一種電子元件定位方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明涉及自動檢測領(lǐng)域，尤其涉及一種電子元件定位方法及裝置。
【背景技術(shù)】
[0002] 自動光學(xué)檢測是指利用光學(xué)成像的方式取得成品的表面狀態(tài)，并通過影像處理來 檢測成品的表面是否存在異物或表面瑕疵。目前，自動光學(xué)檢測被廣泛應(yīng)用于電路板的質(zhì) 量檢測。檢測時，相關(guān)的檢測裝置通過攝像頭自動掃描電路板獲取圖像，提取每個電子元件 的局部圖像，并通過圖像處理技術(shù)，判斷電路板上的電子元件是否存在錯插、漏插或反插等 缺陷，最后將疑似缺陷的電子元件顯示或標(biāo)記出來，方便查看與檢修。
[0003] 在檢測電子元件缺陷之前，需先制作電路板的標(biāo)準版式，特別地，需要標(biāo)記電路板 上每個電子元件的位置?，F(xiàn)有的方案是采用人工操作的方法在電路板上設(shè)置每個電子元件 的位置，但是采用人工操作的方案在電子元件數(shù)目較多時，不僅耗時，而且容易出現(xiàn)漏設(shè)電 子元件的現(xiàn)象，無法滿足使用需求。

【發(fā)明內(nèi)容】

[0004] 針對上述問題，本發(fā)明的目的在于提供一種電子元件定位方法及裝置，其可快速、 準確的在電路板的圖像上定位出所有電子元件的位置。
[0005] 本發(fā)明實施例提供了一種電子元件定位方法，包括如下步驟：
[0006] 對采集的至少兩張插件前板圖像進行背景建模，獲得背景模型的每個像素點的模 型，其中，所述插件前板圖像為未插入電子元件的電路板的圖像，每個像素點的模型由k個 高斯分布函數(shù)組成，k為大于1的整數(shù)；
[0007] 分別計算采集的插件后板圖像的每個像素點在所述背景模型上的對應(yīng)的像素點 的k個高斯分布函數(shù)下的k個概率值，其中，所述插件后板圖像為插入電子元件的電路板的 圖像；
[0008] 逐一將所述的k個概率值與一預(yù)設(shè)的閾值進行比較，并在任一個概率值小于所述 閾值時，在所述插件后板圖像上將對應(yīng)的像素點標(biāo)記為候選元件像素；
[0009] 在所述插件后板圖像上連通相鄰的候選元件像素，形成至少一個連通區(qū)域，以定 位所述電子元件。
[0010] 作為上述方案的改進，所述根據(jù)高斯混合模型對采集的至少兩張插件前板圖像進 行背景建模，獲得根據(jù)背景建模得到的背景模型的每個像素點的模型，包括：
[0011] 對任一張插件前板圖像中的每個像素點建立模型Ρ(χ)，其中，
X為所述像素點的灰度值，k為高斯 模型的個數(shù)，ω ,，μ ,，C]分別表示第j個高斯模型的權(quán)重、均值和協(xié)方差；
[0012] 利用其他插件前板圖像上的對應(yīng)的像素點對已建立的每個像素點的模型的權(quán)重、 均值和協(xié)方差進行更新，獲得更新后的每個像素點的模型P (X)。
[0013] 作為上述方案的改進，所述分別計算采集的插件后板圖像的每個像素點在所述背 景模型上的對應(yīng)的像素點的k個高斯分布函數(shù)下的k個概率值，具體為：
[0014] 分別計算所述插件后板圖像上的每個像素點y在所述背景 模型的對應(yīng)的像素點的k個高斯分布函數(shù)下的概率值Pj(y)，其中，
[0015] 作為上述方案的改進，所述連通區(qū)域為矩形。
[0016] 作為上述方案的改進，在所述插件后板圖像上連通相鄰的候選元件像素，形成至 少一個連通區(qū)域，以定位所述電子元件所在的區(qū)域，包括：
[0017] 計算所述至少一個連通區(qū)域的面積；
[0018] 判斷每個連通區(qū)域的面積是否大于預(yù)設(shè)的面積閾值；
[0019] 當(dāng)所述連通區(qū)域的面積大于所述面積閾值時，標(biāo)記所述連通區(qū)域為包含有電子元 件的有效區(qū)域，以定位所述電子元件；否則，標(biāo)記所述連通區(qū)域為干擾區(qū)域。
[0020] 本發(fā)明實施例還提供一種電子元件定位裝置，包括：
[0021] 建模單元，用于對采集的至少兩張插件前板圖像進行背景建模，獲得背景模型的 每個像素點的模型，其中，所述插件前板圖像為未插入電子元件的電路板的圖像，每個像素 點的模型由k個高斯分布函數(shù)組成，k為大于1的整數(shù)；
[0022] 概率值計算單元，用于分別計算采集的插件后板圖像的每個像素點在所述背景模 型上的對應(yīng)的像素點的k個高斯分布函數(shù)下的k個概率值，其中，所述插件后板圖像為插入 電子元件的電路板的圖像；
