本發(fā)明涉及自動光學(xué)檢測
技術(shù)領(lǐng)域：
，特別是涉及一種元件反件檢測方法和系統(tǒng)。
背景技術(shù)：
：AOI(AutomaticOpticInspection，自動光學(xué)檢測)，是利用光學(xué)原理對電路板焊接生產(chǎn)中出現(xiàn)的常見缺陷進(jìn)行檢測的設(shè)備。對于插件的電路板來說，常見的缺陷檢測包括漏件檢測、錯件檢測、反件檢測、多件檢測等。其中，反件檢測是指對二極管、電容、插座等有極性的元件進(jìn)行檢測，判斷其在電路板中是否存在反向的現(xiàn)象。目前，元件的反件檢測主要采用智能方法，即利用深度學(xué)習(xí)的方法對大量樣本進(jìn)行訓(xùn)練，得到分類模型。深度學(xué)習(xí)是機器學(xué)習(xí)研究的一個新領(lǐng)域，其目的是模擬人腦的機制來解釋數(shù)據(jù)、發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。不同的學(xué)習(xí)框架下建立的學(xué)習(xí)模型也是不同的。例如，卷積神經(jīng)網(wǎng)絡(luò)(Convolutionalneuralnetworks，簡稱CNNs)就是一種深度機器學(xué)習(xí)模型。利用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的元件極性檢測分類器，雖然在元件的極性檢測方面達(dá)到了比較理想的效果，但是也有其自身無法解決的缺點。首先，利用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型時，為了提高模型的準(zhǔn)確率、增強模型的魯棒性，需要大量的訓(xùn)練樣本。但是在實際過程中需要耗費大量的人力、時間采集樣本；當(dāng)采集較多的訓(xùn)練樣本后，也需要耗費大量的人力和時間進(jìn)行數(shù)據(jù)標(biāo)注。即使如此，也很難采集到足夠多的負(fù)樣本。另外，利用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的元件極性檢測模型，對于已知的元件擁有很高的識別率，能夠達(dá)到很好的檢測效果。但是對于未知的元件，即訓(xùn)練樣本中不存在的元件，元件極性檢測模型的識別率下降，經(jīng)常會發(fā)生誤報和漏報。綜上所述，現(xiàn)有的元件極性檢測方式檢測效果較差。技術(shù)實現(xiàn)要素：基于此，有必要針對現(xiàn)有的元件極性檢測方式檢測效果較差的問題，提供一種元件反件檢測方法和系統(tǒng)。一種元件反件檢測方法，包括以下步驟：獲取電路板上待測元件的極性區(qū)域圖像和極性對稱區(qū)域圖像；其中，極性區(qū)域為安裝正確時所述待測元件的電極在所述電路板上的區(qū)域，極性對稱區(qū)域為反件時所述電極在電路板上的區(qū)域；分別計算所述極性區(qū)域圖像與預(yù)存的極性區(qū)域參考圖像的第一顏色相似度，以及所述極性對稱區(qū)域圖像與所述極性區(qū)域參考圖像的第二顏色相似度；若所述第一顏色相似度小于所述第二顏色相似度，判定所述待測元件反件。一種元件反件檢測系統(tǒng)，包括：獲取模塊，用于獲取電路板上待測元件的極性區(qū)域圖像和極性對稱區(qū)域圖像；其中，極性區(qū)域為安裝正確時所述待測元件的電極在所述電路板上的區(qū)域，極性對稱區(qū)域為反件時所述電極在電路板上的區(qū)域；計算模塊，用于分別計算所述極性區(qū)域圖像與預(yù)存的極性區(qū)域參考圖像的第一顏色相似度，以及所述極性對稱區(qū)域圖像與所述極性區(qū)域參考圖像的第二顏色相似度；判斷模塊，用于若所述第一顏色相似度小于所述第二顏色相似度，判定所述待測元件反件。