一種多類型線寬測(cè)量方法及裝置的制造方法
【專利摘要】本發(fā)明實(shí)施例公開了一種多類型線寬測(cè)量方法及裝置，解決了目前的采用人眼量測(cè)來(lái)完成，誤差大、效率低的技術(shù)問題，以及定性通斷測(cè)試，無(wú)法測(cè)得線寬尺寸的實(shí)際值的技術(shù)問題，且X射線對(duì)細(xì)導(dǎo)線成像效果變差的技術(shù)問題。本發(fā)明實(shí)施例多類型線寬測(cè)量方法包括：對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取測(cè)試圖像中的導(dǎo)線邊緣輪廓對(duì)應(yīng)的特征值；將特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定導(dǎo)線滿足的先驗(yàn)特征類別，先驗(yàn)特征類別包括最優(yōu)特征和不理想特征；根據(jù)確定的先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算。
【專利說(shuō)明】
一種多類型線寬測(cè)量方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及PCB檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種多類型線寬測(cè)量方法及裝置。
【背景技術(shù)】
[0002] 隨著光學(xué)影像設(shè)備的不斷成熟和計(jì)算機(jī)視覺技術(shù)的迅猛發(fā)展，在PCB檢測(cè)領(lǐng)域利 用硬件設(shè)備和軟件算法自由搭配組合，協(xié)調(diào)完成高效、高質(zhì)量的檢測(cè)任務(wù)成為新興的發(fā)展 趨勢(shì)。
[0003] 鑒于電子產(chǎn)品芯片的微型化、集成化發(fā)展趨勢(shì)或者工業(yè)設(shè)備的高精度的微小間 隙，對(duì)PCB的要求急切體現(xiàn)在PCB的多層化、布線密集化之上，國(guó)內(nèi)外PCB生產(chǎn)制造技術(shù)也正 在向高精度、細(xì)導(dǎo)線、大密度、小間距的方向發(fā)展，從而致使PCB板或微小間隙待測(cè)產(chǎn)品導(dǎo)線 自身的特性阻抗對(duì)電路板的信號(hào)傳輸影響越來(lái)越大，最終影響到電子產(chǎn)品的性能，其中導(dǎo) 線線寬的變化范圍是影響特性阻抗的最主要因素，而導(dǎo)線線寬的毛邊大小是特性阻抗的直 接誤差來(lái)源，因此，PCB線寬及其毛邊的長(zhǎng)度是評(píng)定PCB品質(zhì)好壞的重要參數(shù)，以及工業(yè)設(shè)備 的高精度的微小間隙，如針對(duì)渦輪發(fā)動(dòng)機(jī)葉片的葉尖間隙測(cè)量（即葉片與發(fā)動(dòng)機(jī)機(jī)匣內(nèi)壁 之間的距離，直接影響到發(fā)動(dòng)機(jī)的耗油量和壽命）。
[0004] 現(xiàn)今常用的微小間隙或線寬測(cè)量方法有人工目測(cè)法、飛針測(cè)試法、自動(dòng)X射線檢測(cè) 法和圖像測(cè)量法。其中人工目測(cè)法依靠100倍左右的顯微放大鏡或者金相顯微設(shè)備，采用人 眼量測(cè)來(lái)完成，不僅誤差大，而且效率低；飛針測(cè)試法屬于定性通斷測(cè)試，無(wú)法測(cè)得線寬尺 寸的實(shí)際值；自動(dòng)X射線檢測(cè)法通過(guò)不同材料或不同厚度材料對(duì)X光的吸收，成像進(jìn)行測(cè)量 分析，但X射線對(duì)細(xì)導(dǎo)線成像效果變差；圖像測(cè)量法主要借助光學(xué)影像技術(shù)與計(jì)算機(jī)圖像處 理方法完成對(duì)導(dǎo)線的非接觸、高精度測(cè)量，其中的核心部分為對(duì)圖像特征進(jìn)行分析測(cè)量的 部分，但由于微小間隙的線寬及導(dǎo)線種類較多、線路板環(huán)境干擾大的原因，現(xiàn)有的圖像測(cè)量 法往往檢測(cè)范圍較為有限。
[0005] 因此，上述提及的采用人眼量測(cè)來(lái)完成，誤差大、效率低的技術(shù)問題，定性通斷測(cè) 試，無(wú)法測(cè)得線寬尺寸的實(shí)際值的技術(shù)問題，X射線對(duì)細(xì)導(dǎo)線成像效果變差的技術(shù)問題，成 為了本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明實(shí)施例提供的一種多類型線寬測(cè)量方法及裝置，解決了目前的采用人眼量 測(cè)來(lái)完成，誤差大、效率低的技術(shù)問題，以及定性通斷測(cè)試，無(wú)法測(cè)得線寬尺寸的實(shí)際值的 技術(shù)問題，且X射線對(duì)細(xì)導(dǎo)線成像效果變差的技術(shù)問題。
[0007] 本發(fā)明實(shí)施例提供的一種多類型線寬測(cè)量方法，包括：
[0008] 對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取所述測(cè)試圖像中的導(dǎo)線邊緣輪廓對(duì)應(yīng)的特征 值；
[0009] 將所述特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定所述導(dǎo)線滿足 的先驗(yàn)特征類別，所述先驗(yàn)特征類別包括最優(yōu)特征和不理想特征；
[0010]根據(jù)確定的所述先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算。
[0011]優(yōu)選地，對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取所述測(cè)試圖像中的導(dǎo)線邊緣輪廓對(duì) 應(yīng)的特征值具體包括：
[0012] 采集所述導(dǎo)線的線寬及毛邊的所述測(cè)試圖像，并提取通過(guò)鼠標(biāo)框選的待測(cè)區(qū)域；
[0013] 對(duì)所述待測(cè)區(qū)域依次進(jìn)行預(yù)處理、0TSU算法處理和Canny邊緣檢測(cè)算法處理，確定 所述導(dǎo)線的線寬及毛邊的邊緣輪廓；
[0014] 根據(jù)所述邊緣輪廓確定對(duì)應(yīng)的所述特征值。
[0015] 優(yōu)選地，根據(jù)所述邊緣輪廓確定對(duì)應(yīng)的所述特征值具體包括：
[0016] 對(duì)確定的所述邊緣輪廓通過(guò)采用Hough直線檢測(cè)算法，確定直線密集區(qū)域直線數(shù) 與總檢測(cè)直線數(shù)的第一比值；
[0017]以及，對(duì)確定的所述邊緣輪廓通過(guò)采用FindContour邊緣連續(xù)輪廓檢測(cè)算法，確定 表示所示導(dǎo)線的線寬及毛邊區(qū)域的邊緣權(quán)重的第二比值；
[0018] 其中，所述特征值為二維特征值(第一比值，第二比值）。
[0019] 優(yōu)選地，將所述特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定所述 導(dǎo)線滿足的先驗(yàn)特征類別具體包括：
[0020] 將所述第一比值和所述第二比值與預(yù)置的先驗(yàn)特征值的第一閾值和第二閾值進(jìn) 行比對(duì)，若所述第一比值大于所述第一閾值，則判斷所述第二比值是否大于所述第二閾值， 若所述第二比值大于所述第二閾值，則確定所述特征值屬于第一先驗(yàn)特征值，若所述第二 比值不大于所述第二閾值，則確定所述特征值屬于第二先驗(yàn)特征值；
[0021] 若所述第一比值不大于所述第一閾值，則判斷所述第二比值是否大于所述第二閾 值，若所述第二比值大于所述第二閾值，則確定所述特征值屬于第三先驗(yàn)特征值，若所述第 二比值不大于所述第二閾值，則確定所述特征值屬于第四先驗(yàn)特征值；
