一種pcb板檢測方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及測試領(lǐng)域，尤其涉及一種PCB板檢測方法及裝置。
【背景技術(shù)】
[0002] 印刷電路板（Printed Circuit Board，PCB)是電子元器件電氣連接的提供者，其 上安裝有多個(gè)元件，且這些元件根據(jù)預(yù)先設(shè)置的邏輯電路設(shè)計(jì)連接而成，以實(shí)現(xiàn)特定的功 能。由于生產(chǎn)加工或者在裝配中可能出現(xiàn)的各種情況，可能導(dǎo)致某些PCB板上漏裝了一個(gè) 或多個(gè)元件，從而造成這些PCB板無法正常工作或運(yùn)行，這些無法正常工作或運(yùn)行的PCB板 需被檢測出來，重新進(jìn)行修復(fù)。
[0003] 現(xiàn)有的檢測方法主要有人工檢測法和模板匹配法，對(duì)于人工檢測法，由于PCB板 的數(shù)量和每塊PCB板上的元件眾多，因而僅依靠人工方法難以挑選出這些漏裝了元件的 PCB板，且容易由于人工疲勞導(dǎo)致檢測效果下降；而模板匹配基于"有元件"和"漏插"兩點(diǎn) 線性匹配，不能充分利用已知樣本信息，導(dǎo)致算法穩(wěn)定性不夠，不能滿足使用需求。

【發(fā)明內(nèi)容】

[0004] 針對(duì)上述問題，本發(fā)明的目的在于提供一種PCB板檢測方法及裝置，能提供高識(shí) 別效率、穩(wěn)定的檢測。
[0005] 本發(fā)明實(shí)施例提供一種PCB板檢測方法，包括如下步驟：
[0006] 基于樣本的局部紋理特征建立高斯判別分析模型，其中，所述樣本包括第一類型 樣本和第二類型樣本，所述第一類型樣本為沒有漏裝元件的PCB板，所述第二類型樣本為 漏裝了至少一個(gè)元件的PCB板；
[0007] 獲取待檢測的PCB板的圖片，并提取所述待檢測的PCB板的圖片的局部紋理特征； 及
[0008] 根據(jù)所述待檢測的PCB板的圖片的局部紋理特征及所述建立的高斯判別分析模 型，確定所述待檢測的PCB板的類型。
[0009] 作為上述方案的改進(jìn)，所述基于樣本的局部紋理特征建立高斯判別分析模型，包 括：
[0010] 采集若干第一類型樣本及若干第二類型樣本的圖片；
[0011] 提取所述采集的樣本圖片的局部紋理特征；及
[0012] 利用所述提取的局部紋理特征建立高斯判別分析模型。
[0013] 作為上述方案的改進(jìn)，所述提取所述采集的樣本圖片的局部紋理特征，包括：
[0014] 利用一 3 X 3掃描窗口掃描米集的圖片，其中，所述掃描窗口包含9個(gè)子窗口，每個(gè) 子窗口在掃描時(shí)獲得所述子窗口當(dāng)前所在的圖片上的點(diǎn)的像素灰度值；
[0015] 將位于非中心的八個(gè)子窗口的像素灰度值與位于中心的子窗口的像素灰度值進(jìn) 行比較，若位于非中心的子窗口的像素灰度值大于或等于位于中心的子窗口的像素灰度 值，則將該子窗口內(nèi)的數(shù)值置為1，否則置為〇 ; 8
[0016] 利用公式= Σ2"1 Λ?γ)獲得本次掃描窗口提取的局部紋理特征，其中， P=1 .S(V) = IJ3 X為非中心的子窗口中的數(shù)值，P為該子窗口的標(biāo)記值，其中，位于左上 角的子窗口的標(biāo)記值為1，其余非中心子窗口的標(biāo)記值按順時(shí)針方向遞增，每次遞增1 ;及
[0017] 在所述圖片上移動(dòng)所述掃描窗口，獲得所述圖片的全部局部紋理特征。
[0018] 作為上述方案的改進(jìn)，所述利用提取的局部紋理特征建立高斯判別分析模型，具 體包括：
[0019] 將提取的局部紋理特征投影到二維坐標(biāo)中，得到關(guān)于第一類型樣本和第二類型樣 本的特征分布圖；及
[0020] 根據(jù)所述第一類型樣本和第二類型樣本的特征分布圖計(jì)算高斯判別模型的模型 參數(shù)，獲得高斯判別分析模型。
[0021] 作為上述方案的改進(jìn)，所述根據(jù)所述待檢測的PCB板的圖片的局部紋理特征及所 述建立的高斯判別分析模型，確定所述待檢測的PCB板的類型，包括：
[0022] 將所述待檢測的PCB板的圖片的局部紋理特征分別輸入第一類型樣本的分布密 度公式和第二類型樣本的分布密度公式，其中，所述分布密度公式由高斯判別分析模型及 模型參數(shù)給出；及
[0023] 計(jì)算所述待檢測的PCB板的圖片的局部紋理特征在第一類型樣本的分布密度公 式的概率P tl和在第二類型樣本的分布密度公式的概率P i，若P(|< P i，則確定所述待檢測的 PCB板為第一類型PCB板，否則確定為第二類型PCB板。
[0024] 本發(fā)明還提供一種PCB板檢測裝置，包括模型建立單元、特征提取單元及判別單 元，其中：
[0025] 所述模型建立單元，用于基于樣本的局部紋理特征建立高斯判別分析模型，其中， 所述樣本包括第一類型樣本和第二類型樣本，所述第一類型樣本為沒有漏裝元件的PCB 板，所述第二類型樣本為漏裝了至少一個(gè)元件的PCB板；
[0026] 所述特征提取單元，用于提取待檢測的PCB板的圖片的局部紋理特征；及
[0027] 所述判別單元，用于根據(jù)所述待檢測的PCB板的圖片的局部紋理特征及所述建立 的高斯判別分析模型，確定所述待檢測的PCB板的類型。
