技术领域
[0001] 本
发明涉及
机器视觉领域和印刷
电路板检测领域，尤其涉及一种基于机器视觉技术的印刷电路板贴片缺陷检测方法。
背景技术
[0002] 电路板是现代工业产品的重要组成部分，印刷电路板的制作工艺中，产品检测是重要的工序之一。贴片是现代电路板实现功能的基本单元之一。当前贴片的发展趋势是精密化和小型化，需要准确、高效率的印刷电路板(PCB)的检测方法。
[0003] 普通相机拍摄的图片为二维图像，但是贴片两端焊
锡的表层性质是三维的检测目标。现代PCB检测行业广泛采用RGB三色
光源照射贴片，对不同倾斜度的焊锡反射不同的色彩，从而反应了焊锡表面性质。
[0004] 印刷电路板贴片在贴片
位置、
角度、焊点形状等特征上存在着细微的差别，但是相对于贴片的尺寸，这种细微差别的影响是不可忽略的。而传统的
图像识别方法，如图像对比法，对细微差别过于敏感，容易造成误判。但另一些形态学的图像识别
算法，如
小波变换、哈夫变换，则存在计算量大，受背景干扰影响大等缺点，检测结果不能完全满足要求。
[0005] 基于上述问题，本发明提出了一种检测贴片缺陷的方法，使用RGB三色光源照射焊锡获取的图像进行图像识别，可以检测贴片常见缺陷，如缺件、错件、元件偏移、立碑、焊点缺陷等。使用者使用模板贴片，根据算法程序计算
阈值，可实现贴片缺陷的检测。
发明内容
[0006] 本发明是一种印刷电路板贴片缺陷检测方法，主要解决在标准工业检测平台环境下，印刷电路板贴片缺陷的识别问题，可以检测缺件、错件、元件偏移、立碑、焊点缺陷等缺陷。
[0007] 本发明的目的是通过以下技术方案实现的：
[0008] 一种印刷电路板贴片缺陷检测方法，包括如下步骤：
[0010] 1a)根据PCB贴片位置信息，通过图像定位技术，定位整体贴片位置并截取贴片图像；分离图像红色通道，对分离出的红色通道图像进行二值化操作，选取指标阈值，并对图像进行一次去噪声处理。
[0011] 1b)根据上述贴片位置与图像的红色分量，使用选取的指标阈值，利用阈值分割技术，分割出贴片两端焊点的红色区域，即为平坦区域。
[0012] 1c)对分割出的区域内的所有连通区域进行标记，左侧白色区域记为1区，右侧白色区域记为2区；1区的
水平和垂直坐标中最小值和最大值分别记为minx1、miny1、maxx1、maxy1；2区的水平和垂直坐标中最小值和最大值分别记为minx2、miny2、maxx2、maxy2；根据公式1分别计算指标t1、t2、t3、t4、t5、t6，并与对应的指标上限阈值和指标下限阈值进行比较。
[0013] 如果指标在指标上限阈值和指标下限阈值的范围内，则判定贴片尺寸正确，否则记录为不符合指标阈值上下限的项目。
[0014]
[0015] 1d)根据图像左上角和右下角的角点坐标，进行图像截取，截取方法为：以图像左上角作为
坐标系原点，横坐标为y方向，裁剪后的贴片y方向长度为y1；纵坐标为x方向，裁剪后的贴片x方向长度为x1；其中，截取的角点坐标选取(miny1-2，minx1-2)和(maxy2+2，maxx2+2)，截取区域面积为(maxy2-miny1+4)×(maxx2-minx1+4)。
[0016] 2)贴片区域色彩分析：
[0017] 2a)从步骤1d)截取后的贴片图像上截取6
块特征区域，分别记为区域A、区域B、区域C、区域D、区域E、区域F，记录截取的区域起始点坐标和面积。
[0018] 2b)对步骤2a)中6块特征区域分别进行色彩分析，采用区域内
像素点红色分量的平均值(mcol)作为指标，公式如下：
[0019]
[0020] 其中，col为区域内每个像素点红色分量值；n为区域内像素点个数。
[0021] 根据公式2计算出每块区域红色分量平均值。
[0022] 当每块区域内像素点红色分量平均值(mcol)均符合红色分量上限阈值和红色分量下限阈值时，则判定焊点无缺陷；如果出现不符合红色分量上限阈值和红色分量下限阈值的情况，则判定焊点有缺陷，并记录缺陷区域。