上述元件反件檢測方法和系統(tǒng)，通過計算待測元件的極性區(qū)域圖像與極性區(qū)域參考圖像的第一顏色相似度，計算待測元件的極性對稱區(qū)域圖像與所述極性區(qū)域參考圖像的第二顏色相似度，當(dāng)所述第一顏色相似度小于所述第二顏色相似度時，表明待測元件的極性對稱區(qū)域圖像與極性區(qū)域參考圖像之間的差異較小，而待測元件的極性區(qū)域圖像與極性區(qū)域參考圖像之間的差異較大，從而判定元件反件。上述元件反件檢測方法和系統(tǒng)無需大量的訓(xùn)練樣本，只需要獲取元件的極性區(qū)域和極性對稱區(qū)域，操作簡單，識別率高，檢測效果較好。附圖說明圖1為一個實施例的元件反件檢測方法的流程圖；圖2為極性區(qū)域與極性對稱區(qū)域的示意圖；圖3為模板匹配方法的示意圖；圖4為HSV顏色空間示意圖；圖5為一個實施例的元件反件檢測系統(tǒng)的結(jié)構(gòu)示意圖。具體實施方式下面結(jié)合附圖對本發(fā)明的元件反件檢測方法和系統(tǒng)的實施例進(jìn)行說明。圖1為一個實施例的元件反件檢測方法的流程圖。如圖1所示，所述元件反件檢測方法可包括以下步驟：S1，獲取電路板上待測元件的極性區(qū)域圖像和極性對稱區(qū)域圖像；其中，極性區(qū)域為安裝正確時所述待測元件的電極在所述電路板上的區(qū)域，極性對稱區(qū)域為反件時所述電極在電路板上的區(qū)域；本發(fā)明所述的極性區(qū)域和極性對稱區(qū)域的示意圖如圖2所示。可以先獲取所述電路板的圖像，再從所述電路板的圖像中定位極性區(qū)域和極性對稱區(qū)域，并從所述電路板的圖像中分別截取所述極性區(qū)域和極性對稱區(qū)域?qū)?yīng)的圖像，設(shè)為極性區(qū)域圖像和極性對稱區(qū)域圖像。在一個實施例中，可以通過模板匹配的方法獲取所述極性區(qū)域圖像。模板匹配方法如圖3所示。具體地，可以從所述電路板的圖像中選取與所述極性區(qū)域參考圖像相匹配的第一圖像區(qū)域；根據(jù)所述第一圖像區(qū)域與所述極性區(qū)域參考圖像中各個像素點的像素值，計算所述圖像區(qū)域與所述極性區(qū)域參考圖像的第一像素相似度；并將第一像素相似度大于或等于預(yù)設(shè)的第一像素相似度閾值的第一圖像區(qū)域設(shè)為所述極性區(qū)域圖像。所述極性區(qū)域參考圖像可以預(yù)先存儲在系統(tǒng)的存儲區(qū)域中，并在獲取所述極性區(qū)域圖像時從所述存儲區(qū)域中調(diào)用。若所述第一像素相似度小于預(yù)設(shè)的第一像素相似度閾值，可以將所述電路板的圖像中與所述第一圖像區(qū)域相鄰的區(qū)域設(shè)為所述第一圖像區(qū)域，并重復(fù)計算所述第一圖像區(qū)域與所述極性區(qū)域參考圖像的第一像素相似度的步驟。其中，與所述第一圖像區(qū)域相鄰的區(qū)域是在所述電路板的圖像中將所述第一圖像區(qū)域向x軸和y軸分別移動若干個像素點所得的區(qū)域。在上述步驟中，每次移動的像素點可以是一個像素點，也可以是多個像素點，移動的距離可以根據(jù)實際需要設(shè)定。類似地，也可以通過模板匹配的方法獲取所述極性對稱區(qū)域圖像。具體地，可以從所述電路板的圖像中選取與所述極性對稱區(qū)域參考圖像相匹配的第二圖像區(qū)域；根據(jù)所述第二圖像區(qū)域與所述極性對稱區(qū)域參考圖像中各個像素點的像素值，計算所述圖像區(qū)域與所述極性對稱區(qū)域參考圖像的第二像素相似度；并將第二像素相似度大于或等于預(yù)設(shè)的第二像素相似度閾值的第二圖像區(qū)域設(shè)為所述極性對稱區(qū)域圖像。