張?zhí)K友

(張家港開放大學 江蘇張家港 215625)

現(xiàn)階段，我國電子元器件生產(chǎn)主要以自動化生產(chǎn)為主，但當前傳統(tǒng)檢測方式已經(jīng)無法滿足現(xiàn)階段的檢測需求。在此過程中，機器視覺的檢測優(yōu)勢得到了展示，相關(guān)人員應注重以機器視覺為基礎，建立新的電子元器件檢測系統(tǒng)，在強化系統(tǒng)實用性的同時，展示出更高的電子元器件檢測系統(tǒng)應用價值。

1 機器視覺與電子元器件概述

機器視覺是一種人工智能技術(shù)，是現(xiàn)代計算機視覺領(lǐng)域的一個重要分支，旨在使用計算機模擬人類視覺系統(tǒng)實現(xiàn)對圖像和視頻的理解和處理。機器視覺技術(shù)主要涉及數(shù)字圖像處理、模式識別、深度學習等多種技術(shù)，機器視覺可以對數(shù)字圖像和視頻進行分析、識別、分類、跟蹤，完成各種任務。機器視覺的應用非常廣泛，包括工業(yè)自動化、無人駕駛汽車、智能安防、醫(yī)療診斷、安防監(jiān)控、醫(yī)學影像分析、智能制造、虛擬現(xiàn)實、視頻會議等。隨著深度學習技術(shù)的發(fā)展，機器視覺取得了巨大進展，特別是在圖像分類和目標檢測方面的表現(xiàn)已經(jīng)超越了人類水平。從實際應用角度來說，機器視覺可通過應用機械工程技術(shù)、圖像處理技術(shù)來替代人類肉眼完成測量和判斷任務。機器視覺系統(tǒng)的核心是計算機視覺技術(shù)，通過攝像頭和其他傳感器來獲取圖像和視頻數(shù)據(jù)，然后使用復雜的數(shù)學算法來分析和處理圖像、視頻數(shù)據(jù)。計算機視覺技術(shù)包括特征提取、圖像分割、目標檢測和跟蹤、三維重建等多個方面。模式識別技術(shù)是機器視覺的另一個重要組成部分，它使用機器學習算法來識別和分類圖像中的對象與特征。換句話說，機器視覺系統(tǒng)主要是通過圖像攝取裝置等產(chǎn)品，獲得更加完善的目標信息，之后將這些信息轉(zhuǎn)變?yōu)閳D像信號，便于圖像處理系統(tǒng)對其進行處理，在明確圖像信息特征的同時，對設備進行有效控制。

電子元器件是電子元件和電子器件的總稱，同時也是電子元件中的重要組成內(nèi)容，常見的電子元器件類型有散熱器、連接器等[1]。

2 基于機器視覺的電子元器件檢測系統(tǒng)設計方案

系統(tǒng)設計方案的具體框架結(jié)構(gòu)如圖1所示。

圖1 電子元器件檢測系統(tǒng)總體框架圖

實際操作方面，工作人員首先要了解軟件中包含的視覺檢測算法與視覺檢測軟件內(nèi)容，其中，常見的軟件界面有元器件信息、圖像顯示等。當用戶進入軟件界面后，能夠執(zhí)行文件信息提取任務，此時，相機等設備正常啟動，維護圖像采集工作的順利開展。針對圖像信息的處理，工作人員可依靠視覺檢測算法進行，做好圖像匹配工作，了解最終的檢測結(jié)果。另外，檢測系統(tǒng)硬件構(gòu)成內(nèi)容主要涉及機器人、相機、鏡頭等，機器人在工作時，主要包括的自由度數(shù)量為3個，對應的X軸和Y軸行程數(shù)值均為540 mm。針對電子元器件檢測系統(tǒng)建設，機器人控制形式主要是伺服電機控制，依靠LED光源與前景光照明形式，保證系統(tǒng)的穩(wěn)定運轉(zhuǎn)。

3 系統(tǒng)細節(jié)設計內(nèi)容

基于機器視覺的電子元器件檢測系統(tǒng)檢測操作，可根據(jù)采集圖像質(zhì)量分析進行。如果圖像對應的標準為PCB，檢測系統(tǒng)往往會直接將標準信息輸入其中，提取具體的SURF 特征，并完成特征點匹配與結(jié)果輸出任務。

本文中的PCB指的是印刷電路板上的電子元器件布局圖。對于電子元器件檢測系統(tǒng)來說，PCB 圖像是檢測對象的一種，通過對PCB圖像進行處理，可以實現(xiàn)對電子元器件的檢測和識別。操作人員可以將電子元器件設計布局圖設置為PCB。

