員佩 袁娜

引言

現(xiàn)階段，電子制造業(yè)發(fā)展迅速，電子元器件發(fā)展速度不斷提升，微型化已經(jīng)成為主要發(fā)展方向，而電子元器件質(zhì)量檢測的難度也隨之提高，對元器件各方面提出嚴(yán)格要求。傳統(tǒng)人工質(zhì)檢辦法在應(yīng)用時，工作效率不高，經(jīng)常被主觀因素影響，出現(xiàn)錯誤的概率較高。對此，針對電子元器件的形狀缺陷，應(yīng)該加強(qiáng)對機(jī)器視覺檢測技術(shù)的研究與應(yīng)用，構(gòu)建完善的質(zhì)量檢測模型，實現(xiàn)檢測的自動化、標(biāo)準(zhǔn)化目標(biāo)。

一、機(jī)器視覺檢測技術(shù)概述

（一）機(jī)器視覺檢測技術(shù)

機(jī)器視覺技術(shù)主要是應(yīng)用相機(jī)和圖像處理算法，使計算機(jī)能夠感知和理解圖像或視頻中的內(nèi)容。該技術(shù)具有低成本、易實現(xiàn)等優(yōu)點(diǎn)，即便是在惡劣環(huán)境中，也可以將檢測任務(wù)順利完成，檢測速度快，檢測結(jié)果精準(zhǔn)度高。近年來，在計算機(jī)硬件設(shè)備性能的不斷優(yōu)化下，加之?dāng)?shù)字圖像處理技術(shù)愈發(fā)成熟，技術(shù)應(yīng)用的范圍愈發(fā)廣泛。

20世紀(jì)50年代，機(jī)器視覺第一次被提出，并嘗試在二維圖像的識別以及分析工作中使用。發(fā)展到70年代，機(jī)器視覺技術(shù)得到快速發(fā)展，國外一些重點(diǎn)大學(xué)紛紛開設(shè)與“機(jī)器視覺”相關(guān)的課程。90年代末期，我國引進(jìn)機(jī)器視覺技術(shù)，經(jīng)過多年的發(fā)展，該技術(shù)在我國愈發(fā)成熟，技術(shù)水平已經(jīng)在全世界遙遙領(lǐng)先。

（二）機(jī)器視覺檢測技術(shù)的應(yīng)用優(yōu)勢

機(jī)器視覺技術(shù)在電子元器件質(zhì)量檢測中有許多顯著的優(yōu)勢，諸如高精度、高效率、全面性、自動化和追溯性等，可以為電子行業(yè)提供一種可靠、先進(jìn)的質(zhì)量檢測方法。

（1）高精度、高效率。與傳統(tǒng)的人工檢測方法相比，在電子元器件質(zhì)量檢測中，強(qiáng)化對機(jī)器視覺技術(shù)的應(yīng)用，具備可靠和高效的優(yōu)點(diǎn)，可提高生產(chǎn)效率和降低人力成本[1]。

（2）全面性。在電子元器件質(zhì)量檢測中，涵蓋的內(nèi)容較多，諸如外觀缺陷、尺寸偏差、組裝錯誤等。在機(jī)器視覺技術(shù)的支持下，可以確保產(chǎn)品的質(zhì)檢符合標(biāo)準(zhǔn)要求，讓質(zhì)量檢測更具有全面性，減少因質(zhì)量問題帶來的損失和風(fēng)險。

（3）自動化。將機(jī)器視覺技術(shù)應(yīng)用在電子元器件質(zhì)量檢測中，能夠處理大量的數(shù)據(jù)，并進(jìn)行自動化的分析和判斷。通過使用適當(dāng)?shù)乃惴ê湍Ｐ?，可以快速?zhǔn)確地識別出電子元器件中的問題，如焊接不良、短路等，提前發(fā)現(xiàn)潛在問題，并采取相應(yīng)的措施進(jìn)行修復(fù)和改進(jìn)，讓電子元器件的質(zhì)量得到保證[2]。

