CN115984197A - 基于标准pcb图像的缺陷检测方法及相关装置 - Google Patents

Abstract

本申请公开一种基于标准PCB图像的缺陷检测方法及相关装置，方法包括：获取待检测PCB图像；确定与PCB板设计图尺寸相同的标准PCB图像；标准PCB图像的尺寸大于待检测PCB图像的尺寸，且PCB板设计图包括待检测PCB图像对应的设计图区域；对标准PCB图像进行图像截取处理，得到目标标准PCB图像。目标标准PCB图像对应的设计图区域和待检测PCB图像对应的设计图区域相同；将待检测PCB图像与目标标准PCB图像进行对比，确定待检测PCB图像中的缺陷位置。本申请提供的基于标准PCB图像的缺陷检测方法通过将待检测PCB图像与目标标准PCB图像进行对比，来对待检测PCB图像进行缺陷识别。如此，无需对缺陷进行学习，便能有效识别所有类型的缺陷，提高了PCB缺陷检测的准确率。

Description

基于标准PCB图像的缺陷检测方法及相关装置

技术领域

本申请涉及图像处理技术领域，具体涉及一种基于标准PCB图像的缺陷检测方法及相关装置。

背景技术

印刷线路板PCB采用电子印刷术制作而成，是重要的电子部件，是电子元器件的支撑体，是电子元器件电气相互连接的载体。

在PCB板的生产制造过程中，制造程序错误、人为磕碰或外来杂物污染等情况，可能会造成PCB板上产生一些外观缺陷。PCB板上的外观缺陷可能会进一步影响使用该PCB板的电子产品的功能。

PCB缺陷检测是PCB检测的重要环节。PCB缺陷检测可以依靠人工实现，但人工检测PCB缺陷的效率低且准确率低。而PCB缺陷自动检测方法中，可利用已有的缺陷样本进行模型学习，以基于模型识别待检测PCB图像中的缺陷。但是，针对罕见或未知类型的缺陷，该自动检测方法的准确率低。

发明内容

有鉴于此，本申请提供一种基于标准PCB图像的缺陷检测方法、装置、电子设备及计算机可读存储介质，能够提高PCB缺陷检测的准确率。

为解决上述问题，本申请提供的技术方案如下：

第一方面，本申请提供了一种基于标准PCB图像的缺陷检测方法，包括：

获取待检测PCB图像；

确定与PCB板设计图尺寸相同的标准PCB图像；标准PCB图像的尺寸大于待检测PCB图像的尺寸，且PCB板设计图包括待检测PCB图像对应的设计图区域；

对标准PCB图像进行图像截取处理，得到目标标准PCB图像；目标标准PCB图像对应的设计图区域和待检测PCB图像对应的设计图区域相同；

将待检测PCB图像与目标标准PCB图像进行对比，确定待检测PCB图像中的缺陷位置。

第二方面，本申请提供了一种基于标准PCB图像的缺陷检测装置，包括：

获取单元，用于获取待检测PCB图像；

确定单元，用于确定与PCB板设计图尺寸相同的标准PCB图像；标准PCB图像的尺寸大于待检测PCB图像的尺寸，且PCB板设计图包括待检测PCB图像对应的设计图区域；

截取单元，用于对标准PCB图像进行图像截取处理，得到目标标准PCB图像；目标标准PCB图像对应的设计图区域和待检测PCB图像对应的设计图区域相同；

对比单元，用于将待检测PCB图像与目标标准PCB图像进行对比，确定待检测PCB图像中的缺陷位置。

第三方面，本申请提供了一种电子设备，电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上述的基于标准PCB图像的缺陷检测方法。

第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述的基于标准PCB图像的缺陷检测方法。

由此可见，本申请具有如下有益效果：

先获取待检测PCB图像。进而，确定与PCB板设计图尺寸相同的标准PCB图像。由于标准PCB图像的尺寸大于待检测PCB图像的尺寸，则对标准PCB图像进行图像截取处理，得到目标标准PCB图像。获得的目标标准PCB设计图像对应的设计图区域和待检测PCB图像对应的设计图区域相同，目标标准PCB设计图像可作为待检测PCB图像的无缺陷参考图像。因而，将待检测PCB图像以及目标标准PCB设计图像进行比对，可确定待检测PCB图像中的缺陷位置。可知，采用本申请实施例，无需对缺陷进行学习，便能有效识别所有类型的缺陷，提高了PCB缺陷检测的准确率。

附图说明

图1a为本申请实施例提供的一种划痕缺陷示意图；

图1b为本申请实施例提供的一种裂纹缺陷示意图；

图1c为本申请实施例提供的一种漏铜缺陷示意图；

图1d为本申请实施例提供的一种脏污缺陷示意图；

图2为本申请实施例提供的一种基于标准PCB图像的缺陷检测方法的流程图；

图3a为本申请实施例提供的一种待检测PCB图像的示意图；

图3b为本申请实施例提供的一种目标标准PCB图像对应的设计图区域的示意图；

图3c为本申请实施例提供的一种目标标准PCB图像的示意图；

图4为本申请实施例提供的一种基于标准PCB图像的缺陷检测装置的结构示意图；

图5为本申请实施例提供的一种电子设备的示意图；

图6为本申请实施例提供的一种计算机可读存储介质的示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请实施例作进一步详细的说明。

为了便于理解和解释本申请实施例提供的技术方案，下面将先对本申请的背景技术进行介绍。

印刷线路板(Printed Circuit Board，PCB)采用电子印刷术制作而成，是重要的电子部件，是电子元器件的支撑体，是电子元器件电气相互连接的载体。在PCB板的生产制造过程中，制造程序错误、人为磕碰或外来杂物污染等情况，可能会造成PCB板上产生一些外观缺陷。