所述極性對稱區(qū)域參考圖像可以預(yù)先存儲在系統(tǒng)的存儲區(qū)域中，并在獲取所述極性區(qū)域圖像時從所述存儲區(qū)域中調(diào)用。若所述第二像素相似度小于預(yù)設(shè)的第二像素相似度閾值，可以將所述電路板的圖像中與所述第二圖像區(qū)域相鄰的區(qū)域設(shè)為所述第二圖像區(qū)域，并重復(fù)計算所述第二圖像區(qū)域與所述極性區(qū)域參考圖像的第二像素相似度的步驟。其中，與所述第二圖像區(qū)域相鄰的區(qū)域是在所述電路板的圖像中將所述第二圖像區(qū)域向x軸和y軸分別移動若干個像素點所得的區(qū)域。在上述步驟中，每次移動的像素點可以是一個像素點，也可以是多個像素點，移動的距離可以根據(jù)實際需要設(shè)定。還可以根據(jù)其他方式獲取所述極性區(qū)域圖像與所述極性對稱區(qū)域圖像。在上述獲取所述極性區(qū)域圖像與所述極性對稱區(qū)域圖像的實施例中，可以根據(jù)如下公式計算所述第一像素相似度和第二像素相似度：R(x,y)=Σx,yT(x,y)·I(x,y)Σx,yT(x,y)2·Σx,yI(x,y)2;]]>式中，R(x,y)是所述圖像區(qū)域與所述極性區(qū)域參考圖像中坐標(biāo)為(x,y)的像素點的像素相似度，T(x,y)為所述極性區(qū)域參考圖像中坐標(biāo)為(x,y)的像素點的像素值，I(x,y)為所述圖像區(qū)域中坐標(biāo)為(x,y)的像素點的像素值。所述第一像素相似度閾值可以根據(jù)實際需要來設(shè)定。例如，可以設(shè)為0.8，或者設(shè)為0.9，或設(shè)為其他數(shù)值。所述第一像素相似度閾值越大，圖像獲取的精確度越高。S2，分別計算所述極性區(qū)域圖像與預(yù)存的極性區(qū)域參考圖像的第一顏色相似度，以及所述極性對稱區(qū)域圖像與所述極性區(qū)域參考圖像的第二顏色相似度；當(dāng)待測元件的極性區(qū)域和極性對稱區(qū)域具有鮮明的顏色差別時，可以根據(jù)顏色相似度來檢測元件是否反件。為了更直觀地比較待測元件的圖像與參考圖像，可以比較測元件的圖像與參考圖像的顏色直方圖。在比較之前，還可以先將待測元件的圖像轉(zhuǎn)換到HSV顏色空間。HSV顏色空間示意圖如圖4所示。在圖像處理中，最常用的顏色空間是RGB模型，常用于顏色顯示和圖像處理等。而HSV模型，是一種針對用戶觀感的顏色模型，側(cè)重于色彩的表示。其中，R、G、B分別指紅、綠、藍(lán)三種顏色；H指色相，取值范圍為0～360度，用來表示顏色的類別，如紅色是0度綠色是120度、藍(lán)色是240度；S指飽和度，取值范圍為0％～100％，用來表示顏色的鮮艷程度，如灰色的飽和度為0％，大紅(255，0，0)的飽和度為100％；V指亮度，取值范圍是0％～100％，用來表示顏色的明暗程度，如黑色的亮度為0％，白色的亮度為100％。相對于RGB空間，HSV空間能夠非常直觀地表達(dá)色彩的明暗、色調(diào)和鮮艷程度。可根據(jù)如下公式將所述極性區(qū)域圖像的像素值轉(zhuǎn)換到HSV顏色空間：H=60(G-B)/(V-min)ifV=R120+60(B-R)/(V-min)ifV=G240+60(R-G)/(V-min)ifV=B;]]>其中，max＝max(R,G,B)；min＝min(R,G,B)；V＝max；S＝(max-min)/max；H=H+360,ifH<00≤V≤1,0≤S≤1,0≤H≤360;]]>R、G和B為RGB空間的顏色分量。