[0023] 3)贴片型号识别：
[0024] 3A.数字识别：在完成贴片区域色彩分析中的焊点检测后，进行数字识别。
[0025] 3a)在步骤1d)中截取后的贴片图像的
基础上，根据模板图像的尺寸在待测图像中截取数字区域图像；对数字区域图像进行二值化处理，确定指标阈值，并对图像进行一次去噪声处理。
[0026] 3b)使用区域标记的方法，将图像中三个数字区域分别标记为1’区、2’区、3’区。计算每个连通域的y、x坐标值中最大和最小值，记为(max1’y，max1’x)、(max2’y，max2’x)、(max3’y，max3’x)、(min1’y，min1’x)、(min2’y，min2’x)、(min3’y，min3’x)；根据对应的y、x坐标的最大值和最小值作为左上角和右下角坐标截取对应的数字区域；截取的数字区域大于计算得到的区域；对于连通域标记为1’的区域，角点坐标为(max1’y+2，max1’x+2)和(min1’y-2，min1’x-2)；对于连通域标记为2’的区域，角点坐标为(max2’y+2，max2’x+2)和(min2’y-2，min2’x-2)；对于连通域标记为3’的区域，角点坐标为(max3’y+2，max3’x+2)和(min3’y-2，min3’x-2)。
[0027] 取图像的左上、左下、右上、右下的白色区域，分别标记为A’、B’、C’、D’，每个区域白色像素点数量分别记作NA’、NB’、NC’、ND’。
[0028] 然后，对单个数字图像进行识别；以数字区域为背景的图像中连通域数量为指标对图像可能表征的数字进行分类，分类方法如下：
[0029] 3b1)若连通域数量为3，则图像表征的数字为8；
[0030] 3b2)若连通域数量为2，则图像表征的数字为9、6、0之一，此时进行进一步数字识别，将NA’、NB’、NC’、ND’与公式3-5的模板阈值相比较，从而判断图像表征的数字，具体判断流程为：当NA’、NB’、NC’、ND’符合公式3时，则判定数字为9；当NA’、NB’、NC’、ND’不符合公式3而符合公式4时，则判定数字为6；当NA’、NB’、NC’、ND’不符合公式3和4而符合公式5时，则判定数字为0。
[0031] 其中，公式3、4、5如下：
[0032] (NA’+NC’+ND’)/3-NB’>φ1 公式3
[0033] (NA’+NB’+ND’)/3-NC’>φ2 公式4
[0034] |NA’-(NA’+NB’+NC’+ND’)|+|NB’-(NA’+NB’+NC’+ND’)|+|NC’-(NA’+NB’+NC’+ND’)|+|ND’-(NA’+NB’+NC’+ND’)|>φ3
[0035] 公式5
[0036] 其中，φ1、φ2、φ3分别为公式3、4、5的模板阈值。
[0037] 根据上述流程及公式，依次通过模板匹配判断数字是否为9、6、0；如果上述公式均不满足，则判定图像无法识别。
[0038] 3b3)若连通域数量为1,则图像表征的数字为1、2、3、4、5、7之一，此时进行进一步数字识别，将图像宽度以及NA’、NB’、NC’、ND’与公式6-12的模板阈值相比较，从而判断图像表征的数字，具体判断流程为：
[0039] 当图像宽度符合公式6时，则判定数字为1；当图像宽度不符合公式6时，根据NA’、NB’、NC’、ND’继续进行判断；当NC’符合公式7时，继续判断NA’、NC’、ND’是否符合公式8；当NA’、NC’、ND’符合公式8时，则判定数字为4；当NA’、NC’、ND’不符合公式8而符合公式9时，则判定数字为7；当NC’符合公式7而NA’、NC’、ND’不符合公式8和公式9时，则图像未能识别。