PCB缺陷的类型主要包括两大类，线状类型缺陷和团状类型缺陷。线状类型缺陷至少包括划痕缺陷和裂纹缺陷，团状类型缺陷至少包括油墨类缺陷和漏铜类缺陷。参见图1a，图1a为本申请实施例提供的一种划痕缺陷示意图，划痕缺陷为PCB板上出现的划痕。参见图1b，图1b为本申请实施例提供的一种裂纹缺陷示意图，裂纹缺陷为PCB板上出现的裂纹，如为PCB板上覆盖的油墨中的裂纹。

参见图1c，图1c为本申请实施例提供的一种漏铜缺陷示意图，漏铜类缺陷一般为由于外部因素造成PCB板线路或铜面上覆盖的油墨掉落而露出铜的部分，称为漏铜。油墨类缺陷一般为焊盘四周出现的异色部分，一般为淡黑色。异色部分为焊盘区域油墨未去除干净导致的。其中，焊盘为PCB板上用来焊接电子元件的连接媒介，它将电子元件与电路按照设计要求接合在一起，从而使电路功能得以实现。焊盘的形式按要求有不同大小和形状，如圆形、方形、八角形、泪滴形等。另外，PCB板上的字符框可能出现偏印，偏印与焊盘接触，或者字符框印刷到焊盘上，或者字符出现不清晰、字符掉落等情况，这些字符缺陷也均可以理解为油墨类缺陷。参见图1d，图1d为本申请实施例提供的一种脏污缺陷示意图，型缺陷还包括脏污缺陷，脏污缺陷为PCB板上出现的脏污。

可知，PCB板上的外观缺陷可能会进一步影响使用该PCB板的电子产品的功能。因此，PCB缺陷检测是PCB检测的重要环节。PCB缺陷检测可以依靠人工实现，但人工检测PCB缺陷的效率低且准确率低。另外，还可利用PCB缺陷自动检测方法进行PCB缺陷检测。在PCB缺陷自动检测方法中，可利用已有的缺陷样本进行模型学习和训练，以利用训练完成的模型识别待检测PCB图像中的缺陷。但是，针对罕见或未知类型的缺陷，模型无法进行识别。这使得该自动检测方法的准确率低。

基于此，本申请实施例提供了一种基于标准PCB图像的缺陷检测方法、装置、电子设备及计算机可读存储介质，先获取待检测PCB图像。进而，确定与PCB板设计图尺寸相同的标准PCB图像。由于标准PCB图像的尺寸大于待检测PCB图像的尺寸，则对标准PCB图像进行图像截取处理，得到目标标准PCB图像。获得的目标标准PCB设计图像对应的设计图区域和待检测PCB图像对应的设计图区域相同，目标标准PCB设计图像可作为待检测PCB图像的无缺陷参考图像。因而，将待检测PCB图像以及目标标准PCB设计图像进行比对，可确定待检测PCB图像中的缺陷位置。可知，采用本申请实施例，无需对缺陷进行学习，便能有效识别所有类型的缺陷，提高了PCB缺陷检测的准确率。

为了便于理解本申请，下面结合附图对本申请实施例提供的一种基于标准PCB图像的缺陷检测方法进行说明。

参见图2所示，该图为本申请实施例提供的一种基于标准PCB图像的缺陷检测方法的流程图。该方法可以应用于自动光学检测(Automated Optical Inspection，AOI)设备中，AOI设备是基于光学原理来对焊接生产中遇到的缺陷进行检测的设备。如图2所示，该方法可以包括S201-S204：

S201：获取待检测PCB图像。

在采用电子印刷术制作PCB板之前，需要先获取整个PCB板设计图。PCB板设计图是以电路原理图为依据，在PCB板上实现特定功能的设计图。在PCB板设计图的基础上，进行PCB线路板的刻蚀，得到刻蚀完成的PCB板。

该步骤中的待检测PCB图像是对已经刻蚀的PCB板进行扫描得到的。作为一种可选示例，可以由AOI设备实现扫描PCB板、获取待检测PCB图像、待检测PCB图像的图像处理以及待检测PCB图像中的缺陷检测等功能。基于此，AOI设备的硬件系统可以包括工作平台、图像采集系统、以及图像处理系统等。其中，可利用图像采集系统中的摄像头自动扫描PCB板，以采集待检测PCB图像。

参见图3a，图3a为本申请实施例提供的一种待检测PCB图像的示意图。刻蚀完成的PCB板中可能存在一些缺陷，基于本申请实施例提供的基于标准PCB图像的缺陷检测方法，可以在待检测PCB图像的基础上，自动检测缺陷位置。如图3a所示，待检测PCB图像中的缺陷类型为漏铜类缺陷，也可参考图1c。本申请实施例通过自动检测的方式，可以检测出图3a中的缺陷位置。

需要说明的是，对已经刻蚀的PCB板进行扫描时，可能只扫描局部PCB板，得到的待检测PCB图像为整个已刻蚀的PCB板的局部图像。图3a所示的待检测PCB图像即为局部图像。

S202：确定与PCB板设计图尺寸相同的标准PCB图像；标准PCB图像的尺寸大于待检测PCB图像的尺寸；PCB板设计图包括待检测PCB图像对应的设计图区域。

在该步骤中的PCB板设计图为S201中刻蚀PCB板时所依据的整个PCB板设计图或者整个PCB板设计图的一部分。另外，如果待检测PCB图像为局部图像，则待检测PCB图像对应的设计图区域也是整个PCB板设计图的一部分。

基于此，在PCB板设计图的基础上，确定与PCB板设计图尺寸相同的标准PCB图像。标准PCB图像和PCB板设计图相对应，且标准PCB图像中没有PCB缺陷。例如，PCB板设计图尺寸(或分辨率)为600*600，标准PCB图像的尺寸(或分辨率)也为600*600，待检测PCB图像的尺寸(或分辨率)为30*30。

