孫曉婷，陳江紅

(福建工程學(xué)院)

0 引言

傳統(tǒng)印刷電路板的檢測(cè)方法是依靠人工檢查，檢測(cè)速度慢、效率低.隨著機(jī)器視覺(jué)技術(shù)的發(fā)展，為了獲得高質(zhì)量的PCB板同時(shí)提高產(chǎn)品穩(wěn)定性，提供了客觀條件.近年來(lái)，運(yùn)用機(jī)器視覺(jué)檢測(cè)印刷電路板的研究有很多，文獻(xiàn)［1］提出了基于成對(duì)幾何直方圖的PCB標(biāo)志檢測(cè)與匹配的方法對(duì)印刷電路板器件進(jìn)行檢測(cè);文獻(xiàn)［2］提出了一種基于混沌優(yōu)化算法的PCB板元件檢測(cè)方法;文獻(xiàn)［3］提出了利用定位孔檢測(cè)實(shí)現(xiàn)標(biāo)準(zhǔn)線路板圖像與待檢測(cè)圖像的配準(zhǔn)，然后根據(jù)缺陷的特征實(shí)現(xiàn)缺陷類型的識(shí)別.該文根據(jù)線路缺陷的特征，提出了一種利用缺陷圖像和參考模板相減后，連通域個(gè)數(shù)不同來(lái)判斷缺陷的算法，為機(jī)器視覺(jué)技術(shù)在印刷電路板檢測(cè)中提供了一種新的思路.

1 系統(tǒng)構(gòu)成

PCB檢測(cè)系統(tǒng)包括圖像采集、光源、運(yùn)動(dòng)控制、圖像識(shí)別4部分.系統(tǒng)結(jié)構(gòu)圖如圖1所示.圖像采集部分由攝像機(jī)、圖像采集卡組成，主要是完成圖像的采集;光源部分的作用是提供合適的照明條件從而獲得較高質(zhì)量的檢測(cè)圖像;運(yùn)動(dòng)控制部分的功能主要是完成PCB板的定位以便攝像機(jī)能對(duì)目標(biāo)準(zhǔn)確成像;圖像識(shí)別部分主要完成對(duì)檢測(cè)圖像的處理識(shí)別［4］.

圖1 系統(tǒng)構(gòu)成

2 圖像識(shí)別

圖像識(shí)別是PCB檢測(cè)系統(tǒng)中的重要組成環(huán)節(jié)，它包括對(duì)標(biāo)準(zhǔn)圖像和采集圖像進(jìn)行預(yù)處理、閾值分割、形態(tài)學(xué)處理，最后將得到的圖像相減再執(zhí)行具體的缺陷識(shí)別算法，具體工作流程如圖2所示.本研究以NI公司推出的圖形化虛擬儀器開(kāi)發(fā)平臺(tái)LabVIEW為開(kāi)發(fā)工具，它具有開(kāi)發(fā)周期短，函數(shù)庫(kù)功能強(qiáng)大，成本低的優(yōu)點(diǎn).

圖2 圖像識(shí)別工作流程

2.1 圖像的預(yù)處理

在圖像采集的過(guò)程中不可避免地伴有干擾，這些噪聲嚴(yán)重的影響了圖像的質(zhì)量，為了更好的對(duì)圖像進(jìn)行分析和識(shí)別，應(yīng)該要對(duì)圖像進(jìn)行預(yù)處理.首先采用中值濾波的方法進(jìn)行圖像平滑，接著選取灰度變換方法對(duì)圖像增強(qiáng)，最后選取拉普拉斯算子進(jìn)行圖像銳化.經(jīng)過(guò)預(yù)處理的圖像如圖3所示.

圖3 預(yù)處理結(jié)果

2.2 閾值分割

圖像閾值分割的目的是把線路從PCB板中分離出來(lái).最大類間方差法在目標(biāo)物體和背景灰度值的差值較大時(shí)，可以得到比較好的識(shí)別效果.對(duì)于PCB圖像來(lái)說(shuō)，識(shí)別目標(biāo)導(dǎo)線是黃色，背景阻焊層是綠色，兩者灰度有較大不同，因此研究選用最大類間方差法作為閾值分割的方法［5-7］.

假設(shè)圖像的灰度值從0～m-1，共m級(jí)，灰度值為i的像素為ni，像素的總數(shù)為N，則:

各級(jí)像素灰度值的概率為pi:

設(shè)T為像素的某一灰度值，以T為分界點(diǎn)，將整個(gè)圖像的灰度級(jí)別分成小于T和大于T的兩組，分別用C1和C2表示，

那么，C1和C2中像素灰度級(jí)別的概率如下:C1產(chǎn)生的概率

C2產(chǎn)生的概率

C1的平均值

兩組間的方差為:

從0～m-1之間改變T，求式(9)為最大值時(shí)的T，即為閾值.

圖像的灰度值分為從0～255，把每一級(jí)灰度值都作為一次分界點(diǎn)，把像素點(diǎn)分成兩部分，根據(jù)式(9)計(jì)算兩部分像素灰度值的方差，當(dāng)方差為最大時(shí)，這個(gè)灰度值即為分割的閾值T，經(jīng)過(guò)遍歷整個(gè)圖像的灰度級(jí)求出類間方差最大的閾值T為64.經(jīng)閾值分割處理后的圖像如圖4所示.

圖4 OTSU分割結(jié)果

2.3 形態(tài)學(xué)處理

圖3顯示經(jīng)過(guò)分割后，保留了較好的細(xì)節(jié)，但是線路的邊緣不夠平滑，有毛刺，這會(huì)對(duì)后續(xù)的缺陷識(shí)別產(chǎn)生障礙.因此，該研究采用形態(tài)學(xué)濾波的方法對(duì)線路邊緣進(jìn)行平滑.