[0022] 所述第一閾值表示中心區(qū)域信息量大小的門閥閾值，所述第二閾值表示線寬及毛 邊邊緣輪廓線的門閥閾值。
[0023] 優(yōu)選地，根據(jù)確定的所述先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算具體包括：
[0024] 根據(jù)確定的所述第一先驗(yàn)特征值，進(jìn)行對(duì)應(yīng)的所述導(dǎo)線的線寬及毛邊的雙向逐點(diǎn) 掃描，以確定所述導(dǎo)線的線寬距離及毛邊距離；
[0025] 或
[0026] 根據(jù)確定的所述第二先驗(yàn)特征值或第三先驗(yàn)特征值，對(duì)對(duì)應(yīng)的所述導(dǎo)線的線寬及 毛邊的采用預(yù)置梯度峰值分析法，進(jìn)行所述導(dǎo)線的線寬距離及毛邊距離的計(jì)算；
[0027] 或
[0028] 根據(jù)確定的所述第四先驗(yàn)特征值，對(duì)對(duì)應(yīng)的所述導(dǎo)線的線寬及毛邊的采用基于概 率統(tǒng)計(jì)的Hough變換，進(jìn)行所述導(dǎo)線的線寬距離及毛邊距離的計(jì)算。
[0029] 本發(fā)明實(shí)施例提供的一種多類型線寬測(cè)量裝置，包括：
[0030] 預(yù)處理單元，用于對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取所述測(cè)試圖像中的導(dǎo)線邊 緣輪廓對(duì)應(yīng)的特征值；
[0031] 比對(duì)單元，用于將所述特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確 定所述導(dǎo)線滿足的先驗(yàn)特征類別，所述先驗(yàn)特征類別包括最優(yōu)特征和不理想特征；
[0032] 計(jì)算單元，用于根據(jù)確定的所述先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算。
[0033] 優(yōu)選地，預(yù)處理單元具體包括：
[0034]待測(cè)區(qū)域確定子單元，用于采集所述導(dǎo)線的線寬及毛邊的所述測(cè)試圖像，并提取 通過(guò)鼠標(biāo)框選的待測(cè)區(qū)域；
[0035] 邊緣輪廓確定子單元，用于對(duì)所述待測(cè)區(qū)域依次進(jìn)行預(yù)處理、0TSU算法處理和 Canny邊緣檢測(cè)算法處理，確定所述導(dǎo)線的線寬及毛邊的邊緣輪廓；
[0036] 特征值確定子單元，用于根據(jù)所述邊緣輪廓確定對(duì)應(yīng)的所述特征值。
[0037] 優(yōu)選地，特征值確定子單元具體包括：
[0038]第一比值確定模塊，用于對(duì)確定的所述邊緣輪廓通過(guò)采用Hough直線檢測(cè)算法，確 定直線密集區(qū)域直線數(shù)與總檢測(cè)直線數(shù)的第一比值；
[0039] 第二比值確定模塊，用于對(duì)確定的所述邊緣輪廓通過(guò)采用FindContour邊緣連續(xù) 輪廓檢測(cè)算法，確定表示所示導(dǎo)線的線寬及毛邊區(qū)域的邊緣權(quán)重的第二比值；
[0040] 其中，所述特征值為二維特征值(第一比值，第二比值）。
[0041 ] 優(yōu)選地，比對(duì)單元具體包括：
[0042]比對(duì)子單元，用于將所述第一比值和所述第二比值與預(yù)置的先驗(yàn)特征值的第一閾 值和第二閾值進(jìn)行比對(duì)，若所述第一比值大于所述第一閾值，則觸發(fā)第一判斷子單元，若所 述第一比值不大于所述第一閾值，則觸發(fā)第二判斷子單元；
[0043]所述第一判斷子單元，用于判斷所述第二比值是否大于所述第二閾值，若所述第 二比值大于所述第二閾值，則確定所述特征值屬于第一先驗(yàn)特征值，若所述第二比值不大 于所述第二閾值，則確定所述特征值屬于第二先驗(yàn)特征值；
[0044]所述第二判斷子單元，用于判斷所述第二比值是否大于所述第二閾值，若所述第 二比值大于所述第二閾值，則確定所述特征值屬于第三先驗(yàn)特征值，若所述第二比值不大 于所述第二閾值，則確定所述特征值屬于第四先驗(yàn)特征值；
[0045] 所述第一閾值表示中心區(qū)域信息量大小的門閥閾值，所述第二閾值表示線寬及毛 邊邊緣輪廓線的門閥閾值。
[0046] 優(yōu)選地，計(jì)算單元具體包括：
[0047] 第一計(jì)算子單元，用于根據(jù)確定的所述第一先驗(yàn)特征值，進(jìn)行對(duì)應(yīng)的所述導(dǎo)線的 線寬及毛邊的雙向逐點(diǎn)掃描，以確定所述導(dǎo)線的線寬距離及毛邊距離；
[0048] 或
[0049] 第二計(jì)算子單元，用于根據(jù)確定的所述第二先驗(yàn)特征值或第三先驗(yàn)特征值，對(duì)對(duì) 應(yīng)的所述導(dǎo)線的線寬及毛邊的采用預(yù)置梯度峰值分析法，進(jìn)行所述導(dǎo)線的線寬距離及毛邊 距離的計(jì)算；
[0050] 或
[0051] 第三計(jì)算子單元，用于根據(jù)確定的所述第四先驗(yàn)特征值，對(duì)對(duì)應(yīng)的所述導(dǎo)線的線 寬及毛邊的采用基于概率統(tǒng)計(jì)的Hough變換，進(jìn)行所述導(dǎo)線的線寬距離及毛邊距離的計(jì)算。 [0052]從以上技術(shù)方案可以看出，本發(fā)明實(shí)施例具有以下優(yōu)點(diǎn)：
[0053]本發(fā)明實(shí)施例提供的一種多類型線寬測(cè)量方法及裝置，其中，多類型線寬測(cè)量方 法，包括:對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取測(cè)試圖像中的導(dǎo)線邊緣輪廓對(duì)應(yīng)的特征值； 將特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定導(dǎo)線滿足的先驗(yàn)特征類別， 先驗(yàn)特征類別包括最優(yōu)特征和不理想特征；根據(jù)確定的先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì) 算。本實(shí)施例中，通過(guò)對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取測(cè)試圖像中的導(dǎo)線邊緣輪廓對(duì)應(yīng) 的特征值，然后將特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定導(dǎo)線滿足的 先驗(yàn)特征類別，再根據(jù)確定的先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算，基于先確立線寬邊緣的 先驗(yàn)特征類型，然后分析比較被測(cè)線寬的特征類型與之匹配，最后選擇具體的檢測(cè)方法來(lái) 檢測(cè)線寬及其毛邊距離，解決了目前的采用人眼量測(cè)來(lái)完成，誤差大、效率低的技術(shù)問題， 以及定性通斷測(cè)試，無(wú)法測(cè)得線寬尺寸的實(shí)際值的技術(shù)問題，且X射線對(duì)細(xì)導(dǎo)線成像效果變 差的技術(shù)問題。
【附圖說(shuō)明】
[0054] 為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)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(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可 以根據(jù)這些附圖獲得其它的附圖。
