基于视觉halcon的对pcb元件缺失快速检测参考处理

对于常规的pcb的元件缺失检测大致步骤。
第一：售前，需要快速判断元件是贴片，引脚式，常规裸露式，并使用ROI直接进行快速的blob分析，使用特征面积选择即可快速的完成早期评估工作。
第二：根据需求判断，是否需要模板匹配单对多还是多对多的处理。
第三：实际代码书写，对于模板匹配的输出文件，应以写入新的文件。
本次需求：对c6旁边的电阻进行检测是否存在电阻或者电阻脱落的情况
halcon程序

read_image (Image, 'D:/shijue/11/pcb缺陷/Image__2022-05-04__17-01-48.bmp')
*读图
gen_rectangle2 (ROI_0, 58.5102, 543.681, rad(-101.309), 70.7985, 80.6545)
*对c6进行ROI选取
reduce_domain (Image, ROI_0, ImageReduced2)
*裁图
rgb1_to_gray (ImageReduced2, GrayImage)
*转为单通道灰度值
threshold (GrayImage, Regions2, 168, 220)
*二值化扣出c6
closing_rectangle1 (Regions2, RegionClosing2, 5,5)
*膨胀，防止字符没有扣好
reduce_domain (Image, RegionClosing2, ImageReduced3)
*裁图
inspect_shape_model (ImageReduced3, ModelImages, ModelRegions,5,25)
select_obj (ModelImages, ObjectSelected, 1)
dev_display (ObjectSelected)
create_shape_model (ImageReduced3,  3, 0, rad(360), 'auto', 'none', 'use_polarity', 30, 10, ModelID)
get_shape_model_contours (ModelContours, ModelID, 1)
*以上创建模板
find_shape_model (Image, ModelID, 0, rad(360), 0.7, 1, 0.5, 'least_squares', 0, 0.5, RowCheck, ColumnCheck, AngleCheck, Score)
*根据模板寻找c6
if (|Score| > 0)*判断是否找到c6vector_angle_to_rigid (0, 0, 0, RowCheck, ColumnCheck, AngleCheck, HomMat2D)affine_trans_region (ObjectSelected, RegionAffineTrans, HomMat2D, 'nearest_neighbor')affine_trans_image (ModelImages, ImageAffineTrans, HomMat2D, 'constant', 'false')dev_display (ImageAffineTrans)dev_display (RegionAffineTrans)*对找到的c6进行仿射变化orientation_region (RegionAffineTrans, Phi)area_center (RegionAffineTrans, Area, Row, Column)*获取c6的坐标和角度vector_angle_to_rigid (Row, Column, 0, Row, Column, rad(0), HomMat2D)affine_trans_image (Image, ImageAffineTrans, HomMat2D, 'constant', 'false')affine_trans_region (RegionAffineTrans, RegionAffineTrans2, HomMat2D, 'nearest_neighbor')*将c6运用到图中reduce_domain (ImageAffineTrans, RegionAffineTrans2, ImageReduced4)*裁图rgb1_to_gray (ImageReduced4, GrayImage1)*转为单通道灰度shape_trans (GrayImage1, RegionTrans, 'convex')*练成一个区域area_center (RegionTrans, Area1, Row1, Column1)orientation_region (RegionTrans, Phi1)*获取中心坐标和角度gen_rectangle2_contour_xld (Rectangle1, Row, Column1-300, Phi1, 150,80)*根据实际绘制一个在c6旁的元件的矩形轮廓dev_display (ImageAffineTrans)dev_display (Rectangle1)*显示检测是否正确gen_rectangle2 (Rectangle1, Row, Column1-300, Phi1, 150,80)*根据轮廓，绘制矩形区域reduce_domain (ImageAffineTrans, Rectangle1, ImageReduced5)*裁图，对元件进行处理decompose3 (ImageReduced5, Red, Green, Blue)trans_from_rgb (Red, Green, Blue, Hue, Saturation, Intensity, 'hsv')*转化为hsvthreshold (Saturation, Regions, 0, 89)*对s进行二值化opening_rectangle1 (Regions, RegionOpening, 3,3)closing_rectangle1 (RegionOpening, RegionClosing1,  3,3)*以上为blob分析connection (RegionClosing1, ConnectedRegions1)select_shape (ConnectedRegions1, SelectedRegions1, 'area', 'and', 11907.4, 14351.9)*判断SelectedRegions1数组是否为空即可
endif
*以下为快速实验处理，可在售前阶段，快速评估产品是否有能力完成
*没有元件处理，常规blob分析
gen_rectangle2 (ROI_0, 157, 780.727, rad(-12.3391), 151.872, 74.1818)
reduce_domain (Image, ROI_0, ImageReduced)
decompose3 (ImageReduced, Red, Green, Blue)
trans_from_rgb (Red, Green, Blue, Hue, Saturation, Intensity, 'hsv')
threshold (Saturation, Regions, 0, 89)
opening_rectangle1 (Regions, RegionOpening, 3,3)
closing_rectangle1 (RegionOpening, RegionClosing1,  3,3)
connection (RegionClosing1, ConnectedRegions1)
select_shape (ConnectedRegions1, SelectedRegions1, 'area', 'and', 11907.4, 14351.9)*有元件处理
read_image (Image1, 'D:/shijue/11/pcb缺陷/Image__2022-04-03__17-25-28.bmp')
gen_rectangle2 (ROI_0, 866.364, 915.182, rad(17.1027), 126.123, 79.6594)
reduce_domain (Image1, ROI_0, ImageReduced1)
decompose3 (ImageReduced1, Red1, Green1, Blue1)
trans_from_rgb (Red1, Green1, Blue1, Hue1, Saturation1, Intensity1, 'hsv')
threshold (Saturation1, Regions1, 0, 81)
opening_rectangle1 (Regions1, RegionOpening1, 3,3)
closing_rectangle1 (RegionOpening1, RegionClosing,3,3)
connection (RegionClosing, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 11907.4, 14351.9)
*判断SelectedRegions数组不为为空即可