（4）追溯性。利用機(jī)器視覺技術(shù)檢測電子元件器的質(zhì)量，還能實現(xiàn)追溯，對整個檢測過程完整記錄，對每一個電子元器件進(jìn)行唯一標(biāo)識和跟蹤，確保產(chǎn)品的可追溯性和質(zhì)量溯源，從而幫助企業(yè)建立完善的品質(zhì)管理體系。

（5）多元化。機(jī)器視覺檢測技術(shù)廣泛應(yīng)用于各個領(lǐng)域，如工業(yè)制造、智能交通等。在工業(yè)制造領(lǐng)域，機(jī)器視覺可以用于產(chǎn)品缺陷檢測、尺寸測量等。在智能交通領(lǐng)域，機(jī)器視覺可以用于車牌識別、交通監(jiān)控等；在醫(yī)療診斷領(lǐng)域，機(jī)器視覺可以用于疾病檢測、影像分析等。

二、電子元器件產(chǎn)品常見故障分析

電子元器件產(chǎn)品常見故障分析是一個重要的話題，可以幫助檢修人員更好地理解和解決電子產(chǎn)品中可能出現(xiàn)的問題。當(dāng)前，比較常見的電子元器件產(chǎn)品故障有三種：

（1）電路連接點(diǎn)開路故障。此故障在電子元器件中出現(xiàn)的頻率較高，經(jīng)分析可知，主要是因為電路連接點(diǎn)可能發(fā)生了松動或斷開而導(dǎo)致開路故障，或者連接器插針沒有正確插入、鎖定，也有可能連接點(diǎn)接觸不良引起的。同時電路連接點(diǎn)處的焊點(diǎn)可能會因為溫度變化、機(jī)械應(yīng)力或焊接質(zhì)量問題而開裂，最終出現(xiàn)電路開路問題。

（2）元器件損壞。當(dāng)電子元器件接收到超過其承受能力的電流時，可能會發(fā)生損壞。這可能是由電路設(shè)計錯誤、電源故障或其他外部因素引起的。在安裝、運(yùn)輸或使用過程中，如果受到劇烈的震動或沖擊，元器件也可能會受損[3]。

（3）軟件故障。這一故障會對電子元器件的質(zhì)量造成較大影響。在利用電解電容器期間，暴露出較多不良問題，諸如漏電等。但因為故障具有隱蔽性特征，很難被發(fā)現(xiàn)，因此無法對元器件進(jìn)行全面檢測，導(dǎo)致故障不能在第一時間得到處理，故障的蔓延導(dǎo)致電子元器件產(chǎn)品質(zhì)量下降。

三、基于機(jī)器視覺的電子元器件質(zhì)量檢測技術(shù)研究

（一）電子元器件圖像預(yù)處理技術(shù)

