(10)申请公布号 CN 102938077 A
(43)申请公布日 2013.02.20C N 102938077 A
*CN102938077A*
(21)申请号 201210412289.9
(22)申请日 2012.10.25
G06K 9/64(2006.01)
(71)申请人渭南师范学院
地址714000 陕西省渭南市临渭区朝阳大街
西段
(72)发明人何冰 葛春平 王菊霞 李国强
(74)专利代理机构北京中恒高博知识产权代理
有限公司 11249
代理人
夏晏平
(54)发明名称
法
(57)摘要
本发明提供了一种基于双阈值二值化的在线
式AOI 图像检索方法，包括以下步骤：S1、获取标
准PCB 板的位置图像；S2、对位置图像进行灰度
进行双阈值二值化处理，得到模板图像；S4、获取
待检测PCB 板的位置图像，并根据步骤S3中设定
的双阈值获取所述模板图像所对应的搜索区域图
像；S5、将搜索区域图像与模板图像进行匹配，以
搜索出与模板图像匹配度最大的位置点。通过双
阈值二值化处理，可降低位置图像的灰度值，使电
子元件所在的目标区域更加凸出，且可有效地降
低运算量，提高运算速度，从而降低了AOI 软件在
图像识别时的漏报率与误报率。
(51)Int.Cl.
权利要求书1页 说明书5页 附图1页
(19)中华人民共和国国家知识产权局(12)发明专利申请
权利要求书 1 页 说明书 5 页 附图 1 页
1/1页
1.基于双阈值二值化的在线式AOI 图像检索方法，其特征在于，包括以下步骤：
S1、获取标准PCB 板的位置图像；
S2、对位置图像进行灰度化处理，得到灰度模板图像；
S3、对灰度模板图像进行双阈值二值化处理，得到模板图像；
S4、获取待检测PCB 板的位置图像，并根据步骤S3中设定的双阈值获取所述模板图像所对应的搜索区域图像；
S5、将搜索区域图像与模板图像进行匹配，以搜索出与模板图像匹配度最大的位置点。
2.根据权利要求1所述的基于双阈值二值化的在线式AOI 图像检索方法，其特征在于，所述步骤S1具体为：通过图像采集装置和/或图像编辑装置获取标准PCB 板上的至少一个电子元件的位置图像。
3.根据权利要求1所述的基于双阈值二值化的在线式AOI 图像检索方法，其特征在于，所述步骤S2具体为：对所述位置图像进行256级灰度化处理，得到灰度级在0至255范围内的灰度模板图像。
4.根据权利要求1所述的基于双阈值二值化的在线式AOI 图像检索方法，其特征在于，所述步骤S3具体为：对灰度模板图像进行双阈值二值化处理，设定上限阈值Ta 及下限阈值Tb ，以获取所述模板图像所对应的搜索区域图像，并保存至数据库中。
5.根据权利要求4所述的基于双阈值二值化的在线式AOI 图像检索方法，其特征在于，所述上限阈值Ta 的阈值范围为0至250，所述下限阈值Tb 的阈值范围为0至100。
6.根据权利要求1所述的基于双阈值二值化的在线式AOI 图像检索方法，其特征在于，所述步骤S3进一步包括对获取待检测PCB 板的位置图像设置上下偏差阈值Tc 及左右偏差阈值Td 。
7.根据权利要求1所述的基于双阈值二值化的在线式AOI 图像检索方法，其特征在于，所述步骤S3进一步包括对获取待检测PCB 板的位置图像设置相似度阈值Te 。
8.根据权利要求7所述的基于双阈值二值化的在线式AOI 图像检索方法，其特征在于，所述相似度阈值Te 设置为85%。
9.根据权利要求1或4所述的基于双阈值二值化的在线式AOI 图像检索方法，其特征在于，所述步骤S5具
体为：获取所述模板图像所对应的搜索区域图像，然后对搜索区域图像进行256级灰度化处理，并从数据库中调用上限阈值Ta 及下限阈值Tb ，以进行归一化互相关模板匹配处理，用以将搜索区域图像与模板图像进行匹配，以得到位置相关系数R （x,y ），并根据相似度阈值Te ，搜索出与模板图像匹配度最大的位置点。