SURF是一種計算機視覺算法，全稱為Speeded Up Robust Features，SURF 是一種用于特征提取和匹配的算法。SURF 算法的主要優(yōu)點是在圖像中快速檢測和描述特征，即使在存在旋轉(zhuǎn)、縮放和光線變化的情況下也能保持魯棒性。SURF 算法的基本思想是在圖像中尋找具有獨特性、不變性和可重復性的局部特征點，然后將這些特征點描述為SURF 特征向量，用于圖像匹配和目標識別等應用。

如果是PCB 待測圖像，系統(tǒng)往往會預先開展待測圖像預處理，制定具體的元器件感興趣區(qū)域（Region of Interest，ROI）框，之后執(zhí)行SURF特征提取等操作。因此，在系統(tǒng)設計方面，相關(guān)人員應重點關(guān)注圖像預處理設計以及點定位設計等內(nèi)容[2]。

ROI是指在圖像或視頻中操作人員所感興趣的區(qū)域。ROI 可以是任何形狀，可以是矩形、圓形、多邊形等。ROI通常用于圖像處理、計算機視覺、醫(yī)學影像等領(lǐng)域，用于提取圖像中重要的信息和特征，從而實現(xiàn)圖像的分析和處理。

在機器視覺中，SURF 和ROI 通常結(jié)合使用。例如：對于圖像中的一個感興趣區(qū)域，可以使用SURF算法提取特征點，并將這些特征點描述為SURF 特征向量。然后，可以使用這些特征向量進行目標識別、圖像匹配等應用。

另外，ROI還可以用于圖像分割，將圖像分成不同的區(qū)域，然后對每個區(qū)域進行SURF特征提取和描述，從而實現(xiàn)更精細的圖像處理和分析。在電子元器件檢測系統(tǒng)中，ROI框通常是由操作人員手動設計的，用于指定需要檢測的元器件區(qū)域。

在設計ROI 框時，操作人員需要根據(jù)實際情況考慮元器件的大小、形狀、數(shù)量、位置等因素，以確保檢測的準確性和效率。在電子元器件檢測系統(tǒng)中，ROI 框通常是動態(tài)的，即隨著檢測過程的進行，ROI框的位置和大小會隨著元器件的位置和數(shù)量變化而變化。這就需要系統(tǒng)能夠?qū)崟r響應并調(diào)整ROI 框的位置和大小，以確保檢測結(jié)果的準確性和穩(wěn)定性。

3.1 圖像預處理

通常，傳送帶與相機之間往往會產(chǎn)生相對運動關(guān)系，受此影響，圖像運動模糊問題難以規(guī)避，元器件檢測工作也很難正常進行。針對上述問題的處理，常見方式有RGB色彩空間去除與HSV色彩空間去除等。

RGB色彩空間是一種基于紅、綠、藍三原色的顏色模型，它是最常見的色彩空間。在RGB空間中，每個像素的顏色由紅、綠、藍3個分量組成，分別用一個8位二進制數(shù)表示，取值范圍為0～255。RGB色彩空間去除就是將圖像中的某些顏色去除，使其不再顯示。方法是將要去除的顏色的RGB值設為0，即將其在圖像中的像素值設為（0，0，0）。這樣，圖像中原本顯示該顏色的像素就會變成黑色，從而實現(xiàn)去除該顏色的效果。

RGB 色彩空間去除的優(yōu)點是簡單易懂，但缺點是去除的效果可能不夠精確，因為RGB空間中的顏色是由3 個分量組成的，去除其中一個分量并不能完全去除該顏色。在電子元器件檢測中，RGB 色彩空間可以用來去除背景干擾，即將背景與元器件分離。這是因為元器件通常具有特定的顏色，而背景不同，可以通過在RGB 色彩空間中選擇合適的閾值，將背景顏色去除，保留元器件顏色，從而實現(xiàn)背景與元器件的分離。

HSV 色彩空間是一種基于色相（Hue）、飽和度（Saturation）、亮度（Value）3個參數(shù)的顏色模型，通常用于圖像處理中的顏色分析和顏色選擇。HSV色彩空間能夠更好地反映人類視覺感受。在HSV空間中，色相（Hue）表示顏色的種類，取值范圍為0～360；飽和度（Saturation）表示顏色的純度，取值范圍為0～1；亮度（Value）表示顏色的明暗程度，取值范圍為0～1。

HSV 色彩空間去除就是將圖像中的某些顏色去除，使其不再顯示。方法是先將圖像轉(zhuǎn)換到HSV空間，然后將要去除的顏色的色相、飽和度、亮度值設為0，即將其在圖像中的像素值設為（0, 0, 0）。這樣，圖像中原本顯示該顏色的像素就會變成黑色，從而實現(xiàn)去除該顏色的效果。HSV色彩空間去除的優(yōu)點是可以更精確地去除某種顏色，因為HSV空間中的顏色是由3個參數(shù)組成的，可以更精細地控制顏色的去除；缺點是需要進行顏色空間轉(zhuǎn)換，計算量相對較大，處理速度可能較慢。