[0040] 当NC’不符合公式7时，继续判断NA’、NC’、ND’是否符合公式10；符合公式10时，则判定数字为5；当NA’、NC’、ND’不符合公式10而NA’、NB’、NC’、ND’符合公式11时，则判定数字为2；当NA’、NB’、NC’、ND’不符合公式10和公式11而符合公式12时，则判定数字为3；当NA’、NB’、NC’、ND’不符合公式7、公式10、公式11和公式12时，则图像未能识别。
[0041] 其中公式6-12如下：
[0042] width<η1 公式6
[0043] NC’<η2 公式7
[0044] |NA’-(NA’+NC’+ND’)/3|<η3 公式8
[0045] |NC’-(NA’+ND’)/2|>η4 公式9
[0046] |NA’-(NA’+NC’+ND’)/3|<η5 公式10
[0047] NB’+NC’-NA’-ND’>η6 公式11
[0048] NB’+ND’-NA’-NC’>η7 公式12
[0049] 其中，width为图像宽度；η1、η2、η3、η4、η5、η6、η7分别为公式6到公式12的模板阈值。
[0050] 根据上述流程及公式，依次通过图像宽度计算、模板匹配等步骤，判断数字是否是1、2、3、4、5、7；如果上述公式均不满足，则判定图像无法识别。
[0051] 3B.与模板数字进行比对，判定数字是否正确，从而判定元件型号是否正确。
[0052] 所述的一种印刷电路板贴片缺陷检测方法的贴片型号识别步骤中数字识别次数为每个数字重复识别三次。
[0053] 所述的一种印刷电路板贴片缺陷检测方法的二值化操作采用双峰法，指标阈值与模板阈值确定方法采用正态分布法。
[0054] 本发明的有益效果在于：
[0055] 本方法适应性较强，可检测贴片缺陷种类比较全面。
[0056] 本方法使用符合阈值条件的像素点个数的位置、色彩和数量为基础进行识别，使用较少的计算量实现了识别算法。
[0057] 本方法简便，按照流程分别对元件整体、焊点、和贴片数字进行识别，检测项目全面，可以适应不同的检测工况，可针对不同的贴片设计检测程序。
附图说明
[0059] 图2是本发明一种印刷电路板贴片缺陷检测方法的
流程图；
[0060] 图3是本发明待处理贴片图像；
[0061] 图4是本发明待处理
图像分割后的红色区域图像；
[0062] 图5是本发明待处理图像裁剪后贴片图像；
[0063] 图6是本发明待处理贴片特征区域图像；
[0064] 图7是本发明待处理图像裁剪后的数字区域图像；
[0065] 图8是本发明数字识别流程图；
[0066] 图9是本发明待处理图像数字区域图像截取后的区域示意图；
[0067] 图10是本发明印刷体数字角点典型图例；
[0068] 图11是本发明数字识别流程中连通域为2时的检测流程图；
[0069] 图12是本发明数字识别流程中连通域为1时的检测流程图；
[0070] 图13是本发明二值化操作双峰法示意图；
[0071] 图14是本发明
实施例待处理贴片特征区域图像；
[0072] 图15是本发明实施例待处理图像分割后的红色区域图像；
[0073] 图16是本发明实施例待处理贴片特征区域图像；
[0074] 图17是本发明实施例待处理图像数字区域图像截取后的区域示意图。
[0075] 附图标记
[0076] 11 计算机 12 工业相机
[0077] 13 远心镜头 14 光源
[0078] 1 连通区域1区 2 连通区域2区
[0079] A 特征区域A B 特征区域B
[0080] C 特征区域C D 特征区域D
[0081] E 特征区域E F 特征区域F
[0082] 1’ 数字区域1’ 2’ 数字区域2’
[0083] 3’ 数字区域3’ A’ 截取的白色区域A’
[0084] B’ 截取的白色区域B’ C’ 截取的白色区域C’
[0085] D’ 截取的白色区域D’ 15
工作台具体实施方式
[0086] 下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