[0055] 圖1為本發(fā)明實(shí)施例提供的一種多類型線寬測(cè)量方法的一個(gè)實(shí)施例的流程示意 圖；
[0056] 圖2為本發(fā)明實(shí)施例提供的一種多類型線寬測(cè)量方法的另一個(gè)實(shí)施例的流程示意 圖；
[0057] 圖3為本發(fā)明實(shí)施例提供的一種多類型線寬測(cè)量裝置的一個(gè)實(shí)施例的結(jié)構(gòu)示意 圖；
[0058] 圖4為本發(fā)明實(shí)施例提供的一種多類型線寬測(cè)量裝置的另一個(gè)實(shí)施例的結(jié)構(gòu)示意 圖；
[0059] 圖5為圖2應(yīng)用例；
[0060] 圖6(a)至(d)為歸納的四大先驗(yàn)特征圖；
[0061 ]圖7(a)至(d)為PCB和FCB導(dǎo)線進(jìn)行線寬檢測(cè)示意圖；
[0062] 圖8(a)至(f)為對(duì)不同材質(zhì)的線路板上導(dǎo)線進(jìn)行線寬檢測(cè)示意圖。
【具體實(shí)施方式】
[0063] 本發(fā)明實(shí)施例提供的一種多類型線寬測(cè)量方法及裝置，解決了目前的采用人眼量 測(cè)來(lái)完成，誤差大、效率低的技術(shù)問題，以及定性通斷測(cè)試，無(wú)法測(cè)得線寬尺寸的實(shí)際值的 技術(shù)問題，且X射線對(duì)細(xì)導(dǎo)線成像效果變差的技術(shù)問題。
[0064] 為使得本發(fā)明的發(fā)明目的、特征、優(yōu)點(diǎn)能夠更加的明顯和易懂，下面將結(jié)合本發(fā)明 實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，下面所描述 的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而非全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域 普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù) 的范圍。
[0065] 請(qǐng)參閱圖1，本發(fā)明實(shí)施例提供的一種多類型線寬測(cè)量方法的一個(gè)實(shí)施例包括：
[0066] 101、對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取測(cè)試圖像中的導(dǎo)線邊緣輪廓對(duì)應(yīng)的特征 值；
[0067]本實(shí)施例中，當(dāng)需要對(duì)不同類型的導(dǎo)線的線寬進(jìn)行測(cè)量分析，首先需要對(duì)采集的 測(cè)試圖像進(jìn)行預(yù)處理，獲取測(cè)試圖像中的導(dǎo)線邊緣輪廓對(duì)應(yīng)的特征值。
[0068] 102、將特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定導(dǎo)線滿足的先 驗(yàn)特征類別；
[0069] 當(dāng)對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取測(cè)試圖像中的導(dǎo)線邊緣輪廓對(duì)應(yīng)的特征值 之后，需要將特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定導(dǎo)線滿足的先驗(yàn) 特征類別，先驗(yàn)特征類別包括最優(yōu)特征和不理想特征。
[0070 ] 10 3、根據(jù)確定的先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算。
[0071] 當(dāng)將特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定導(dǎo)線滿足的先驗(yàn) 特征類別之后，需要根據(jù)確定的先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算。
[0072] 本實(shí)施例中，通過(guò)對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取測(cè)試圖像中的導(dǎo)線邊緣輪 廓對(duì)應(yīng)的特征值，然后將特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定導(dǎo)線 滿足的先驗(yàn)特征類別，再根據(jù)確定的先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算，基于先確立線寬 邊緣的先驗(yàn)特征類型，然后分析比較被測(cè)線寬的特征類型與之匹配，最后選擇具體的檢測(cè) 方法來(lái)檢測(cè)線寬及其毛邊距離，解決了目前的采用人眼量測(cè)來(lái)完成，誤差大、效率低的技術(shù) 問題，以及定性通斷測(cè)試，無(wú)法測(cè)得線寬尺寸的實(shí)際值的技術(shù)問題，且X射線對(duì)細(xì)導(dǎo)線成像 效果變差的技術(shù)問題。
[0073] 上面是對(duì)多類型線寬測(cè)量方法的過(guò)程進(jìn)行詳細(xì)的描述，下面將對(duì)請(qǐng)參閱圖1，本發(fā) 明實(shí)施例提供的一種多類型線寬測(cè)量方法的一個(gè)實(shí)施例包括：
[0074] 201、采集導(dǎo)線的線寬及毛邊的測(cè)試圖像，并提取通過(guò)鼠標(biāo)框選的待測(cè)區(qū)域；
[0075]本實(shí)施例中，當(dāng)需要對(duì)不同類型的導(dǎo)線的線寬進(jìn)行測(cè)量分析，首先需要采集導(dǎo)線 的線寬及毛邊的測(cè)試圖像，并提取通過(guò)鼠標(biāo)框選的待測(cè)區(qū)域。
[0076] 202、對(duì)待測(cè)區(qū)域依次進(jìn)行預(yù)處理、0TSU算法處理和Canny邊緣檢測(cè)算法處理，確定 導(dǎo)線的線寬及毛邊的邊緣輪廓；
[0077]當(dāng)采集導(dǎo)線的線寬及毛邊的測(cè)試圖像，并提取通過(guò)鼠標(biāo)框選的待測(cè)區(qū)域之后，需 要對(duì)待測(cè)區(qū)域依次進(jìn)行預(yù)處理、0TSU算法(最大類間方差法)處理和Canny邊緣檢測(cè)算法處 理，確定導(dǎo)線的線寬及毛邊的邊緣輪廓。
[0078]需要說(shuō)明的是，前述的預(yù)處理可以是借助高斯平滑濾波和形態(tài)學(xué)處理，消除噪聲 和干擾點(diǎn)。
[0079] 203、對(duì)確定的邊緣輪廓通過(guò)采用Hough直線檢測(cè)算法，確定直線密集區(qū)域直線數(shù) 與總檢測(cè)直線數(shù)的第一比值；
[0080]當(dāng)對(duì)待測(cè)區(qū)域依次進(jìn)行預(yù)處理、0TSU算法處理和Canny邊緣檢測(cè)算法處理，確定導(dǎo) 線的線寬及毛邊的邊緣輪廓之后，需要對(duì)確定的邊緣輪廓通過(guò)采用Hough直線檢測(cè)算法，確 定直線密集區(qū)域直線數(shù)與總檢測(cè)直線數(shù)的第一比值。
[0081 ] 204、對(duì)確定的邊緣輪廓通過(guò)采用FindContour邊緣連續(xù)輪廓檢測(cè)算法，確定表示 所示導(dǎo)線的線寬及毛邊區(qū)域的邊緣權(quán)重的第二比值；
[0082]當(dāng)對(duì)待測(cè)區(qū)域依次進(jìn)行預(yù)處理、0TSU算法處理和Canny邊緣檢測(cè)算法處理，確定導(dǎo) 線的線寬及毛邊的邊緣輪廓之后，及步驟203的同時(shí)，需要對(duì)確定的邊緣輪廓通過(guò)采用 FindContour邊緣連續(xù)輪廓檢測(cè)算法，確定表示所示導(dǎo)線的線寬及毛邊區(qū)域的邊緣權(quán)重的 第二比值。
