郭瑞霞* 韓欽 韓英向

（天津中新華興光電技術(shù)有限公司研發(fā)中心，天津 300467）

眾所周知，許多工廠在大批量產(chǎn)品的生產(chǎn)過程中，總會涉及到各種質(zhì)量檢測、生產(chǎn)過程監(jiān)控及缺陷識別等應(yīng)用[1]，隨著科學(xué)技術(shù)的發(fā)展與進(jìn)步，機(jī)器視覺檢測在其中扮演著越來越重要的角色。傳統(tǒng)的工業(yè)產(chǎn)品質(zhì)量檢測多采用人工檢測的方法，人工檢測不僅需要耗費(fèi)大量的勞動成本，而且容易受到檢測人員主觀判斷標(biāo)準(zhǔn)不同以及長時間不間斷的工作導(dǎo)致的視覺疲勞等因素的干擾，以至于產(chǎn)品會出現(xiàn)漏檢和錯檢的現(xiàn)象，導(dǎo)致產(chǎn)品質(zhì)量檢測的速度與精度迅速下降，影響生產(chǎn)效益。機(jī)器視覺系統(tǒng)易于集成設(shè)計信息和加工控制信息，且易于自動化處理，因此，在智能化不斷提升的現(xiàn)代工業(yè)生產(chǎn)過程中，機(jī)器視覺系統(tǒng)在工況監(jiān)視、成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域得到廣泛的應(yīng)用[2]。在我國，機(jī)器視覺主要應(yīng)用于半導(dǎo)體生產(chǎn)、食品飲料加工、醫(yī)學(xué)及汽車等行業(yè)[3]。在人工智能極速發(fā)展的推動下，機(jī)器視覺系統(tǒng)的軟硬件技術(shù)同樣取得了很大的進(jìn)步[4]，已經(jīng)可以為客戶提供高質(zhì)量的智能化服務(wù)，對產(chǎn)品實(shí)現(xiàn)100%的全面檢測。目前，機(jī)器人與自動化已經(jīng)改變了幾乎所有工業(yè)部門的制造模式，同時提高了生產(chǎn)效率以及產(chǎn)品一致性。基于機(jī)器視覺的檢測系統(tǒng)具有非接觸性這一不可替代的優(yōu)點(diǎn)[5]，因此，基于機(jī)器視覺的全自動化智能工廠對許多生產(chǎn)商來說是一個明確目標(biāo)，然而大多數(shù)公司目前還沒有實(shí)現(xiàn)該目標(biāo)。本文利用機(jī)器視覺技術(shù)實(shí)現(xiàn)對PCB 元器件缺陷的智能檢測，其主要是基于圖像處理、計算機(jī)圖形學(xué)、模式識別、計算機(jī)技術(shù)、人工智能等多方面綜合研究的電路板螺紋和電池有無缺陷檢測系統(tǒng)。

1 總體方案設(shè)計

本設(shè)計主要由硬件結(jié)構(gòu)和檢測軟件構(gòu)成，硬件結(jié)構(gòu)由工業(yè)相機(jī)、工業(yè)鏡頭、光源、光源控制器、計算機(jī)、定制實(shí)驗(yàn)支架、專用線纜等構(gòu)成，圖1 為系統(tǒng)結(jié)構(gòu)圖。其工作過程是：當(dāng)電路板到達(dá)可檢測區(qū)域時，相機(jī)進(jìn)行采集圖片并檢測，首先通過鏡頭將工件在相機(jī)芯片上成像，然后通過相機(jī)的GIGE通訊接口采集圖像，利用HALCON 軟件實(shí)時進(jìn)行圖像處理。系統(tǒng)軟件設(shè)計主要有以下幾個模塊：圖像實(shí)時采集模塊、圖像預(yù)處理模塊、閾值選取模塊、圖像定位模塊、缺陷檢測模塊[6]，其過程如圖2 所示。

圖1 硬件系統(tǒng)結(jié)構(gòu)圖

圖2 電路板缺陷檢測流程

系統(tǒng)檢測主要流程如下。

a.工件到達(dá)檢測區(qū)域后，傳感器發(fā)出觸發(fā)信號；

b.PLC 將此信號發(fā)送給工業(yè)相機(jī)；

c.工業(yè)相機(jī)獲取此信號后進(jìn)行采圖；

d.工業(yè)相機(jī)采圖完成后將圖像通過GIGE 網(wǎng)絡(luò)接口傳輸給工控機(jī)；

e.工控機(jī)接收到圖像后，檢測設(shè)定的區(qū)域，判定處理結(jié)果；

f.工控機(jī)根據(jù)判定結(jié)果類型觸發(fā)相應(yīng)的IO 分揀信號，并等待下一幀圖像；

g.PLC 收到分揀信號后，控制分揀機(jī)構(gòu)做出相應(yīng)分揀動作。

基于機(jī)器視覺檢測系統(tǒng)的優(yōu)點(diǎn)是可以快速獲取生產(chǎn)線上被檢測電路板的信息，并將檢測結(jié)果及統(tǒng)計數(shù)據(jù)顯示在控制界面上，比如：共檢測電路板的數(shù)量、檢測時長以及有某種缺陷的電路板數(shù)量等，方便人工管理，最后將檢測質(zhì)量“OK”的電路板進(jìn)行下一項(xiàng)流程，并通過自動化設(shè)施（機(jī)械手等）獎檢測質(zhì)量“NO GOOD”的電路板分揀出來進(jìn)行完善。這種缺陷檢測方式信息集成度高、檢測速度快且精確度高，從而可以進(jìn)一步降低生產(chǎn)成本和提高產(chǎn)品的生產(chǎn)效率。