[0087] 本发明的重点为缺陷识别方法，基于Blob分析法和色彩分析法，通过对相关目标的尺寸、像素点数量、
颜色分量值等特征的分析，使用正态分布模型基于多幅模板图像计算相关阈值，然后将待检测目标与相关阈值进行比对，通过特征匹配的方法，识别贴片缺陷。
[0088] 本发明的硬件设备组成如图1所示，使用计算机11通过千兆网控制工业相机12对印刷电路板进行
图像采集。工业相机12连接远心镜头13。光源14使用独立光源控制机进行控制，为AOI检测专用的RGB环形光源，照射到焊锡表面可以使得不同倾斜角的平面反射红、绿、蓝三种颜色的光。
[0089] 本发明的硬件设备工作过程：
[0090] (1)装置调试：调节工业相机12相关参数(
白平衡，曝光时间)和光源光照颜色组合(本发明中通过RGB三种颜色的组合将
视野中心区域颜
色调节成白色)；
[0091] (2)将待测PCB贴片置于工作台15上，与其上方的光源14对应。使用计算机控制工业相机12采集PCB贴片图像并存储于计算机11中；
[0093] 如图2所示，本发明一种印刷电路板贴片缺陷检测方法，包括如下步骤：
[0094] 1)贴片定位和尺寸计算：
[0095] 待测贴片如图3所示。
[0096] 1a)根据PCB贴片位置信息，通过图像定位技术，定位整体贴片位置并截取贴片图像。分离图像红色通道，对分离出的红色通道图像进行二值化操作，选取指标阈值，并对图像进行一次去噪声处理。
[0097] 其中，二值化操作采用双峰法，指标阈值确定方法采用正态分布法。
[0098] 二值化操作采用双峰法：
[0099] 图13为图像某颜色通道或灰度的坐标图，其中，x轴表征色彩分量值，y轴表征图像中对应x轴色彩分量的像素点的数量，分割阈值选择背景和前景双峰之间的最低点，即像素数量最少的点。
[0100] 优选地，上述二值化操作的二值化阈值为0.233×255。
[0101] 指标阈值确定方法采用正态分布法：
[0102] (1)选择多个模板图像，使用算法计算阈值判别处的样本值(a1,a2,a3……an)(可以是尺寸，也可以是符合条件的点的数量)；
[0103] (2)使用正态分布模型，计算正态分布的均值μ和方差ε；
[0104] (3)分析待检测图像，计算出指标阈值判别处数值a，并与正态分布模型比较，如a落在u±3ε范围内，则判定符合指标阈值条件，否则，判定此处计算指标不符合指标阈值。
[0105] 1b)根据上述贴片位置与图像的红色分量，使用选取的指标阈值，利用阈值分割技术，分割出贴片两端焊点的红色区域，即为平坦区域。分割后的红色区域如图4所示。
[0106] 1c)对分割出的区域内的所有连通区域进行标记，左侧白色区域记为1区，右侧白色区域记为2区。1区的水平和垂直坐标中最小值和最大值分别记为minx1、miny1、maxx1、maxy1；2区的水平和垂直坐标中最小值和最大值分别记为minx2、miny2、maxx2、maxy2。然后根据公式1分别计算指标t1、t2、t3、t4、t5、t6，并与对应的指标上限阈值和指标下限阈值进行比较，如果指标在指标上限阈值和指标下限阈值的范围内，则判定贴片尺寸正确，否则记录为不符合指标阈值上下限的项目。
[0107]
[0108] 1d)根据图像左上角和右下角的角点坐标，进行图像截取，截取方法为：以图像左上角作为坐标系原点，横坐标为y方向，裁剪后的贴片y方向长度为y1，纵坐标为x方向，裁剪后的贴片x方向长度为x1。截取后贴片图像如图5所示。基于算法鲁棒性考虑，其中，截取的角点坐标选取(miny1-2，minx1-2)和(maxy2+2，maxx2+2)，截取区域面积为(maxy2-miny1+4)×(maxx2-minx1+4)。
[0109] 2)贴片区域色彩分析
[0110] 2a)如图6所示，从步骤1d)截取后的贴片图像上截取6块特征区域，分别记为区域A、区域B、区域C、区域D、区域E、区域F，记录截取的区域起始点坐标和面积。截取的图片起始点和面积如表1所示。
