任學(xué)龍

（俐瑪光電科技（北京）有限公司，北京）

引言

在電子制造領(lǐng)域，對(duì)電子元件表面缺陷的檢測是一項(xiàng)至關(guān)重要的任務(wù)。在電子制造過程中，表面缺陷是影響電子元件質(zhì)量的關(guān)鍵因素之一[1]。這些缺陷可能源于生產(chǎn)過程中的各種因素，如材料問題、工藝控制不當(dāng)?shù)取Ｈ绻@些缺陷未被及時(shí)發(fā)現(xiàn)和處理，將可能引發(fā)后續(xù)的產(chǎn)品質(zhì)量問題，甚至可能對(duì)整個(gè)生產(chǎn)線產(chǎn)生負(fù)面影響[2]。因此，對(duì)電子元件表面缺陷進(jìn)行及時(shí)、準(zhǔn)確的檢測具有重要意義。

傳統(tǒng)的電子元件表面缺陷檢測方法主要采用文獻(xiàn)[2]提出的方法原理，這種檢測方法效率低下，而且易受檢測環(huán)境因素影響，難以充分挖掘缺陷特征，導(dǎo)致檢測準(zhǔn)確性受限。

在計(jì)算機(jī)視覺與人工智能的飛速發(fā)展下，利用計(jì)算機(jī)視覺進(jìn)行電子元件表面疵病檢測已成為一個(gè)熱門課題[3]。計(jì)算機(jī)視覺技術(shù)可以對(duì)電子元器件的表面缺陷作出有效檢測。通過處理獲取的圖像、視頻數(shù)據(jù)，得到對(duì)應(yīng)場景的二維、三維信息，可自動(dòng)、快速、準(zhǔn)確地檢測出被測物體的表面缺陷，從而極大地提升加工效率與產(chǎn)品質(zhì)量[4]。

基于此，本文引入計(jì)算機(jī)視覺，開展了電子元件表面缺陷檢測算法的深入研究，為實(shí)現(xiàn)對(duì)電子元件表面缺陷的自動(dòng)、快速、準(zhǔn)確檢測，為提高元件的生產(chǎn)效率和產(chǎn)品質(zhì)量作出貢獻(xiàn)。

1 電子元件表面缺陷檢測算法研究

1.1 電子元件圖像濾波處理

在基于計(jì)算機(jī)視覺的電子元件表面缺陷檢測算法中，電子元件圖像濾波處理是算法開始的第一步，能夠有效地消除圖像中的多余噪聲，對(duì)提高檢測結(jié)果的準(zhǔn)確率起到了至關(guān)重要的作用[5]。

首先，使用拍照裝置獲取電子元件的表面圖像，確保采用高分辨率相機(jī)和適當(dāng)?shù)恼彰鳁l件來獲取高質(zhì)量的圖像[6]。本文采用均值濾波方法，對(duì)電子元件圖像進(jìn)行濾波處理。設(shè)定原始圖像像素點(diǎn)的灰度值用f（x,y）表示，基于均值濾波處理后，得出圖像像素點(diǎn)灰度值g（x,y）。均值濾波處理數(shù)學(xué)表達(dá)式如下所示

其中，ω 表示圖像像素點(diǎn)坐標(biāo)為 (x,y）的鄰域像素點(diǎn)集合；ω 表示鄰域像素點(diǎn)集合 ω包含的像素點(diǎn)個(gè)數(shù)。針對(duì)電子元件圖像中的每一個(gè)像素點(diǎn) (x,y），在該點(diǎn)周圍選取具有一定尺寸的鄰域。將選取的鄰域中所有像素點(diǎn)的平均灰度值，作為圖像像素點(diǎn)(x,y)的灰度值，進(jìn)而可以得出濾波處理后的圖像g(x,y)[7]。在適當(dāng)?shù)姆秶鷥?nèi)，選取的電子元件圖像鄰域像素點(diǎn)數(shù)量越多，則 ω的值越大，圖像均值濾波的降噪效果越好，圖像越清晰，噪聲點(diǎn)越少。