[0083]必須說(shuō)明的是，特征值為二維特征值(第一比值，第二比值）。
[0084] 205、將第一比值和第二比值與預(yù)置的先驗(yàn)特征值的第一閾值和第二閾值進(jìn)行比 對(duì)，若第一比值大于第一閾值，則執(zhí)行步驟206,若第一比值不大于第一閾值，則執(zhí)行步驟 209；
[0085]當(dāng)步驟204和步驟205之后，需要將第一比值和第二比值與預(yù)置的先驗(yàn)特征值的第 一閾值和第二閾值進(jìn)行比對(duì)，若第一比值大于第一閾值，則執(zhí)行步驟20 6，若第一比值不大 于第一閾值，則執(zhí)行步驟209。
[0086] 206、判斷第二比值是否大于第二閾值，若第二比值大于第二閾值，則執(zhí)行步驟 207，若第二比值不大于第二閾值，則執(zhí)行步驟208;
[0087] 當(dāng)將第一比值和第二比值與預(yù)置的先驗(yàn)特征值的第一閾值和第二閾值進(jìn)行比對(duì)， 為第一比值大于第一閾值，則判斷第二比值是否大于第二閾值，若第二比值大于第二閾值， 則執(zhí)行步驟207,若第二比值不大于第二閾值，則執(zhí)行步驟208。
[0088] 207、確定特征值屬于第一先驗(yàn)特征值；
[0089] 當(dāng)判斷第二比值大于第二閾值，則確定特征值屬于第一先驗(yàn)特征值。
[0090] 208、確定特征值屬于第二先驗(yàn)特征值；
[0091] 當(dāng)判斷第二比值不大于第二閾值，則確定特征值屬于第二先驗(yàn)特征值。
[0092] 209、判斷第二比值是否大于第二閾值，若第二比值大于第二閾值，則執(zhí)行步驟 210,若第二比值不大于第二閾值，則執(zhí)行步驟211;
[0093]當(dāng)將第一比值和第二比值與預(yù)置的先驗(yàn)特征值的第一閾值和第二閾值進(jìn)行比對(duì)， 為第一比值不大于第一閾值，則判斷第二比值是否大于第二閾值，若第二比值大于第二閾 值，則執(zhí)行步驟210,若第二比值不大于第二閾值，則執(zhí)行步驟211。
[0094] 210、確定特征值屬于第三先驗(yàn)特征值；
[0095]當(dāng)判斷第二比值大于第二閾值，則確定特征值屬于第三先驗(yàn)特征值。
[0096] 211、確定特征值屬于第四先驗(yàn)特征值；
[0097] 當(dāng)判斷第二比值不大于第二閾值，則確定特征值屬于第四先驗(yàn)特征值。
[0098] 212、根據(jù)確定的第一先驗(yàn)特征值，進(jìn)行對(duì)應(yīng)的導(dǎo)線的線寬及毛邊的雙向逐點(diǎn)掃 描，以確定導(dǎo)線的線寬距離及毛邊距離；
[0099] 當(dāng)步驟207的確定特征值屬于第一先驗(yàn)特征值之后，需要根據(jù)確定的第一先驗(yàn)特 征值，進(jìn)行對(duì)應(yīng)的導(dǎo)線的線寬及毛邊的雙向逐點(diǎn)掃描，以確定導(dǎo)線的線寬距離及毛邊距離。 [0100] 213、根據(jù)確定的第二先驗(yàn)特征值或第三先驗(yàn)特征值，對(duì)對(duì)應(yīng)的導(dǎo)線的線寬及毛邊 的采用預(yù)置梯度峰值分析法，進(jìn)行導(dǎo)線的線寬距離及毛邊距離的計(jì)算；
[0101]當(dāng)步驟208和/或步驟210的確定特征值屬于第二先驗(yàn)特征值或第三先驗(yàn)特征值之 后，需要根據(jù)確定的第二先驗(yàn)特征值或第三先驗(yàn)特征值，對(duì)對(duì)應(yīng)的導(dǎo)線的線寬及毛邊的采 用預(yù)置梯度峰值分析法，進(jìn)行導(dǎo)線的線寬距離及毛邊距離的計(jì)算。
[0102] 214、根據(jù)確定的第四先驗(yàn)特征值，對(duì)對(duì)應(yīng)的導(dǎo)線的線寬及毛邊的采用基于概率統(tǒng) 計(jì)的Hough變換，進(jìn)行導(dǎo)線的線寬距離及毛邊距離的計(jì)算。
[0103] 當(dāng)步驟211的確定特征值屬于第四先驗(yàn)特征值之后，需要根據(jù)確定的第四先驗(yàn)特 征值，對(duì)對(duì)應(yīng)的導(dǎo)線的線寬及毛邊的采用基于概率統(tǒng)計(jì)的Hough變換，進(jìn)行導(dǎo)線的線寬距離 及毛邊距離的計(jì)算。
[0104] 下面以一具體應(yīng)用場(chǎng)景對(duì)步驟201至214進(jìn)行詳細(xì)的描述，如圖5所示，應(yīng)用例包 括：
[0105] 通過(guò)對(duì)大量不同類型的導(dǎo)線進(jìn)行測(cè)量分析，可以將其邊緣輪廓二值圖歸納為四大 先驗(yàn)特征圖（如圖6(a)至(d)所示）。圖6(a)為先驗(yàn)特征1和圖6(c)為先驗(yàn)特征3為最優(yōu)特征， 其線寬邊緣及其毛邊邊緣都保留的相對(duì)完整，主要區(qū)別是來(lái)自中間區(qū)域的干擾不同；而圖6 (b)為先驗(yàn)特征2和圖6(d)為先驗(yàn)特征4相對(duì)而言較為不理想，邊緣信息有所丟失，導(dǎo)致不容 易抓取到邊緣輪廓線。
[0106] 在測(cè)量線寬時(shí)，首先會(huì)對(duì)被測(cè)圖像進(jìn)行圖像預(yù)處理、邊緣檢測(cè)和輪廓提取，同時(shí)對(duì) 輪廓的特征進(jìn)行分析，判斷被測(cè)對(duì)象的輪廓信息屬于上述先驗(yàn)特征的哪一種。而對(duì)于上述 四種不同類型的先驗(yàn)特征本文設(shè)計(jì)了三種針對(duì)性的檢測(cè)方法，其中檢測(cè)方法1主要立足于 周邊掃描，克服中間信息的干擾，適用于先驗(yàn)特征1和先驗(yàn)特征2;檢測(cè)方法2主要采用模板 遍歷的梯度峰值分析法，抗孤立點(diǎn)、離散塊、氧化等環(huán)境干擾能力較強(qiáng)，適用于先驗(yàn)特征2和 先驗(yàn)特征3;檢測(cè)方法3主要是基于概率統(tǒng)計(jì)的Hough變換，可以與檢測(cè)方法2搭配使用，對(duì)缺 少信息量的間斷邊緣也可以擬合出邊緣直線，適用于先驗(yàn)特征3。當(dāng)被測(cè)對(duì)象的輪廓信息匹 配到對(duì)應(yīng)的先驗(yàn)特征后，則選用相對(duì)應(yīng)的檢測(cè)方法重新進(jìn)行圖像分析處理，然后測(cè)量得到 相對(duì)應(yīng)的線寬間距值。
[0107]根據(jù)上述原理，設(shè)計(jì)算法流程如圖5所示，根據(jù)其具體功能總體上可以分為特征提 取、特征比較分析和線寬檢測(cè)三個(gè)部分：
[0108] (1)特征提取部分。首先采集導(dǎo)線線寬及其毛邊的清晰圖像，鼠標(biāo)框選需要檢測(cè)的 具體線寬區(qū)域;借助高斯平滑濾波和形態(tài)學(xué)處理，消除噪聲和干擾點(diǎn)，然后利用最大類間方 差(Otsu)選取最佳閾值將圖像前景部分準(zhǔn)確分割出來(lái)，再用Canny邊緣檢測(cè)算法得到導(dǎo)線 線寬及其毛邊的邊緣輪廓;最后憑借Hough直線檢測(cè)算法，適當(dāng)設(shè)定檢測(cè)直線的最少點(diǎn)數(shù)和 點(diǎn)間最大連接距離，計(jì)算直線密集區(qū)域直線數(shù)與總檢測(cè)直線數(shù)的比值ho,即代表導(dǎo)線中心 區(qū)域的細(xì)節(jié)權(quán)重，并利用FindContour(邊緣連續(xù)輪廓檢測(cè))找到線寬邊緣的一段段連續(xù)的 輪廓，根據(jù)所檢測(cè)到輪廓的長(zhǎng)度和面積設(shè)定閾值重點(diǎn)選取合適的線寬及其毛邊輪廓，在選 取的連續(xù)輪廓中計(jì)算大于m(m = 2*(最大輪廓像素點(diǎn)總數(shù)+最小輪廓像素點(diǎn)總數(shù))/3)的輪廓 個(gè)數(shù)即代表導(dǎo)線線寬及其毛邊區(qū)域的邊緣權(quán)重，從而得到特征比較值(h Q，fQ)，另外根據(jù) 大量導(dǎo)線測(cè)試得到一個(gè)可以作為最佳特征分類的經(jīng)驗(yàn)比較值(h，f)。