為確保電子元器件質(zhì)量檢測能有序推進(jìn)，應(yīng)該采取預(yù)處理圖像，主要從以下幾個方面展開：

（1）圖像畸變校正。在預(yù)處理電子元器件期間，圖像畸變校正是比較常見的一種方法，目的是要將鏡頭畸變等因素導(dǎo)致的圖像失真問題徹底消除。在進(jìn)行畸變校正時，應(yīng)該對校正需要的圖像樣本全面收集，包括已知形狀、幾何特征等圖像。同時利用相機(jī)標(biāo)定算法，完成相機(jī)的標(biāo)定工作。在這一步驟中，旨在確定相機(jī)內(nèi)部的具體參數(shù)，包括主點(diǎn)坐標(biāo)等，并且要明確外部參數(shù)，如相機(jī)旋轉(zhuǎn)等。利用校準(zhǔn)板對畸變參數(shù)科學(xué)估計，校準(zhǔn)板上的特定幾何結(jié)構(gòu)可以通過計算與實際幾何結(jié)構(gòu)的差異來確定畸變參數(shù)。根據(jù)估計的畸變參數(shù)，畸變校正需要校正的圖像。此過程可以將圖像中的各個像素作為依據(jù)，結(jié)合畸變模型，重新進(jìn)行映射。對校正之后的圖像認(rèn)真檢查與分析，確定最終的結(jié)果能否達(dá)到最初標(biāo)準(zhǔn)。可以利用參考物體或者特定幾何結(jié)構(gòu)完成定量評估，對畸變矯正之前與之后的差異進(jìn)行對比。通過對圖像進(jìn)行變換，將畸變后的圖像映射回原始狀態(tài)。在此過程中，會涉及對圖像進(jìn)行幾何轉(zhuǎn)換，如透視變換或徑向畸變校正。透視變換可以校正圖像中的透視畸變，使得平行線在圖像中仍然保持平行。根據(jù)具體要求，可以進(jìn)一步使用其他圖像處理技術(shù)，繼續(xù)處理校正后的圖像，如去噪、邊緣增強(qiáng)等。這些操作方法可以幫助消除圖像中的畸變，提高電子元器件圖像預(yù)處理的準(zhǔn)確性和可靠性。

（2）圖像去噪。在獲取圖像期間，因為被環(huán)境、硬件質(zhì)量等因素干擾，圖像噪聲問題出現(xiàn)概率較大。這種噪聲會對有效信息的獲取造成影響，甚至?xí)霈F(xiàn)誤檢的情況，因此要做好圖像去噪工作。電子元器件在圖像采集時，噪聲的來源主要有兩種，其一，由于沒有良好的照明條件，加之傳感器溫度高，最終出現(xiàn)噪聲，這種屬于高斯噪聲。其二，電子元器件質(zhì)量檢測需要在生產(chǎn)車間實現(xiàn)，該環(huán)境復(fù)雜，經(jīng)常被電磁影響，致使噪聲產(chǎn)生，此種屬于脈沖噪聲。在高斯噪聲去噪期間，利用非局部均值去噪，計算像素周圍領(lǐng)域的相似度來去除高斯噪聲，用整個圖像的信息進(jìn)行噪聲估計，可保留圖像細(xì)節(jié)。針對脈沖噪聲去噪，可以運(yùn)用數(shù)字濾波器，諸如低通濾波器，削弱高頻信號來濾除噪聲。也可以通過多次采樣并對采樣值進(jìn)行平均，減小脈沖噪聲的影響，提高信號的質(zhì)量。

（二）基于YOLO網(wǎng)絡(luò)的電子元器件檢測與識別

YOLO網(wǎng)絡(luò)是目前較為常見的目標(biāo)檢測算法。在電子元器件檢測和識別過程中，應(yīng)用此種方式，能夠?qū)斎氲膱D像合理分割，讓其形成固定大小的網(wǎng)格，并預(yù)測出每一個網(wǎng)格中的位置以及類別。該方法能實時檢測圖像中的目標(biāo)，適用于對實時性要求較高的應(yīng)用場景，并且不需要事先提取候選區(qū)域，大大減少了計算量。此外，還能檢測出圖像中的多個目標(biāo)，將它們的位置和類別一起輸出，促進(jìn)檢測精準(zhǔn)度的提高。

