專利名稱：一種基于支持向量機(jī)的電路板焊接質(zhì)量視覺(jué)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明主要涉及到電子制造領(lǐng)域的視覺(jué)檢測(cè)，特別涉及一種基于支持向量機(jī)的電路板 焊接質(zhì)量視覺(jué)檢測(cè)方法。
背景技術(shù)：
在電子制造生產(chǎn)線上，電路板的生產(chǎn)需要經(jīng)過(guò)多道工序，其中很關(guān)鍵的一個(gè)環(huán)節(jié)就是電路 板質(zhì)量的檢測(cè)與測(cè)試。電路板檢測(cè)與測(cè)試中的一個(gè)重要內(nèi)容是電子元器件焊接質(zhì)量的檢測(cè)，主 要是檢測(cè)在焊接的過(guò)程中各個(gè)電子元器件是否存在漏焊、焊錫過(guò)量、焊錫不足等不合格情況。 現(xiàn)有的電路板焊接質(zhì)量檢測(cè)中，往往都是人工檢驗(yàn)，效率不高，而且難以保證檢驗(yàn)的質(zhì)量。隨 著電路板制造工藝的發(fā)展和技術(shù)的進(jìn)步，電路板上焊接的各種器件越來(lái)越多，需要進(jìn)行焊接檢 測(cè)的地方也越來(lái)越多，依靠傳統(tǒng)的人工檢驗(yàn)方法巳無(wú)法滿足較大規(guī)模生產(chǎn)制造的需求。
在我國(guó)進(jìn)入WTO后，面對(duì)國(guó)外成套先進(jìn)電子制造設(shè)備對(duì)國(guó)內(nèi)市場(chǎng)的沖擊，力保國(guó)內(nèi)市場(chǎng)， 打開(kāi)國(guó)際市場(chǎng)，研究具有自主知識(shí)產(chǎn)權(quán)的電子制造生產(chǎn)檢測(cè)設(shè)備和方法具有十分重要的價(jià)值和 意義。目前，基于機(jī)器視覺(jué)的檢測(cè)方法已經(jīng)成為該領(lǐng)域的一個(gè)發(fā)展趨勢(shì)。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于支持向量機(jī)的電路板焊接質(zhì)量視覺(jué)檢測(cè)方法，以克服人 工檢測(cè)效率低、速度慢、精度低、漏檢率髙、檢測(cè)人員容易疲勞等不足，本方法利用計(jì)算 機(jī)、數(shù)字?jǐn)z像機(jī)等設(shè)備來(lái)實(shí)現(xiàn)電路板焊接質(zhì)量的視覺(jué)檢測(cè)，從而提高電子制造生產(chǎn)自動(dòng)化 程度和產(chǎn)品質(zhì)量。
為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案為
一種基于支持向量機(jī)的電路板焊接質(zhì)量視覺(jué)檢測(cè)方法，其特征在于，包括以下步驟 1)獲取電路板焊點(diǎn)焊接部分的數(shù)字圖像并提取所獲取的數(shù)字圖像的灰度直方圖；數(shù)字/f = —2/ (/i)ln/7(/0;用/。表示圖像分割的閾值，是灰度值0 255之間的數(shù)值，則不同閾 值范圍內(nèi)的直方圖的熵可表示為//(1=-|^(/011^(/0 ;而總熵為// = |^//。，取總熵i/的
圖像的直方圖表示為/7(/z)-，，其中G表示數(shù)字圖像中像素的總和，A表示灰度等級(jí)，
表示圖像灰度等級(jí)為A的像素個(gè)數(shù)；
2) 應(yīng)用基于熵的圖像分割方法將所述的數(shù)字圖像分割為3個(gè)色度帶； 對(duì)于灰度值變化范圍在[O, N-l]的數(shù)字圖像，其直方圖的熵用下式表示
<formula>formula see original document page 4</formula>
