馮莉　龔子華

摘 要： 為了解決當前缺陷檢查算法在保護罩反光環(huán)境下易導致采集芯片連接器圖像光照不均，使其缺陷檢測精度較低，無法精確定位出淺插與破損的不足，設計了基于序貫相似性檢測匹配與光源自動調節(jié)的芯片連接器表面缺陷檢測識別算法。首先，基于序貫相似性檢測匹配，定位出連接器位置，提取出連接器不良常發(fā)區(qū)域；然后設計了光源自動調節(jié)機制，視覺軟件通過光源數字控制器SDK與網線觸發(fā)光源關閉或調暗，消除保護罩反光對圖像質量的影響；最后采用線檢測，統(tǒng)計缺陷區(qū)域二值圖特征，完成缺陷檢查。實驗數據顯示，與當前缺陷檢查技術相比，在面對保護罩反光嚴重環(huán)境下的芯片連接器缺陷檢查時，該算法具有更高的檢查精度。

關鍵詞： 缺陷檢測； 圖像處理； 光源自動調節(jié)； 序貫相似性檢測； 線檢測

中圖分類號： TN911.73?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2017）05?0058?05

Abstract： Since the current defect detection algorithm used in the protection cover reflective environment is easy to result in the nonuniform illumination of the acquired image of the chip connector， make its defect detection precision low， and is unable to locate the shallow insert and damage， an algorithm for chip connector′s surface defect detection based on the sequential similarity detecting marching and light source automatic adjustment was designed. On the basis of the sequential similarity detection matching， the position of the connector is located to extract the often occurring nonuniform illumination area of the connector. The light source automatic adjustment mechanism was designed. The visual software triggers the light source′s turnoff or dimming through the light source digital controller SDK and cable to eliminate the effect of light reflected by the protection cover on image quality. The line detection is used to count the features of the binary image of the defect area to detect the defect. The experimental data shows that， in comparison with the current defect detecting technology， the algorithm proposed in this paper has higher detecting precision while detecting the defect of the chip connector in the protection cover reflective environment.

Keywords： defect detection； image processing； light source automatic adjustment； sequential similarity detection； line detection

0 引 言

隨著“中國制造2025”概念的深化，將智能化、自動化技術應用于制造業(yè)，從而提高制造水平、生產效率，降低人力成本，成為非常迫切的需求[1?2]。芯片連接器是電子制造業(yè)的核心部件，產量高、工藝復雜，對后續(xù)表面缺陷檢查有很大的挑戰(zhàn)，而表面缺陷檢查直接關系到產品質量，因此將智能化技術應用在芯片連接器表面缺陷檢查是非常必要的[3]。以往國內很多廠家依靠人眼檢查，檢查結果容易受主觀影響，效率低、人力成本高，后來部分廠家推進自動化視覺檢查設備，在一定程度上提高了檢查精度、效率[4?5]。但是，當芯片連接器成像不良、背景復雜時，檢查性能大大降低，影響設備的使用，本文針對這種情況開發(fā)出一套芯片連接器表面缺陷檢查算法。

在產品表面缺陷檢查方面，國內研究人員開始將圖像處理與計算機視覺技術引入到缺陷檢查中，對其展開研究。如文獻[6]為了提高磁環(huán)端面缺陷檢測率，提出基于機器視覺的磁環(huán)端面缺陷檢測，通過輪廓定位優(yōu)化算法，求解圓環(huán)內外徑尺寸及圓心坐標，計算得到了掩模圖，并測量了特征尺寸，完成了缺陷識別，實驗結果顯示其算法具有較高的缺陷檢測率。但是，此技術依靠目標輪廓定位缺陷完成檢查，在缺陷圖像光照不均時，往往影響缺陷輪廓，導致缺陷檢查失誤。文獻[7]提出基于Gabor特征的曲面工件缺陷檢測方法，使用Gabor函數能夠提取出圖像在不同位置、頻率和方向上的特征，構建濾波器組，提取灰度均值和方差作為紋理特征向量，最后達到缺陷檢查的目的。然而，這種技術是依靠空域濾波，在缺陷背景復雜的情況下，往往不能區(qū)分缺陷與背景，導致缺陷檢查失敗。

為了提高缺陷檢查算法的適應性，使其在背景復雜、光照不均的環(huán)境下仍然能夠精確檢查出缺陷：淺插與破損，本文提出了基于圖像處理與光源自動調節(jié)的芯片連接器表面缺陷檢查算法。先設計基于序貫相似性的定位算子完成芯片定位；然后通過光源自動調節(jié)，消除光照不均，基于線檢測完成缺陷檢查；最后，測試了本文缺陷檢查算法的精度與穩(wěn)定性。

1 本文芯片缺陷檢查算法

本文算法流程見圖1。該算法首先將芯片連接器隨傳送帶運動到工業(yè)相機鏡下進行圖像采集，隨后基于序貫相似性完成芯片定位。然后視覺軟件觸發(fā)數字光源控制器，關閉光源，重新采集圖像，提取出芯片區(qū)域，即缺陷高發(fā)區(qū)域。最后設計了線檢測方法，統(tǒng)計黑白區(qū)域變更次數，進而判斷是否存在不良缺陷。

芯片連接器的整體圖像如圖2所示，芯片連接器在圖像中間，背景復雜。正常的芯片連接器如圖3所示，有明顯的光照不均。本文主要研究兩種缺陷：淺插與破損。淺插不良，即金屬絲露出如圖4所示。破損不良，即芯片破損，金屬絲露出，如圖5所示。兩種缺陷都是金屬絲違規(guī)露出，屬同質缺陷，故本文用同一種算法完成對兩種缺陷的檢查。