例如，在計算所述極性區(qū)域圖像與預(yù)存的極性區(qū)域參考圖像的第一顏色相似度時，可以獲取所述極性區(qū)域圖像的第一顏色直方圖，根據(jù)所述第一顏色直方圖中各組分量的像素點的數(shù)量與所述極性區(qū)域參考圖像的第二顏色直方圖中相應(yīng)分量的像素點的數(shù)量，計算所述第一顏色相似度。類似地，在計算所述極性對稱區(qū)域圖像與所述極性區(qū)域參考圖像的第二顏色相似度時，可以獲取所述極性對稱區(qū)域圖像的第三顏色直方圖，根據(jù)所述第三顏色直方圖中各組分量的像素點的數(shù)量與所述第二顏色直方圖中相應(yīng)分量的像素點的數(shù)量，計算所述第二顏色相似度。其中，所述顏色直方圖可以是H-S通道的顏色直方圖。在一個實施例中，可根據(jù)如下公式計算所述第一顏色相似度：d1=ΣI(H1(I)-H1‾)(H1′(I)-H1′‾)ΣI(H1(I)-H1‾)2ΣI(H1′(I)-H1′‾)2,H1‾=1NΣJH1(J),H1′‾=1NΣJH1′(J);]]>式中，d1為第一顏色相似度，H1(I)為第一顏色直方圖中第I組分量的像素點的數(shù)量，為第一顏色直方圖中各組分量的像素點的平均數(shù)量，H1'(I)為第二顏色直方圖中第I組分量的像素點的數(shù)量，為第二顏色直方圖中各組分量的像素點的平均數(shù)量；類似地，可根據(jù)如下公式計算所述第二顏色相似度：d2=ΣI(H2(I)-H2‾)(H1′(I)-H1′‾)ΣI(H2(I)-H2‾)2ΣI(H1′(I)-H1′‾)2,H2‾=1NΣJH2(J),H1′‾=1NΣJH1′(J);]]>式中，d2為第二顏色相似度，H2(I)為第三顏色直方圖中第I組分量的像素點的數(shù)量，為第三顏色直方圖中各組分量的像素點的平均數(shù)量。在其他實施例中，還可以根據(jù)其他方式計算顏色相似度。例如，可采用Chi-Square(卡方檢驗)方式。以計算第一顏色相似度為例，可根據(jù)如下公式計算第一顏色相似度：d1=ΣI(H1(I)-H1′(I))2H1(I)+H1′(I).]]>還可以根據(jù)Intersection算法計算顏色相似度。具體地，可以根據(jù)如下公式計算第一顏色相似度：d1=ΣImin(H1(I),H1′(I)).]]>還可以根據(jù)Bhattacharyya(巴氏距離)計算顏色相似度。具體地，可以根據(jù)如下公式計算第一顏色相似度：d1=1-1H1‾H1′‾N2ΣIH1(I)·H1′(I).]]>其中，N為直方圖bin的數(shù)目。計算第二顏色相似度的方式類似，此處不再贅述。S3，若所述第一顏色相似度小于所述第二顏色相似度，判定所述待測元件反件。在一個實施例中，元件由于某種原因會出現(xiàn)臟污，即元件的非極性區(qū)域可能會出現(xiàn)與極性區(qū)域相似的顏色，為了保證正確率，還可以分別計算所述極性區(qū)域圖像與預(yù)存的極性對稱區(qū)域參考圖像的第三顏色相似度，以及所述極性對稱區(qū)域圖像與預(yù)存的極性對稱區(qū)域參考圖像的第四顏色相似度；若所述第一顏色相似度小于所述第二顏色相似度，且所述第三顏色相似度大于所述第四顏色相似度，判定所述待測元件反件。計算第三顏色相似度和第四顏色相似度的方式可與上述計算第一顏色相似度和第二顏色相似度的方式類似，此處不再贅述。本發(fā)明的元件反件檢測方法具有以下優(yōu)點：(1)無需大量的訓(xùn)練樣本，也無需耗費大量的人力和時間進(jìn)行數(shù)據(jù)標(biāo)注，只需要獲取元件的極性區(qū)域和極性對稱區(qū)域，簡單有效，降低了人力成本，檢測效率高；(2)采用顏色直方圖，能夠直觀地檢測出元件是否反件，識別率高，檢測效果較好。(3)可以實現(xiàn)元件極性的自動檢測，進(jìn)一步降低了人力成本，提高了檢測效率。