導(dǎo)數(shù)，通過(guò)求解總熵/Z的導(dǎo)數(shù)為零時(shí)的點(diǎn)作為閾值，閥值個(gè)數(shù)丄=2,灰度級(jí)是從0 255， 兩個(gè)閾值將灰度分成三個(gè)區(qū)間，由此將數(shù)字圖像分割成三個(gè)色度帶；
3) 在每一個(gè)色度帶上各取其面積、重心縱坐標(biāo)、二階矩三個(gè)變量為特征量，得到3個(gè) 色度帶的總共9個(gè)特征量作為用于電路板焊接質(zhì)量檢測(cè)的支持向量機(jī)分類器的輸入量；支 持向量機(jī)分類器的三個(gè)輸出值用來(lái)判斷焊接質(zhì)量歸屬于焊錫正常、焊錫過(guò)量、焊錫不足三 種情況，當(dāng)某一個(gè)輸出值大于0.5，則認(rèn)為當(dāng)前焊接質(zhì)量歸屬于此類，從而由支持向量機(jī) 的輸出結(jié)果來(lái)判斷電路板焊接質(zhì)量；
所述的面積為歸一化面積^-^^〈，其中^為黑色區(qū)域部分面積，4為焊盤面積所 述的重心縱坐標(biāo)為7-1^^， &為黑色區(qū)域部分重心縱坐標(biāo)，^為焊盤長(zhǎng)度；所述的二階
<formula>formula see original document page 4</formula>
在實(shí)際檢測(cè)之前，需要對(duì)支持向量機(jī)進(jìn)行訓(xùn)練，以保證檢測(cè)的精度。具體方法為釆 集多個(gè)電路板焊錫的樣本圖像，提取圖像的灰度直方圖，將焊錫正常、焊錫過(guò)量、焊錫不 足的三種情況的多幅樣本圖像作為步驟3)中支持向量機(jī)的訓(xùn)練樣本對(duì)支持向量機(jī)進(jìn)行訓(xùn) 練。
本發(fā)明提供了一種基于支持向量機(jī)的電路板焊接質(zhì)量視覺(jué)檢測(cè)方法，詳細(xì)說(shuō)明如下 首先，介紹該視覺(jué)檢測(cè)算法的學(xué)習(xí)訓(xùn)練步驟如下
(1) 采集電路板焊錫的樣本圖像，提取圖像的灰度直方圖，將焊錫正常、焊錫過(guò)量、 焊錫不足的三種情況的多幅圖像作為支持向量機(jī)的訓(xùn)練樣本；
(2) 采用基于熵的圖像分割方法將電路板焊接圖像分割為3個(gè)色度帶；(3) 將第(2)步得到的每一個(gè)色度帶上取圖形的面積、重心縱坐標(biāo)、二階矩三個(gè)變 量作為特征量，這樣得到3X3=9個(gè)特征量，作為描述電路板焊接圖像的特征向量；
(4) 確定支持向量機(jī)分類器的結(jié)構(gòu)，輸入變量有9個(gè)，即步驟(3)中的9個(gè)特征量；
(5) 確定支持向量機(jī)分類器的輸出變量為3個(gè)，分別對(duì)應(yīng)于焊錫正常、焊錫過(guò)量、焊 錫不足三種情況，并且各個(gè)輸出變量的值為一l或l。
(6) 釆用步驟(1)中的訓(xùn)練樣本、步驟(4)和(5)中的支持向量機(jī)結(jié)構(gòu)，進(jìn)行支 持向量機(jī)的學(xué)習(xí)訓(xùn)練。
采用上述的步驟可以訓(xùn)練好支持向量機(jī)分類器，以此作為電路板焊接質(zhì)量視覺(jué)檢測(cè)的 分類器。
在實(shí)際的視覺(jué)檢測(cè)過(guò)程，該檢測(cè)方法的實(shí)施過(guò)程如下
(1) 獲取電路板輝接部分的圖像；
(2) 提取圖像的灰度直方(3) 基于熵的圖像分割方法將電路板焊接圖像分割為3個(gè)色度帶；
(4) 每一個(gè)色度帶上取其面積、重心縱坐標(biāo)、二階矩三個(gè)變量作為電路板焊接質(zhì)量檢 測(cè)的輸入特征量；