10.根据权利要求9所述的基于双阈值二值化的在线式AOI 图像检索方法，其特征在于，若位置相关系数R （x,y ）大于或者等于所述相似度阈值Te ，则表明所述待检测PCB 板上电子元件的位置符合要求；若位置相关系数R （x,y ）小于所述相似度阈值Te ，则表明所述待检测PCB 板上电子元件的位置不符合要求。权 利 要 求 书CN 102938077 A
基于双阈值二值化的在线式AOI图像检索方法
技术领域
[0001] 本发明涉及SMT技术领域，尤其涉及一种基于双阈值二值化的在线式AOI图像检索方法。
背景技术
[0002] 自动光学检测（Automatic Optic Inspection，AOI），是基于光学原理来对PCB板焊接生产中遇到的常见缺陷进行检测的方法。它是近几年来兴起的一种SMT检测技术。[0003] 随着SMT行业的迅速发
展，元器件尺寸正朝着微型化、密集型方向发展，这使得人工目测方式检测PCB板上元件的缺陷显得力不从心，靠人工去检测效率较低，而且费时费力。传统的一些检测技术，如在线测试仪已经不能适应SMT发展的要求。所以AOI技术是为适应SMT发展的要求而产生的。
[0004] 目前现有的AOI软件在检测目标元件时都存在漏报和误报问题，造成此原因涉及两个方面的问题：采集图像时所采用的光源和软件中所采用的检测算法。
[0005] 第一个方面所存在的问题随着高清晰、高分辨率CCD和扫描设备的出现，大多数AOI制造商已经开始根据自身的实际情况做出相应的改进，如采用300~500万像素的CCD即可采集到现有最小封装尺寸01005元件的清晰图像。
[0006] 第二个问题是AOI软件检测算法，由于各个厂商所采用的算法不尽相同，所以检测的效果也有所区别。目前大多数AOI算法原理有下列几种：图像比对原理、权值成像原理、图像统计学习、相似性分析、图像匹配、矢量分析、颜距离分析、字符识别、灰阶运算。而无论采用哪种算法都会在元件检测时产生误报和漏报问题，为了降低漏报率和误报率，只有在算法上寻求更精确的定位和图像识别方式。
[0007] 有鉴于此，有必要对现有技术中的AOI图像检索方法予以改进，以解决上述问题。
发明内容
[0008] 本发明的目的在于提供误报率与漏报率较低的一种AOI图像检索方法。[0009] 为实现上述目的，本发明提供了一种基于双阈值二值化的在线式AOI图像检索方法，包括以下步骤：
S1、获取标准PCB板的位置图像；
S2、对位置图像进行灰度化处理，得到灰度模板图像；
S3、对灰度模板图像进行双阈值二值化处理，得到模板图像；
S4、获取待检测PCB板的位置图像，并根据步骤S3中设定的双阈值获取所述模板图像所对应的搜索区域图像；
S5、将搜索区域图像与模板图像进行匹配，以搜索出与模板图像匹配度最大的位置点。[0010] 作为本发明的进一步改进，所述步骤S1具体为：通过图像采集装置和/或图像编辑装置获取标准PCB板上的至少一个电子元件的位置图像。
[0011] 作为本发明的进一步改进，所述步骤S2具体为：对所述位置图像进行256级灰度
化处理，得到灰度级在0至255范围内的灰度模板图像。
[0012] 作为本发明的进一步改进，所述步骤S3具体为：对灰度模板图像进行双阈值二值化处理，设定上限阈值Ta及下限阈值Tb，以获取所述模板图像所对应的搜索区域图像，并保存至数据库中。
[0013] 作为本发明的进一步改进，所述上限阈值Ta的阈值范围为0至250，所述下限阈值Tb的阈值范围为0至100。
[0014] 作为本发明的进一步改进，所述步骤S3进一步包括对获取待检测PCB板的位置图像设置上下偏差阈值Tc及左右偏差阈值Td。
[0015] 作为本发明的进一步改进，所述步骤S3进一步包括对获取待检测PCB板的位置图像设置相似度阈值Te。
[0016] 作为本发明的进一步改进，所述相似度阈值Te设置为85%。
[0017] 作为本发明的进一步改进，所述步骤S5具体为：获取所述模板图像所对应的搜索区域图像，然后对搜索区域图像进行256级灰度化处理，并从数据库中调用上限阈值Ta及下限阈值Tb，以进行归一化互相关模板匹配处理，用以将搜索区域图像与模板图像进行匹配，以得到位置相关系数R（x,y），并根据相似度阈值Te，搜索出与模板图像匹配度最大的位置点。