1.2 圖像閾值分割

電子元件圖像濾波處理完畢后，有效地消除了原始圖像中存在的冗余噪聲。接下來，對(duì)電子元件圖像進(jìn)行閾值分割，將圖像中的目標(biāo)和背景進(jìn)行區(qū)分，突出感興趣的目標(biāo)區(qū)域，同時(shí)減少圖像數(shù)據(jù)量，提高后續(xù)處理的速度和效率，以實(shí)現(xiàn)圖像的簡化目標(biāo)。

本文采用全局閾值分割方法，首先，令電子元件圖像的直方圖表示為

其中，n表示電子元件圖像中像素的總數(shù)；nq表示局域圖像中具有灰度級(jí)的像素?cái)?shù)量；q 表示圖像對(duì)應(yīng)的灰度級(jí)；L 表示圖像中可能的灰度級(jí)總數(shù)[8]。設(shè)定電子元件圖像分割閾值為k，C1表示灰度級(jí)為[0 ,1,2,...,k]的像素集，C2表示灰度級(jí)為[k＋ 1,...,L-1]的像素集合，此時(shí)，圖像類間方差可以表示為

其中，P1(k)、P2(k）分別表示集合C1、C2發(fā)生的概率，表達(dá)式分別如下所示

m1(k）、m2（k）分別表示集合C1、C2中像素的平均灰度值；mG表示電子元件圖像全局均值。此時(shí)，電子元件圖像灰度級(jí)從0 到k 的平均灰度的計(jì)算公式如下所示

1.3 基于計(jì)算機(jī)視覺的電子元件表面缺陷檢測算法設(shè)計(jì)

圖像閾值分割完畢后，獲取電子元件表面缺陷初步檢測結(jié)果。接下來，利用計(jì)算機(jī)視覺技術(shù)，設(shè)計(jì)電子元件表面缺陷檢測算法，進(jìn)一步精確檢測元件表面是否存在缺陷。首先，使用OpenCV 計(jì)算機(jī)視覺庫，讀取要處理的電子元件圖像，并將其轉(zhuǎn)換為灰度圖像。其次，使用Prewitt 算子邊緣檢測算法，計(jì)算圖像的水平和垂直方向梯度，得出電子元件梯度圖像。計(jì)算公式分別如下所示

其中，Gx(x,y) 表示圖像在坐標(biāo)點(diǎn) (x,y)處的水平方向梯度；Gy(x,y)G x(x,y) 表示圖像在坐標(biāo)點(diǎn)(x,y）處的垂直方向梯度；I(x,y)表示圖像在坐標(biāo)點(diǎn)(x,y）處的像素值[10]。根據(jù)梯度圖像中的邊緣信息，提取出電子元件圖像的邊緣。根據(jù)邊緣像素點(diǎn)的梯度值和方向，計(jì)算出梯度的幅值和方向，公式如下所示

其中，R(x,y)表示圖像梯度幅值；S 表示圖像梯度方向，取值范圍為[-π/2，π/2]。統(tǒng)計(jì)圖像的梯度幅值和方向，得到圖像的梯度特征。由于電子元件圖像水平梯度投影均值與垂直投影均值均屬于整個(gè)圖像梯度的均值，用M 表示，結(jié)合電子元件的功能及特征，設(shè)置一個(gè)適用于該元件的梯度均值閾值Tc。若M＜T，則判斷該電子元件表面無缺陷；若M≥T，則判斷該電子元件表面存在缺陷，實(shí)現(xiàn)電子元件表面缺陷檢測目標(biāo)。

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)準(zhǔn)備

基于計(jì)算機(jī)視覺的電子元件表面缺陷檢測算法的實(shí)驗(yàn)?zāi)康脑谟隍?yàn)證算法對(duì)電子元件表面缺陷的檢測準(zhǔn)確性，包括對(duì)不同類型的缺陷進(jìn)行正確分類和識(shí)別，同時(shí)探究其在不同類型電子元件表面的適用性。

在實(shí)驗(yàn)開始前，根據(jù)計(jì)算機(jī)視覺的運(yùn)行需求，搭建實(shí)驗(yàn)測試環(huán)境。環(huán)境配置如表1 所示。