[0111] 表1图像典型区域截取的起始点和面积截取方法
[0112]
[0113] 2b)对步骤2a)中的6块特征区域分别进行色彩分析，采用区域内像素点红色分量的平均值(mcol)作为指标，公式如下：
[0114]
[0115] 其中，col为区域内每个像素点红色分量值；n为区域内像素点个数。
[0116] 根据公式2计算出每块区域红色分量平均值。红色分量阈值确定方法采用正态分布法，与指标阈值的确定步骤相同。
[0117] 当每块区域内像素点红色分量平均值(mcol)均符合红色分量上限阈值和红色分量下限阈值时，则判定焊点无缺陷；如果出现不符合红色分量上限阈值和红色分量下限阈值的情况，则判定焊点有缺陷，并记录缺陷区域。
[0118] 3)贴片型号识别：
[0119] 3A.数字识别：在完成贴片区域色彩分析中的焊点检测后，进行数字识别，数字识别流程图如图8所示。
[0120] 3a)在步骤1d)中截取后的贴片图像的基础上，根据模板图像的尺寸在待测图像中截取数字区域图像，截取后的数字区域图像如图7所示。对数字区域图像进行二值化处理，确定指标阈值，并对图像进行一次去噪声处理。
[0121] 其中，二值化处理和指标阈值的确定方法与步骤1a)中相同。
[0122] 3b)使用区域标记的方法，将图像中数字区域分别标记。如图7所示，三个数字区域标记为1’区、2’区、3’区。计算每个连通域的y、x坐标值中的最大和最小值，记为(max1’y，max1’x)、(max2’y，max2’x)、(max3’y，max3’x)、(min1’y，min1’x)、(min2’y，min2’x)、(min3’y，min3’x)。根据对应的y、x坐标的最大值和最小值作为左上角和右下角坐标截取对应的数字区域。考虑到算法鲁棒性，截取的数字区域大于计算得到的区域。如图9所示，对于连通域标记为1’的区域，角点坐标为(max1’y+2，max1’x+2)和(min1’y-2，min1’x-2)；对于连通域标记为2’的区域，角点坐标为(max2’y+2，max2’x+2)和(min2’y-2，min2’x-2)；对于连通域标记为3’的区域，角点坐标为(max3’y+2，max3’x+2)和(min3’y-2，min3’x-2)。
[0123] 截取图9中图像的左上、左下、右上、右下的白色区域，分别标记为A’、B’、C’、D’，截取方法如下：如图9所示，以图像左上角作为坐标系原点，横坐标为y方向，裁剪后的贴片y方向长度为y2，纵坐标为x方向，裁剪后的贴片x方向长度为x2，剪裁区域的起始点坐标以及面积如表2所示：
[0124] 表2剪裁区域的起始点坐标以及面积
[0125]
[0126] 每个区域白色像素点数量分别记作NA’、NB’、NC’、ND’。
[0127] 由印刷体数字的形状特征可知，数字图像的四个角可能出现的形状为如图10所示的三种类型：a型、b型和c型，按白色像素点的数量排序，c型最多，b型次之，a型最少。不同类型的角点间白色像素点数量相差较大，而相同类型的角点之间的白色像素数量差别较小。
[0128] 然后，对单个数字图像进行识别。以数字区域为背景的图像中连通域数量n为指标(例如，图9中，数字是0，连通域数量则为2)，对图像可能表征的数字进行分类，分类方法如下：
[0129] 3b1)若连通域数量n为3，则图像表征的数字为8；
[0130] 3b2)若连通域数量n为2，则图像表征的数字为9、6、0之一，此时进行进一步数字识别，流程如图11所示，将NA’、NB’、NC’、ND’与公式3-5的模板阈值相比较，从而判断图像表征的数字，具体判断流程为：当NA’、NB’、NC’、ND’符合公式3时，则判定数字为9；当NA’、NB’、NC’、ND’不符合公式3而符合公式4时，则判定数字为6；当NA’、NB’、NC’、ND’不符合公式3和4而符合公式5时，则判定数字为0。