可以理解的是，标准PCB图像并非通过对已经刻蚀的PCB板进行扫描得到的。标准PCB图像中没有PCB缺陷，且对应的PCB板设计图包括待检测PCB图像对应的设计图区域。

基于此，在一些可能的实现方式中，本申请实施例提供了两种确定与PCB板设计图尺寸相同的标准PCB图像的具体实施方式，具体请参见下文A1-A3以及B1。

S203：对标准PCB图像进行图像截取处理，得到目标标准PCB图像；目标标准PCB图像对应的设计图区域和待检测PCB图像对应的设计图区域相同。

由于标准PCB图像的尺寸大于待检测PCB图像的尺寸，为了更方便地识别待检测PCB图像中的缺陷，需要对标准PCB图像进行图像截取处理，得到目标标准PCB图像。从标准PCB图像中截取的目标标准PCB图像的尺寸与待检测PCB图像的尺寸相同。目标标准PCB图像对应的设计图区域和待检测PCB图像对应的设计图区域相同，目标标准PCB图像中没有PCB缺陷，目标标准PCB图像可以示例性理解为待检测PCB图像的基准图像。

参见图3b，图3b为本申请实施例提供的一种目标标准PCB图像对应的设计图区域的示意图。参见图3c，图3c为本申请实施例提供的一种目标标准PCB图像的示意图。如图3a和3c所示，目标标准PCB图像的尺寸和待检测PCB图像的尺寸相同，且图3c中的目标标准PCB图像为图3a中的待检测PCB图像的基准图像。图3c中的目标标准PCB图像无图3a中的漏铜类缺陷。

可以理解的是，获得的目标标准PCB图像是表面完整、且无缺陷的，并且应与真实的PCB图像在整体风格和细节上均相同或相似。这样的目标标准PCB图像可看作是待检测PCB图像所拍摄的PCB板区域在没有发生缺陷时所采集的图像。

在一些可能的实现方式中，本申请实施例提供了三种对标准PCB图像进行图像截取处理，得到目标标准PCB图像的具体实施方式，具体请见下文C1-C3、D1-D4以及E1-E8。

S204：将待检测PCB图像与目标标准PCB图像进行对比，确定待检测PCB图像中的缺陷位置。

由于目标标准PCB图像为待检测PCB图像的基准图像，目标标准PCB图像中没有PCB缺陷，则在获取目标标准PCB图像之后，便可将待检测PCB图像与目标标准PCB图像进行对比，以确定待检测PCB图像中的缺陷位置。

需要说明的是，以上对待检测PCB图像中的缺陷进行检测所执行S201-S204步骤均为自动实现的，即能够自动检测待检测PCB图像中的PCB缺陷。

作为一种可选示例，在确定待检测PCB图像中的缺陷位置之后，可通过自动标志将缺陷标示出来，例如用圆圈将缺陷圈出来。进而，还可通过AOI设备中的显示器将已标示出缺陷位置的待检测PCB图像显示出来，以供维修人员修整。

在一些可能的实现方式中，本申请实施例提供了一种将待检测PCB图像与目标标准PCB图像进行对比，确定待检测PCB图像中的缺陷位置的具体实施方式，具体请见下文F1-F4。

基于上述S201-S204的相关内容可知，本申请提供了一种基于标准PCB图像的缺陷检测方法。先获取待检测PCB图像。再确定与PCB板设计图尺寸相同的标准PCB图像。其中，标准PCB图像的尺寸大于待检测PCB图像的尺寸，且PCB板设计图包括待检测PCB图像对应的设计图区域。进而，对标准PCB图像进行图像截取处理，得到目标标准PCB图像。目标标准PCB图像对应的设计图区域和待检测PCB图像对应的设计图区域相同。由此，将待检测PCB图像与目标标准PCB图像进行对比，确定待检测PCB图像中的缺陷位置。可知，本申请实施例提供的基于标准PCB图像的缺陷检测方法通过将待检测PCB图像与目标标准PCB图像进行对比，来对待检测PCB图像进行缺陷识别。如此，无需对缺陷进行学习，便能有效识别所有类型的缺陷，提高了PCB缺陷检测的准确率。

在一些可能的实现方式中，本申请实施例提供了一种S202中确定与PCB板设计图尺寸相同的标准PCB图像的具体实施方式，包括：

A1：获取参考PCB板设计图以及参考PCB板设计图对应的标准参考PCB图像。

参考PCB板设计图为除S201-S204中涉及到的PCB板设计图之外的任一张PCB板设计图。获取参考PCB板设计图以及参考PCB板设计图对应的标准参考PCB图像。其中，参考PCB板设计图对应的标准参考PCB图像为没有缺陷的PCB图像。

例如，可根据参考PCB板设计图刻蚀参考PCB板，并对刻蚀完成的参考PCB板进行扫描，得到参考PCB板设计图对应的标准参考PCB图像。而且由人工检测并确定参考PCB板设计图对应的参考标准PCB图像中没有缺陷。

A2：确定参考PCB板设计图与参考PCB板设计图对应的标准参考PCB图像之间的非线性变换关系。

确定参考PCB板设计图与参考PCB板设计图对应的标准参考PCB图像之间的非线性变换关系，即确定参考PCB板设计图与参考PCB板设计图对应的标准参考PCB图像之间的相关性。

作为一种可选示例，可通过图像类比算法确定参考PCB板设计图与参考PCB板设计图对应的标准参考PCB图像之间的非线性变换关系。其中，图像类比算法为学习源图像和目标图像之间的映射关系的算法。即，通过图像类比算法学习参考PCB板设计图与参考PCB板设计图对应的标准参考PCB图像之间的映射关系，即上述的非线性变换关系。

