崔旭東,曹普信,王平江

(1.鞍山師范學院計算中心,遼寧鞍山 114007;2.華中科技大學國家數(shù)控工程中心,湖北武漢 430074)

1 引言

印刷線路板(printed circuit board,PCB)是組裝各種電子元件的基石,有“電子系統(tǒng)產(chǎn)品之母”美稱,而印刷線路板加工所需的微鉆,年需求量13億只,市場需求巨大[1-2].但微鉆在生產(chǎn)中面臨兩大難題,一是加工難,二是檢測難[3].加工難可通過高精度的多軸數(shù)控機床解決,且通過擴大機床數(shù)量解決產(chǎn)能問題.微鉆檢測難,難點在于:1)微鉆具有刃口細小,端刃、側刃分布在兩個垂直空間姿態(tài)中,必須變換檢測方向,方能實現(xiàn)兩個不同部位缺陷檢測任務;2)檢測范圍大、精度要求高,限于電荷耦合元件(charge coupled device,CCD)相機的分辨率,相機視野不能太大,必須通過掃描檢測的方式才能在確保檢測的完整性同時又能夠保證檢測的精度;3)微鉆側刃呈螺旋狀分布在外圓柱面上,由于視線遮擋,同一個位姿下拍攝難以獲得整個一圈的側刃圖像;且由于檢測精度要求高,必須是顯微成像,在鏡頭景深、視野的限制下,同一個視角下,也難以獲得整個畫面均清晰的側刃圖像.

對于檢測難點1)-2)的解決方案,可以采用多個相機從不同的方位角同時拍攝以獲得不同檢測部位的清晰圖像;對于檢測難點3),即使采用多個相機,比如3個相機,環(huán)繞圓柱面對稱布置,也由于相機鏡頭景深的限制,既需要微鉆沿自身軸線回轉120?,以獲得側刃整體的清晰的圖像;也需要微鉆沿自身軸線直線運動,以獲得整個外圓柱面上側刃的清晰圖像.

當然,如果不惜成本,采用高精度的專用數(shù)控裝備,可以實現(xiàn)微鉆端刃、側刃的全面檢測.但是按照多相機、多運動軸設計的檢測裝備,在檢測效率與成本上,國內市場是難以接受的.

Franci Lahajnar等人提出利用兩臺遠心相機觀察PCB的尺寸等相關參數(shù),反映微鉆刀具磨損或者損壞的情況,精確度高于±0.03 mm[4].臺灣國立科技大學的C K Huang等人提出了一種基于ROI計算微鉆各個刃面的參數(shù)[5].臺灣國立海洋大學的Wen-Tung Chang等人提出計算微鉆芯厚方法,精度能夠到達2.5μm[6].華南理工大學的張舞全等采用改進的小核值相似邊緣提取方法[7].但是多數(shù)學者是對微鉆幾何參數(shù)檢測方面進行研究[8-10],仍難以滿足生產(chǎn)中進行缺陷檢測的要求.

目前微鉆質檢方式,仍然是利用人工抓取微鉆,在顯微放大鏡下從各個方向觀察被測面,查找缺陷.顯然人工肉眼檢測,具有很強的主觀性和隨機性,且檢測效率低,造成只能采用抽檢的方式進行質量管控.這種檢測方式,已經(jīng)難以滿足日益增長的高質量生產(chǎn)的需求.

對于生產(chǎn)中的微鉆缺陷檢測系統(tǒng),重點在于實現(xiàn)崩刃、缺刃(部分或整條刀刃沒有磨削出來時的情形)、刃口開槽寬度、側刃上的容屑槽是否有及其寬度是否達到要求等科目的檢測(屬于平面視覺可以檢測的科目),因此能夠開展基于機器視覺的微鉆缺陷檢測技術研發(fā)的前提,是能夠獲得清晰的微鉆端刃、側刃的圖像.針對微鉆缺陷檢測中被檢測區(qū)域的清晰圖像獲取的難點,本文創(chuàng)造性地提出了一種基于內錐鏡面的外圓柱面掃描全景成像的微鉆缺陷視覺檢測系統(tǒng):用一個相機加上一個單軸的運動控制機構,在微鉆的一次裝夾下,既能實現(xiàn)微鉆端刃清晰圖像采集,又能實現(xiàn)微鉆整個側刃所在的整個外圓柱面上側刃機械結構清晰圖像采集.獲得了微鉆端刃、整個側刃的清晰的、高分辨率的圖像,微鉆的缺陷檢測采用成熟的圖像處理手段,已不是難題.