[0109] (2)特征比較分析部分。此部分主要是比較特征比較值(ho，fo)和經(jīng)驗(yàn)比較值(h， f)，從而將被測(cè)導(dǎo)線的線寬特征與先前預(yù)設(shè)的四大特征類型進(jìn)行匹配，然后根據(jù)匹配到的 特征類型采取相對(duì)應(yīng)的檢測(cè)算法進(jìn)行線寬及其毛邊的檢測(cè)。其中，h為中心區(qū)域信息量大小 的門閥閾值，f為線寬及其毛邊邊緣輪廓線的門閥閾值，總體上將(h Q>h，fQ>f)的圖像定義為 高信息量(或高對(duì)比度)線寬中心、高信息量線寬邊緣圖像，定為先驗(yàn)特征1，采用檢測(cè)方法1 檢測(cè);將(h Q>h，fQ〈f)的圖像定義為高信息量線寬中心、低信息量線寬邊緣的圖像，定為先驗(yàn) 特征2,采用檢測(cè)方法2檢測(cè);將(ho>h，f Q>f)的圖像定義為低信息量線寬中心、高信息量線寬 邊緣圖像，定為先驗(yàn)特征3,采用檢測(cè)方法2檢測(cè);將(ho>h，f Q〈f)圖像定以為低信息量線寬中 心、低信息量線寬邊緣圖像，定為先驗(yàn)特征4,采用檢測(cè)方法3檢測(cè)。
[0110] (3)線寬檢測(cè)部分。此部分提供了三種可供自動(dòng)切換的線寬及其毛邊檢測(cè)方法[1]
[3]，各檢測(cè)算法針對(duì)相對(duì)應(yīng)的先驗(yàn)特征都能達(dá)到很好的檢測(cè)效果。
[0111] 檢測(cè)方法1，主要針對(duì)線寬中心區(qū)域高信息量的特征圖像，此類特征會(huì)導(dǎo)致Hough 線檢測(cè)、灰度值梯度峰值檢測(cè)等檢測(cè)方法無(wú)法分離線寬中心區(qū)域和線寬邊緣及其毛邊區(qū) 域，從而導(dǎo)致誤檢。這里采用雙向逐點(diǎn)掃描遍歷得到代表線寬上邊線、下邊線、上毛邊、下毛 邊的四個(gè)點(diǎn)集？[1]、？[2]、？[3]、？[4];對(duì)邊緣點(diǎn)篩選優(yōu)化后擬合得到的邊緣直線1^1丄2丄3、 L4;取中心點(diǎn)互作垂線即可得到四條線的垂點(diǎn)(：1、02、03、04，根據(jù)四個(gè)垂點(diǎn)即可求得線寬距 離S1和毛邊距離S2。由于逐點(diǎn)掃描受線寬方向的影響，因此可通過(guò)對(duì)線寬輪廓圖求最小外 接矩形得到其傾斜角度，然后采用旋轉(zhuǎn)仿射變換(如公式1所示)將線寬輪廓旋轉(zhuǎn)至垂直狀 態(tài)，最終得到線寬及其毛邊距離S11和S12。 jc* eosa -sina x offset.%
[0112] Λ 式1 為 _s.ina c〇Su- 對(duì)、v-.
[0113] 公式1中x、y表示原像素點(diǎn)坐標(biāo)，x'、y'表示旋轉(zhuǎn)后的點(diǎn)，α為輪廓傾斜角度， offset .x、off set. y為輪廓中心的偏移坐標(biāo)。
[0114] 檢測(cè)方法2,主要針對(duì)常規(guī)線寬圖像中的高氧化、背景干擾大、導(dǎo)線環(huán)境惡劣的情 況，這種情況下的PCB、FPC板表面環(huán)境復(fù)雜，人眼手動(dòng)拉選測(cè)量都會(huì)受到影響。因此采取先 用標(biāo)準(zhǔn)Hough變換判斷線寬輪廓的方向，Canny邊緣檢測(cè)初定位邊緣輪廓，然后設(shè)置16像素 掩碼矩陣，將左八位像素點(diǎn)的灰度值記作xl~x8為樣本A，右八位像素點(diǎn)的灰度值記作yl~ y8為樣本B，依據(jù)雙總體t檢驗(yàn)的變化式(如公式2所示），在粗定邊緣輪廓的附近按與線寬輪 廓垂直的方向滑動(dòng)檢測(cè)(若滑動(dòng)步長(zhǎng)為亞像素級(jí)，則可完成亞像素邊緣定位），得到四個(gè)梯 度變化最大的峰值，對(duì)應(yīng)四條邊緣直線，從而求得相應(yīng)線寬及毛邊距離。
[0115] 公式2為
[0116] 公式2中表示樣本A和樣本B的平均值，表示總體標(biāo)準(zhǔn)差的估計(jì)量，為 樣本標(biāo)準(zhǔn)差，η為樣本元素個(gè)數(shù)，k為補(bǔ)償常數(shù)。
[0117] 檢測(cè)方法3,主要針對(duì)對(duì)比度較低、圖像信息量較少、導(dǎo)線顏色與背景顏色相近、打 光不當(dāng)導(dǎo)致的圖像偏暗、圖像較模糊質(zhì)量較差等缺少檢測(cè)信息的情況。這里采用基于統(tǒng)計(jì) 概率的此1^11(幼， 7()，11，71)直線變換，通過(guò)將直線從笛卡爾坐標(biāo)系中的（13，1〇斜率和截距映 射到極坐標(biāo)系中的(r，0)的極徑和極角形成峰值，從而把檢測(cè)直線的問題轉(zhuǎn)化為統(tǒng)計(jì)峰值 問題，對(duì)鄰近點(diǎn)和共線點(diǎn)進(jìn)行統(tǒng)計(jì)估算出直線段。其中的主要限制參數(shù)有三個(gè)，分別為直線 所需最少曲線交點(diǎn)、直線最少點(diǎn)數(shù)和點(diǎn)間最大間距，用來(lái)設(shè)定直線檢測(cè)的靈敏度。在檢測(cè)到 的直線容器中，可以利用直線的方向、長(zhǎng)度、離中心點(diǎn)的距離等限制條件來(lái)進(jìn)行剝離，最后 篩選得到我們所需要的線寬直線，從而計(jì)算出線寬距離。
[0118]在使用上述方法實(shí)際測(cè)量中，硬件圖像采集部分采用了分辨率為0.42~2.68μπι/ pixel，視野范圍為3.3mmX 2.5mm~0.53mmX 0.4mm，電子放大50倍，光學(xué)放大1.4倍~9倍連 續(xù)可調(diào)的高感光彩色CCD相機(jī)，光源為L(zhǎng)ED環(huán)形光(亮度連續(xù)可調(diào)），相機(jī)標(biāo)定是采用基于標(biāo) 準(zhǔn)片的參照物標(biāo)定法。采集到的圖像數(shù)據(jù)最終傳輸?shù)絇C上后用配置有0penCV(0pen Source Computer Vision Library)的Visual Studio 2010平臺(tái)進(jìn)行相關(guān)的圖像分析處理。
[0119] 首先對(duì)常規(guī)的PCB和FCB導(dǎo)線進(jìn)行線寬檢測(cè)，效果如圖7所示，其中圖7(a)為PCB上 常規(guī)導(dǎo)線，圖7(b)為FCB上常規(guī)導(dǎo)線，圖7(c)為高氧化線寬，圖7(d)為低質(zhì)量線寬。
[0120] 本測(cè)量方法能對(duì)于絕大多數(shù)的常規(guī)PCB、FCB線寬進(jìn)行測(cè)量，對(duì)于有線寬毛邊的可 以檢測(cè)出線寬及其毛邊的距離，對(duì)于沒線寬毛邊的（如圖7(c)所示）則只檢測(cè)線寬距離。除 此之外還能對(duì)其他類型的導(dǎo)線進(jìn)行檢測(cè)（如圖8所示），如對(duì)金（圖8(a))、銀（圖8(b))、陶（圖 8(c))、瓷（圖8(d))、膜(圖8(e)和（圖8(f)))等材質(zhì)導(dǎo)線的檢測(cè)。
[0121] 從圖8可以看出在對(duì)圖8(b)銀的檢測(cè)中，導(dǎo)線的左線寬沒有毛邊，但由于背景的干 擾仍然誤檢出了左毛邊;在對(duì)圖8(f)膜B的檢測(cè)中，由于線寬毛邊及小且對(duì)比度低，從而導(dǎo) 致只檢測(cè)到線寬距離沒有檢測(cè)到毛邊距離。除此之外，對(duì)其它類型導(dǎo)線的線寬及毛邊檢測(cè) 效果都很好，