(4)通過將待測元件的極性區(qū)域圖像和極性對稱區(qū)域與極性區(qū)域的參考圖像進(jìn)行比較，同時將待測元件的極性區(qū)域圖像和極性對稱區(qū)域與極性對稱區(qū)域的參考圖像進(jìn)行比較，進(jìn)一步提高了識別率，降低了誤報和漏報的概率。與所述元件反件檢測方法相對應(yīng)地，本發(fā)明還提供一種元件反件檢測系統(tǒng)，如圖2所示，所述元件反件檢測系統(tǒng)可包括：獲取模塊10，用于獲取電路板上待測元件的極性區(qū)域圖像和極性對稱區(qū)域圖像；其中，極性區(qū)域為安裝正確時所述待測元件的電極在所述電路板上的區(qū)域，極性對稱區(qū)域為反件時所述電極在電路板上的區(qū)域；本發(fā)明所述的極性區(qū)域和極性對稱區(qū)域的示意圖如圖2所示?？梢韵全@取所述電路板的圖像，再從所述電路板的圖像中定位極性區(qū)域和極性對稱區(qū)域，并從所述電路板的圖像中分別截取所述極性區(qū)域和極性對稱區(qū)域?qū)?yīng)的圖像，設(shè)為極性區(qū)域圖像和極性對稱區(qū)域圖像。在一個實施例中，可以通過模板匹配的方法獲取所述極性區(qū)域圖像。模板匹配方法如圖3所示。具體地，可以從所述電路板的圖像中選取與所述極性區(qū)域參考圖像相匹配的第一圖像區(qū)域；根據(jù)所述第一圖像區(qū)域與所述極性區(qū)域參考圖像中各個像素點的像素值，計算所述圖像區(qū)域與所述極性區(qū)域參考圖像的第一像素相似度；并將第一像素相似度大于或等于預(yù)設(shè)的第一像素相似度閾值的第一圖像區(qū)域設(shè)為所述極性區(qū)域圖像。所述極性區(qū)域參考圖像可以預(yù)先存儲在系統(tǒng)的存儲區(qū)域中，并在獲取所述極性區(qū)域圖像時從所述存儲區(qū)域中調(diào)用。若所述第一像素相似度小于預(yù)設(shè)的第一像素相似度閾值，可以將所述電路板的圖像中與所述第一圖像區(qū)域相鄰的區(qū)域設(shè)為所述第一圖像區(qū)域，并重復(fù)計算所述第一圖像區(qū)域與所述極性區(qū)域參考圖像的第一像素相似度的步驟。其中，與所述第一圖像區(qū)域相鄰的區(qū)域是在所述電路板的圖像中將所述第一圖像區(qū)域向x軸和y軸分別移動若干個像素點所得的區(qū)域。其中，每次移動的像素點可以是一個像素點，也可以是多個像素點，移動的距離可以根據(jù)實際需要設(shè)定。類似地，也可以通過模板匹配的方法獲取所述極性對稱區(qū)域圖像。具體地，可以從所述電路板的圖像中選取與所述極性對稱區(qū)域參考圖像相匹配的第二圖像區(qū)域；根據(jù)所述第二圖像區(qū)域與所述極性對稱區(qū)域參考圖像中各個像素點的像素值，計算所述圖像區(qū)域與所述極性對稱區(qū)域參考圖像的第二像素相似度；并將第二像素相似度大于或等于預(yù)設(shè)的第二像素相似度閾值的第二圖像區(qū)域設(shè)為所述極性對稱區(qū)域圖像。所述極性對稱區(qū)域參考圖像可以預(yù)先存儲在系統(tǒng)的存儲區(qū)域中，并在獲取所述極性區(qū)域圖像時從所述存儲區(qū)域中調(diào)用。若所述第二像素相似度小于預(yù)設(shè)的第二像素相似度閾值，可以將所述電路板的圖像中與所述第二圖像區(qū)域相鄰的區(qū)域設(shè)為所述第二圖像區(qū)域，并重復(fù)計算所述第二圖像區(qū)域與所述極性區(qū)域參考圖像的第二像素相似度的步驟。其中，與所述第二圖像區(qū)域相鄰的區(qū)域是在所述電路板的圖像中將所述第二圖像區(qū)域向x軸和y軸分別移動若干個像素點所得的區(qū)域。其中，每次移動的像素點可以是一個像素點，也可以是多個像素點，移動的距離可以根據(jù)實際需要設(shè)定。還可以根據(jù)其他方式獲取所述極性區(qū)域圖像與所述極性對稱區(qū)域圖像。