本文的重點在于分析如何在高分辨率條件下獲得微鉆端刃、整個側刃的高清晰圖像.與目前已知的微鉆檢測系統(tǒng)相比較,本文檢測方法具有成本更低、效率更高的優(yōu)勢.實驗結果表明本文方法的有效性和精準性,能夠滿足微鉆生產(chǎn)現(xiàn)場對缺陷的實時檢測要求.

2 微鉆視覺檢測系統(tǒng)

2.1 基于內錐面全反射鏡的微鉆成像

如圖1所示,本文設計的用于獲取微鉆端刃及側刃清晰圖像的內錐全反射鏡面掃描成像檢測系統(tǒng).該檢測系統(tǒng)包含內錐面全反射鏡、遠心鏡頭、CCD、微鉆定心夾持機構、微鉆側刃成像掃描的單軸伺服運動機構等.

圖1 直角內錐鏡面成像光路圖Fig.1 Light path diagram of mirror image of 90?inner cone

微鉆端刃的檢測時,只要讓微鉆端刃沿Z軸運動到O點處,觸發(fā)相機采樣,即可容易地直接成像獲得如圖2(a)所示的端刃的清晰圖像.繼續(xù)令微鉆沿Z軸向上運動,利用內錐面反射鏡成像原理,將外圓柱面上呈圓周空間分布的整圈側刃,變換為成傘形分布的平面虛像,利用具有較大景深的遠心鏡頭(景深約為0.16 mm,以便清晰拍攝到側刃容屑槽底部)及CCD拍攝該平面虛像,即可獲得如圖2(b)所示的微鉆在當前位置處所對應的、沿微鉆長度方向的一小段整圈側刃的清晰圖像.所獲得的環(huán)形清晰圖像的范圍等于遠心鏡頭的視野減去錐孔直徑,約為3 mm.也就是,微鉆沿Z軸每移動2.5 mm時,采集一幅微鉆側刃的環(huán)形圖像.那么,一只側刃長度為10 mm的微鉆,只需采集5-6幅側刃環(huán)形圖像,即可完成整個側刃清晰圖像的采集,接著就可以利用圖像處理的手段,進行缺陷的檢測了.

圖2 基于內錐鏡面采集的微鉆圖像Fig.2 Microdrill image acquired based on inner cone mirror

2.2 微鉆側刃圓周展開的清晰圖像獲取

如圖3所示,在某Z軸位置處微鉆側刃經(jīng)內錐面反射鏡、遠心鏡頭后獲得環(huán)狀側刃圖像.顯然,直接在環(huán)狀圖像上進行側刃缺陷的檢測,一則給圖像處理的算法帶來很大的難度,二則給缺陷檢測的尺寸精度帶來很大的問題,三則視野太小,一些尺寸稍大的缺陷將無法檢測出來.

圖3 獲取的側刃圖像及清晰度灰度圖像Fig.3 Side edge image and grayscale image of sharpness

為此,本文采用沿微鉆軸線等距拍攝不同部位的側刃的環(huán)狀圖像,對每一幀環(huán)狀圖像的清晰區(qū)域進行提取得到環(huán)形清晰圖像;再根據(jù)錐面反射鏡的成像原理,將環(huán)形清晰圖像,通過極坐標與直角坐標的變換關系,映射為如圖4所示的矩形圖像.再將這一系列矩形圖像根據(jù)攝像時相機與目標物相對運動的位置關系,進行矩形圖像的粗配準,然后再根據(jù)相鄰圖像的特征,進行精配準獲得亞像素級別的配準精度.再將已配準的相鄰各矩形圖像,按照順序進行圖像融合,獲得如圖5所示的融合后的微鉆側刃展開的全景式矩形圖像[11-13].