(5) 將輸入特征量作為支持向量機(jī)分類器的輸入，以支持向量機(jī)分類器的三個(gè)輸出值 來(lái)判斷焊接質(zhì)量歸屬于焊錫正常、焊錫過(guò)量、焊錫不足三種情況，當(dāng)某一個(gè)輸出值大于0. 5， 則認(rèn)為歸屬于此類，從而由支持向量機(jī)的輸出結(jié)果來(lái)判斷電路板焊接質(zhì)量。
本發(fā)明的優(yōu)點(diǎn)與效果
與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)就在于-
1、 采用熵的圖像分割方法將電路板焊接圖像分割為3個(gè)色度帶，每一個(gè)色度帶上取其 面積、重心縱坐標(biāo)、二階矩三個(gè)變量作為電路板焊接質(zhì)量檢測(cè)的輸入特征量。這些特征量較 好地反映了電路板焊接質(zhì)量的信息，而且處理的數(shù)據(jù)維數(shù)不太大，檢測(cè)算法實(shí)時(shí)性好；
2、 采用支持向量機(jī)算法來(lái)識(shí)別視覺(jué)檢測(cè)結(jié)果，當(dāng)釆用足夠多的樣本集來(lái)訓(xùn)練支持向量 機(jī)之后，就可以直接應(yīng)用于焊接質(zhì)量檢測(cè)，檢測(cè)準(zhǔn)確度髙，也不需要在線學(xué)習(xí)或調(diào)整；
3、 運(yùn)用計(jì)算機(jī)、數(shù)字?jǐn)z像機(jī)等實(shí)現(xiàn)機(jī)器視覺(jué)檢測(cè)算法，可以克服人工檢測(cè)的諸多不足， 提高生產(chǎn)效率，自動(dòng)化程度髙。


圖l是本發(fā)明的支持向量機(jī)分類器學(xué)習(xí)訓(xùn)練過(guò)程示意圖; 圖2是本發(fā)明中的實(shí)際視覺(jué)檢測(cè)過(guò)程示意圖3是本發(fā)明中基于熵的多閾值圖像分割效果；
圖4是樣本在均值一方差特征空間的分布情況；
圖5是樣本在面積一重心縱坐標(biāo)特征空間的分布情況； 圖6是樣本在二階矩一水力半徑特征空間的分布情況；
圖7是本發(fā)明中基于支持向量機(jī)焊接質(zhì)量檢測(cè)示意圖。
具體實(shí)施方式
實(shí)施例l:
以下將結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明做進(jìn)一步詳細(xì)說(shuō)明。 1、首先，本發(fā)明采用數(shù)字?jǐn)z像機(jī)拍攝電路板焊接部位的圖像，并提取圖像的灰度直方圖。
一幅圖像的直方圖可以表示為
式中G表示圖像像素的總和，A表示灰度等級(jí)，g(/0表示圖像灰度等級(jí)為^的像素個(gè)數(shù)。
灰度直方圖(histogram)是灰度級(jí)的函數(shù)，它表示圖像中具有每種灰度級(jí)的像素的個(gè)數(shù)， 反映圖像中每種灰度出現(xiàn)的頻率?；叶戎狈綀D的橫坐標(biāo)是灰度級(jí)，縱坐標(biāo)是該灰度級(jí)出現(xiàn) 的頻率，是圖像的最基本的統(tǒng)計(jì)特征。
2、基于熵的多閎值焊接圖像分割。
對(duì)于一幅灰度值變化范圍在[O, N-l]的圖像，其直方圖的熵可表示為
<formula>formula see original document page 6</formula> (2)
用f。表示圖像分割的闊值，是灰度值0 255之間的數(shù)值，那么不同閾值范圍內(nèi)的直方 圖的熵可表示為<formula>formula see original document page 7</formula>(3)
而總熵//可以表示為每一段閾值范圍內(nèi)的熵的求和，艮P: H = gi/。，取總熵i/的導(dǎo)
