[發明專利]一種PCB文字區域缺陷檢測方法

在審

• 申請號: 202011299780.6
• 申請日: 2020-11-19
• 公開（公告）號: CN112419260A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 李海青;陳麗;侯廣琦
• 申請（專利權）人: 深圳虹星智能有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/13;G06K9/32;G06K9/34;G06K9/62;G06N3/04;G01N21/88;G01N21/956
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種PCB文字區域缺陷檢測方法，其特征在于，該方法包括以下步驟：

步驟S1，獲取標準圖像子區域圖像，將標準圖像裁剪為便于處理的小塊圖像；

步驟S2，使用已訓練好的文字檢測模型篩選包含文字的所述標準子區域圖像；

步驟S3，獲取和所述標準子區域圖像對應的測試子區域圖像。結合PCB圖像內容較規整的特點，采用基于邊緣特征的匹配方法粗對位，進一步采用歸一化互相關NCC作為圖像相似度判斷準則進行精對位。標注獲取的圖像對構成訓練集；

步驟S4，搭建所述模型并訓練模型。所述模型結合了文字檢測和分割的方法，對所述圖像進行文字和缺陷的像素級別分類；

步驟S5，將所述標準文字區域圖像和測試文字區域圖像在通道方向做連接，送入訓練好的網絡，獲得預測結果；

步驟S6，根據所述預測結果，結合PCB設計文件的位置信息、預測缺陷區域的大小等判斷是否含有缺陷。

2.根據權利要求1所述的一種PCB文字區域缺陷檢測方法，其特征在于，所述PCB文字區域缺陷包括但不限于：阻焊過薄、板污、露銅、文字不清、字符模糊、文字缺失、文字偏移上焊盤。

3.根據權利要求1所述的一種PCB文字區域缺陷檢測方法，其特征在于，所述步驟S1中的標準圖像子區域和步驟S3中測試圖像子區域標準均為200*200。

4.根據權利要求1所述的一種PCB文字區域缺陷檢測方法，其特征在于，所述S2步驟中，將所述子區域圖像送入已訓練好的文字檢測網絡，篩選含有文字的子區域圖像。

5.根據權利要求1所述的一種PCB文字區域缺陷檢測方法，其特征在于，所述步驟S3中，結合所述PCB圖像內容較規整的特點，采用基于邊緣特征的方法進行粗對位，提高圖像匹配效率。

6.根據權利要求1所述的一種PCB文字區域缺陷檢測方法，其特征在于，所述步驟S3中，所述標準子區域圖像和測試子區域圖像精對位使用歸一化互相關NCC作為圖像相似度判斷準則。NCC計算方法如下所示：

7.根據權利要求1所述的一種PCB文字區域缺陷檢測方法，其特征在于，所述S3步驟中，利用所述S1和S3獲取的子區域圖像成對保存，并使用標定工具進行像素級別標注。

8.根據權利要求1所述的一種PCB文字區域缺陷檢測方法，其特征在于，所述S3步驟中，所述像素類別分為背景、文字、缺陷三類，索引分別對應0，1，2。

9.根據權利要求1所述的一種PCB文字區域缺陷檢測方法，其特征在于，所述步驟S3中，對所述文字的標注既有基于區域的標注，也有基于像素級別的標注。

10.根據權利要求1所述的一種PCB文字區域缺陷檢測方法，其特征在于，所述步驟S4中，所述搭建的模型結合文字檢測和分割的方法，對每個像素進行分類預測。

11.根據權利要求1所述的一種PCB文字區域缺陷檢測方法，其特征在于，所述步驟S4中，將所述標準圖子區域圖像和所述測試子區域圖像在通道方向連接作為模型的輸入。

12.根據權利要求1所述的一種PCB文字區域缺陷檢測方法，其特征在于，所述步驟S4中，所述模型的輸出包含(1)文字區域的預測；(2)像素分類的預測。

13.根據權利要求1所述的一種PCB文字區域缺陷檢測方法，其特征在于，對所述預測結果進行結果解析，在通道方向求最大值，獲得對應像素的分類索引，結合文字區域的檢測結果，獲得最終的缺陷區域。

14.根據權利要求1所述的一種PCB文字區域缺陷檢測方法，其特征在于，所述步驟S6中，結合所述PCB設計文件信息，對最終缺陷區域的大小進行閾值判斷，若大于一定閾值，則判斷包含缺陷。

15.根據權利要求13所述的一種PCB文字區域缺陷檢測方法，其特征在于，所述閾值為10個像素，若大于10個像素，則判定為當前文字區域有缺陷。