹配處理，用以將搜索區域圖像與模板圖像進行匹配，以得到位置相關系數R (x,y),并根據相似度閾值Te，搜索出與模板圖像匹配度最大的位置點。作為本專利技術的進一步改進，若位置相關系數R (x，y)大于或者等于所述相似度閾值Te，則表明所述待檢測PCB板上電子元件的位置符合要求；若位置相關系數R U，y)小于所述相似度閾值Te，則表明所述待檢測PCB板上電子元件的位置不符合要求。與現有技術相比，本專利技術的有益效果是通過雙閾值二值化處理，可降低位置圖像的灰度值，使電子元件所在的目標區域更加凸出，且可有效地降低運算量，提高運算速度， 從而降低了 AOI軟件在圖像識別時的漏報率與誤報率。附圖說明圖I為本專利技術基于雙閾值二值化的在線式AOI圖像檢索方法的流程示意圖。具體實施方式下面結合附圖所示的各實施方式對本專利技術進行詳細說明，但應當說明的是，這些實施方式并非對本專利技術的限制，本領域普通技術人員根據這些實施方式所作的功能、方法、 或者結構上的等效變換或替代，均屬于本專利技術的保護范圍之內。請參圖I所示，圖I為本專利技術基于雙閾值二值化的在線式AOI圖像檢索方法的一具體實施方式中的流程示意圖。在本實施方式中，基于雙閾值二值化的在線式AOI圖像檢索方法，包括以下步驟 SI、獲取標準PCB板的位置圖像。該步驟SI具體為通過圖像采集裝置和/或圖像編輯裝置獲取標準PCB板上的至少一個電子元件的位置圖像。在本實施方式中，可通過雙排雙向掃描式CCD 圖像采集裝置獲取標準PCB板上的局部或者全部的位置圖像。該位置圖像中包括至少一個電子元件。當然也可通過圖像編輯裝置，例如帶編輯功能的掃描儀或者PCB板繪圖儀或者繪圖軟件獲取取標準PCB板上4的局部或者全部的位置圖像。S2、對位置圖像進行灰度化處理，得到灰度模板圖像。該步驟S2具體為對所述位置圖像進行256級灰度化處理，得到灰度級在O至255 范圍內的灰度模板圖像。由于原始的位置圖像是彩色的，所以在后期的數據處理過程中，計算機的運算量巨大。而對位置圖像進行256級灰度化處理，可有效地降低運算量，提高運算速度。S3、對灰度模板圖像進行雙閾值二值化處理，得到模板圖像。所述步驟S3具體為對灰度模板圖像進行雙閾值二值化處理，設定上限閾值Ta及下限閾值Tb，以獲取所述模板圖像所對應的搜索區域圖像，并保存至數據庫中。所述上限閾值Ta的閾值范圍為O至250，所述下限閾值Tb的閾值范圍為O至100。所述步驟S3進一步包括對獲取待檢測PCB板的位置圖像設置上下偏差閾值Tc及左右偏差閾值Td。所述步驟S3進一步包括對獲取待檢測PCB板的位置圖像設置相似度閾值Te。具體的，該相似度閾值Te設置為85%。S4、獲取待檢測PCB板的位置圖像，并根據步驟S3中設定的雙閾值獲取所述模板圖像所對應的搜索區域圖像。S5、將搜索區域圖像與模板圖像進行匹配，以搜索出與模板圖像匹配度最大的位置點。所述步驟S5具體為獲取所述模板圖像所對應的搜索區域圖像，然后對搜索區域圖像進行256級灰度化處理，并從數據庫中調用上限閾值Ta及下限閾值Tb，以進行歸一化互相關模板匹配處理，用以將搜索區域圖像與模板圖像進行匹配，以得到位置相關系數R (X，Y)，并根據相似度閾值Te，搜索出與模板圖像匹配度最大的位置點。在本實施方式中，該歸一化互相關模板匹配處理的算法模型如下所示。設搜索區域圖像/(U) 的大小為i￥ X N，模板圖像R(上@的大小為J X [(其中J H S N )，將模板圖像i (j, k) 疊放在搜索區域圖像/(U)上平移，用平方誤差之和來衡量模板圖像R(JtM)與搜索區域圖像/(U)被覆蓋區域之間的差別，平方誤差和定義為式(I)所示。J-I JC-ID(x,y) = X[[/(X + J，y + k) - R(j,k)f (I)將式(I)展開可如式(2)所示。JA ΚΛJ-I KAJA K本文檔來自技高網...

【技術保護點】
基于雙閾值二值化的在線式AOI圖像檢索方法，其特征在于，包括以下步驟：S1、獲取標準PCB板的位置圖像；S2、對位置圖像進行灰度化處理，得到灰度模板圖像；S3、對灰度模板圖像進行雙閾值二值化處理，得到模板圖像；S4、獲取待檢測PCB板的位置圖像，并根據步驟S3中設定的雙閾值獲取所述模板圖像所對應的搜索區域圖像；S5、將搜索區域圖像與模板圖像進行匹配，以搜索出與模板圖像匹配度最大的位置點。

【技術特征摘要】

【專利技術屬性】
技術研發人員：何冰，葛春平，王菊霞，李國強，
申請(專利權)人：渭南師范學院，
類型：發明
國別省市：