數(shù)，通過(guò)求解總熵H的導(dǎo)數(shù)為零時(shí)的點(diǎn)作為閾值，丄即為闞值的個(gè)數(shù)，可以使總熵達(dá)到最 大值。在本算法中Z-2，灰度級(jí)是從0 255,加上這兩個(gè)閾值，正好分成三個(gè)區(qū)間，此時(shí) 圖像分割效果如圖3所示。說(shuō)明，分割時(shí)，處于灰度范圍內(nèi)的像數(shù)正常顯示，其他灰度的 像數(shù)顯示為0,即黑像點(diǎn)，從而實(shí)現(xiàn)圖像的分割。三個(gè)區(qū)間的像數(shù)值正好分割出3個(gè)色度 帶
3、焊接圖像特征量的選取
在電路板質(zhì)量撿測(cè)識(shí)別中，選取具有代表性的悍點(diǎn)圖像特征不僅能夠提高電路板質(zhì)量 檢測(cè)結(jié)果的可靠性，而且能夠提髙檢測(cè)算法中的支持向量機(jī)的訓(xùn)練速度和識(shí)別速度。這里 的焊接圖像檢測(cè)中，可以考慮的幾個(gè)典型的特征說(shuō)明如下
(a) 歸一化面積。面積在焊點(diǎn)質(zhì)量檢測(cè)中是一個(gè)重要的特征，從圖3中可以看出，焊 錫不足在第一個(gè)色度帶中的Particle面積(即粒子面積，即黑色區(qū)域部分面積)均比焊錫 過(guò)量、焊錫正常的Particle面積大一些；而在第二個(gè)色度帶中，情況則不一樣。由于不同
電子元件的焊點(diǎn)大小不同，因此，需要將焊點(diǎn)面積進(jìn)行歸歸一化,即J = X,其中^為 Particle面積，為為焊盤面積。
(b) 歸一化重心。從圖3中可以看出，在第一個(gè)色度帶中，對(duì)于焊錫正常的情況， Particle的重心在整個(gè)焊點(diǎn)圖像的中心附近，而對(duì)于焊錫過(guò)量的情況，則偏向圖像的下方。 由于圖像左右比較對(duì)稱，因此，只需取重心的縱坐標(biāo)就可以大致反映重心位置。同樣，由
于焊盤大小不同，需要進(jìn)行歸一化,即y = y《，&為Particle重心縱坐標(biāo)，i;為焊盤 長(zhǎng)度。
(c) 水力半徑，其定義為及=%,戶表示Particle的周長(zhǎng)。
(d) 矩，這里所說(shuō)的矩特征是利用力學(xué)中矩的概念，將區(qū)域內(nèi)部的象素點(diǎn)作為質(zhì)量， 象素的坐標(biāo)作為力臂，從而以各階矩的形式來(lái)表示區(qū)域形狀特征的一種表示方式，其定義<formula>formula see original document page 8</formula>其中一階矩(/ = 1時(shí))是圖像的均值。Z' = 2時(shí)對(duì)應(yīng)的mi即ID2表示二階矩。(e)中心矩，其定義為- ^-Z(/i-^)/7(T0， ！-l,2,…最常用的中心矩是"2、 "3和^, "2是圖像灰度值的方差。在焊接質(zhì)量檢測(cè)中，所選取的特征并非越多越好，過(guò)多的特征信息會(huì)增加檢測(cè)算法的 計(jì)算分析復(fù)雜度。因此，需要在特征維數(shù)和檢測(cè)性能之間找一個(gè)平衡點(diǎn)，這樣既能保證檢 測(cè)精度，又可以避免過(guò)大的計(jì)算量。從實(shí)際工程應(yīng)用的角度來(lái)看，在保證檢測(cè)準(zhǔn)確性的前 提下，盡量使用小的特征維數(shù)，檢測(cè)計(jì)算量較小，此時(shí)，支持向量機(jī)的學(xué)習(xí)訓(xùn)練與識(shí)別分 類也將更加快捷。因此，焊接檢測(cè)中需要對(duì)主要圖像特征(歸一化面積、歸一化重心、水力 半徑、矩、中心矩)的分辨力進(jìn)行評(píng)估，從中選擇幾個(gè)最有代表性的特征作為電路板質(zhì)量檢 測(cè)的依據(jù)。為了針對(duì)焊點(diǎn)質(zhì)量檢測(cè)這個(gè)具體問(wèn)題更好地選取圖像特征量，我們對(duì)幾種類型的焊點(diǎn)圖像進(jìn)行了分析和歸納。