本文為實(shí)現(xiàn)電路板螺紋和電池有無實(shí)時檢測的要求，將圖像采集系統(tǒng)與照明補(bǔ)光系統(tǒng)相結(jié)合，設(shè)計出一種基于機(jī)器視覺的PCB 元器件有無缺陷檢測系統(tǒng)。本系統(tǒng)不僅能節(jié)省大量的勞動力，降低勞動成本，同時有效的提高了工業(yè)生產(chǎn)的效率和缺陷檢測精度，實(shí)現(xiàn)了智能檢測與PCB 分揀工作[7]。

2 硬件結(jié)構(gòu)設(shè)計

2.1 檢測系統(tǒng)關(guān)鍵器件

本系統(tǒng)的關(guān)鍵器件主要包括工業(yè)相機(jī)、工業(yè)鏡頭、光源和工控機(jī)。機(jī)器視覺檢測系統(tǒng)最關(guān)鍵的原材料就是圖像，為了獲取高質(zhì)量的圖像，需要對系統(tǒng)的關(guān)鍵器件做好選型設(shè)計。根據(jù)電路板的尺寸和檢測精度，采用200 萬像素分辨率的工業(yè)相機(jī)：acA1600-20gc GigE 相機(jī)，該相機(jī)配有 Sony ICX274 CCD 感光芯片，幀率20 FPS，該相機(jī)采用GigE 通訊接口，滿足系統(tǒng)采圖需求。根據(jù)現(xiàn)場安裝空間和電路板的尺寸，計算鏡頭焦距、物距等參數(shù)[8]。選擇焦距20mm 工業(yè)鏡頭，與工業(yè)相機(jī)接口相匹配，選擇C 接口鏡頭。根據(jù)被檢測電路板的形狀以及缺陷形狀等特征，選取LED 方形無影燈光源，它能夠?yàn)橄鄼C(jī)獲取圖像照明補(bǔ)光，幫助相機(jī)獲得特征突出、灰度值差別明顯的圖像，提高機(jī)器視覺系統(tǒng)的分辨率和識別率，降低圖像處理算法分割和識別的難度，使系統(tǒng)的可靠性得到提高。為了方便軟件開發(fā)及應(yīng)用，選取i5CPU 配置的工控機(jī)，并在Window XP 64bit 及以上版本下使用。

2.2 檢測系統(tǒng)設(shè)計原理

本系統(tǒng)根據(jù)電路板的缺陷特征，運(yùn)用圖像處理、圖像識別等技術(shù)對采集的電路板圖像進(jìn)行檢測、分析并給出判斷。本設(shè)計是基于飛速發(fā)展的計算機(jī)技術(shù)，同時考慮到檢測效率、檢測精度和經(jīng)濟(jì)性等方面的要求，具有較高的性價比。系統(tǒng)主要包括照明補(bǔ)光單元、圖像采集單元、圖像處理單元、數(shù)據(jù)庫單元和控制執(zhí)行單元[9]。硬件系統(tǒng)設(shè)計原理如圖3 所示。

圖3 硬件系統(tǒng)結(jié)構(gòu)原理圖

3 檢測軟件設(shè)計

3.1 軟件總體設(shè)計

本系統(tǒng)主要運(yùn)用了HALCON 開發(fā)了圖像處理分析模塊，采用Visual Studio C#平臺進(jìn)行了顯示控制界面進(jìn)行開發(fā)。該系統(tǒng)檢測軟件的圖像處理分析模塊高效穩(wěn)定，控制界面信息全面、操控簡單。其軟件結(jié)構(gòu)設(shè)計原理圖如圖4 所示。

圖4 系統(tǒng)軟件總體設(shè)計原理

3.2 軟件主要模塊設(shè)計

3.2.1 圖像采集模塊

為了準(zhǔn)確、及時獲得圖像的當(dāng)前狀態(tài)，需要不斷地通過圖像采集模塊采集圖像到計算機(jī)內(nèi)存，調(diào)取計算機(jī)內(nèi)存中圖像進(jìn)行圖像處理。圖像采集的實(shí)質(zhì)就是將被檢測物的圖像可視化并把其內(nèi)部特征轉(zhuǎn)換為計算機(jī)可以識別處理的離散數(shù)據(jù)的過程[10]。簡單來說，圖像采集就是將一幅連續(xù)的模擬圖像轉(zhuǎn)換為數(shù)字化的數(shù)字圖像，顯然，如果檢測并輸入的連續(xù)圖像不理想，那么數(shù)字圖像的輸出就會不盡人意。因此，圖像采集是機(jī)器視覺缺陷檢測系統(tǒng)的關(guān)鍵技術(shù)之一。圖像處理技術(shù)有以下5個基本過程[11-12]：圖像過濾、圖像加強(qiáng)、圖像切割、圖像辨別和圖像代碼生成。