实际完成效果

无原件输出面积选择为空

测试的图片参考
由于csdn有要求的图片上传大小，所以这里使用jpg压缩图像并不是原图，有需要原图的可以私信我。

基于视觉halcon的对pcb元件缺失快速检测参考处理相关推荐

halcon边缘检测-autobahn车道线的快速检测
基本思路: 先获得主要感兴趣区域,去除车的干扰然后通过sobel_amp算子检测边缘明显变化的图像,得到原始图像边缘位置的图像数据然后通过阈值获取目标边缘. 通过膨胀目标边缘获得感兴趣区域,再次通 ...
嵌入式--基于AD15的原理图及PCB绘制基础知识
一.新建空白工程模板 1.新建项目 2.新建库->原理图库 3.新建原理图 4.新建库->库->PCB元件库 5.新建PCB 6.四个新建分别保存如果单独打开 ...
使用Minifly打造基于视觉感知的跟踪无人机
摘自:https://www.cnblogs.com/kryo/p/11278565.html 使用Minifly打造基于视觉感知的跟踪无人机前言:本文介绍一种可行的解决方案来实现基于视觉感知的跟踪 ...
[转]基于Protel DXP软件的PCB高级编辑技巧大全
来源:基于Protel DXP软件的PCB高级编辑技巧大全一.放置坐标指示放置坐标指示可以显示出PCB板上任何一点的坐标位置. 启用放置坐标的方法如下:从主菜单中执行命令 Place/Coordi ...
基于深度学习的智能PCB板缺陷检测系统（Python+清新界面+数据集）
摘要:智能PCB板缺陷检测系统用于智能检测工业印刷电路板(PCB)常见缺陷,自动化标注.记录和保存缺陷位置和类型,以辅助电路板的质检.本文详细介绍智能PCB板缺陷检测系统,在介绍算法原理的同时,给出P ...
c语言动态扫描原理,基于视觉暂留的动态扫描LED旋转屏
2．3 红外解码红外遥控器与电器之间的通信存在一个通信协议,一般是单向的通信协议.这个单向的通信协议称为红外遥控编码协议.本文使用NEC红外编码协议,当发射器按键按下后,即有遥控码发出,所按的键不同 ...
论文研究 | 基于视觉的汽车线束绑扎胶套检测与测量系统
0 引言略. 1 系统硬件构成略. 2 图像处理系统及实现原理通过图像采集系统获得汽车线束各部分图像后,使用 Halcon 图像算法库对图像进行中值滤波.图像增强等预处理; 然后对预处理得到的图 ...
【基于视觉语义特征的室外SLAM建图算法研究】
首先什么是语义SLAM,我们知道传统的视觉SLAM是基于关键点.描述子等低级图像特征来进行定位和建图的,那么对于一些更高层次的带有明确意义的语义信息,比如现实世界中真实的物体,将它作为特征来进行优化的 ...
【信息技术】【2016.07】基于视觉和遥感数据的多模式学习
本文为澳大利亚悉尼大学(作者:Dushyant Rao)的博士论文,共164页. 无人驾驶汽车通常被部署在未知的环境中执行探测和监测任务.在这种应用中,信息丰富性和不同传感器模式的获取成本之间往往存在 ...

基于视觉halcon的对pcb元件缺失快速检测参考处理

基于视觉halcon的对pcb元件缺失快速检测参考处理相关推荐

最新文章

热门文章