（1）網(wǎng)絡(luò)結(jié)構(gòu)。利用YOLO網(wǎng)絡(luò)，運(yùn)用區(qū)域建議網(wǎng)絡(luò)思想清除連接層，之后借助卷積層，對目標(biāo)框的偏移、置信度精準(zhǔn)預(yù)測，最終確定元器件目標(biāo)概率以及具體位置。在利用該檢測方法時，應(yīng)該通過深度學(xué)習(xí)網(wǎng)絡(luò)，實現(xiàn)多級特征的融合，展現(xiàn)出結(jié)構(gòu)性。同時依照不同細(xì)粒度特點(diǎn)，適當(dāng)增加目標(biāo)檢測的魯棒性。在對細(xì)微特征檢測時，為促進(jìn)模型檢測能力的增強(qiáng)，還要將多級特征圖整合在一起，完成不同類別的精準(zhǔn)檢測。YOLO網(wǎng)絡(luò)結(jié)構(gòu)通常是由池化層、卷積層組合而成，在特殊環(huán)境中，可以為檢測工作提供輔助，提升檢測的效率與精準(zhǔn)度，在規(guī)定時間內(nèi)將檢測工作完成。但是在具體檢測階段，因為采集的圖像以及目標(biāo)對象單一，所以即便沒有YOLO網(wǎng)絡(luò)結(jié)構(gòu)的支持，也能完成后相應(yīng)工作，節(jié)約檢測的時間。

（2）網(wǎng)絡(luò)訓(xùn)練。選擇合適的參數(shù)對電子元器件進(jìn)行網(wǎng)絡(luò)訓(xùn)練。如果選取的參數(shù)大，會對網(wǎng)絡(luò)訓(xùn)練的效率產(chǎn)生影響。并且，參數(shù)選擇不合理，還會引發(fā)收斂難度大的問題。然后選擇適合的數(shù)據(jù)集，在網(wǎng)絡(luò)訓(xùn)練中，帶有標(biāo)簽的數(shù)據(jù)集可以為訓(xùn)練提供依據(jù)。最后選擇損失函數(shù)，實現(xiàn)穩(wěn)定收斂的目的，提升網(wǎng)絡(luò)訓(xùn)練效果。

（三）基于圖像配準(zhǔn)的電子元器件質(zhì)量判定

在電子元器件質(zhì)量檢測過程中，圖像配準(zhǔn)技術(shù)可以對圖像快速處理，是目前應(yīng)用效果較好的技術(shù)之一。圖像匹配的目的是要在一大幅圖像將目標(biāo)元件精準(zhǔn)找出來，提升電子元器件質(zhì)量檢測的精準(zhǔn)性和可靠性。在圖像配準(zhǔn)期，需要將即將配準(zhǔn)的圖像轉(zhuǎn)換到和標(biāo)準(zhǔn)圖像相同的位置上，讓不同的圖像可以在相同的物理點(diǎn)上逐一相對，最終找出最合適的映射關(guān)系，提升電子元器件質(zhì)量檢測效率。

在圖像配準(zhǔn)期間，需要保證模型空間變換的精準(zhǔn)性，讓剛性、放射等變換順利完成。同時嚴(yán)格依照圖像配準(zhǔn)相似的原則，保證模板圖像和度量配準(zhǔn)后的圖像具有較高的相似度，加快最佳變換參數(shù)的找尋速度。此外，在對參數(shù)找尋期間，應(yīng)用的方式方法必須達(dá)到最佳?，F(xiàn)階段，比較常見的方法有迭代法、窮舉法等，對電子元器件質(zhì)量檢測效果的提升有促進(jìn)作用。

（1）圖像配準(zhǔn)步驟。

在電子元器件質(zhì)量檢測期間，圖像配準(zhǔn)技術(shù)的應(yīng)用，需要嚴(yán)格依照流程進(jìn)行，確保檢測結(jié)果能達(dá)到最佳。

①特征檢測。在圖像配準(zhǔn)過程中，此環(huán)節(jié)是關(guān)鍵，與圖像配準(zhǔn)的穩(wěn)定性、精準(zhǔn)性密切相關(guān)。因此在具體檢測中，檢測的特征應(yīng)該確保是兩幅圖像共有，并且這一特征對變換的敏感度不高，不會被平移、旋轉(zhuǎn)等影響?，F(xiàn)階段，比較常見的線特征有直線、曲線等，點(diǎn)特征主要包括特殊邊緣點(diǎn)、角點(diǎn)等。