[0023] 比較單元，用于逐一將所述的k個概率值與一預(yù)設(shè)的閾值進行比較，并在任一個 概率值小于所述閾值時，在所述插件后板圖像上將對應(yīng)的像素點標(biāo)記為候選元件像素；
[0024] 定位單元，用于在所述插件后板圖像上連通相鄰的候選元件像素，形成至少一個 連通區(qū)域，以定位所述電子元件所在的區(qū)域。
[0025] 作為上述方案的改進，所述建模單元包括：
[0026] 模型建立單元，用于對任一張插件前板圖像中的每個像素點建立模型p (X)，其中，
X為所述像素點的灰度值，k為高斯 模型的個數(shù)，ω ,，μ ,，C]分別表示第j個高斯模型的權(quán)重、均值和協(xié)方差；
[0027] 更新單元，用于利用其他插件前板圖像上的對應(yīng)的像素點對已建立的每個像素點 的模型的權(quán)重、均值和協(xié)方差進行更新，獲得更新后的每個像素點的模型。
[0028] 作為上述方案的改進，所述概率值計算單元具體用于，分別計算所述插件后板圖 像上的每個像素點y在所述背景模型的對應(yīng)的像素點的k個高斯分布函數(shù)下的概率值 P_j(y)，其中，
[0029] 作為上述方案的改進，所述連通區(qū)域為矩形。
[0030] 作為上述方案的改進，所述定位單元包括：
[0031] 面積計算單元，用于計算所述至少一個連通區(qū)域的面積；
[0032] 判斷單元，用于每個連通區(qū)域的面積是否大于預(yù)設(shè)的面積閾值；
[0033] 標(biāo)記單元，用于當(dāng)所述連通區(qū)域的面積大于所述面積閾值時，標(biāo)記所述連通區(qū)域 為包含有電子元件的有效區(qū)域，以定位所述電子元件；否則，標(biāo)記所述連接區(qū)域為干擾區(qū) 域。
[0034] 本發(fā)明實施例提供的電子元件定位方法及裝置，通過利用高斯混合模型建立背景 模型，再根據(jù)所述插件后板圖像與所述背景模型的每個像素點進行匹配后，根據(jù)匹配的情 況獲得候選元件像素，并通過連通相鄰的候選元件像素，在插件后板圖像定位出電子元件 的位置，從而實現(xiàn)了從所述插件后板圖像上快速、準確的定位出電子元件的位置，為后續(xù)的 電路板檢測提供可靠的標(biāo)準版式。
【附圖說明】
[0035] 為了更清楚地說明本發(fā)明的技術(shù)方案，下面將對實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)明的一些實施方式，對于本領(lǐng)域普 通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0036] 圖1是本發(fā)明實施例提供的電子元件定位方法的流程圖。
[0037] 圖2是本發(fā)明實施例提供的插件前板的示意圖。
[0038] 圖3是本發(fā)明實施例提供的插件后板的示意圖。
[0039] 圖4是本發(fā)明實施例提供的在所述插件后板圖像中定位出電子元件的示意圖。
[0040] 圖5是本發(fā)明實施例提供的電子元件定位裝置的流程圖。
[0041] 圖6是圖5所示的建模單元的結(jié)構(gòu)示意圖。
[0042] 圖7是圖5所示的定位單元的另一種結(jié)構(gòu)示意圖。
【具體實施方式】
[0043] 下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；?本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0044] 本發(fā)明實施例提高一種電子元件定位方法及裝置，用于通過自動定位的方式定位 出電路板上的所有電子元件的位置。以下分別進行詳細描述。
[0045] 請參閱圖1，圖1是本發(fā)明實施例提供的電子元件定位方法的流程圖。所述電子元 件定位方法可由電子元件定位裝置來執(zhí)行，并至少包括步驟S101至S104。其中，
[0046] S101，對采集的至少兩張插件前板圖像進行背景建模，獲得背景模型的每個像素 點的模型，其中，所述插件前板圖像為未插入電子元件的電路板的圖像，每個像素點的模型 由k個高斯分布函數(shù)組成，k為大于1的整數(shù)。
[0047] 請一并參閱圖2,在本發(fā)明實施例中，所述插件前板圖像為未插入電子元件的電路 板的圖像。其中，所述電子元件定位裝置可采用高斯混合模型對所述插件前板圖像進行建 模，獲得所述插件前板的背景模型。所述高斯混合模型在進行背景建模時，為了刻畫背景及 其可能的變化，需要多張背景圖像，因而，本發(fā)明所述的插件前板圖像為至少兩張。
[0048] 具體地，在進行背景建模時：
[0049] 首先，對任一張插件前板圖像中的每個像素點建立模型p (X)，其中，
X為所述像素點的灰度值，k為高斯 模型的個數(shù)，ω ,，μ 分別表示第j個高斯模型的權(quán)重、均值和協(xié)