基于混合高斯模型的ic元件焊點(diǎn)缺陷檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及數(shù)字圖像處理應(yīng)用領(lǐng)域，特別是基于混合高斯模型的1C元件焊點(diǎn)缺 陷檢測(cè)方法。
【背景技術(shù)】
[000引 印制電路板PCB(PrintedCircuitBoard)缺陷檢測(cè)是自動(dòng)光學(xué)檢測(cè)（automatic opticalinspection,A0I)應(yīng)用的一個(gè)熱點(diǎn)方向，近年來(lái)得到越來(lái)越多的關(guān)注。目前主要 采用的方式是通過CCD檢測(cè)PCB元件的圖像后進(jìn)行處理從而實(shí)現(xiàn)缺陷檢測(cè)。實(shí)際使用中， 印制電路板遇到的情況非常復(fù)雜，CCD采集到的PCB元件圖像往往出現(xiàn)不同程度的變化和 不規(guī)則現(xiàn)象，例如：光照強(qiáng)度不均勻，光照角度改變，CCD攝像頭采集的圖像會(huì)有一定角度 的偏轉(zhuǎn)，元件尺寸越來(lái)越小，PCB板內(nèi)元件密度越來(lái)越大等等，該些問題使得PCB焊點(diǎn)缺陷 檢測(cè)變得相當(dāng)困難。而1C元件焊點(diǎn)的尺寸比一般的CHIP元件焊點(diǎn)的尺寸要小的多，虛焊 和正常焊點(diǎn)在圖像上非常相似，該使得1C元件焊點(diǎn)的虛焊檢測(cè)一直是缺陷檢測(cè)中難W攻 克的難題。
[0003] 現(xiàn)有的較為成熟的對(duì)1C元件焊點(diǎn)缺陷的檢測(cè)方法大多數(shù)為基于特征的方法。該 種方法將缺陷檢測(cè)分為兩個(gè)步驟；提取特征和分類。在提取特征階段，選擇顏色梯度，區(qū)域 面積，周長(zhǎng)，水力半徑等等典型特征；在分類階段，選擇較為成熟的分類器，例如神經(jīng)網(wǎng)絡(luò)， AdaBoost，SVM等等，對(duì)提取的特征進(jìn)行分類。該些方法在CHIP元件焊點(diǎn)取得了較好的應(yīng) 用效果。但是，由于1C元件焊點(diǎn)尺寸小，焊點(diǎn)密集度大，且虛焊焊點(diǎn)樣本難W收集，使得目 前的基于分類器的方法在1C元件焊點(diǎn)虛焊檢測(cè)中難W得到良好的分類效果。另外，在線檢 測(cè)方法對(duì)時(shí)間要求嚴(yán)格，神經(jīng)網(wǎng)絡(luò)該些較為成熟的分類器計(jì)算量大，難W符合在線監(jiān)測(cè)在 時(shí)間上的要求。同時(shí)雖然也有人提出基于單高斯模型的像素點(diǎn)建模的1C元件焊點(diǎn)檢測(cè)方 法，該種方法的檢測(cè)速度快，但是準(zhǔn)確率低，無(wú)法在實(shí)際生產(chǎn)中應(yīng)用?？偟膩?lái)說，目前的檢測(cè) 方法無(wú)法有效、準(zhǔn)確、快速地檢測(cè)出1C元件的焊點(diǎn)缺陷。

【發(fā)明內(nèi)容】

[0004] 為了解決上述的技術(shù)問題，本發(fā)明的目的是提供基于混合高斯模型的1C元件焊 點(diǎn)缺陷檢測(cè)方法。
[0005] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：
[0006] 基于混合高斯模型的1C元件焊點(diǎn)缺陷檢測(cè)方法，包括：
[0007] S1、初始化混合高斯模型的模板個(gè)數(shù)、權(quán)重、均值和方差，同時(shí)根據(jù)訓(xùn)練圖片的高 度和寬度建立頻率分布圖；
[000引 S2、從訓(xùn)練樣本中獲取1C焊點(diǎn)訓(xùn)練圖片，對(duì)混合高斯模型W及頻率分布圖進(jìn)行更 新；