在上述獲取所述極性區(qū)域圖像與所述極性對稱區(qū)域圖像的實施例中，可以根據(jù)如下公式計算所述第一像素相似度和第二像素相似度：R(x,y)=Σx,yT(x,y)·I(x,y)Σx,yT(x,y)2·Σx,yI(x,y)2;]]>式中，R(x,y)是所述圖像區(qū)域與所述極性區(qū)域參考圖像中坐標(biāo)為(x,y)的像素點的像素相似度，T(x,y)為所述極性區(qū)域參考圖像中坐標(biāo)為(x,y)的像素點的像素值，I(x,y)為所述圖像區(qū)域中坐標(biāo)為(x,y)的像素點的像素值。所述第一像素相似度閾值可以根據(jù)實際需要來設(shè)定。例如，可以設(shè)為0.8，或者設(shè)為0.9，或設(shè)為其他數(shù)值。所述第一像素相似度閾值越大，圖像獲取的精確度越高。計算模塊20，用于分別計算所述極性區(qū)域圖像與預(yù)存的極性區(qū)域參考圖像的第一顏色相似度，以及所述極性對稱區(qū)域圖像與所述極性區(qū)域參考圖像的第二顏色相似度；當(dāng)待測元件的極性區(qū)域和極性對稱區(qū)域具有鮮明的顏色差別時，可以根據(jù)顏色相似度來檢測元件是否反件。為了更直觀地比較待測元件的圖像與參考圖像，可以比較測元件的圖像與參考圖像的顏色直方圖。在比較之前，還可以先將待測元件的圖像轉(zhuǎn)換到HSV顏色空間。HSV顏色空間示意圖如圖4所示。在圖像處理中，最常用的顏色空間是RGB模型，常用于顏色顯示和圖像處理等。而HSV模型，是一種針對用戶觀感的顏色模型，側(cè)重于色彩的表示。其中，R、G、B分別指紅、綠、藍(lán)三種顏色；H指色相，取值范圍為0～360度，用來表示顏色的類別，如紅色是0度綠色是120度、藍(lán)色是240度；S指飽和度，取值范圍為0％～100％，用來表示顏色的鮮艷程度，如灰色的飽和度為0％，大紅(255，0，0)的飽和度為100％；V指亮度，取值范圍是0％～100％，用來表示顏色的明暗程度，如黑色的亮度為0％，白色的亮度為100％。相對于RGB空間，HSV空間能夠非常直觀地表達(dá)色彩的明暗、色調(diào)和鮮艷程度?？筛鶕?jù)如下公式將所述極性區(qū)域圖像的像素值轉(zhuǎn)換到HSV顏色空間：H=60(G-B)/(V-min)ifV=R120+60(B-R)/(V-min)ifV=G240+60(R-G)/(V-min)ifV=B;]]>其中，max＝max(R,G,B)；min＝min(R,G,B)；V＝max；S＝(max-min)/max；H=H+360,ifH<00≤V≤1,0≤S≤1,0≤H≤360;]]>R、G和B為RGB空間的顏色分量。例如，在計算所述極性區(qū)域圖像與預(yù)存的極性區(qū)域參考圖像的第一顏色相似度時，可以獲取所述極性區(qū)域圖像的第一顏色直方圖，根據(jù)所述第一顏色直方圖中各組分量的像素點的數(shù)量與所述極性區(qū)域參考圖像的第二顏色直方圖中相應(yīng)分量的像素點的數(shù)量，計算所述第一顏色相似度。類似地，在計算所述極性對稱區(qū)域圖像與所述極性區(qū)域參考圖像的第二顏色相似度時，可以獲取所述極性對稱區(qū)域圖像的第三顏色直方圖，根據(jù)所述第三顏色直方圖中各組分量的像素點的數(shù)量與所述第二顏色直方圖中相應(yīng)分量的像素點的數(shù)量，計算所述第二顏色相似度。其中，所述顏色直方圖可以是H-S通道的顏色直方圖。