[0122] 從而驗(yàn)證了此測(cè)量方法適用于各類導(dǎo)線的線寬測(cè)量。
[0123] 通過(guò)對(duì)五種不同材質(zhì)的線路板上導(dǎo)線（均含毛邊）的不同部位分別進(jìn)行20次檢測(cè) (標(biāo)定當(dāng)量C=1.627ym/pi Xel)，分別測(cè)取上下線寬距離和上下毛邊距離，對(duì)測(cè)得間距以重 復(fù)精度(修正標(biāo)準(zhǔn)差)來(lái)表示測(cè)量精度，得到的測(cè)量數(shù)據(jù)如表1所示：
[0125] 表1
[0126] 在標(biāo)定當(dāng)量C=1.627ym/piXel的環(huán)境下，根據(jù)測(cè)量得到線寬距和毛邊距可以看 出，測(cè)量精度在一個(gè)像素上下。此外，毛邊距的測(cè)量誤差要大于線寬距，導(dǎo)致這種結(jié)果的原 因主要有兩點(diǎn)：（1)線寬邊緣屬于強(qiáng)邊緣而毛邊邊緣屬于弱邊緣，線寬邊緣信息量更多；（2) 毛邊邊緣的不規(guī)則性更突出，直線擬合誤差較大。
[0127] 本實(shí)施例中，通過(guò)對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取測(cè)試圖像中的導(dǎo)線邊緣輪 廓對(duì)應(yīng)的特征值，然后將特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定導(dǎo)線 滿足的先驗(yàn)特征類別，再根據(jù)確定的先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算，基于先確立線寬 邊緣的先驗(yàn)特征類型，然后分析比較被測(cè)線寬的特征類型與之匹配，最后選擇具體的檢測(cè) 方法來(lái)檢測(cè)線寬及其毛邊距離，解決了目前的采用人眼量測(cè)來(lái)完成，誤差大、效率低的技術(shù) 問題，以及定性通斷測(cè)試，無(wú)法測(cè)得線寬尺寸的實(shí)際值的技術(shù)問題，且X射線對(duì)細(xì)導(dǎo)線成像 效果變差的技術(shù)問題，進(jìn)一步地本實(shí)施例適用于多種類型導(dǎo)線檢測(cè)的線寬測(cè)量方法，通過(guò) 先確立線寬邊緣的先驗(yàn)特征類型，然后分析比較被測(cè)線寬的特征類型與之匹配，最后選擇 具體的檢測(cè)方法來(lái)檢測(cè)線寬及其毛邊距離，該方法經(jīng)在ASIDA線寬測(cè)量?jī)x上實(shí)現(xiàn)，重復(fù)測(cè)量 精度達(dá)到了2μπι以內(nèi)，誤差控制在1個(gè)像素左右，且適用于各類導(dǎo)線的測(cè)量，不僅測(cè)量精度 高、測(cè)量穩(wěn)定，而且適用范圍廣、實(shí)用性強(qiáng)。目前已經(jīng)有幾十家PCB相關(guān)廠家在使用，使用者 對(duì)檢測(cè)效果反應(yīng)良好。但隨著線路材料和工藝的不斷革新，線路的特征類型也在不斷推陳 出新，未來(lái)采用基于模式識(shí)別和在線(離線)學(xué)習(xí)的方法進(jìn)行檢測(cè)將更為有效。
[0128] 請(qǐng)參閱圖3,本實(shí)施例中提供的一種多類型線寬測(cè)量裝置的一個(gè)實(shí)施例包括：
[0129] 預(yù)處理單元301，用于對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取測(cè)試圖像中的導(dǎo)線邊緣 輪廓對(duì)應(yīng)的特征值；
[0130] 比對(duì)單元302,用于將特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定 導(dǎo)線滿足的先驗(yàn)特征類別，先驗(yàn)特征類別包括最優(yōu)特征和不理想特征；
[0131] 計(jì)算單元303,用于根據(jù)確定的先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算。
[0132] 本實(shí)施例中，通過(guò)預(yù)處理單元301對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取測(cè)試圖像中 的導(dǎo)線邊緣輪廓對(duì)應(yīng)的特征值，然后比對(duì)單元302將特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)， 并根據(jù)比對(duì)結(jié)果確定導(dǎo)線滿足的先驗(yàn)特征類別，計(jì)算單元303再根據(jù)確定的先驗(yàn)特征類別 進(jìn)行對(duì)應(yīng)的線寬計(jì)算，基于先確立線寬邊緣的先驗(yàn)特征類型，然后分析比較被測(cè)線寬的特 征類型與之匹配，最后選擇具體的檢測(cè)方法來(lái)檢測(cè)線寬及其毛邊距離，解決了目前的采用 人眼量測(cè)來(lái)完成，誤差大、效率低的技術(shù)問題，以及定性通斷測(cè)試，無(wú)法測(cè)得線寬尺寸的實(shí) 際值的技術(shù)問題，且X射線對(duì)細(xì)導(dǎo)線成像效果變差的技術(shù)問題。
[0133] 上面是對(duì)多類型線寬測(cè)量裝置的各單元進(jìn)行詳細(xì)的描述，下面將對(duì)子單元進(jìn)行詳 細(xì)的描述，請(qǐng)參閱圖4,本實(shí)施例中提供的一種多類型線寬測(cè)量裝置的一個(gè)實(shí)施例包括：
[0134] 預(yù)處理單元401，用于對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取測(cè)試圖像中的導(dǎo)線邊緣 輪廓對(duì)應(yīng)的特征值；
[0135] 預(yù)處理單元401具體包括：
[0136] 待測(cè)區(qū)域確定子單元4011，用于采集導(dǎo)線的線寬及毛邊的測(cè)試圖像，并提取通過(guò) 鼠標(biāo)框選的待測(cè)區(qū)域；
[0137] 邊緣輪廓確定子單元4012,用于對(duì)待測(cè)區(qū)域依次進(jìn)行預(yù)處理、0TSU算法處理和 Canny邊緣檢測(cè)算法處理，確定導(dǎo)線的線寬及毛邊的邊緣輪廓；
[0138] 特征值確定子單元4013，用于根據(jù)邊緣輪廓確定對(duì)應(yīng)的特征值。
[0139]特征值確定子單元4013具體包括：
[0140]第一比值確定模塊4013a，用于對(duì)確定的邊緣輪廓通過(guò)采用Hough直線檢測(cè)算法， 確定直線密集區(qū)域直線數(shù)與總檢測(cè)直線數(shù)的第一比值；
[0141 ]第二比值確定模塊4013b，用于對(duì)確定的邊緣輪廓通過(guò)采用FindContour邊緣連續(xù) 輪廓檢測(cè)算法，確定表示所示導(dǎo)線的線寬及毛邊區(qū)域的邊緣權(quán)重的第二比值；
[0142] 其中，特征值為二維特征值(第一比值，第二比值）。
[0143] 比對(duì)單元402,用于將特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定 導(dǎo)線滿足的先驗(yàn)特征類別，先驗(yàn)特征類別包括最優(yōu)特征和不理想特征；
[0144] 比對(duì)單元402具體包括：
[0145] 比對(duì)子單元4021，用于將第一比值和第二比值與預(yù)置的先驗(yàn)特征值的第一閾值和 第二閾值進(jìn)行比對(duì)，若第一比值大于第一閾值，則觸發(fā)第一判斷子單元4022,若第一比值不 大于第一閾值，則觸發(fā)第二判斷子單元4023;