[0009] S3、判斷訓(xùn)練樣本是否已訓(xùn)練完畢，若是則計(jì)算訓(xùn)練樣本的缺陷度闊值，否則返回 執(zhí)行步驟S2 ;
[0010] S4、采集待檢測(cè)IC元件焊點(diǎn)的圖片后，結(jié)合訓(xùn)練好的混合高斯模型和頻率分布圖 計(jì)算該圖片的缺陷度；
[0011] S5、將該圖片的缺陷度與訓(xùn)練樣本的缺陷度闊值進(jìn)行比對(duì)后獲得1C元件焊點(diǎn)的 檢測(cè)結(jié)果。
[0012] 進(jìn)一步，所述步驟S1，包括：
[0013]S11、將混合高斯模型的模板個(gè)數(shù)初始化為M，其中M為自然數(shù)且3《M《5;
[0014]S12、將M個(gè)模板的權(quán)重均初始化為1/M，并從[0, 25引區(qū)間中隨機(jī)選擇一個(gè)數(shù)字作 為M個(gè)模板的均值，同時(shí)將M個(gè)模板的方差初始化為特定值V。，其中3《10;
[0015]S13、建立一個(gè)大小為H*W的矩陣并將該矩陣的所有元素值初始化為1后，將該矩 陣作為頻率分布圖，其中H表示訓(xùn)練圖片的高度，W表示訓(xùn)練圖片的寬度。
[0016] 進(jìn)一步，所述步驟S2,包括：
[0017]S21、從訓(xùn)練樣本中獲取1C焊點(diǎn)訓(xùn)練圖片，針對(duì)該訓(xùn)練圖片的每個(gè)像素點(diǎn)，將其分 別與M個(gè)高斯模型進(jìn)行匹配處理，并獲得該像素點(diǎn)與每個(gè)高斯模型的高斯匹配值；
[0018] S22、對(duì)混合高斯模型進(jìn)行遞歸更新；
[0019]S23、分別計(jì)算該像素點(diǎn)對(duì)應(yīng)的M個(gè)高斯模型的權(quán)重與標(biāo)準(zhǔn)差的比值，并按照比值 對(duì)M個(gè)高斯模型進(jìn)行排序；
[0020]S24、根據(jù)下式選擇前B個(gè)高斯模型作為背景點(diǎn)，進(jìn)而判斷該像素點(diǎn)與前B個(gè)高斯 模型是否匹配，若是，判斷該像素點(diǎn)為背景點(diǎn)，否則判斷該像素點(diǎn)為前景點(diǎn)：
[0021]
【主權(quán)項(xiàng)】
1. 基于混合高斯模型的IC元件焊點(diǎn)缺陷檢測(cè)方法，其特征在于，包括： 51、 初始化混合高斯模型的模板個(gè)數(shù)、權(quán)重、均值和方差，同時(shí)根據(jù)訓(xùn)練圖片的高度和 寬度建立頻率分布圖； 52、 從訓(xùn)練樣本中獲取IC焊點(diǎn)訓(xùn)練圖片，對(duì)混合高斯模型以及頻率分布圖進(jìn)行更新； 53、 判斷訓(xùn)練樣本是否已訓(xùn)練完畢，若是則計(jì)算訓(xùn)練樣本的缺陷度閾值，否則返回執(zhí)行 步驟S2 ; 54、 采集待檢測(cè)IC元件焊點(diǎn)的圖片后，結(jié)合訓(xùn)練好的混合高斯模型和頻率分布圖計(jì)算 該圖片的缺陷度； 55、 將該圖片的缺陷度與訓(xùn)練樣本的缺陷度閾值進(jìn)行比對(duì)后獲得IC元件焊點(diǎn)的檢測(cè) 結(jié)果。
2. 根據(jù)權(quán)利要求1所述的基于混合高斯模型的IC元件焊點(diǎn)缺陷檢測(cè)方法，其特征在 于，所述步驟S1，包括： 511、 將混合高斯模型的模板個(gè)數(shù)初始化為M，其中M為自然數(shù)且3 < M < 5 ; 512、 將M個(gè)模板的權(quán)重均初始化為1/M，并從[0, 255]區(qū)間中隨機(jī)選擇一個(gè)數(shù)字作為M 個(gè)模板的均值，同時(shí)將M個(gè)模板的方差初始化為特定值Vtl，其中3 < VtlS 10 ; 513、 建立一個(gè)大小為H*W的矩陣并將該矩陣的所有元素值初始化為1后，將該矩陣作 為頻率分布圖，其中H表示訓(xùn)練圖片的高度，W表示訓(xùn)練圖片的寬度。