在一個實施例中，可根據(jù)如下公式計算所述第一顏色相似度：d1=ΣI(H1(I)-H1‾)(H1′(I)-H1′‾)ΣI(H1(I)-H1‾)2ΣI(H1′(I)-H1′‾)2,H1‾=1NΣJH1(J),H1′‾=1NΣJH1′(J);]]>式中，d1為第一顏色相似度，H1(I)為第一顏色直方圖中第I組分量的像素點的數(shù)量，為第一顏色直方圖中各組分量的像素點的平均數(shù)量，H1'(I)為第二顏色直方圖中第I組分量的像素點的數(shù)量，為第二顏色直方圖中各組分量的像素點的平均數(shù)量；類似地，可根據(jù)如下公式計算所述第二顏色相似度：d2=ΣI(H2(I)-H2‾)(H1′(I)-H1′‾)ΣI(H2(I)-H2‾)2ΣI(H1′(I)-H1′‾)2,H2‾=1NΣJH2(J),H1′‾=1NΣJH1′(J);]]>式中，d2為第二顏色相似度，H2(I)為第三顏色直方圖中第I組分量的像素點的數(shù)量，為第三顏色直方圖中各組分量的像素點的平均數(shù)量。在其他實施例中，還可以根據(jù)其他方式計算顏色相似度。例如，可采用Chi-Square(卡方檢驗)方式。以計算第一顏色相似度為例，可根據(jù)如下公式計算第一顏色相似度：d1=ΣI(H1(I)-H1′(I))2H1(I)+H1′(I).]]>還可以根據(jù)Intersection算法計算顏色相似度。具體地，可以根據(jù)如下公式計算第一顏色相似度：d1=ΣImin(H1(I),H1′(I)).]]>還可以根據(jù)Bhattacharyya(巴氏距離)計算顏色相似度。具體地，可以根據(jù)如下公式計算第一顏色相似度：d1=1-1H1‾H1′‾N2ΣIH1(I)·H1′(I).]]>式中，N為直方圖bin的數(shù)目。計算第二顏色相似度的方式類似，此處不再贅述。判斷模塊30，用于若所述第一顏色相似度小于所述第二顏色相似度，判定所述待測元件反件。在一個實施例中，元件由于某種原因會出現(xiàn)臟污，即元件的非極性區(qū)域可能會出現(xiàn)與極性區(qū)域相似的顏色，為了保證正確率，還可以分別計算所述極性區(qū)域圖像與預(yù)存的極性對稱區(qū)域參考圖像的第三顏色相似度，以及所述極性對稱區(qū)域圖像與預(yù)存的極性對稱區(qū)域參考圖像的第四顏色相似度；若所述第一顏色相似度小于所述第二顏色相似度，且所述第三顏色相似度大于所述第四顏色相似度，判定所述待測元件反件。本發(fā)明的元件反件檢測系統(tǒng)具有以下優(yōu)點：(1)無需大量的訓(xùn)練樣本，也無需耗費大量的人力和時間進(jìn)行數(shù)據(jù)標(biāo)注，只需要獲取元件的極性區(qū)域和極性對稱區(qū)域，簡單有效，降低了人力成本，檢測效率高；(2)采用顏色直方圖，能夠直觀地檢測出元件是否反件，識別率高，檢測效果較好。(3)可以實現(xiàn)元件極性的自動檢測，進(jìn)一步降低了人力成本，提高了檢測效率。(4)通過將待測元件的極性區(qū)域圖像和極性對稱區(qū)域與極性區(qū)域的參考圖像進(jìn)行比較，同時將待測元件的極性區(qū)域圖像和極性對稱區(qū)域與極性對稱區(qū)域的參考圖像進(jìn)行比較，進(jìn)一步提高了識別率，降低了誤報和漏報的概率。本發(fā)明的元件反件檢測系統(tǒng)與本發(fā)明的元件反件檢測方法一一對應(yīng)，在上述元件反件檢測方法的實施例闡述的技術(shù)特征及其有益效果均適用于元件反件檢測系統(tǒng)的實施例中，特此聲明。以上所述實施例的各技術(shù)特征可以進(jìn)行任意的組合，為使描述簡潔，未對上述實施例中的各個技術(shù)特征所有可能的組合都進(jìn)行描述，然而，只要這些技術(shù)特征的組合不存在矛盾，都應(yīng)當(dāng)認(rèn)為是本說明書記載的范圍。以上所述實施例僅表達(dá)了本發(fā)明的幾種實施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。當(dāng)前第1頁1 2 3