其中，参考PCB板设计图即为一种源图像，参考PCB板设计图对应的标准参考PCB图像即为一种目标图像。

A3：根据PCB板设计图以及非线性变换关系，确定与PCB板设计图尺寸相同的标准PCB图像。

在获取非线性变换关系之后，非线性变换关系可用函数y＝f(x)表示，且函数f(x)为非线性函数。其中，x为源图像中的像素点的像素值，y为目标图像中的像素点的像素值。

由此，PCB板设计图也可作为一种源图像。则根据PCB板设计图以及确定的非线性变换关系，可进一步确定与PCB板设计图尺寸相同的标准PCB图像，该图像也为一种目标图像。

基于A1-A3的内容可知，能够通过学习参考PCB板设计图与参考PCB板设计图对应的标准参考PCB图像之间的非线性变换关系，来确定与PCB板设计图尺寸相同的标准PCB图像。

在另一种可能的实现方式中，本申请实施例提供了另一种S202中确定与PCB板设计图尺寸相同的标准PCB图像的具体实施方式，包括：

B1：将PCB板设计图输入已训练的生成对抗网络进行处理，输出与PCB板设计图尺寸相同的标准PCB图像。其中，生成对抗网络是基于参考PCB板设计图以及参考PCB板设计图对应的标准参考PCB图像进行训练得到的。

生成对抗网络为一种深度学习网络，主要包括生成器和判别器。具体实施时，训练生成对抗网络即为训练生成器和判别器。其中，将参考PCB板设计图对应的标准参考PCB图像输入判别器中，标记该参考PCB板设计图对应的标准参考PCB图像为真，对判别器进行训练。生成器生成参考PCB板设计图对应的虚假标准PCB图像，将该虚假标准PCB图像输入判别器，标记该虚假标准PCB图像为假，对判别器进行训练。另外，生成器生成参考PCB板设计图对应的虚假标准PCB图像，将该虚假标准PCB图像输入判别器，根据判别器输出的判断结果训练生成器。此时，不更新判别器的参数。重复以上训练流程，直至生成器和判别器达到纳什均衡，即可获取已训练的生成对抗网络。

在获取已训练的生成对抗网络之后，将PCB板设计图输入已训练的生成对抗网络中，输出与PCB板设计图尺寸相同的标准PCB图像。可以理解的是，与PCB板设计图尺寸相同的标准PCB图像为生成对抗网络的输出。

作为一种可选示例，还可将生成对抗网络更换为其他卷积神经网络进行训练，这里不再赘述。

基于B1的内容可知，可通过已训练的深度学习网络获取生成对抗网络输出的与PCB板设计图尺寸相同的标准PCB图像。可以理解的是，生成对抗网络为深度学习网络，该方法属于深度学习方法。

可以理解的是，A1-A3与B1均为确定与PCB板设计图尺寸相同的标准PCB图像的具体实施方式，两种方式为或者的关系，即可由A1-A3或者B1实现。

在一些可能的实现方式中，本申请实施例提供了一种S203中对标准PCB图像进行图像截取处理，得到目标标准PCB图像的具体实施方式，包括：

C1：将待检测PCB图像在标准PCB图像上进行逐一像素点移动。

获取标准PCB图像之后，需要对标准PCB图像进行图像截取处理，以得到截取的目标标准PCB图像。

作为一种可选示例，可以采用滑动窗口模板匹配法对标准PCB图像进行图像截取处理。具体实施时，由于标准PCB图像的尺寸大于待检测PCB图像的尺寸且待检测PCB图像和标准PCB图像均为矩形，因而，将待检测PCB图像在标准PCB图像上逐一像素点移动。

可以理解的是，移动时只存在水平方向和上下方向的平移，不存在旋转和缩放变化的情况。则具体实施时，可将待检测PCB图像置于标准PCB图像上，将待检测PCB图像的一角与标准PCB图像的相同位置的一角对齐(例如将两张图像的左上角对齐)，进而逐一像素点水平移动，同一水平方向上移动结束后，再上下方向上平移一个像素点，进而，再逐一像素点水平移动。

C2：在每次移动后，确定标准PCB图像中与待检测PCB图像重叠的第一区域图像，并计算第一区域图像与待检测PCB图像的像素均方误差。

在每次移动待检测PCB图像之后，标准PCB图像会存在和待检测PCB图像重叠的区域。作为一种可选示例，在每次移动后，确定标准PCB图像中与待检测PCB图像重叠的第一区域图像。第一区域图像即为重叠区域的图像。

进而，计算第一区域图像与待检测PCB图像的像素均方误差。

其中，像素均方误差为S＝1/n*[(x1-y1)^2+(x2-y2)^2+……+(xn-yn)^2]。其中，S为像素均方误差，x1为第一区域图像中的第一像素点的像素值，y1为待检测PCB图像中与第一像素点的像素位置相同的像素点的像素值。x2为第一区域图像中的第二像素点的像素值，y2为待检测PCB图像中与第二像素点的像素位置相同的像素点的像素值。xn为第一区域图像中的第n像素点的像素值，yn为待检测PCB图像中与第n像素点的像素位置相同的像素点的像素值。n为第一区域图像或待检测PCB图像中像素点的总个数。

可以理解的是，将待检测PCB图像首次置于标准PCB图像上时，也需执行C2步骤。

C3：当像素均方误差满足第一误差预设范围时，截取标准PCB图像中与待检测PCB图像重叠的当前第一区域图像，将当前第一区域图像确定为目标标准PCB图像。

当像素均方误差满足第一误差预设范围时，确定标准PCB图像与待检测PCB图像已经对齐，标准PCB图像中的当前第一区域图像即为目标标准PCB图像。也可以理解为，当前第一区域图像对应的设计图区域和待检测PCB图像对应的设计图区域相同。此时，截取标准PCB图像中与待检测PCB图像重叠的当前第一区域图像，将当前第一区域图像确定为目标标准PCB图像。