3. 根據(jù)權(quán)利要求2所述的基于混合高斯模型的IC元件焊點(diǎn)缺陷檢測(cè)方法，其特征在 于，所述步驟S2,包括： 521、 從訓(xùn)練樣本中獲取IC焊點(diǎn)訓(xùn)練圖片，針對(duì)該訓(xùn)練圖片的每個(gè)像素點(diǎn)，將其分別與 M個(gè)高斯模型進(jìn)行匹配處理，并獲得該像素點(diǎn)與每個(gè)高斯模型的高斯匹配值； 522、 對(duì)混合高斯模型進(jìn)行遞歸更新； 523、 分別計(jì)算該像素點(diǎn)對(duì)應(yīng)的M個(gè)高斯模型的權(quán)重與標(biāo)準(zhǔn)差的比值，并按照比值對(duì)M 個(gè)高斯模型進(jìn)行排序； 524、 根據(jù)下式選擇前B個(gè)高斯模型作為背景點(diǎn)，進(jìn)而判斷該像素點(diǎn)與前B個(gè)高斯模型 是否匹配，若是，判斷該像素點(diǎn)為背景點(diǎn)，否則判斷該像素點(diǎn)為前景點(diǎn)：
上式中，Th為預(yù)設(shè)的背景閾值且0. 75 < Th < 0. 90, i表示序號(hào)，Wi表示第i個(gè)高斯模 型的權(quán)重； 525、 對(duì)該像素點(diǎn)進(jìn)行二值化賦值，并更新頻率分布圖； 526、 遍歷所有像素點(diǎn)后獲得該訓(xùn)練圖片的二值化圖像。
4. 根據(jù)權(quán)利要求3所述的基于混合高斯模型的IC元件焊點(diǎn)缺陷檢測(cè)方法，其特征在 于，所述步驟S21，其具體為： 從訓(xùn)練樣本中獲取IC焊點(diǎn)訓(xùn)練圖片，針對(duì)該訓(xùn)練圖片的每個(gè)像素點(diǎn)，將其分別與對(duì)應(yīng) 的M個(gè)高斯模型進(jìn)行匹配處理，判斷是否符合以下條件，若是，則判定該像素點(diǎn)與對(duì)應(yīng)高斯 模型匹配，兩者的高斯匹配值為1，否則兩者不匹配，高斯匹配值為〇 : Xk-UiI <2.5〇i 上式中，Xk表示該像素點(diǎn)的像素值，μ i表示第i個(gè)高斯模型的均值，σ i表示第i個(gè)高 斯模型的方差。
5. 根據(jù)權(quán)利要求4所述的基于混合高斯模型的IC元件焊點(diǎn)缺陷檢測(cè)方法，其特征在 于，所述步驟S22,包括： 5221、 根據(jù)下式對(duì)混合高斯模型的權(quán)重進(jìn)行遞歸更新： Wiik= (l-α )*w LH+α *Hi;k 5222、 對(duì)與該像素點(diǎn)不匹配的高斯模型，直接執(zhí)行步驟S223,對(duì)與該像素點(diǎn)匹配的高斯 模型，根據(jù)下式對(duì)其均值和標(biāo)準(zhǔn)差進(jìn)行更新后，結(jié)束更新：
5223、 判斷該像素點(diǎn)是否與其對(duì)應(yīng)的M個(gè)高斯模型均不匹配，若是，則按照下式替換權(quán) 重值最小的高斯模型，否則結(jié)束更新：
其中，wi;k、μ i;k和分別表示該像素點(diǎn)的第i個(gè)高斯模型的權(quán)重、均值和方差，w^、 μ 分別表示上一張訓(xùn)練圖片與該像素點(diǎn)對(duì)應(yīng)位置的像素點(diǎn)的第i個(gè)高斯模型的 權(quán)重、均值和方差，Hiik表示該像素點(diǎn)和第i個(gè)高斯模型的高斯匹配值，a表示預(yù)設(shè)的學(xué)習(xí) 效率值，Wsl k、Usl^P σ sl k分別表示權(quán)重值最小的高斯模型的權(quán)重、均值和標(biāo)準(zhǔn)差。
6. 根據(jù)權(quán)利要求3所述的基于混合高斯模型的IC元件焊點(diǎn)缺陷檢測(cè)方法，其特征在 于，所述步驟S25,其具體為： 若該像素點(diǎn)為背景點(diǎn)，則將其賦值為〇,反之將其賦值為255并將該像素點(diǎn)對(duì)應(yīng)位置的 頻率分布圖的值加1。