[0131] 其中，公式3、4、5如下：
[0132] (NA’+NC’+ND’)/3-NB’>φ1 (公式3)
[0133] (NA’+NB’+ND’)/3-NC’>φ2 (公式4)
[0134] |NA’-(NA’+NB’+NC’+ND’)|+|NB’-(NA’+NB’+NC’+ND’)|+|NC’-(NA’+NB’+NC’+ND’)|+|ND’-(NA’+NB’+NC’+ND’)|>φ3
[0135] (公式5)
[0136] 其中，φ1、φ2、φ3，分别为公式3、4、5的模板阈值。模板阈值确定方法采用正态分布法，与指标阈值的确定步骤相同。
[0137] 根据上述流程及公式，依次通过模板匹配判断数字是否为9、6、0。如果上述公式均不满足，则判定图像无法识别。
[0138] 3b3)若连通域数量n为1,则图像表征的数字为1、2、3、4、5、7之一，此时进行进一步数字识别，流程如图12所示，将图像宽度以及NA’、NB’、NC’、ND’与公式6-12的模板阈值相比较，从而判断图像表征的数字，具体判断流程为：
[0139] 当图像宽度符合公式6时，则判定数字为1；当图像宽度不符合公式6时，根据NA’、NB’、NC’、ND’继续进行判断；当NC’符合公式7时，继续判断NA’、NC’、ND’是否符合公式8；当NA’、NC’、ND’符合公式8时，则判定数字为4；当NA’、NC’、ND’不符合公式8、符合公式9时，则判定数字为7；当NC’符合公式7而NA’、NC’、ND’不符合公式8和公式9时，则图像未能识别。
[0140] 当NC’不符合公式7时，继续判断NA’、NC’、ND’是否符合公式10；符合公式10时，则判定数字为5；当NA’、NC’、ND’不符合公式10而NA’、NB’、NC’、ND’符合公式11时，则判定数字为2；当NA’、NB’、NC’、ND’不符合公式10和公式11而符合公式12时，则判定数字为3；当NA’、NB’、NC’、ND’不符合公式7、公式10、公式11和公式12时，则图像未能识别。
[0141] 其中公式6-12如下：
[0142] width<η1 (公式6)
[0143] NC’<η2 (公式7)
[0144] |NA’-(NA’+NC’+ND’)/3|<η3 (公式8)
[0145] |NC’-(NA’+ND’)/2|>η4 (公式9)
[0146] |NA’-(NA’+NC’+ND’)/3|<η5 (公式10)
[0147] NB’+NC’-NA’-ND’>η6 (公式11)
[0148] NB’+ND’-NA’-NC’>η7 (公式12)
[0149] 其中，width为图像宽度；η1、η2、η3、η4、η5、η6、η7分别为公式6到公式12的模板阈值。模板阈值确定方法采用正态分布法，与指标阈值的确定步骤相同。
[0150] 根据上述流程及公式，依次通过图像宽度计算、模板匹配等步骤，判断数字是否是1、2、3、4、5、7。如果上述公式均不满足，则判定图像无法识别。
[0151] 3B.根据上述流程，每个数字重复识别三次，分别对图7的三个数字识别，然后与模板数字进行比对，判定数字是否正确，从而判定元件型号是否正确。
[0152] 最终，经过贴片定位和尺寸计算、贴片区域色彩分析、贴片型号识别三个步骤，完成对贴片的检测。
[0153] 实施例
[0154] 以下通过具体实施例说明本发明的实施过程：
[0155] 按照如图2所示的一种印刷电路板贴片缺陷检测方法，经过贴片定位和尺寸计算、贴片区域色彩分析、贴片型号识别三个步骤，实现贴片缺陷检测。
[0156] 本实施例检测对象是尺寸0402(公制)、贴片型号数字为“002”的贴片，如图14所示。检测步骤如下：
[0157] 1)贴片定位和尺寸计算：