可以理解的是，第一误差预设范围为一个较小的且靠近0的范围，这里不对第一误差预设范围的具体数值进行限定。

基于C1-C3可知，可滑动窗口模板匹配法实现待检测PCB图像与标准PCB图像的对齐操作，以获取目标标准PCB图像，得到的目标标准PCB图像较为精准。

在另一种可能的实现方式中，本申请实施例提供了另一种S203中对标准PCB图像进行图像截取处理，得到目标标准PCB图像的具体实施方式，包括：

D1：对待检测PCB图像进行边缘提取处理，得到待检测PCB图像中的第一图像边缘特征。

图像边缘为图像灰度变化率最大的位置。边缘提取处理为对图像中图像边缘特征的提取处理。作为一种可选示例，可采用Canny算子和Sobel算子等实现边缘提取处理。可以理解的是，第一图像边缘特征可用特征图像进行表示，特征图像中显示图像边缘轮廓点组成的边缘线。

D2：将待检测PCB图像投影在标准PCB图像上，并逐一像素点移动待检测PCB图像。

标准PCB图像的尺寸大于待检测PCB图像的尺寸，则将待检测PCB图像投影在标准PCB图像上，并逐一像素点移动待检测PCB图像。逐一像素点移动的过程可参考C1，这里不再赘述。

D3：在每次移动后，确定标准PCB图像中与待检测PCB图像投影重叠的第二区域图像，对第二区域图像进行边缘提取处理，得到第二区域图像中的第二图像边缘特征，并计算第一图像边缘特征与第二图像边缘特征之间的第一特征距离。

在每次移动待检测PCB图像之后，标准PCB图像中存在与待检测PCB图像投影重叠的第二区域图像。此时，对第二区域图像进行边缘提取处理，得到第二区域图像中的第二图像边缘特征。第二图像边缘特征的方法与过程可参考第一图像边缘特征，这里不再赘述。可以理解的是，第二图像边缘特征也可用特征图像进行表示，特征图像中显示图像边缘轮廓点组成的边缘线。

获取第一图像边缘特征以及每次移动后的第二图像边缘特征之后，计算第一图像边缘特征与第二图像边缘特征之间的第一特征距离。作为一种可选示例，可用第一向量表示第一图像边缘特征，用第二向量表示第二图像边缘特征。因而，第一特征距离为第一向量与第二向量之间的距离。此时，第一向量与第二向量之间的距离可通过余弦距离公式进行计算。

D4：当第一特征距离满足第一距离预设范围时，截取标准PCB图像中的与待检测PCB图像投影重叠的当前第二区域图像，将当前第二区域图像确定为目标标准PCB图像。

每次计算第一特征距离之后，判断第一特征距离是否满足第一距离预设范围，若是，则确定标准PCB图像与待检测PCB图像已经对齐，此时的标准PCB图像中的当前第二区域图像即为目标标准PCB图像。也可以理解为，当前第二区域图像对应的设计图区域和待检测PCB图像对应的设计图区域相同。此时，截取标准PCB图像中的与待检测PCB图像重叠的当前第二区域图像，将当前第二区域图像确定为目标标准PCB图像。

可以理解的是，第一距离预设范围为一个较小的且靠近0的范围，这里不对第一距离预设范围的具体数值进行限定。

基于D1-D4可知，可通过待检测PCB图像的边缘特征以及标准PCB图像中部分区域的边缘特征，来截取标准PCB图像中的目标标准PCB图像。由于提取边缘特征的计算量较少，如此，可加快获取目标标准PCB图像的效率。

在另一种可能的实现方式中，本申请实施例提供了另一种S203中对标准PCB图像进行图像截取处理，得到目标标准PCB图像的具体实施方式，包括：

E1：截取标准PCB图像中的至少一个感兴趣区域图像；感兴趣区域图像的面积大于待检测PCB图像的面积。

为了提高目标标准PCB图像的获取效率，可先对标准PCB图像进行截取，截取标准PCB图像中的至少一个感兴趣区域图像。例如，将标准PCB图像分成左右两部分，一分为二，截取得到的两个区域图像即为标准PCB图像中的两个感兴趣区域图像。一般，感兴趣区域可为矩形区域。

可以理解的是，感兴趣区域图像的面积需要大于待检测PCB图像的面积。

基于此，将每个感兴趣区域图像依次与待检测PCB图像进行对齐。可知若目标标准PCB图像在第一个感兴趣区域图像中，则无需再将其余感兴趣区域图像与待检测PCB图像进行对齐。如此，能够提高目标标准PCB图像的获取效率。

E2：将待检测PCB图像在目标感兴趣区域图像上进行逐一像素点移动；目标感兴趣区域图像为至少一个感兴趣区域图像中的每一个。

E3：在每次移动后，确定目标感兴趣区域图像中与待检测PCB图像重叠的第三区域图像，并计算第三区域图像与待检测PCB图像的像素均方误差。

E4：当像素均方误差满足第二误差预设范围时，截取目标感兴趣区域图像中与待检测PCB图像重叠的当前第三区域图像，将当前第三区域图像确定为目标标准PCB图像。

其中，第二误差预设范围与第一误差预设范围可相同或不同。

可以理解的是，E2-E4的技术实现详情可参考C1-C3，只需将标准PCB图像更换为目标感兴趣区域图像即可，这里不再赘述。

还可以理解的是，若当前的感兴趣区域图像不能使得获取的像素均方误差满足第二误差预设范围，则换下一个感兴趣区域图像进行判断。若本次截取的感兴趣区域图像均不能使得像素均方误差满足第二误差预设范围，则可重新截取标准PCB图像中的至少一个感兴趣区域图像。可以理解的是，每次的截取方式是不同的。