7. 根據(jù)權(quán)利要求3所述的基于混合高斯模型的IC元件焊點(diǎn)缺陷檢測(cè)方法，其特征在 于，所述步驟S3中所述計(jì)算訓(xùn)練樣本的缺陷度閾值，其具體為： 根據(jù)下式分別計(jì)算訓(xùn)練樣本的每個(gè)訓(xùn)練圖片的缺陷度并獲取最大值作為訓(xùn)練樣本的 缺陷度閾值：
上式中，Em表示訓(xùn)練圖片的缺陷度，m表示訓(xùn)練樣本的訓(xùn)練圖片個(gè)數(shù)，f(x，y)表示頻率 分布圖，b(x，y)表示訓(xùn)練圖片的二值化圖像。
8. 根據(jù)權(quán)利要求2所述的基于混合高斯模型的IC元件焊點(diǎn)缺陷檢測(cè)方法，其特征在 于，所述步驟S4,包括： 541、 采集待檢測(cè)IC元件焊點(diǎn)的圖片后，針對(duì)該圖片的每個(gè)像素點(diǎn)，分別計(jì)算該像素點(diǎn) 對(duì)應(yīng)的M個(gè)高斯模型的權(quán)重與標(biāo)準(zhǔn)差的比值，并按照比值對(duì)M個(gè)高斯模型進(jìn)行排序； 542、 根據(jù)下式選擇前B個(gè)高斯模型作為背景點(diǎn)，進(jìn)而判斷該像素點(diǎn)與前B個(gè)高斯模型 是否匹配，若是，判斷該像素點(diǎn)為背景點(diǎn)，否則判斷該像素點(diǎn)為前景點(diǎn)：
上式中，Th為預(yù)設(shè)的背景閾值且0. 75 < Th < 0. 90, i表示序號(hào)，Wi表示第i個(gè)高斯模 型的權(quán)重； 543、 對(duì)該像素點(diǎn)進(jìn)行二值化賦值； 544、 遍歷所有像素點(diǎn)后獲得該圖片的二值化圖像； 545、 根據(jù)下式計(jì)算該圖片的缺陷度：
上式中，Em表示圖片的缺陷度，m表示訓(xùn)練樣本的訓(xùn)練圖片個(gè)數(shù)，f(x，y)表示頻率分布 圖，b(x，y)表示該圖片的二值化圖像。
9.根據(jù)權(quán)利要求1所述的基于混合高斯模型的IC元件焊點(diǎn)缺陷檢測(cè)方法，其特征在 于，所述步驟S5,其具體為： 判斷該缺陷度是否大于訓(xùn)練樣本的缺陷度閾值，若是，則判斷該IC元件焊點(diǎn)為虛焊焊 點(diǎn)，反之，判斷該IC元件焊點(diǎn)為正常焊點(diǎn)。
【專利摘要】本發(fā)明公開了一種基于混合高斯模型的IC元件焊點(diǎn)缺陷檢測(cè)方法，包括：初始化混合高斯模型的模板個(gè)數(shù)、權(quán)重、均值和方差，同時(shí)根據(jù)訓(xùn)練圖片的高度和寬度建立頻率分布圖；從訓(xùn)練樣本中獲取IC焊點(diǎn)訓(xùn)練圖片，對(duì)混合高斯模型以及頻率分布圖進(jìn)行更新；判斷訓(xùn)練樣本是否已訓(xùn)練完畢，若是則計(jì)算訓(xùn)練樣本的缺陷度閾值；采集待檢測(cè)IC元件焊點(diǎn)的圖片后，結(jié)合訓(xùn)練好的混合高斯模型和頻率分布圖計(jì)算該圖片的缺陷度；將該圖片的缺陷度與訓(xùn)練樣本的缺陷度閾值進(jìn)行比對(duì)后獲得IC元件焊點(diǎn)的檢測(cè)結(jié)果。本方法計(jì)算量大大減少，檢測(cè)速度快，而且準(zhǔn)確率高，可以有效地檢測(cè)出IC元件焊點(diǎn)的虛焊缺陷，可廣泛應(yīng)用于IC元件焊點(diǎn)缺陷檢測(cè)領(lǐng)域中。
【IPC分類】G06T7-00
【公開號(hào)】CN104867144
【申請(qǐng)?zhí)枴緾N201510250915
【發(fā)明人】蔡念, 葉倩, 林健發(fā), 梁永輝, 王晗, 戴青云
【申請(qǐng)人】廣東工業(yè)大學(xué)
【公開日】2015年8月26日
【申請(qǐng)日】2015年5月15日