[0018] 作为本发明的进一步改进，若位置相关系数R（x,y）大于或者等于所述相似度阈值Te，则表明所
述待检测PCB板上电子元件的位置符合要求；若位置相关系数R（x,y）小于所述相似度阈值Te，则表明所述待检测PCB板上电子元件的位置不符合要求。[0019] 与现有技术相比，本发明的有益效果是：通过双阈值二值化处理，可降低位置图像的灰度值，使电子元件所在的目标区域更加凸出，且可有效地降低运算量，提高运算速度，从而降低了AOI软件在图像识别时的漏报率与误报率。
附图说明
[0020] 图1为本发明基于双阈值二值化的在线式AOI图像检索方法的流程示意图。
具体实施方式
[0021] 下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。
[0022] 请参图1所示，图1为本发明基于双阈值二值化的在线式AOI图像检索方法的一具体实施方式中的流程示意图。
[0023] 在本实施方式中，基于双阈值二值化的在线式AOI图像检索方法，包括以下步骤：S1、获取标准PCB板的位置图像。
[0024] 该步骤S1具体为：通过图像采集装置和/或图像编辑装置获取标准PCB板上的至少一个电子元件的位置图像。
[0025] 在本实施方式中，可通过双排双向扫描式CCD 图像采集装置获取标准PCB板上的局部或者全部的位置图像。该位置图像中包括至少一个电子元件。当然也可通过图像编辑装置，例如：带编辑功能的扫描仪或者PCB板绘图仪或者绘图软件获取取标准PCB板上
的局部或者全部的位置图像。
[0026] S2、对位置图像进行灰度化处理，得到灰度模板图像。
[0027] 该步骤S2具体为：对所述位置图像进行256级灰度化处理，得到灰度级在0至255范围内的灰度模板图像。由于原始的位置图像是彩的，所以在后期的数据处理过程中，计算机的运算量巨大。而对位置图像进行256级灰度化处理，可有效地降低运算量，提高运算速度。
[0028] S3、对灰度模板图像进行双阈值二值化处理，得到模板图像。
[0029] 所述步骤S3具体为：对灰度模板图像进行双阈值二值化处理，设定上限阈值Ta及下限阈值Tb，以获取所述模板图像所对应的搜索区域图像，并保存至数据库中。所述上限阈值Ta的阈值范围为0至250，所述下限阈值Tb的阈值范围为0至100。所述步骤S3进一步包括对获取待检测PCB板的位置图像设
置上下偏差阈值Tc及左右偏差阈值Td。所述步骤S3进一步包括对获取待检测PCB板的位置图像设置相似度阈值Te。具体的，该相似度阈值Te设置为85%。
[0030] S4、获取待检测PCB板的位置图像，并根据步骤S3中设定的双阈值获取所述模板图像所对应的搜索区域图像。
[0031] S5、将搜索区域图像与模板图像进行匹配，以搜索出与模板图像匹配度最大的位置点。
[0032] 所述步骤S5具体为：获取所述模板图像所对应的搜索区域图像，然后对搜索区域图像进行256级灰度化处理，并从数据库中调用上限阈值Ta及下限阈值Tb，以进行归一化互相关模板匹配处理，用以将搜索区域图像与模板图像进行匹配，以得到位置相关系数R （x,y），并根据相似度阈值Te，搜索出与模板图像匹配度最大的位置点。
[0033] 在本实施方式中，该归一化互相关模板匹配处理的算法模型如下所示。
[0034] 设搜索区域图像
的大小为，模板图像的大小为（其中），将模板图像
叠放在搜索区域图像上平移，用平方误差之和来衡量模板图像与搜索区域图像被覆盖区域之间的差别，平方误差和定义为式（1）所示。
[0035] （1）
将式（1）展开可如式（2）所示。
[0036]
（2）
式（2）中：第一项表示搜索区域图像中与模板图像对应区域的能量，它
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议