圖4 微鉆環(huán)形圖像展開圖Fig.4 Annular image expansion diagram

圖5 融合效果圖Fig.5 Fusion effect

3 微鉆缺陷的視覺檢測方法

3.1 微鉆缺陷視覺檢測步驟

如圖6所示,為微鉆端刃、側刃視覺檢測過程.當獲取端刃圖像后,立即對端刃進行檢測,若發(fā)現(xiàn)端刃有缺陷,則立即停止下一步的復雜的側刃檢測,以減小微鉆檢測時間,提高檢測效率.

若端刃檢測合格,在伺服運動機構的控制下,使微鉆沿Z軸方向勻速等間距運動,通過錐面反射鏡,拍攝微鉆側刃的系列環(huán)形圖像.當然,為提高檢測的效率,對于微鉆側刃每一位置處的矩形圖像,可以先采用圖像處理的方法進行某些類型的缺陷檢測,如果發(fā)現(xiàn)了缺陷,則停止進一步的檢測.

圖6 微鉆視覺檢測流程圖Fig.6 Visual detection flow chart of microdrill

3.2 微鉆端刃側刃缺陷檢測方法

考慮到微鉆端刃圖像與側刃圖像的差異性,缺陷檢測自然地也分為兩部分:端刃缺陷與側刃缺陷.

3.2.1 微鉆缺陷圖像檢測的一般算法

本文采用圖像匹配算法實現(xiàn)微鉆缺陷的檢測,具體包括以下幾個部分,如圖7所示.

圖7 圖像匹配算法結構圖Fig.7 Structure of image matching algorithm

圖像的特征提取是圖像匹配算法的最核心技術,對于本文研究的微鉆,首先要找到其邊緣信息,進而于邊緣的交會處發(fā)現(xiàn)圖像角點,接著根據(jù)角點的數(shù)目和連通域的面積大小以及區(qū)域的形狀這些要素,也就是特征的相似性進行比對,比對的結果就確定了微鉆的合格與否.

邊緣檢測、角點檢測、模板匹配和輪廓矩匹配等算法[14-15]是一般圖像處理中常用的算法,由于模板匹配和輪廓矩對多種缺陷檢測具有較好的適應性,因此本文采用這兩種算法的融合.

3.2.2 微鉆端刃缺陷檢測

由于選擇的遠心鏡頭放大倍率較高,攝影系統(tǒng)的景深較小,當被檢微鉆端刃產(chǎn)生崩刃的時候,崩刃處的齒面就不會落在景深區(qū)域,導致崩刃處的圖像是模糊的,如圖8所示.

圖8 崩齒微鉆端刃圖像Fig.8 Image of micro-drill end edge of tooth collapse

獲取端刃的圖像后,采用圖像處理的方法,進而判別端刃是否合格的具體流程如圖9所示.

圖9 微鉆端刃缺陷檢測流程圖Fig.9 Flowchart of detection of micro-drill end edge defect

在加工微鉆時,時常會使端刃刀面產(chǎn)生刀路痕跡,這些刀路痕跡在進行邊緣檢測時會生成無用的邊緣信息.為避免刀路痕跡帶來的影響,要對圖像采用高斯模糊處理,接著采用Canny邊緣檢測,與此同時用開運算剔除孤點特征.

由圖10可以發(fā)現(xiàn)處理后圖像的邊緣比較清晰,但是邊緣較寬,這是因為模糊的刃口邊緣造成的.為了提高角點檢測的效果,邊緣的信息還得進行細化處理.

圖10 Canny邊緣檢測Fig.10 Canny edge detection

細化后的邊緣圖像如圖11(a)所示,進行ShiTomasi角點檢測后的圖像如圖11(b)所示,再將圖11(b)中的角點信息與標準模板中的角點進行模板匹配.

圖11 破損微鉆端刃邊緣信息圖Fig.11 Edge information diagram of damaged micro-drill end

經(jīng)過反復的試驗,將該規(guī)格的微鉆端刃邊緣信息及角點信息的圖像存入模型庫中.最終形成如圖12所示的模板匹配所用的微鉆端刃檢測的標準模板.