3.2.2 二值化閾值選擇模塊

圖像閾值的選擇對于分割圖像、提取圖像信息至關(guān)重要，其方法有很多，本系統(tǒng)采取灰度直方圖方法來選取閾值[13]，這種方法計算簡單，運(yùn)行效率高，是圖像閾值選擇普遍使用的一種方法。閾值的處理與選擇是進(jìn)行圖形分割的前提，實(shí)際上是將被檢測特征從圖像中提取出來的過程，這種處理方式運(yùn)用到有較強(qiáng)對比度的被檢測特征與背景效果更好[14]。如圖5～7。

圖5 圖像定位時灰度值的閾值選擇

圖6 檢測螺釘時灰度值的閾值選擇

圖7 檢測電池時灰度值的閾值選擇

3.2.3 圖像定位模塊

根據(jù)經(jīng)驗(yàn)值在HALCON 采集的圖像中畫出我們需要的區(qū)域，然后利用灰度閾值分割法對其進(jìn)行圖像分割，找出對電路板定位時需要的四個角的四個釘子然后利用剛性變換對采集到的電路板圖像進(jìn)行定位處理。所謂圖像分割指的就是將采集到圖像按照其獨(dú)特特征分割成若干個特定的部分，并能夠依據(jù)圖像被檢測區(qū)域的需要，將區(qū)域中的特征或檢測目標(biāo)提取出來的過程[5]。近年來，由于圖像處理技術(shù)的高速發(fā)展和逐步完善，當(dāng)今應(yīng)用技術(shù)領(lǐng)域不斷涌現(xiàn)出大量的圖像分割算法，其中形態(tài)學(xué)分割法、模糊理論分割法、人工神經(jīng)網(wǎng)絡(luò)分割法以及遺傳算法分割法是比較典型且具有代表性的。

電路板四個角處的點(diǎn)的定位：首先選取電路板圖像的四個角處的點(diǎn)進(jìn)行定位，定位時運(yùn)用閉運(yùn)算算法，然后通過矩陣旋轉(zhuǎn)該圖，將其放在視場范圍的正中間，為下一步裁圖做準(zhǔn)備。

3.2.4 缺陷檢測模塊

本文在檢測PCB 中螺釘?shù)挠袩o缺陷時主要應(yīng)用了圓分析算法，在所檢測圖像螺釘?shù)奈恢糜脠A形畫出，檢測的電池位置則用矩形畫出。由于螺釘是圓形的，因此快速而準(zhǔn)確地判斷并檢測到圖像中的圓在本系統(tǒng)中尤為重要，近年來，檢測圓的技術(shù)已廣泛應(yīng)用于機(jī)器視覺、智能檢測等方面。傳統(tǒng)的Hough 變換存在著很多缺點(diǎn)，例如：巨大的計算量、龐大的內(nèi)存、參數(shù)空間因素對參數(shù)提取的制約以及速度慢等。因此，針對實(shí)時采集的電路板圖像中檢測圓形螺釘時的要求，本文應(yīng)用了一種相對簡單的圓缺陷檢測方法。該方法主要應(yīng)用于圖像無相交的條件下，首先對采集到的PCB 圖像進(jìn)行二值化處理，然后檢測其邊緣并獲得圖像的邊緣鏈碼，最后分析計算缺陷的圓度、圓半徑等圓的基本要素[16]。在計算機(jī)上自定義圖像的模式下對上述算法進(jìn)行仿真測試，共獲得兩組結(jié)果如下：第1 組是5 個半徑不同的圓，并給出半徑誤差，如表1 所示；第2 組是幾個形狀不同的圖像的圓率如表2 所示。

表1 不同半徑的圓的測試結(jié)果

表2 不同形狀的圖像的測試結(jié)果

4 結(jié)論

機(jī)器視覺作為人工智能的一大分支，是實(shí)現(xiàn)人工智能的必要手段，一方面它可以代替人工視覺，另一方面它可以提高工業(yè)生產(chǎn)的信息集成度和自動化程度。本系統(tǒng)主要解決了流水線上產(chǎn)品生產(chǎn)或檢測過程中對缺陷電路板進(jìn)行剔除或分類的問題，有效地避免了耗費(fèi)大量勞動成本的缺點(diǎn)和錯檢、漏檢的現(xiàn)象，提高了生產(chǎn)效率，實(shí)現(xiàn)了產(chǎn)品缺陷檢測零失誤的目標(biāo)，并得以在市場上營運(yùn)與推廣，有利于提高工業(yè)生產(chǎn)自動化水平。