在電子元器件檢測中，HSV 色彩空間可以用來提取元器件的輪廓。這是因為在HSV色彩空間中，元器件的輪廓通常具有較高的亮度和飽和度，而背景的亮度與飽和度較低，可以通過設置合適的閾值，將元器件輪廓提取出來。

利用RGB色彩空間開展各個分量的模糊化估算，能夠讓模糊效果得到清晰化改善。反觀RGB彩色模型應用，常見顏色通道類型有紅色、綠色和藍色，從這里也能夠看出，RGB彩色空間代表3個坐標軸，倘若各坐標軸數(shù)值為零圖像，其對應顏色為黑色，如果3個坐標軸的值為255，證明圖像為白色。另外，純灰度模型在RGB空間中的表現(xiàn)形式，主要是一條由黑到白的直線。

相比之下，HSV色彩空間優(yōu)勢十分明顯，能夠在圖像處理方面呈現(xiàn)出更大作用，所以說，相關(guān)工作人員應注重在檢測系統(tǒng)中設計基于HSV 色彩空間運動模糊去除算法。所謂HSV色彩空間，主要指直觀特性構(gòu)件中的顏色空間，常見參數(shù)內(nèi)容有飽和度、色調(diào)等?？v觀整個HSV色彩空間運動模糊去除算法應用，相關(guān)人員需要做好基于邊緣檢測的Radon估計圖像模糊角度設定，依靠微分子相關(guān)測量，明確圖像模糊尺寸數(shù)值，之后利用濾波器將圖像中的運動模糊問題解決，提升圖像的清晰程度[3]。

3.2 MRAK點定位

PCB 板內(nèi)部涉及一些MARK 點，當這些點位的實際位置得到明確后，圖像處理效果能夠進一步提升。因此，該檢測系統(tǒng)設計工作者可依靠Hough 圓變換檢測算法，將MARK 點的位置展示出來。Hough 圓變換檢測算法的應用主要是將圖像內(nèi)特定曲線區(qū)域與參數(shù)空間的點連在一起，為后續(xù)圖像解析工作開展創(chuàng)造有利條件?？傮w來說，該系統(tǒng)應用Hough 圓檢測的難度極高，相關(guān)人員應做好該算法改進操作。首先，執(zhí)行相對輸入圖像操作，制訂具體的高斯濾波處理計劃，之后實現(xiàn)圖像的降采樣操作。其次，依靠Sobel 算子，實現(xiàn)對圖像邊緣信息的獲取，提升圖像邊緣清晰度。再次，明確圖像寬度和高度數(shù)值，在檢測半徑確定后，相關(guān)參數(shù)的取值范圍也能得到相應展示。最后，相關(guān)人員應根據(jù)實際情況，了解領(lǐng)域半徑內(nèi)部的峰值檢測內(nèi)容?？傮w來說，在Hough圓檢測幫助下，定位圓檢測效率能夠得到進一步提升。

3.3 ROI框制作

工作人員可根據(jù)Hough圓檢測結(jié)果，明確圓心位置所在，建立相應坐標系內(nèi)容。為此，設計人員應該在檢測系統(tǒng)中應用AD軟件，將PCB元器件坐標文件和封裝報告輸出，并根據(jù)像素長度與物理長度等數(shù)值，了解電子元器件在像素坐標的具體位置所在，之后根據(jù)電子元器件尺寸信息，建立ROI框。制作時，相關(guān)人員應將坐標變換關(guān)系導入其中，其中還涉及了PCB文件與坐標、尺寸轉(zhuǎn)換等內(nèi)容。ROI框繪制流程見圖2[4]。