[0158] 1a)根据PCB贴片位置信息，通过图像定位技术，定位整体贴片位置并截取贴片图像。分离图像红色通道，对分离出的红色通道图像进行二值化操作，选取指标阈值，并对图像进行一次去噪处理。
[0159] 其中，二值化操作采用双峰法，指标阈值确定方法采用正态分布法。
[0160] 二值化操作采用双峰法：
[0161] 图13为图像某颜色通道或灰度的坐标图，其中，x轴表征色彩分量值，y轴表征图像中对应x轴颜色分量的像素点的数量，分割阈值选择背景和前景双峰之间的最低点，即像素数量最少的点。
[0162] 优选地，所述二值化阈值选择为0.233×255。
[0163] 指标阈值确定方法采用正态分布法：
[0164] (1)选择多个模板图像，使用算法计算阈值判别处的样本值(a1,a2,a3……an)(可以是尺寸，也可以是符合条件的点的数量)；
[0165] (2)使用正态分布模型，计算正态分布的均值μ和方差ε；
[0166] (3)分析待检测图像，计算出指标阈值判别处数值a，并与正态分布模型比较，如a落在u±3ε范围内，则判定符合指标阈值条件，否则，判定此处计算指标不符合指标阈值。
[0167] 1b)根据上述贴片位置与图像的红色分量，使用选取的指标阈值，利用阈值分割技术，分割出贴片两端焊点的红色区域，即为平坦区域。
[0168] 1c)对分割出的区域内的所有连通区域进行标记，左侧白色区域记为1区，右侧白色区域记为2区。1区的水平和垂直坐标中最小值和最大值分别记为minx1、miny1、maxx1、maxy1；2区的水平和垂直坐标中最小值和最大值分别记为minx2、miny2、maxx2、maxy2。然后根据公式1分别计算指标t1、t2、t3、t4、t5、t6，并与对应的指标上限阈值和指标下限阈值进行比较，如果指标在指标上限阈值和指标下限阈值的范围内，则判定贴片尺寸正确，否则记录为不符合指标阈值的项目。
[0169] 本例中使用50幅模板图像为样本，基于正态分布模型，计算出的指标阈值和计算值如表3。
[0170] 表3指标阈值
[0171]
[0172] 1d)根据图像左上角和右下角的角点坐标，进行图像截取，截取方法如表1所示。截取后贴片图像如图14所示。基于算法鲁棒性考虑，其中，截取的角点坐标选取(miny1-2，minx1-2)和(maxy2+2，maxx2+2)，截取区域面积为(maxy2-miny1+4)×(maxx2-minx1+4)，图像长和宽记录为y1、x1。本例中y1是271，x1是55。
[0173] 2)贴片区域色彩分析：
[0174] 2a)如图16所示，从步骤1d)截取后的贴片图像上截取6块特征区域，分别记为区域A、区域B、区域C、区域D、区域E、区域F。本例中截取的区域起始点和面积如表4所示。
[0175] 表4图像典型区域截取的起始点和面积
[0176]
[0177]
[0178] 2b)对上述6块特征区域分别进行色彩分析。
[0179] 根据公式2计算出每块区域红色分量平均值。本例中使用50幅模板图像为样本，基于正态分布模型，计算出的红色分量阈值和平均值如表5。
[0180] 表5特征区域红色分量阈值和平均值
[0181]
[0182] *注：本例中E区和F区仅使用图像红色分量上限阈值进行判断
[0183] 由表3可知，本例每块区域内像素点红色分量平均值(mcol)均符合红色分量上限阈值和红色分量下限阈值，因此可判定焊点无缺陷。
[0184] 3)贴片型号识别：
[0185] 3A.数字识别：在完成贴片区域色彩分析中的焊点检测后，进行数字识别，数字识别流程如图8所示。
[0186] 3a)在步骤1d)中截取后的贴片图像的基础上，根据模板图像的尺寸在待测图像中截取数字区域图像。对数字区域图像进行二值化处理，确定指标阈值，本实施例中的指标阈值为57，并对图像进行一次去噪声处理。
[0187] 其中，二值化处理和指标阈值的确定方法与步骤1a)中相同。