數(shù)學(xué)形態(tài)處理的運(yùn)算有腐蝕、膨脹開(kāi)運(yùn)算和閉運(yùn)算.

設(shè)f(x)和g(x)為定義在二維離散空間F和G上的兩個(gè)離散函數(shù)，其中f(x)為輸入圖像，g(x)為結(jié)構(gòu)元素，則g(x)對(duì)f(x)的腐蝕和膨脹分別定義為:

則g(x)對(duì)f(x)的開(kāi)運(yùn)算和閉運(yùn)算定義為:

圖5 3×3結(jié)構(gòu)元素

結(jié)構(gòu)元素各向同性的開(kāi)運(yùn)算可以使輪廓平滑，抑制物體邊界的小離散點(diǎn)或尖峰，并且在平滑較大物體的邊界的同時(shí)并不明顯改變其面積.該文采用如圖5所示3×3結(jié)構(gòu)元素進(jìn)行開(kāi)運(yùn)算.用開(kāi)運(yùn)算處理后的圖像如圖6所示.經(jīng)過(guò)開(kāi)運(yùn)算圖像的輪廓變得光滑，細(xì)的突出物被消除.

圖6 開(kāi)運(yùn)算

2.4 缺陷分析和識(shí)別

斷路、短路、缺損和毛刺是印刷電路板的4種主要缺陷.圖7是筆者將采集到的缺陷圖像和沒(méi)有缺陷的標(biāo)準(zhǔn)圖像，經(jīng)過(guò)圖像預(yù)處理、閾值分割、形態(tài)學(xué)濾波后得到的結(jié)果.通過(guò)比較發(fā)現(xiàn)，線路發(fā)生短路和斷路的時(shí)候，圖像的連通區(qū)域數(shù)量會(huì)發(fā)生變化，短路的時(shí)候連通區(qū)域變少;斷路的時(shí)候連通區(qū)域變多，而發(fā)生缺損和毛刺的時(shí)候連通區(qū)域數(shù)量是不發(fā)生變化的.因此，可以利用這一特征對(duì)缺陷的進(jìn)行識(shí)別.

首先，把參考模板圖像和缺陷圖像做減運(yùn)算，參考模板圖像是被減數(shù)，缺陷圖像是減數(shù)，可以得到斷路和缺損的缺陷點(diǎn)圖像，如圖8(a)所示.同時(shí)，為了濾除噪聲，設(shè)置一個(gè)閾值面積，濾除噪聲后，可以判斷是否存在缺陷，再根據(jù)前面的分析進(jìn)一步判斷連通區(qū)域數(shù)量變多的是斷路，不變的是缺損.

圖7 檢測(cè)圖像

接著，缺陷圖像作被減數(shù)，參考模板圖像作減數(shù)，可以得到短路和毛刺的缺陷點(diǎn)圖像，如圖8(b)所示.同樣的方法濾除掉噪聲后，根據(jù)前面的分析可以判斷連通區(qū)域數(shù)量變少的是短路，不變的的是缺損.

圖8 缺陷點(diǎn)圖像

把缺陷圖像和參考模板圖像作完減法后得到的缺陷點(diǎn)圖像再進(jìn)行具體缺陷分析，軟件運(yùn)行的結(jié)果如圖9所示.缺陷分析的結(jié)果見(jiàn)表1.流程圖如圖10所示.

表1 缺陷分析結(jié)果

圖9 缺陷檢測(cè)分析結(jié)果

從以上實(shí)驗(yàn)結(jié)果分析，該文的方法可以正確的分析出缺陷的位置及缺陷的類型，從而驗(yàn)證了算法的有效性.

3 結(jié)論

該文針對(duì)PCB圖像的特點(diǎn)，再結(jié)合線路缺陷的特征，構(gòu)建了一個(gè)能夠分析和識(shí)別PCB線路斷路、短路、缺損和毛刺4種缺陷的PCB板線路檢測(cè)系統(tǒng).運(yùn)用LabVIEW作為開(kāi)發(fā)工具，進(jìn)行模塊化編程.實(shí)驗(yàn)結(jié)果證明，該系統(tǒng)能較好地分析出缺陷的位置及缺陷的類型，算法操作簡(jiǎn)單，具有一定的實(shí)用價(jià)值.

圖10 缺隱分析流程圖

［1］ 蘇見(jiàn)欣，姚劍敏，郭太良，等.基于成對(duì)幾何直方圖的PCB標(biāo)志檢測(cè)與匹配［J］.計(jì)算機(jī)與現(xiàn)代化，2012，22(6):43-46.

［2］ 王耀南，劉良江，周博丈，等.一種基于混沌優(yōu)化算法的PCB板元件檢測(cè)方法［J］.儀器儀表學(xué)報(bào)，2010，31(2):410-415.

［3］ 熊邦書(shū)，熊振姣，莫燕，等.線路板缺陷的圖像檢測(cè)方法［J］.半導(dǎo)體光電，2012，33(4):303-306.

［4］ Pawel Wrobel，Mateusz Czyzycki，Leszek Furman，et al.Lab-VIEW control software for scanning micro-beam X-ray fluorescence spectrometer［J］.Talanta，2012，16(2):186-192.

［5］ 岡薩雷斯.數(shù)字圖像處理:2版［M］.北京:電子工業(yè)出版社，2007.

［6］ Gonzalez R C，Woods R E.數(shù)字圖像處理:3版［M］.阮秋琦譯.北京:電子工業(yè)出版社，2011.

［7］ 劉洋，方敏.基于LABVIEW的視覺(jué)伺服機(jī)械臂控制系統(tǒng)［J］.微型機(jī)與應(yīng)用，2012，31(10):25-27.