[0146] 第一判斷子單元4022,用于判斷第二比值是否大于第二閾值，若第二比值大于第 二閾值，則確定特征值屬于第一先驗(yàn)特征值，若第二比值不大于第二閾值，則確定特征值屬 于第二先驗(yàn)特征值；
[0147] 第二判斷子單元4023,用于判斷第二比值是否大于第二閾值，若第二比值大于第 二閾值，則確定特征值屬于第三先驗(yàn)特征值，若第二比值不大于第二閾值，則確定特征值屬 于第四先驗(yàn)特征值；
[0148] 第一閾值表示中心區(qū)域信息量大小的門閥閾值，第二閾值表示線寬及毛邊邊緣輪 廓線的門閥閾值。
[0149] 計(jì)算單元403,用于根據(jù)確定的先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算。
[0150]計(jì)算單元403具體包括：
[0151] 第一計(jì)算子單元4031，用于根據(jù)確定的第一先驗(yàn)特征值，進(jìn)行對(duì)應(yīng)的導(dǎo)線的線寬 及毛邊的雙向逐點(diǎn)掃描，以確定導(dǎo)線的線寬距離及毛邊距離；
[0152] 或
[0153]第二計(jì)算子單元4032,用于根據(jù)確定的第二先驗(yàn)特征值或第三先驗(yàn)特征值，對(duì)對(duì) 應(yīng)的導(dǎo)線的線寬及毛邊的采用預(yù)置梯度峰值分析法，進(jìn)行導(dǎo)線的線寬距離及毛邊距離的計(jì) 算；
[0154] 或
[0155] 第三計(jì)算子單元4033,用于根據(jù)確定的第四先驗(yàn)特征值，對(duì)對(duì)應(yīng)的導(dǎo)線的線寬及 毛邊的采用基于概率統(tǒng)計(jì)的Hough變換，進(jìn)行導(dǎo)線的線寬距離及毛邊距離的計(jì)算。
[0156] 本實(shí)施例中，通過(guò)預(yù)處理單元401對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取測(cè)試圖像中 的導(dǎo)線邊緣輪廓對(duì)應(yīng)的特征值，然后比對(duì)單元402將特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)， 并根據(jù)比對(duì)結(jié)果確定導(dǎo)線滿足的先驗(yàn)特征類別，計(jì)算單元403再根據(jù)確定的先驗(yàn)特征類別 進(jìn)行對(duì)應(yīng)的線寬計(jì)算，基于先確立線寬邊緣的先驗(yàn)特征類型，然后分析比較被測(cè)線寬的特 征類型與之匹配，最后選擇具體的檢測(cè)方法來(lái)檢測(cè)線寬及其毛邊距離，解決了目前的采用 人眼量測(cè)來(lái)完成，誤差大、效率低的技術(shù)問題，以及定性通斷測(cè)試，無(wú)法測(cè)得線寬尺寸的實(shí) 際值的技術(shù)問題，且X射線對(duì)細(xì)導(dǎo)線成像效果變差的技術(shù)問題，進(jìn)一步地本實(shí)施例適用于多 種類型導(dǎo)線檢測(cè)的線寬測(cè)量方法，通過(guò)先確立線寬邊緣的先驗(yàn)特征類型，然后分析比較被 測(cè)線寬的特征類型與之匹配，最后選擇具體的檢測(cè)方法來(lái)檢測(cè)線寬及其毛邊距離，該方法 經(jīng)在ASIDA線寬測(cè)量?jī)x上實(shí)現(xiàn)，重復(fù)測(cè)量精度達(dá)到了2μπι以內(nèi)，誤差控制在1個(gè)像素左右，且 適用于各類導(dǎo)線的測(cè)量，不僅測(cè)量精度高、測(cè)量穩(wěn)定，而且適用范圍廣、實(shí)用性強(qiáng)。目前已經(jīng) 有幾十家PCB相關(guān)廠家在使用，使用者對(duì)檢測(cè)效果反應(yīng)良好。但隨著線路材料和工藝的不斷 革新，線路的特征類型也在不斷推陳出新，未來(lái)采用基于模式識(shí)別和在線（離線）學(xué)習(xí)的方 法進(jìn)行檢測(cè)將更為有效。
[0157] 所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)， 裝置和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。
[0158] 在本申請(qǐng)所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)，裝置和方法，可以 通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的 劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件 可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或 討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口，裝置或單元的間接耦 合或通信連接，可以是電性，機(jī)械或其它的形式。
[0159] 所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開的，作為單元顯 示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè) 網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目 的。
[0160] 另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以 是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單 元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能單元的形式實(shí)現(xiàn)。
[0161]所述集成的單元如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用 時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上 或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可以以軟件產(chǎn)品的形式 體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī) 設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全 部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤、移動(dòng)硬盤、只讀存儲(chǔ)器（ROM，Read-Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲(chǔ)程 序代碼的介質(zhì)。
[0162]以上所述，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制;盡管參照前 述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:其依然可以對(duì)前 述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換;而這些 修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。
【主權(quán)項(xiàng)】