另外，还可基于E5-E8获取目标标准PCB图像。可以理解的是，E2-E4与E5-E8均为在至少一个感兴趣区域图像和待检测PCB图像的基础上，获取目标标准PCB图像的具体实施方式，E2-E4与E5-E8为或者的实现关系。

E5：对待检测PCB图像进行边缘提取处理，得到待检测PCB图像中的第三图像边缘特征。

E6：将待检测PCB图像投影在目标感兴趣区域图像上，并逐一像素点移动待检测PCB图像。

E7：在每次移动后，确定目标感兴趣区域图像中与待检测PCB图像投影重叠的第四区域图像，对第四区域图像进行边缘提取处理，得到第四区域图像中的第四图像边缘特征，并计算第三图像边缘特征与第四图像边缘特征之间的第二特征距离。

E8：当第二特征距离满足第二距离预设范围时，截取目标感兴趣区域图像中与待检测PCB图像投影重叠的当前第四区域图像，将当前第四区域图像确定为目标标准PCB图像。

其中，第二距离预设范围与第一距离预设范围可相同或不同。

可以理解的是，E5-E8的技术实现详情可参考D1-D4，只需将标准PCB图像更换为目标感兴趣区域图像即可，这里不再赘述。

基于E1-E8可知，可先从标准PCB图像截取感兴趣区域图像，再基于感兴趣区域图像与待检测PCB图像获取目标标准PCB图像。如此，能够提高目标标准PCB图像的获取效率。

还可以理解的是，C1-C3、D1-D4与E1-E8均为对标准PCB图像进行图像截取处理，得到目标标准PCB图像的具体实施方式，两种方式为或者的关系，即可由A1-A3或者B1实现。

在一些可能的实现方式中，本申请实施例提供了一种S204中将待检测PCB图像与目标标准PCB图像进行对比，确定待检测PCB图像中的缺陷位置的具体实施方式，包括：

F1：提取待检测PCB图像中的每个像素点的像素特征数据。

作为一种可选示例，可通过预先训练完成的特征提取器提取待检测PCB图像中的每个像素点的像素特征数据。

F2：提取目标标准PCB图像中的每个像素点的像素特征数据。

作为一种可选示例，可通过预先训练完成的特征提取器提取目标标准PCB图像中的每个像素点的像素特征数据。

在一些实施例中，F1-F2中的特征提取器可通过深度神经网络实现。

F3：计算待检测PCB图像中的目标像素点的像素特征数据与目标像素点在目标标准PCB图像中对应像素点的像素特征数据之间的相似度；目标像素点为待检测PCB图像中的每个像素点。

为了便于理解和叙述，将待检测PCB图像中的每个像素点用目标像素点进行叙述。计算待检测PCB图像中目标像素点的像素特征数据与目标像素点在目标标准PCB图像中的对应像素点的像素特征数据之间的相似度。其中，目标标准PCB图像中的对应像素点为目标标准PCB图像中的与目标像素点相同位置的像素点。

作为一种可选示例，相似度通过距离进行表示。例如，该距离可为马氏距离、欧氏距离、曼哈顿距离以及汉明距离等。其中，马氏距离可看作是欧式距离的一种修正。

F4：将相似度大于预设阈值的目标像素点的位置确定为待检测PCB图像中的缺陷位置。

预先设置预设阈值，当相似度大于预设阈值时，待检测PCB图像中的该目标像素点存在缺陷。则，将待检测PCB图像中的该目标像素点的位置确定为待检测PCB图像中的缺陷位置。

可以理解的是，当相似度用马氏距离表示时，该预设阈值为预设的距离阈值。

基于F1-F4的内容可知，提供了一种基于特征相似度确定待检测PCB图像中的缺陷位置的具体实施方式。由于缺陷位置精确到像素点，使得获取的缺陷位置的准确率高。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

本申请在上述各方面提供的实现方式的基础上，还可以进行进一步组合以提供更多实现方式。

基于上述方法实施例提供的一种基于标准PCB图像的缺陷检测方法，本申请实施例还提供了一种基于标准PCB图像的缺陷检测装置，下面将结合附图对基于标准PCB图像的缺陷检测装置进行说明。由于本公开实施例中的装置解决问题的原理与本申请实施例上述基于标准PCB图像的缺陷检测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

参见图4所示，该图为本申请实施例提供的一种基于标准PCB图像的缺陷检测装置的结构示意图。如图4所示，该基于标准PCB图像的缺陷检测装置包括：

获取单元401，用于获取待检测PCB图像；

确定单元402，用于确定与PCB板设计图尺寸相同的标准PCB图像；标准PCB图像的尺寸大于待检测PCB图像的尺寸，且PCB板设计图包括待检测PCB图像对应的设计图区域；