圖2 ROI框繪制流程圖

3.4 檢測算法

受很多限制因素影響，技術(shù)人員只能依靠基于特征信息的匹配算法，執(zhí)行具體的電子元器件檢測任務。但從信息技術(shù)發(fā)展角度來說，工作人員可依靠尺度不變特征匹配算法，且該算法在圖像旋轉(zhuǎn)方面不會發(fā)生魯棒變化。后續(xù)，相關(guān)技術(shù)工作者可針對尺度不變特點，開展匹配算法改良操作，打造新的加速穩(wěn)健特征算法，提升匹配準確程度與速度。相較之下，加速穩(wěn)健特征算法下的魯棒性計算優(yōu)勢更加明顯。實際設計任務執(zhí)行時，設計者首先可針對具體像素點執(zhí)行高斯濾波處理計劃，打造具體的像素點矩陣。其次，制訂積分圖像和盒子濾波計劃。從加速穩(wěn)健特征算法應用角度來說，積分圖像能夠?qū)⒍A高斯微分模型卷積，轉(zhuǎn)變?yōu)榫唧w的圖像加減形式。反觀盒子濾波模板，構(gòu)成上主要涉及多個矩形區(qū)域，研究人員可通過同一數(shù)值，完成矩形區(qū)域填充操作，使計算時間大幅縮短。再次，建立尺度空間。要想讓圖像尺寸始終處于穩(wěn)定狀態(tài)，圖像尺寸空間建設顯得尤為重要，以不同尺度為基礎，了解圖像特征點的具體情況。一般來說，在加速穩(wěn)健特征算法尺度空間之中，不同空間內(nèi)部涉及4個濾波模板，但相鄰模板的尺寸數(shù)值存在很大的差異。與此同時，加速穩(wěn)健特征算法應用上，同組圖像往往會呈現(xiàn)出相同尺寸，但模糊程度上略有不同，不同組圖像則對應不同的模糊程度與尺寸。最后，執(zhí)行特征點匹配任務，在此過程中，相關(guān)人員應根據(jù)具體的比值情況，確定匹配性度量內(nèi)容，如果比值在閾值之下，證明匹配操作不存在任何問題。

4 基于機器視覺的電子元器件檢測系統(tǒng)試驗

4.1 圖像匹配測試

實際測試工作開展過程中，相關(guān)設計工作者應根據(jù)加速穩(wěn)健特點算法，實現(xiàn)對不同電子元器件匹配性測試。在此過程中，設計人員可借助檢測系統(tǒng)，執(zhí)行具體的SOP 封裝芯片與QFP 封裝芯片等電子元器件檢測，后續(xù)做好檢測結(jié)果的梳理。從具體分析結(jié)果中能夠了解到，加速穩(wěn)健特征算法在圖像匹配性測試方面，能夠呈現(xiàn)出良好的應用效果，對應的匹配準確度能夠保持在90%左右[5]。

4.2 加速穩(wěn)健特征算法魯棒性測試

設計人員不僅需要執(zhí)行圖像匹配測試操作，還要保證光照、旋轉(zhuǎn)等因素的合理性，讓整個加速穩(wěn)健特征算法能夠在魯棒性測試中呈現(xiàn)出良好的應用效果。從具體試驗結(jié)果中能夠看出，加速穩(wěn)健特征算法在光照、縮放等條件下所呈現(xiàn)出的魯棒性良好，對應的匹配準確度超過95%。

5 系統(tǒng)設計注意事項

5.1 注意相關(guān)規(guī)章制度內(nèi)容建設

電子元器件檢測系統(tǒng)的建設，主要是為電子元器件檢測工作開展提供支持，此過程屬于是電子元器件檢測過程中的重要環(huán)節(jié)之一。相關(guān)管理者應提升對電子元器件檢測制度建設的重視程度，制定具體的電子元器件檢測安全制度內(nèi)容，明確參與其中的各級管理者與工作人員的職責所在，依靠獎罰機制建設，激發(fā)其工作熱情。只有這樣，整個檢測系統(tǒng)設計才能做到責任到人，解決安全管理中存在的各種問題。

5.2 注重相關(guān)工作人員的培訓和教育

基于機器視覺的電子元器件檢測系統(tǒng)設計，對工作人員的個人能力提出了較高要求，這也是維護電子元器件檢測系統(tǒng)有序發(fā)展的基礎保障之一?，F(xiàn)階段，一些工作人員個人專業(yè)能力有限，工作責任心不強。受人才匱乏的影響，新的技術(shù)很難得到研發(fā)和應用。因此，相關(guān)部門應提升工作人員培訓教育力度，引入更多社會面專業(yè)人才。相關(guān)人員應了解該系統(tǒng)設計要領(lǐng)和安全規(guī)范的具體內(nèi)容，強化自身的電子元器件檢測意識，提升責任心，從而促進企業(yè)健康發(fā)展[6]。

6 結(jié)語

電子元器件檢測工作的開展具有積極意義，除了能使企業(yè)了解電子元器件質(zhì)量情況外，還能讓相關(guān)產(chǎn)品質(zhì)量得到合理維護。因此，相關(guān)部門和企業(yè)應提升對電子元器件檢測工作開展的重視程度，建立完善的檢測系統(tǒng)。截至目前，基于機器視覺的電子元器件檢測系統(tǒng)建設模式極為常見，能夠進一步提出穩(wěn)健特征算法在檢測領(lǐng)域中的應用，提升主體檢測效率。