[0188] 然后，使用区域标记的方法，将图像中数字区域分别标记。如图17所示，三个数字区域标记为1’区、2’区、3’区。计算每个连通域的y、x坐标值中最大和最小值，记录为(max1’y，max1’x)、(max2’y，max2’x)、(max3’y，max3’x)、(min1’y，min1’x)、(min2’y，min2’x)、(min3’y，min’3x)。本例中依次为(53，113)，(117，113)，(182，113)，(3，21)，(64，18)，(128，18)。根据对应的y、x坐标的最大值和最小值作为左角上和右下角坐标截取对应的数字区域。考虑到算法鲁棒性，截取的数字区域比计算得到的区域略大。对于连通域标记为1’的区域，角点坐标为(max1’y+2，max1’x+2)和(min1’y-2，min1’x-2)；对于连通域标记为2’的区域，角点坐标为(max2’y+2，max2’x+2)和(min2’y-2，min2’x-2)；对于连通域标记为3’的区域，角点坐标为(max3’y+2，max3’x+2)和(min3’y-2，min3’x-2)；本例中1’区域角点坐标为(55，115)和(1，19)；2’区域角点坐标为(119，115)和(62，16)；3’区域角点坐标为(184，115)和(126，16)，根据上述角点坐标进行图像截取。
[0189] 取图像的左上、左下、右上、右下的白色区域，分别标记为A’、B’、C’、D’，每个区域白色像素点数量分别记作NA’、NB’、NC’、ND’。截取规则如表2。本实施例中，贴片包含三个数字，y2分别为52、53、54；x2分别为94、95、95。各个数字图像的截取起始点坐标和面积如表6-8。
[0190] 表6第一个数字“0”的图像截取起始点坐标和面积
[0191]
[0192] 表7第二个数字“0”的图像截取起始点坐标和面积
[0193]
[0194] 表8第三个数字“2”的图像截取起始点坐标和面积
[0195]
[0196] 由印刷体数字的特征可知，图像的四个角的可能形状分为如图10所示的三种类型：a型、b型和c型，按白色像素点的数量排序，c型最多，b型次之，a型最少。不同类型的角点间白色像素点数量相差较大，而相同类型的角点之间的白色像素数量差别较小。本实施例中，各数字对应的白色像素点个数如表9。
[0197] 表9不同数字白色区域的白色像素点数量
[0198]
[0199] 然后，对单个数字图像进行识别。以数字区域为背景的图像中连通域数量为指标。
[0200] 本例中，贴片数字分别为“0”、“0”和“2”，因此连通域n分别为2、2和1。
[0201] 当连通域数量为2时，根据流程图11进一步判断数字。
[0202] 本例中使用50幅模板图像为样本，基于正态分布模型，计算出的模板阈值如表10(仅计算所需的单侧阈值)。
[0203] 表10连通域数量为2时的模板阈值
[0204]
[0205] 由公式3、公式4和公式5可知，白色区域的白色像素点数量(NA’、NB’、NC’、ND’)与模板阈值的关系不满足公式3和公式4，满足公式5，则可判断数字图像为“0”。
[0206] 当连通域数量为1时，根据图12进一步判断数字。本例中使用50幅模板图像为样本，基于正态分布模型，计算出的模板阈值如表11(仅计算所需的单侧阈值)。
[0207] 表11连通域数量为1时的模板阈值
[0208]
[0209]
[0210] 由公式6-12可知，白色区域的图像宽度不满足公式6、白色像素点数量(NA’、NB’、NC’、ND’)与模板阈值的关系不满足公式7以及公式10，满足公式11，则可判断数字图像为“2”。
[0211] 根据上述流程，每个数字重复识别三次，分别对图17的三个数字识别，然后与模板数字阈值进行比对，判定数字是否正确，从而判定元件型号是否正确。
[0212] 最终，经过贴片定位和尺寸计算、贴片区域色彩分析、贴片型号识别三个步骤，实现对贴片的检测。