圖12 標準端刃邊緣信息圖Fig.12 Standard edge information diagram

3.2.3 微鉆側刃缺陷檢測

鑒于微鉆具有的特殊結構,即側刃伴隨著用來排屑的螺旋線溝槽,且每條螺旋線上有多個切口用于斷屑.同一規(guī)格的微鉆其螺旋線的升角和長度相同,在側刃上的切口數(shù)也相同,側刃的主要缺陷通常產(chǎn)生在切口處.由此得出:1)側刃的檢測就是根據(jù)切口的個數(shù)來判斷微鉆是否合格;2)螺旋線溝槽的寬度、深度是否合格等.當切口數(shù)與樣本不一致時,或者當螺旋槽的寬度與樣本不一致時,該微鉆是不合格的;實際上,螺旋槽的寬度,也代表著螺旋容屑槽的深度,所以檢測其寬度,間接檢測其深度.由此,微鉆側刃的檢測流程如圖13所示.

圖13 微鉆側刃缺陷檢測流程圖Fig.13 Flow chart of detection of micro-drill side edge defect

通常側刃缺陷產(chǎn)生在其切線方向,為此需要對如圖5所示的微鉆側刃全景圖像采用橫向微分處理,經(jīng)過橫向微分之后再經(jīng)過圖像均衡化、孤立點濾波等處理,得到如圖14所示的側刃圖像.

圖14 微鉆側刃橫向微分圖像Fig.14 Lateral differential image of micro-drilling side edge

由圖14可知,橫向微分處理效果較好,體現(xiàn)在所希望的切口特征加強了,而縱向的特征基本上消除了.不太理想的是這時的切口特征由零散線段組成,難以形成封閉連通區(qū)域,也不太容易統(tǒng)計螺旋切口數(shù)目.因此為了形成具有封閉區(qū)域的連通域特征需要對該圖像進行膨脹處理,處理之后的圖像如圖15 所示.

圖15 微分后膨脹圖像Fig.15 Differential expansion image

膨脹的結果使得螺旋切口成為封閉連通域,即可進行有效連通域個數(shù)的統(tǒng)計,以此判定側刃的切口數(shù)目是否滿足要求.

大量的試驗表明,微鉆側刃缺陷通常出現(xiàn)在以下3種位置:

1) 在兩個螺旋切口之間產(chǎn)生較大的破損缺陷,膨脹后,缺陷特征會與其中一個切口融合(也可能破損處與兩個切口融合在一起,造成連通域個數(shù)的減少),形成單個較大面積的連通域,這種情況破損缺陷較嚴重.

2) 在單個螺旋切口上產(chǎn)生較小的破損,膨脹后缺陷特征近乎消除.此種情況本來側刃損傷不大,并且其對側刃的影響也較小,人工檢測時也認為其為合格的微鉆.

3) 在兩個螺旋切口間產(chǎn)生破損缺陷,而且破損情況正常,膨脹后缺陷特征形成單個的封閉連通域,導致連通域個數(shù)多于標準模板連通域數(shù)目,毫無疑問該微鉆不合格.

針對螺旋槽寬度(深度)的檢測,主要采用單根螺旋線上切口的數(shù)目、切口所占面積以及在如圖15所示的圖像中,左右相鄰螺旋線上切口距離等因素綜合判斷.因為外圓柱面上的若干條螺旋線沿圓周展開后,是一組平行的傾斜的直線.如果傾斜直線的數(shù)目,與標準的不符;或者傾斜直線的角度與標準不符;或者相鄰傾斜直線間的距離與標準不符;或者切口的左邊邊緣到與其對應的傾斜直線的距離與標準不符等,上述任何一種情形發(fā)生,都會判斷該微鉆的側刃有缺陷.

4 微鉆缺陷檢測系統(tǒng)驗證

4.1 實驗對象

如表1所示,為驗證微鉆檢測系統(tǒng)而選擇的具有代表性的10個樣本,圖16中列出了無缺陷及有缺陷微鉆樣本的端刃圖像,圖17中展示了正常的和常見破損缺陷的側刃樣本.