圖4一圖6給出了焊點(diǎn)圖像樣本在不同特征空間中的分布情況， 其中圖4為均值一方差特征量分布情況，該圖中可以看出，悍錫正常、悍錫過(guò)量、焊錫不 足這3種類型的焊點(diǎn)分布相互交錯(cuò)，很難區(qū)分開(kāi)來(lái)，因此，均值和方差不宜作為焊點(diǎn)質(zhì)量 檢測(cè)的輸入特征信息。圖5為歸一化之后的面積一重心縱坐標(biāo)分布情況，從圖5中可以看出，焊錫正常、焊 錫過(guò)量、焊錫不足3種類型的焊點(diǎn)分布具有明顯的分界，而且同一類型的特征點(diǎn)分布相對(duì) 集中，分辨能力強(qiáng)。因此，面積和重心縱坐標(biāo)具有非常好的分辨力，可以作為焊點(diǎn)質(zhì)量檢 測(cè)的輸入特征信息。同樣，從圖6中可以看出，二階矩可以比較容易地將焊錫過(guò)量與其它 兩類區(qū)分，但是很難將焊錫正常和焊錫不足進(jìn)行區(qū)分；而水力半徑的分辨力卻較弱。根據(jù)這些樣本可以看出，面積、重心縱坐標(biāo)和二階矩3個(gè)特征變量可以反映不同類型樣 本的不同分布，因而較好地區(qū)分焊點(diǎn)質(zhì)量。因而在本發(fā)明的焊接質(zhì)量視覺(jué)檢測(cè)方法中，將 選擇面積、重心縱坐標(biāo)和二階矩3個(gè)變量的值作為輸入圖像的特征量，每一個(gè)特征將圖像 分為3個(gè)色度帶。這樣，共有9個(gè)特征值作為支持向量機(jī)分類器的輸入。4、支持向量機(jī)分類器8自1995年Vapnik等人提出支持向量機(jī)以來(lái)，支持向量機(jī)理論得到了不斷的發(fā)展。最初的支持向量機(jī)分類是針對(duì)兩類的情況，對(duì)于多類分類和模式識(shí)別問(wèn)題，學(xué)者們提出了支持向量機(jī)多類分類器，從而更加符合實(shí)際應(yīng)用狀況。
假定在訓(xùn)練樣本中有"個(gè)樣本，每一個(gè)用向量^;來(lái)表示，向量^;代表著圖像灰度分布
特征。分類問(wèn)題轉(zhuǎn)化為尋找一個(gè)適合的分類函數(shù)的問(wèn)題，該分類函數(shù)為/:5~>X，;;ie{-l,+l}。首先，利用樣本數(shù)據(jù)來(lái)訓(xùn)練該函數(shù)。然后，將試驗(yàn)數(shù)據(jù)輸入，利用
該函數(shù)來(lái)進(jìn)行分類。如果/")>0，輸入向量被認(rèn)為是屬于兀=+1類的，也就是合格的；否則，輸入向量被認(rèn)為是屬于兀=-1類的，也就是不合格的。支持向量機(jī)分類函數(shù)具有如下形式，
/(^) = sgn(^.^+6) (4)
其中向量S垂直于超平面，6是偏差量，sgn(O為符號(hào)函數(shù)。以上方程必須滿足以下約束條件
X(;j^ + 6)-l20， f-l，2，…，w (5)
此時(shí)分類間隔等于，j"l,使間隔最大等價(jià)于使lMf最小。滿足條件(5)且使||卜|2最
小的分類面叫做最優(yōu)分類面。假定Hl, H2分別為過(guò)各類中離分類面最近的樣本且平行于分類面的超平面，Hl, H2上的訓(xùn)練樣本點(diǎn)就稱作支持向量(Support vector, SV)。
使分類間隔最大實(shí)際上就是對(duì)推廣能力的控制，這是SVM的核心思想之一。統(tǒng)計(jì)學(xué)習(xí)理論指出，在N維空間中，設(shè)樣本分布在一個(gè)半徑為R的超球范圍內(nèi)，則滿足條件lMf^J的正
則超平面構(gòu)成的分類面/(x，w，6) = sgn{0v.;c)+6}的VC維滿足下面的界
"min([ ]，A0 + l (6)
因此，使II《最小就是使VC維的上界最小，從而實(shí)現(xiàn)SRM準(zhǔn)則中對(duì)函數(shù)復(fù)雜性的選擇。利用Lagrange優(yōu)化方法可以把上述最優(yōu)分類面問(wèn)題轉(zhuǎn)化為其對(duì)偶問(wèn)題，即約束條件