②特征匹配。此過程的目的在明確特征之間的對應(yīng)關(guān)系。在實際匹配中，需要以檢測的特征作為依據(jù)，如角點(diǎn)等。針對每個提取出的特征點(diǎn)，準(zhǔn)確計算出描述子，應(yīng)用比較常見的方式有ORB描述子等。在進(jìn)行圖像特征點(diǎn)匹配期間，采用計算的方式，找出描述子之間的相似點(diǎn)或者距離。因為特征匹配出現(xiàn)錯誤的概率較大，因此要對匹配的結(jié)果過濾。依照匹配的特征點(diǎn)，對圖像之間的變換關(guān)系科學(xué)評估，如縮放、平移等。

③圖像變換。以獲取的幾何變換參數(shù)為依據(jù)，對需要配準(zhǔn)的圖像實施映射，最后在模板圖像的坐標(biāo)空間中體現(xiàn)。在變換圖像期間，因為受人為等因素干擾，會出現(xiàn)點(diǎn)坐標(biāo)不是完整像素的問題。針對這一情況，在處理過程中，可以借助插值函數(shù)解決，諸如雙線形插值等，但具體應(yīng)用何種方式還要結(jié)合實際情況而定，確保問題能徹底解決。

（2）圖像配準(zhǔn)方法

①以灰度信息作為核心的圖像配準(zhǔn)方法。在參數(shù)空間中，合理使用尋優(yōu)算法，將相似度最大變換參數(shù)精準(zhǔn)找出。此方法在應(yīng)用期間，可以將以往繁瑣的圖像預(yù)處理流程簡化。但針對通過旋轉(zhuǎn)方式轉(zhuǎn)換過來的圖像配準(zhǔn)，需要經(jīng)過大規(guī)模的計算，很難滿足高精準(zhǔn)度的要求，并且在非線性形變配準(zhǔn)中的適用性不強(qiáng)。

②以變換域信息作為基準(zhǔn)的圖像配準(zhǔn)方法。圖像在經(jīng)歷幾何變換過程中，可以直觀體現(xiàn)在相關(guān)領(lǐng)域中，借助對圖像估計的方式，計算出在頻域內(nèi)與之相對的變換參數(shù)，最后確定空間域上的幾何參數(shù)，提升圖像配準(zhǔn)的精準(zhǔn)度。在利用此方法進(jìn)行圖像配準(zhǔn)時，能夠?qū)D像的縮放、平移等作出準(zhǔn)確估計，同時對獨(dú)立噪聲的敏感度不強(qiáng)。

③以特征信息為基準(zhǔn)的圖像配準(zhǔn)方法。為提升電子元器件質(zhì)量檢測的合理性，在圖像配準(zhǔn)期間，也可以將特征信息為基準(zhǔn)，有針對性地對圖像進(jìn)行配準(zhǔn)，對特征點(diǎn)精準(zhǔn)提取。在兩幅圖像中尋找具有相似特征的點(diǎn)來進(jìn)行對齊，如角點(diǎn)、邊緣點(diǎn)等，然后計算兩幅圖像中特征點(diǎn)的相似性，找到它們之間的對應(yīng)關(guān)系，從而實現(xiàn)圖像的配準(zhǔn)。在對變換模型參數(shù)獲取后，將匹配圖像和模板圖像對齊后放在相同位置上。此方法的匹配準(zhǔn)確度高。

結(jié)束語

綜合而言，基于機(jī)器視覺的電子元器件質(zhì)量檢測技術(shù)具有準(zhǔn)確、快速和可靠的特點(diǎn)，可以大大提高電子元器件的生產(chǎn)效率和質(zhì)量，減少人為因素的干擾。在今后發(fā)展中，隨著機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)的不斷發(fā)展，基于機(jī)器視覺的電子元器件質(zhì)量檢測技術(shù)將會更加智能化和自動化。因此為提升電子元器件質(zhì)量檢測效果和水平，應(yīng)該強(qiáng)化對技術(shù)的應(yīng)用和研究。