表1 實驗樣本Table 1 Experimental samples

圖16 樣本端刃及常見破損形式Fig.16 Sample edge and common damage

圖17 樣本側刃局部及常見破損形式Fig.17 Local and common damage forms of the sample side edges

4.2 數(shù)據(jù)統(tǒng)計

經(jīng)過圖像采集及圖像處理后,圖16中的樣本其邊緣角點的圖像,如圖18所示.

圖18 端刃破損樣本檢測邊緣輪廓圖Fig.18 Edge profile of edge breakage sample detection

圖19所示為圖17局部側刃的圖像處理結果.

圖19 側刃破損樣本局部連通域圖Fig.19 Local connected domain diagram of side blade damage samples

將圖17和圖19進行對照.圖19(b)是兩個切口間破損缺陷較大的情況,經(jīng)形態(tài)學的處理,切口和缺陷融合成一體,造成一個面積很大的連通域,由置信區(qū)間來判別,這個連通域是無效的,由此也得出該微鉆是不合格品;圖19(c)是破損在兩切口間,采用形態(tài)學處理,破損和兩邊切口各自形成自己的有效連通域,造成有效連通域數(shù)目多一個,有效連通域總數(shù)增多,結論是該微鉆是不合格的;圖19(d)較小的破損恰巧在切口處,同樣采用形態(tài)學的方法處理,產(chǎn)生一個處于置信區(qū)間但面積較大的連通域,這時也認為該微鉆是合格的.原因是微鉆上的小破損不會影響微鉆工作,事實上人工檢測時也會視這樣的微鉆是合格的.

綜上,判定側刃是否合格的關鍵在于膨脹后其二值化圖像中的有效連通域的數(shù)目,在此基礎上,統(tǒng)計連通域面積,大量樣本數(shù)據(jù)形成連通域面積的正態(tài)分布,以此作為有效連通域的判定依據(jù).

選擇10個樣本微鉆(其中3個合格,7個不合格),進行端刃與側刃的質量檢測,端刃的相似度大于90%表明破損較小可以容忍,判定端刃合格,實驗的具體數(shù)據(jù)見表2.

4.3 實驗結果分析

樣本中選擇了端刃的常見的3 種破損情況:崩齒、未加工出刃口及細小裂紋.側刃也選擇了3 種破損情況:兩切口間有較大破損、兩切口間有較小破損和切口上有較小破損.經(jīng)過實驗驗證,本文的方法與質檢結果,同人工質檢基本一致,見表2,只有樣本4(端刃上有細小裂紋)沒有檢測出.

表2 實驗結果數(shù)據(jù)Table 2 Experimental result data

完成一根合格微鉆的檢測實踐需要13.2 s,計時從系統(tǒng)收到檢測信號開始,直到數(shù)控裝備將檢測完的微鉆放入指定位置為止終止計時.實驗結果表明,本文提出的微型鉆頭端刃側刃缺陷的全景式視覺檢測技術可以滿足檢測的實際要求.

5 總結與展望

5.1 總結

本文在微型鉆頭端刃、側刃缺陷的全景式視覺檢測技術的理論基礎上,設計并搭建了實驗裝置,利用直角內錐反射鏡的特性,使得采用一臺相機即可獲取微鉆端刃及側刃全景圖像,為后續(xù)的基于圖像處理的缺陷檢測奠定了堅實的基礎.本文提出的微鉆檢測方法簡單高效,可解決微鉆傳統(tǒng)檢測方法的低效率和高成本的問題,為該技術在工廠的實際應用打下了良好基礎.

5.2 展望

由于初步設計的實驗檢測裝置存在加工及裝配上的誤差,使得獲取的圖像有模糊部分,造成圖像處理過程較繁瑣.如果該技術能夠在工廠實際應用,必須設計及制作高精度的專用夾具.側刃缺陷檢測是重點也是難點,僅僅采用計算有效連通域面積及其數(shù)目的統(tǒng)計方法,使得檢測缺陷種類及檢測準確度還有較大提升空間.特別是對于前刀面角度、后刀面角度、開槽深度、刀刃曲線幾何精度等檢測科目及其檢測技術,尚需做深入研究.