芯片連接器隨傳送帶到相機鏡下，圖像采集完成后，首先需要對芯片連接器進行定位，為后續(xù)缺陷檢查工作做好準備。芯片連接器背景復雜，對定位算法精度要求較高，且直接影響后續(xù)缺陷檢出率，故本文引入序貫相似性定位算法來定位。序貫相似性算法在待匹配圖像的每個位置上累計模板和待匹配圖像在位置上的灰度差，若累計值大于某一指定閾值，則說明該位置為非匹配位置，停止本次計算，進行下一個位置測試，直到找到最佳匹配位置為止[8]。序貫相似性算法能很快丟棄不匹配點，減少花在不匹配點的計算量，從而更精準地定位目標[9]：

式中：圖像尺寸是[n×m；]模板圖像尺寸是[k×l； f（u，v）]為圖像某點；[m（u，v）]是該點鄰域與模板間的相似度。如果在[（u，v）]處存在與模板一致的圖案時，則[m（u，v）]越小，反之，則[m（u，v）]值越大。特別是在模板與圖像完全不一致時，如果在模板內的各像素上與圖像的灰度差的絕對值依次加下去，其和就會急劇增大，因在做加法過程中，如果灰度差的部分和超過了某一閾值，就認為該位置上和模板一致的圖案不存在，從而轉移到下一個位置上進行[m（u，v）]的計算[10]。因此不僅提高定位精度，也提高了算法效率。

2 耦合光源自動調節(jié)與線檢測的缺陷檢查

完成芯片連接器定位后，需要對連接器區(qū)域進行缺陷檢查。由于芯片連接器外有塑料保護罩覆蓋，在光源照射下，不可避免的會有反射，造成光照不均（如圖4所示），影響缺陷檢查結果。而在前期目標定位時需要光源照射，無法完全取消光源，因此，本文采用視覺軟件對光源控制器自動控制的方法，即在拍照完成圖像定位采集后，缺陷檢查前，軟件觸發(fā)數字光源控制器，關閉光源。光源由光源控制器控制，配有控制器SDK，本文開發(fā)出集成控制器SDK的視覺軟件，自動調節(jié)光源機制如圖7（a）所示，軟件觸發(fā)光源關閉，消除反光造成的光照不均，軟件修改增大相機曝光值，補償無光源環(huán)境，然后進行缺陷檢查前的圖像采集，如圖7（b）所示。

然后由上到下統(tǒng)計每次白色像素連續(xù)出現的個數，即計算金屬絲的厚度，得到符合金屬絲厚度的目標達到兩個時，即判為淺插不良，并將缺陷處標出，如圖9所示，本文缺陷算法檢查出缺陷位置，應用于破損缺陷檢查同理。完成缺陷檢查后，軟件觸發(fā)光源恢復開啟，相機曝光值復原，為下一連接器的定位處理做準備。

3 實驗與討論

為了體現本文算法的優(yōu)勢，將當前缺陷檢查性能較好的技術——文獻[6]設為對照組。以圖10為檢測對象，其包含帶有缺損不良的芯片連接器圖像。

而利用對照組技術處理圖10時，由于單純采用輪廓波處理，在圖像背景復雜的情況下，往往對目標定位不準，且由于保護罩反光，目標提取后往往有明顯的光照不均，二值化后，缺陷往往被噪聲淹沒。同樣采用線檢測，但由于文獻[1]技術的定位不準或光照不均，導致缺陷漏檢。

4 結 論

為了解決缺陷背景復雜且光照不均環(huán)境下的缺陷漏檢問題，本文設計了基于圖像處理與光源自動調節(jié)的缺陷檢查算法，實現對芯片連接器采集圖像的定位、光照不均消除、缺陷檢查。實驗結果表明，與當前缺陷檢查技術相比，在面對反光嚴重、背景復雜環(huán)境下導致的缺陷漏檢時，本文方法具有更好的精度和穩(wěn)定性，為不良檢出提供了技術保障。

參考文獻

[1] 李新科，高潮，郭永彩，等.利用改進的SIFT算法檢測橋梁拉索表面缺陷[J].武漢大學學報，2015，40（1）：71?76.

[2] 遲大釗，剛鐵.基于超聲雜波抑制的缺陷檢測[J].焊接學報，2015（10）：17?20.

[3] TSAI D M， CHEN M C， LI W C. A fast regularity measure for surface defect detection [J]. Machine vision and applications， 2012， 23（5）： 869?886.

[4] TAJERIPOUR F， FEKRI?ERSHAD S. Developing a novel approach for stone porosity computing using modified local binary patterns and single scale Retinex [J]. Arabian journal for science and engineering， 2014， 39（2）： 875?889.

[5] SCHOLZ?REITER B， WEIMER D， THAMER H. Automated surface inspection of cold?formed micro?parts [J]. CIRP annals?manufacturing technology， 2012， 61（1）： 531?534.

[6] 王玉槐，賈虹，陳永清，等.基于機器視覺的磁環(huán)端面缺陷檢測[J].工程圖學學報，2010，31（5）：63?68.

[7] 唐瑋，余桂英，鄭春煌，等.基于Gabor特征的曲面工件缺陷檢測方法的研究[J].中國計量學院學報，2015，26（1）：46?49.

[8] MA G H， WANG C， LIU P. Sequential similarity detection algorithm based on image edge feature [J]. Journal of Shanghai Jiaotong University （Science）， 2014， 19（1）： 79?83.

[9] YU Xiaqiong， CHEN Xiangning， JIANG Mingyong. Motion detection in moving background using a novel algorithm based on image features guiding self?adaptive sequential similarity detection algorithm [J]. Optik?international journal for light and electron optics， 2012， 123（22）： 2031?2037.

[10] 溫麗華.基于序貫相似性檢測思想的字符識別技術研究[D].大連：大連理工大學，2014：16?37.