具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

“内”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。

电子设备上的废弃电路板回收后，通常由于长时间的负荷、疲劳或拆卸过程产生锈蚀、污渍等，因此需要进行预处理在进行检定，预处理的过程一般为：将电路板置于清洗剂中浸泡，有效去除表面杂质，经水冲洗后，进行干燥处理，采用低温干燥，防止破坏电路板性能，可以减少图像采集噪声，提高缺陷识别的效率。

如图1所示，一种回收电路板焊接缺陷快速检定方法包括：

S110、向回收电路板的正面照射反射光用的可见光，反面照射透射光用的非可见光，并获取回收电路板的正面的图像。

其中，可见光为白色光源，非可见光为近红外线光源。

单一可见光照射采集的回收电路板图像，难以识别出表面图像差异小和内部不可见的缺陷，利用非可见光进行透射，能够根据透过缺陷区域的非可见光量和正常区域的非可见光量的差异，使得缺陷区域与正常区域的差异显现在采集图像上，有利于快速识别出电路板表面和内部缺陷，且可操作性强。

S120、对图像进行解析，得到回收电路板的焊接缺陷区域。

S130、通过对焊接缺陷区域进行特征识别，得到回收电路板的缺陷特征参数。

其中，缺陷特征参数包括形态特征、颜色特征和纹理特征。

S140、根据回收电路板的类型，通过预设的算法库，选择分类算法，基于缺陷特征参数，得到分类结果，并根据分类结果进行分类处理。

其中，分类算法包括Canopy聚类算法、逻辑回归算法和Xmeans聚类算法。

通过在电路板正面照射可见光，反面照射非可见光，再进行图像采集，进而及洗出电路板的缺陷区域，进一步识别出电路板的缺陷特征参数，根据电路板类型选择分类算法，并基于缺陷特征参数进行分类，能够快速检测到回收电路板的表面和内部缺陷，分类速度快，精度高，能够有效提高回收效率和利用率。

进一步的，如图2所示步骤S120包括：

S121、采用3×3滤波模板进行双边滤波，消除图像中的噪声。

双边滤波也是一种非线性的滤波算法，不仅考虑空间临近度，和高斯滤波一样去除噪声，还考虑了像素值相似度，具有高斯滤波所没有的保边特性，本发明或获取的采集图像，采集的为可见光和透射光共同照射下的图像信息，非可见光透过量为重要的图像特征，且图像的像素值相近度较高，因而优选双边滤波去噪。

S122、采用最大类间方差法将图像进行阈值分割，并输出二值化图像。

通过最大类间方差法可以将特征图像和背景图像进行分割，提高特征识效率。

S122、将二值化图像与电路板标准二值化图像进行对比，采用差分法得到缺陷区域。

其中，标准二值化图像为完整电路板，经过双边滤波去噪、最大类间方差法阈值分割后输出的二值化图像。

如图3所示，为本发明的一个实施例中缺陷特征参数提取流程。

其中，形态特征包括：

S131、通过对焊接缺陷区域中互不连通的区域进行标号，可得到焊点个数；

S132、对焊点在水平面投影的横截面积内的像素进行统计计算，得到焊点面积A＝πmn，其中m表示焊点长半轴，n表示焊点短半轴；

S133、通过计算焊点脊线的像素数目得到焊点周长C＝2πn+4(m-n)。

纹理特征包括：

S134、设定像素位移参数(a,b)，a表示角度，a∈(0°,45°,90°,135°)，b表示距离；

S135、单个像素点及其偏移点生成灰度值对；

S136、遍历每个像素点生成灰度共生矩阵，并计算灰度共生矩阵的特征值。

我们通常可以用一些标量来表现灰度共生矩阵的特征，常用的有以下几个：

(1)能量，又称角二阶矩。公式为：

其中，G表示灰度共生矩阵，其大小为κ×κ，(x,y)表示像素坐标。从式中可以看到，能量是灰度共生矩阵元素值的平方和，其反映了图像灰度分布的均匀程度和纹理的粗细度。如果灰度共生矩阵的所有值均相等时，表示图像的灰度分布比较平均，纹理较细，则ASM值小；相反，如果其值大小不一，说明图像的灰度值在某个区域出现了剧烈变化，在图像上表现为粗纹理，则ASM值大。

(2)对比度。公式为：

对比度反映了图像的清晰度和纹理沟纹深浅的程度。如果纹理沟纹深，说明纹理从视觉上较为明显，其对比度就大；反之，对比度小，图像的灰度分布平均，沟纹浅，从视觉上较难分辨出纹理。

(3)逆差距，又称为同质性。公式为：

同质性用来度量图像纹理局部变化的多少。其值大说明图像纹理的不同区域间缺少变化，图像的灰度分布非常平均。反之，则说明图像纹理在不同区域出现了剧烈变化。

(4)熵。公式为：

熵是图像所具有的信息量的度量，纹理信息也属于图像的信息，当共生矩阵中所有元素有最大的随机性时，表示原始图像中出现较为明显的纹理，此时熵较大。反之，图像分布较均匀时，无明显纹理，此时熵较小。

进一步的，选择分类算法包括：

获取多个同一类型回收电路板的缺陷特征参数和人工分类结果，并保存到回收电路板数据库；

将缺陷特征参数进行归一化处理，并分别输入Canopy聚类算法、逻辑回归算法和Xmeans聚类算法，以得到第一分类结果、第二分类结果和第三分类结果；

将第一分类结果、第二分类结果和第三分类结果与人工分类结果进行匹配，筛选出匹配度最高的所述分类结果对应的分类算法。

进一步的，分类结果包括：

优秀型，其修复难度小，修复后能够二次利用；

良好型，其修复难度适中，根据回收电路板的类型，选择修复或直接废弃；

较差型，其修复难度大，直接废弃。

建立了算法库，能够根据回收电路板的类型，以算法分类结果与人工分类结果的匹配度作为评价指标，选取匹配度高的分类算法，有利于提高分类精度，将算法分类与人工分类相关联，用分类算法取代人工分类，将回收的电路板分为优秀型、良好型和较差型，进而分类处理，不仅提高了分类效率，还减少了人工成本，经济效益高。

实际应用时，对于较差型的电路板，可进行粉粹处理，提取电路板上可回收利用的重金属等材料，对于优秀型的电路板，可进行修复二次利用，对于良好型的电路板可根据电路板的类型、使用环境等选择性的粉碎回收或修复再利用。

如图4所示，一种回收电路板焊接缺陷快速检定系统，包括算法库110、回收电路板数据库120、可见光照明模块210、非可见光照明模块220、拍摄装置230、图像处理模块310、分类处理模块320和结果输出模块330。

算法库110用于保存分类算法，回收电路板数据库120用于保存回收电路板的类型、缺陷特征参数和人工分类结果，可见光照明模块210向回收电路板的正面照射反射光用的可见光，非可见光照明模块220向回收电路板的反面照射透射光用的非可见光，拍摄装置230拍摄回收电路板的正面的图像，图像处理模块310连接拍摄装置230，能够对图像进行解析，得到回收电路板的焊接缺陷区域，并提取缺陷特征参数，分类处理模块320连接算法库110和回收电路板数据库120，能够根据回收电路板的类型，通过预设的算法库110，选择分类算法，并基于缺陷特征参数，得到分类结果，结果输出模块330连接分类处理模块320，能够显示分类结果。

本发明提供了的回收电路板焊接缺陷快速检定系统，能够实现回收电路板缺陷快速识别和回收电路板分类，易于实现，操作简单，性能稳定，分类精度高。

以上内容仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不脱离本发明的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。