截取单元403，用于对标准PCB图像进行图像截取处理，得到目标标准PCB图像；目标标准PCB图像对应的设计图区域和待检测PCB图像对应的设计图区域相同；

对比单元404，用于将待检测PCB图像与目标标准PCB图像进行对比，确定待检测PCB图像中的缺陷位置。

在一些可能的实现方式中，在确定与PCB板设计图尺寸相同的标准PCB图像方面，确定单元402具体用于：

获取参考PCB板设计图以及参考PCB板设计图对应的标准参考PCB图像；

确定参考PCB板设计图与参考PCB板设计图对应的标准参考PCB图像之间的非线性变换关系；

根据PCB板设计图以及非线性变换关系，确定与PCB板设计图尺寸相同的标准PCB图像。

在一些可能的实现方式中，在确定与PCB板设计图尺寸相同的标准PCB图像方面，确定单元402具体用于：

将PCB板设计图输入已训练的生成对抗网络进行处理，输出与PCB板设计图尺寸相同的标准PCB图像；

其中，生成对抗网络是基于参考PCB板设计图以及参考PCB板设计图对应的标准参考PCB图像进行训练得到的。

在一些可能的实现方式中，在对标准PCB图像进行图像截取处理，得到目标标准PCB图像方面，截取单元403具体用于：

将待检测PCB图像在标准PCB图像上进行逐一像素点移动；

在每次移动后，确定标准PCB图像中与待检测PCB图像重叠的第一区域图像，并计算第一区域图像与待检测PCB图像的像素均方误差；

当像素均方误差满足第一误差预设范围时，截取标准PCB图像中与待检测PCB图像重叠的当前第一区域图像，将当前第一区域图像确定为目标标准PCB图像。

在一些可能的实现方式中，在对标准PCB图像进行图像截取处理，得到目标标准PCB图像方面，截取单元403具体用于：

对待检测PCB图像进行边缘提取处理，得到待检测PCB图像中的第一图像边缘特征；

将待检测PCB图像投影在标准PCB图像上，并逐一像素点移动待检测PCB图像；

在每次移动后，确定标准PCB图像中与待检测PCB图像投影重叠的第二区域图像，对第二区域图像进行边缘提取处理，得到第二区域图像中的第二图像边缘特征，并计算第一图像边缘特征与第二图像边缘特征之间的第一特征距离；

当第一特征距离满足第一距离预设范围时，截取标准PCB图像中的与待检测PCB图像投影重叠的当前第二区域图像，将当前第二区域图像确定为目标标准PCB图像。

在一些可能的实现方式中，在对标准PCB图像进行图像截取处理，得到目标标准PCB图像方面，截取单元403具体用于：

截取标准PCB图像中的至少一个感兴趣区域图像；感兴趣区域图像的面积大于待检测PCB图像的面积；

将待检测PCB图像在目标感兴趣区域图像上进行逐一像素点移动；目标感兴趣区域图像为至少一个感兴趣区域图像中的每一个；

在每次移动后，确定目标感兴趣区域图像中与待检测PCB图像重叠的第三区域图像，并计算第三区域图像与待检测PCB图像的像素均方误差；

当像素均方误差满足第二误差预设范围时，截取目标感兴趣区域图像中与待检测PCB图像重叠的当前第三区域图像，将当前第三区域图像确定为目标标准PCB图像；

或者，

对待检测PCB图像进行边缘提取处理，得到待检测PCB图像中的第三图像边缘特征；

将待检测PCB图像投影在目标感兴趣区域图像上，并逐一像素点移动待检测PCB图像；

在每次移动后，确定目标感兴趣区域图像中与待检测PCB图像投影重叠的第四区域图像，对第四区域图像进行边缘提取处理，得到第四区域图像中的第四图像边缘特征，并计算第三图像边缘特征与第四图像边缘特征之间的第二特征距离；

当第二特征距离满足第二距离预设范围时，截取目标感兴趣区域图像中与待检测PCB图像投影重叠的当前第四区域图像，将当前第四区域图像确定为目标标准PCB图像。

在一些可能的实现方式中，在将待检测PCB图像与目标标准PCB图像进行对比，确定待检测PCB图像中的缺陷位置方面，对比单元404具体用于：

提取待检测PCB图像中的每个像素点的像素特征数据；

提取目标标准PCB图像中的每个像素点的像素特征数据；

计算待检测PCB图像中的目标像素点的像素特征数据与目标像素点在目标标准PCB图像中对应像素点的像素特征数据之间的相似度；目标像素点为待检测PCB图像中的每个像素点；

将相似度大于预设阈值的目标像素点的位置确定为待检测PCB图像中的缺陷位置。

参见图5，图5为本申请实施例提供的一种电子设备的示意图，电子设备包括存储器501和处理器502，存储器501存储有计算机程序，处理器502执行计算机程序时实现如上述任一种基于标准PCB图像的缺陷检测方法。

在本申请公开的示例性实施例中，当计算机程序被处理器502执行时，可实现以下步骤：

获取待检测PCB图像；

确定与PCB板设计图尺寸相同的标准PCB图像；标准PCB图像的尺寸大于待检测PCB图像的尺寸，且PCB板设计图包括待检测PCB图像对应的设计图区域；

对标准PCB图像进行图像截取处理，得到目标标准PCB图像；目标标准PCB图像对应的设计图区域和待检测PCB图像对应的设计图区域相同；

将待检测PCB图像与目标标准PCB图像进行对比，确定待检测PCB图像中的缺陷位置。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请实施例方案相关的部分结构的框图，并不构成对本申请实施例方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

参见图6，图6为本申请实施例提供的一种计算机可读存储介质的示意图该计算机可读存储介质上存储有计算机程序601，计算机程序601被处理器执行时实现如上述任一种基于标准PCB图像的缺陷检测方法。

需要说明的是，本申请实施例提供的上述计算机可读存储介质还可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请实施例中，计算机可读存储介质可以是任何包含或计算机程序的有形介质，该计算机程序可以被处理器、指令执行系统、装置或者器件使用或者与其结合使用。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如媒体网关等网络通信设备，等等)执行本申请各个实施例或者实施例的某些部分的方法。

需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的方法而言，由于其与实施例公开的系统相对应，所以描述的比较简单，相关之处参见系统部分说明即可。

还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于标准PCB图像的缺陷检测方法，其特征在于，包括：

获取待检测PCB图像；

确定与PCB板设计图尺寸相同的标准PCB图像；所述标准PCB图像的尺寸大于所述待检测PCB图像的尺寸，且所述PCB板设计图包括所述待检测PCB图像对应的设计图区域；