1. 一種多類型線寬測(cè)量方法，其特征在于，包括： 對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取所述測(cè)試圖像中的導(dǎo)線邊緣輪廓對(duì)應(yīng)的特征值； 將所述特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定所述導(dǎo)線滿足的先 驗(yàn)特征類別，所述先驗(yàn)特征類別包括最優(yōu)特征和不理想特征； 根據(jù)確定的所述先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算。2. 根據(jù)權(quán)利要求1所述的多類型線寬測(cè)量方法，其特征在于，對(duì)采集的測(cè)試圖像進(jìn)行預(yù) 處理，獲取所述測(cè)試圖像中的導(dǎo)線邊緣輪廓對(duì)應(yīng)的特征值具體包括： 采集所述導(dǎo)線的線寬及毛邊的所述測(cè)試圖像，并提取通過(guò)鼠標(biāo)框選的待測(cè)區(qū)域； 對(duì)所述待測(cè)區(qū)域依次進(jìn)行預(yù)處理、OTSU算法處理和Canny邊緣檢測(cè)算法處理，確定所述 導(dǎo)線的線寬及毛邊的邊緣輪廓； 根據(jù)所述邊緣輪廓確定對(duì)應(yīng)的所述特征值。3. 根據(jù)權(quán)利要求2所述的多類型線寬測(cè)量方法，其特征在于，根據(jù)所述邊緣輪廓確定對(duì) 應(yīng)的所述特征值具體包括： 對(duì)確定的所述邊緣輪廓通過(guò)采用Hough直線檢測(cè)算法，確定直線密集區(qū)域直線數(shù)與總 檢測(cè)直線數(shù)的第一比值； 以及，對(duì)確定的所述邊緣輪廓通過(guò)采用FindContour邊緣連續(xù)輪廓檢測(cè)算法，確定表示 所示導(dǎo)線的線寬及毛邊區(qū)域的邊緣權(quán)重的第二比值； 其中，所述特征值為二維特征值(第一比值，第二比值）。4. 根據(jù)權(quán)利要求3所述的多類型線寬測(cè)量方法，其特征在于，將所述特征值與預(yù)置的先 驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定所述導(dǎo)線滿足的先驗(yàn)特征類別具體包括： 將所述第一比值和所述第二比值與預(yù)置的先驗(yàn)特征值的第一閾值和第二閾值進(jìn)行比 對(duì)，若所述第一比值大于所述第一閾值，則判斷所述第二比值是否大于所述第二閾值，若所 述第二比值大于所述第二閾值，則確定所述特征值屬于第一先驗(yàn)特征值，若所述第二比值 不大于所述第二閾值，則確定所述特征值屬于第二先驗(yàn)特征值； 若所述第一比值不大于所述第一閾值，則判斷所述第二比值是否大于所述第二閾值， 若所述第二比值大于所述第二閾值，則確定所述特征值屬于第三先驗(yàn)特征值，若所述第二 比值不大于所述第二閾值，則確定所述特征值屬于第四先驗(yàn)特征值； 所述第一閾值表示中心區(qū)域信息量大小的門閥閾值，所述第二閾值表示線寬及毛邊邊 緣輪廓線的門閥閾值。5. 根據(jù)權(quán)利要求4所述的多類型線寬測(cè)量方法，其特征在于，根據(jù)確定的所述先驗(yàn)特征 類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算具體包括： 根據(jù)確定的所述第一先驗(yàn)特征值，進(jìn)行對(duì)應(yīng)的所述導(dǎo)線的線寬及毛邊的雙向逐點(diǎn)掃 描，以確定所述導(dǎo)線的線寬距離及毛邊距離； 或 根據(jù)確定的所述第二先驗(yàn)特征值或第三先驗(yàn)特征值，對(duì)對(duì)應(yīng)的所述導(dǎo)線的線寬及毛邊 的采用預(yù)置梯度峰值分析法，進(jìn)行所述導(dǎo)線的線寬距離及毛邊距離的計(jì)算； 或 根據(jù)確定的所述第四先驗(yàn)特征值，對(duì)對(duì)應(yīng)的所述導(dǎo)線的線寬及毛邊的采用基于概率統(tǒng) 計(jì)的Hough變換，進(jìn)行所述導(dǎo)線的線寬距離及毛邊距離的計(jì)算。6. -種多類型線寬測(cè)量裝置，其特征在于，包括： 預(yù)處理單元，用于對(duì)采集的測(cè)試圖像進(jìn)行預(yù)處理，獲取所述測(cè)試圖像中的導(dǎo)線邊緣輪 廓對(duì)應(yīng)的特征值； 比對(duì)單元，用于將所述特征值與預(yù)置的先驗(yàn)特征值進(jìn)行比對(duì)，并根據(jù)比對(duì)結(jié)果確定所 述導(dǎo)線滿足的先驗(yàn)特征類別，所述先驗(yàn)特征類別包括最優(yōu)特征和不理想特征； 計(jì)算單元，用于根據(jù)確定的所述先驗(yàn)特征類別進(jìn)行對(duì)應(yīng)的線寬計(jì)算。7. 根據(jù)權(quán)利要求6所述的多類型線寬測(cè)量裝置，其特征在于，預(yù)處理單元具體包括： 待測(cè)區(qū)域確定子單元，用于采集所述導(dǎo)線的線寬及毛邊的所述測(cè)試圖像，并提取通過(guò) 鼠標(biāo)框選的待測(cè)區(qū)域； 邊緣輪廓確定子單元，用于對(duì)所述待測(cè)區(qū)域依次進(jìn)行預(yù)處理、OTSU算法處理和Canny邊 緣檢測(cè)算法處理，確定所述導(dǎo)線的線寬及毛邊的邊緣輪廓； 特征值確定子單元，用于根據(jù)所述邊緣輪廓確定對(duì)應(yīng)的所述特征值。8. 根據(jù)權(quán)利要求7所述的多類型線寬測(cè)量裝置，其特征在于，特征值確定子單元具體包 括： 第一比值確定模塊，用于對(duì)確定的所述邊緣輪廓通過(guò)采用Hough直線檢測(cè)算法，確定直 線密集區(qū)域直線數(shù)與總檢測(cè)直線數(shù)的第一比值； 第二比值確定模塊，用于對(duì)確定的所述邊緣輪廓通過(guò)采用FindContour邊緣連續(xù)輪廓 檢測(cè)算法，確定表示所示導(dǎo)線的線寬及毛邊區(qū)域的邊緣權(quán)重的第二比值； 其中，所述特征值為二維特征值(第一比值，第二比值）。9. 根據(jù)權(quán)利要求8所述的多類型線寬測(cè)量裝置，其特征在于，比對(duì)單元具體包括： 比對(duì)子單元，用于將所述第一比值和所述第二比值與預(yù)置的先驗(yàn)特征值的第一閾值和 第二閾值進(jìn)行比對(duì)，若所述第一比值大于所述第一閾值，則觸發(fā)第一判斷子單元，若所述第 一比值不大于所述第一閾值，則觸發(fā)第二判斷子單元； 所述第一判斷子單元，用于判斷所述第二比值是否大于所述第二閾值，若所述第二比 值大于所述第二閾值，則確定所述特征值屬于第一先驗(yàn)特征值，若所述第二比值不大于所 述第二閾值，則確定所述特征值屬于第二先驗(yàn)特征值； 所述第二判斷子單元，用于判斷所述第二比值是否大于所述第二閾值，若所述第二比 值大于所述第二閾值，則確定所述特征值屬于第三先驗(yàn)特征值，若所述第二比值不大于所 述第二閾值，則確定所述特征值屬于第四先驗(yàn)特征值； 所述第一閾值表示中心區(qū)域信息量大小的門閥閾值，所述第二閾值表示線寬及毛邊邊 緣輪廓線的門閥閾值。10. 根據(jù)權(quán)利要求9所述的多類型線寬測(cè)量裝置，其特征在于，計(jì)算單元具體包括： 第一計(jì)算子單元，用于根據(jù)確定的所述第一先驗(yàn)特征值，進(jìn)行對(duì)應(yīng)的所述導(dǎo)線的線寬 及毛邊的雙向逐點(diǎn)掃描，以確定所述導(dǎo)線的線寬距離及毛邊距離； 或 第二計(jì)算子單元，用于根據(jù)確定的所述第二先驗(yàn)特征值或第三先驗(yàn)特征值，對(duì)對(duì)應(yīng)的 所述導(dǎo)線的線寬及毛邊的采用預(yù)置梯度峰值分析法，進(jìn)行所述導(dǎo)線的線寬距離及毛邊距離 的計(jì)算； 或
【文檔編號(hào)】G01B11/02GK106017328SQ201510963215
【公開日】2016年10月12日
【申請(qǐng)日】2015年12月17日
【發(fā)明人】鄭臣, 敖薈蘭, 張宇, 龍慶文, 陳伯平, 肖林鋒, 周江秀, 侯志松, 鄧世文, 徐地華
【申請(qǐng)人】廣東正業(yè)科技股份有限公司