[0028] 作為上述方案的改進(jìn)，所述模型建立單元包括：
[0029] 采集單元，用于采集若干第一類型樣本及若干第二類型樣本的圖片；
[0030] 提取單元，用于提取所述采集的樣本圖片的局部紋理特征；及
[0031] 建模單元，用于利用所述提取的局部紋理特征建立高斯判別分析模型。
[0032] 作為上述方案的改進(jìn)，所述特征提取單元包括：
[0033] 掃描單元，用于利用一 3X3掃描窗口掃描采集的圖片，其中，所述掃描窗口包含9 個(gè)子窗口，每個(gè)子窗口在掃描時(shí)獲得所述子窗口當(dāng)前所在的圖片上的點(diǎn)的像素灰度值；
[0034] 比較單元，用于將位于非中心的八個(gè)子窗口的像素灰度值與位于中心的子窗口的 像素灰度值進(jìn)行比較，若位于非中心的子窗口的像素灰度值大于或等于位于中心的子窗口 的像素灰度值，則該子窗口內(nèi)的數(shù)值置為1，否則置為〇 ; 8
[0035] 特征計(jì)算單元，用于利用公式./~力〃Y = Σ2" 1 AvH十算本次掃描窗口提取的局部 i?=l 紋理特征，其中，.ν(.ν)=仏^，X為非中心的子窗口中的數(shù)值，P為該子窗口的標(biāo)記值， 其中，位于左上角的子窗口的標(biāo)記值為1，其余非中心子窗口的標(biāo)記值按順時(shí)針方向遞增， 每次遞增1 ;及
[0036] 移動(dòng)單元，用于在所述圖片上移動(dòng)所述掃描窗口，獲得所述圖片的全部局部紋理 特征。
[0037] 作為上述方案的改進(jìn)，所述建模單元具體包括：
[0038] 投影單元，用于將提取的局部紋理特征投影到二維坐標(biāo)中，得到關(guān)于第一類型樣 本和第二類型樣本的特征分布圖；
[0039] 參數(shù)計(jì)算單元，用于根據(jù)所述第一類型樣本和第二類型樣本的特征分布圖計(jì)算高 斯判別模型的模型參數(shù)，獲得高斯判別分析模型。
[0040] 作為上述方案的改進(jìn)，所述判別單元包括：
[0041] 輸入單元，用于將所述待檢測的PCB板的圖片的局部紋理特征分別輸入第一類型 樣本的分布密度公式和第二類型樣本的分布密度公式，其中，所述分布密度公式由高斯判 別分析模型及模型參數(shù)給出；及
[0042] 判斷單元，用于計(jì)算所述待檢測的PCB板的圖片的局部紋理特征在第一類型樣本 的分布密度公式的概率P tl和在第二類型樣本的分布密度公式的概率P i，若Ρ〇< P i，則確定 所述待檢測的PCB板為第一類型PCB板，否則確定為第二類型PCB板。
[0043] 本發(fā)明實(shí)施例提供的PCB板檢測方法及裝置，通過提取PCB板的局部紋理特征， 并建立基于局部紋理特征的高斯判別分析模型，對(duì)第一類型樣本和第二類型樣本各自進(jìn)行 建模，充分利用了樣本的已知信息，使得算法穩(wěn)定，由于模型綜合考慮了所有樣本的已知信 息，所以當(dāng)給定樣本出現(xiàn)極端情況時(shí)算法所受的影響很小。此外，本方法還具有對(duì)光照條件 不敏感，對(duì)生產(chǎn)過程干擾小，不需要額外的生產(chǎn)數(shù)據(jù)等優(yōu)點(diǎn)，解決了現(xiàn)有技術(shù)中通過人工識(shí) 別PCB板的缺陷所帶來的識(shí)別效率低、主觀性強(qiáng)的問題。
【附圖說明】
[0044] 為了更清楚地說明本發(fā)明的技術(shù)方案，下面將對(duì)實(shí)施方式中所需要使用的附圖作 簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施方式，對(duì)于本領(lǐng)域普 通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0045] 圖1是本發(fā)明實(shí)施例提供PCB板檢測方法的流程示意圖。
[0046] 圖2是掃描窗口掃描得到的像素灰度值的示意圖。
[0047] 圖3是對(duì)掃描窗口進(jìn)而二進(jìn)制化后的示意圖。
[0048] 圖4是掃描窗口的標(biāo)記值示意圖。
[0049] 圖5是對(duì)局部紋理特征歸一化后的直方圖。
[0050] 圖6是第一類型樣本和第二類型樣本的特征分布圖。
[0051] 圖7是本發(fā)明實(shí)施例提供PCB板檢測裝置的結(jié)構(gòu)示意圖。
[0052] 圖8是圖7所示的模型建立單元的結(jié)構(gòu)示意圖。
[0053] 圖9是圖8所示的第二提取單元的結(jié)構(gòu)示意圖。
[0054] 圖10是圖8所示的建模單元的結(jié)構(gòu)示意圖。
[0055] 圖11是圖7所示的判別單元的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0056] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0057] 請(qǐng)參閱圖1，本發(fā)明實(shí)施例提供一種PCB板檢測方法，其至少包括如下步驟：
[0058] S101，基于樣本的局部紋理特征建立高斯判別分析模型，其中，所述樣本包括第一 類型樣本和第二類型樣本，所述第一類型樣本為沒有漏裝元件的PCB板，所述第二類型樣 本