对所述标准PCB图像进行图像截取处理，得到目标标准PCB图像；所述目标标准PCB图像对应的设计图区域和所述待检测PCB图像对应的设计图区域相同；

将所述待检测PCB图像与所述目标标准PCB图像进行对比，确定所述待检测PCB图像中的缺陷位置。

2.根据权利要求1所述的方法，其特征在于，所述确定与PCB板设计图尺寸相同的标准PCB图像，包括：

获取参考PCB板设计图以及所述参考PCB板设计图对应的标准参考PCB图像；

确定所述参考PCB板设计图与所述参考PCB板设计图对应的标准参考PCB图像之间的非线性变换关系；

根据PCB板设计图以及所述非线性变换关系，确定与所述PCB板设计图尺寸相同的标准PCB图像。

3.根据权利要求1所述的方法，其特征在于，所述确定与PCB板设计图尺寸相同的标准PCB图像，包括：

将PCB板设计图输入已训练的生成对抗网络进行处理，输出与所述PCB板设计图尺寸相同的标准PCB图像；

其中，所述生成对抗网络是基于参考PCB板设计图以及所述参考PCB板设计图对应的标准参考PCB图像进行训练得到的。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述对所述标准PCB图像进行图像截取处理，得到目标标准PCB图像，包括：

将所述待检测PCB图像在所述标准PCB图像上进行逐一像素点移动；

在每次移动后，确定所述标准PCB图像中与所述待检测PCB图像重叠的第一区域图像，并计算所述第一区域图像与所述待检测PCB图像的像素均方误差；

当所述像素均方误差满足第一误差预设范围时，截取所述标准PCB图像中与所述待检测PCB图像重叠的当前第一区域图像，将所述当前第一区域图像确定为目标标准PCB图像。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述对所述标准PCB图像进行图像截取处理，得到目标标准PCB图像，包括：

对所述待检测PCB图像进行边缘提取处理，得到所述待检测PCB图像中的第一图像边缘特征；

将所述待检测PCB图像投影在所述标准PCB图像上，并逐一像素点移动所述待检测PCB图像；

在每次移动后，确定所述标准PCB图像中与所述待检测PCB图像投影重叠的第二区域图像，对所述第二区域图像进行边缘提取处理，得到所述第二区域图像中的第二图像边缘特征，并计算所述第一图像边缘特征与所述第二图像边缘特征之间的第一特征距离；

当所述第一特征距离满足第一距离预设范围时，截取所述标准PCB图像中与所述待检测PCB图像投影重叠的当前第二区域图像，将所述当前第二区域图像确定为目标标准PCB图像。

6.根据权利要求1-3任一项所述的方法，其特征在于，所述对所述标准PCB图像进行图像截取处理，得到目标标准PCB图像，包括：

截取所述标准PCB图像中的至少一个感兴趣区域图像；所述感兴趣区域图像的面积大于所述待检测PCB图像的面积；

将所述待检测PCB图像在目标感兴趣区域图像上进行逐一像素点移动；所述目标感兴趣区域图像为所述至少一个感兴趣区域图像中的每一个；

在每次移动后，确定所述目标感兴趣区域图像中与所述待检测PCB图像重叠的第三区域图像，并计算所述第三区域图像与所述待检测PCB图像的像素均方误差；

当所述像素均方误差满足第二误差预设范围时，截取所述目标感兴趣区域图像中与所述待检测PCB图像重叠的当前第三区域图像，将所述当前第三区域图像确定为目标标准PCB图像；

或者，

对所述待检测PCB图像进行边缘提取处理，得到所述待检测PCB图像中的第三图像边缘特征；

将所述待检测PCB图像投影在所述目标感兴趣区域图像上，并逐一像素点移动所述待检测PCB图像；

在每次移动后，确定所述目标感兴趣区域图像中与所述待检测PCB图像投影重叠的第四区域图像，对所述第四区域图像进行边缘提取处理，得到所述第四区域图像中的第四图像边缘特征，并计算所述第三图像边缘特征与所述第四图像边缘特征之间的第二特征距离；

当所述第二特征距离满足第二距离预设范围时，截取所述目标感兴趣区域图像中与所述待检测PCB图像投影重叠的当前第四区域图像，将所述当前第四区域图像确定为目标标准PCB图像。

7.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述待检测PCB图像与所述目标标准PCB图像进行对比，确定所述待检测PCB图像中的缺陷位置，包括：

提取所述待检测PCB图像中的每个像素点的像素特征数据；

提取所述目标标准PCB图像中的每个像素点的像素特征数据；

计算所述待检测PCB图像中的目标像素点的像素特征数据与所述目标像素点在所述目标标准PCB图像中对应像素点的像素特征数据之间的相似度；所述目标像素点为所述待检测PCB图像中的每个像素点；

将所述相似度大于预设阈值的目标像素点的位置确定为所述待检测PCB图像中的缺陷位置。

8.一种基于标准PCB图像的缺陷检测装置，其特征在于，包括：

获取单元，用于获取待检测PCB图像；

确定单元，用于确定与PCB板设计图尺寸相同的标准PCB图像；所述标准PCB图像的尺寸大于所述待检测PCB图像的尺寸，且所述PCB板设计图包括所述待检测PCB图像对应的设计图区域；

截取单元，用于对所述标准PCB图像进行图像截取处理，得到目标标准PCB图像；所述目标标准PCB图像对应的设计图区域和所述待检测PCB图像对应的设计图区域相同；

对比单元，用于将所述待检测PCB图像与所述目标标准PCB图像进行对比，确定所述待检测PCB图像中的缺陷位置。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一所述的基于标准PCB图像的缺陷检测方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的基于标准PCB图像的缺陷检测方法。

Images