為
t乂^-0， 其中",々0，/ = 1,...，" (7)根據(jù)式(7)所示的約束條件，對(duì)^求解下列函數(shù)的最大值
<formula>formula see original document page 10</formula>
a,為與每個(gè)樣本對(duì)應(yīng)的Lagrange乘子。這是一個(gè)不等式約束下二次函數(shù)尋優(yōu)的問(wèn)題,
存在唯一解。容易證明，解中將只有一部分(通常是少部分)《,不為零，對(duì)應(yīng)的樣本就是支持向量。求解上述問(wèn)題后得到的最優(yōu)分類函數(shù)是/0) = sgn{O*'x + 6)}
=sgn化. + 6* |>其中vZ-JK^ (9)
式(9)中的求和實(shí)際上只對(duì)支持向量進(jìn)行，6'是分類閾值，可以用任一個(gè)支持向量(滿足式(5)中的等號(hào))求得，或通過(guò)兩類中任意一對(duì)支持向量取中值求得。式(9)中只包含待分類樣本與訓(xùn)練樣本中的支持向量的內(nèi)積運(yùn)算Oc'. )，用多項(xiàng)式形式的內(nèi)積函數(shù)《(x,《)來(lái)代
替" ),《(jc，jc,)如式(10)所示
，;c,) = [(x.jc,) + 1]9此時(shí)，式(8)的優(yōu)化函數(shù)變?yōu)?br> W 1 W
= 2"' 2","乂義乃尺(A， )算法的其他條件不變，而相應(yīng)的最優(yōu)分類函數(shù)式(9)變?yōu)?(x) = sgn{(w* + = sgn j 2",》,^:(:1￡;,，:1￡;) + &* 「
(10)
(11)
.'.=1
其中 w'=J]a,>,x,
(12)
,=1
用于焊接質(zhì)量檢測(cè)的支持向量機(jī)用圖7來(lái)說(shuō)明。
支持向量機(jī)技術(shù)是現(xiàn)有的技術(shù)，在本發(fā)明中只是應(yīng)用它。中間的節(jié)點(diǎn)數(shù)量，訓(xùn)練算法是根據(jù)公式(4) ~ (12)來(lái)自動(dòng)計(jì)算的，不是人為設(shè)定的。
10
權(quán)利要求
1.一種基于支持向量機(jī)的電路板焊接質(zhì)量視覺(jué)檢測(cè)方法，其特征在于，包括以下步驟1)獲取電路板焊點(diǎn)焊接部分的數(shù)字圖像并提取所獲取的數(shù)字圖像的灰度直方圖；數(shù)字圖像的直方圖表示為 id="icf0001" file="A2009100439380002C1.tif" wi="23" he="9" top= "42" left = "60" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>其中G表示數(shù)字圖像中像素的總和，h表示灰度等級(jí)，g(h)表示圖像灰度等級(jí)為h的像素個(gè)數(shù)；2)應(yīng)用基于熵的圖像分割方法將所述的數(shù)字圖像分割為3個(gè)色度帶；對(duì)于灰度值變化范圍在
的數(shù)字圖像，其直方圖的熵用下式表示 id="icf0002" file="A2009100439380002C2.tif" wi="38" he="10" top= "83" left = "21" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>用ta表示圖像分割的閾值，是灰度值0～255之間的數(shù)值，則不同閾值范圍內(nèi)的直方圖的熵可表示為 id="icf0003" file="A2009100439380002C3.tif" wi="43" he="11" top= "99" left = "81" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>而總熵為 id="icf0004" file="A2009100439380002C4.tif" wi="20" he="10" top= "100" left = "144" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>取總熵H的導(dǎo)數(shù)，通過(guò)求解總熵H的導(dǎo)數(shù)為零時(shí)的點(diǎn)作為閾值，閾值個(gè)數(shù)L＝2，灰度級(jí)是從0～255，兩個(gè)閾值將灰度分成三個(gè)區(qū)間，由此將數(shù)字圖像分割成三個(gè)色度帶；3)在每一個(gè)色度帶上各取其面積、重心縱坐標(biāo)、二階矩三個(gè)變量為特征量，得到3個(gè)色度帶的總共9個(gè)特征量作為用于電路板焊接質(zhì)量檢測(cè)的支持向量機(jī)分類器的輸入量；支持向量機(jī)分類器的三個(gè)輸出值用來(lái)判斷焊接質(zhì)量歸屬于焊錫正常、焊錫過(guò)量、焊錫不足三種情況，當(dāng)某一個(gè)輸出值大于0.5，則認(rèn)為當(dāng)前焊接質(zhì)量歸屬于此類，從而由支持向量機(jī)的輸出結(jié)果來(lái)判斷電路板焊接質(zhì)量；所述的面積為歸一化面積A＝Ap/As，其中Ap為黑色區(qū)域部分面積，As為焊盤面積；所述的重心縱坐標(biāo)為Y＝Y(jié)p/Ys，Yp為黑色區(qū)域部分重心縱坐標(biāo)，Ys為焊盤長(zhǎng)度；所述的二階矩為 id="icf0005" file="A2009100439380002C5.tif" wi="25" he="10" top= "196" left = "29" img-content="drawing" img-format="tif" orientation="portrait" inline="yes"/>i＝2。
2.根據(jù)權(quán)利要求1所述的一種基于支持向量機(jī)的電路板焊接質(zhì)量視覺(jué)檢測(cè)方法，其特征在 于，采集多個(gè)電路板焊錫的樣本圖像，提取圖像的灰度直方圖，將焊錫正常、焊錫過(guò)量、 焊錫不足的三種情況的多幅樣本圖像作為步驟3)中支持向量機(jī)的訓(xùn)練樣本對(duì)支持向量機(jī) 進(jìn)行訓(xùn)練。
全文摘要
本發(fā)明公開(kāi)了一種基于支持向量機(jī)的電路板焊接質(zhì)量視覺(jué)檢測(cè)方法，其步驟為1)、獲取電路板焊接部分的圖像；2)、提取焊接圖像的灰度直方圖；3)、采用基于熵的圖像分割方法將焊接圖像分割為3個(gè)色度帶；4)、每一個(gè)色度帶上取其面積、重心縱坐標(biāo)、二階矩三個(gè)變量作為電路板焊接質(zhì)量檢測(cè)的特征量；5)、將特征量作為支持向量機(jī)分類器的輸入，以支持向量機(jī)分類器的三個(gè)輸出值來(lái)判斷焊接質(zhì)量歸屬于焊錫正常、焊錫過(guò)量、焊錫不足三種情況，最后給出焊接質(zhì)量結(jié)果。本發(fā)明能克服人工檢測(cè)效率低、速度慢、精度低、漏檢率高、檢測(cè)人員容易疲勞等問(wèn)題，提高電子制造生產(chǎn)自動(dòng)化程度和產(chǎn)品質(zhì)量。
文檔編號(hào)G01N21/88GK101661004SQ200910043938
公開(kāi)日2010年3月3日 申請(qǐng)日期2009年7月21日 優(yōu)先權(quán)日2009年7月21日
發(fā)明者劉良江, 周博文, 輝 張, 王耀南 申請(qǐng)人:湖南大學(xué)