表1 電子元件表面缺陷檢測實(shí)驗(yàn)環(huán)境配置

按照表1 所示的配置參數(shù)，搭建此次實(shí)驗(yàn)的測試環(huán)境。實(shí)驗(yàn)數(shù)據(jù)集包含1 400 張電子元件表面圖像，其中500 張為正常表面圖像，900 張為具有缺陷的表面圖像。這些圖像涵蓋了電阻、電容、二極管等多種類型的電子元件，數(shù)據(jù)集的具體信息如表2 所示。

表2 實(shí)驗(yàn)數(shù)據(jù)集具體信息

按照表2，選取實(shí)驗(yàn)數(shù)據(jù)集，為了方便實(shí)驗(yàn)中使用和比較不同算法的性能，對(duì)所有圖像都進(jìn)行了歸一化處理，將像素值調(diào)整到[0,1]的范圍內(nèi)。同時(shí)，為了保護(hù)數(shù)據(jù)集的隱私和安全，對(duì)所有圖像都進(jìn)行了脫敏處理，將敏感信息進(jìn)行遮蓋。在此基礎(chǔ)上，應(yīng)用本文提出的基于計(jì)算機(jī)視覺的電子元件表面缺陷檢測算法，開展實(shí)驗(yàn)測試，根據(jù)測試結(jié)果，評(píng)估該算法是否可行。

2.2 檢測結(jié)果分析

為了增強(qiáng)此次實(shí)驗(yàn)測試結(jié)果的可信度，采用對(duì)比實(shí)驗(yàn)，將本文提出的基于計(jì)算機(jī)視覺的電子元件表面缺陷檢測算法設(shè)置為實(shí)驗(yàn)組，將文獻(xiàn)[2]提出的電子元件表面缺陷檢測方法、文獻(xiàn)[6]提出的電子元件表面缺陷檢測方法分別設(shè)置為對(duì)照組1 與對(duì)照組2，通過對(duì)比三種方法的檢測結(jié)果，驗(yàn)證本文提出的檢測算法是否可行。選取電子元件表面缺陷檢測率作為此次實(shí)驗(yàn)的評(píng)價(jià)指標(biāo)，缺陷檢測率計(jì)算公式如下所示

其中，Mj表示算法檢測到的電子元件表面缺陷樣本數(shù)；M 表示選取的缺陷樣本數(shù)。這個(gè)公式用于評(píng)估算法對(duì)電子元件表面缺陷的檢測能力和效果。通過對(duì)比不同算法的缺陷檢測率，可以評(píng)估算法在表面缺陷檢測方面的性能優(yōu)劣。缺陷檢測率越高，說明算法對(duì)表面缺陷的檢測能力越強(qiáng)，準(zhǔn)確性和完備性越好。利用模擬分析軟件，模擬三種方法的檢測全過程，測定三種方法針對(duì)不同類型缺陷的檢測率，并作出對(duì)比，結(jié)果如圖1 所示。

圖1 電子元件表面缺陷檢測率對(duì)比結(jié)果

通過圖1 的對(duì)比結(jié)果可知，本文提出的基于計(jì)算機(jī)視覺的電子元件表面缺陷檢測算法應(yīng)用后，對(duì)6 個(gè)不同類型的電子元件表面缺陷的檢測率始終高于另外兩種檢測方法，缺陷檢測率較高，說明算法對(duì)表面缺陷的檢測能力更強(qiáng)，準(zhǔn)確性和可靠性更好，可以幫助電子企業(yè)及時(shí)發(fā)現(xiàn)并解決元件生產(chǎn)過程出現(xiàn)的表面缺陷問題，檢測效果優(yōu)勢顯著。

結(jié)束語

開展基于計(jì)算機(jī)視覺的電子元件表面缺陷檢測算法研究的重要性在于，它不僅可以提高生產(chǎn)效率，更能夠從根本上保障電子元件的生產(chǎn)質(zhì)量，為現(xiàn)代電子工業(yè)的穩(wěn)健發(fā)展提供有力支撐。本文提出的研究，有效地實(shí)現(xiàn)了對(duì)電子元件表面缺陷的高精度檢測，使檢測算法達(dá)到相當(dāng)高的檢測率，以適應(yīng)各種復(fù)雜場景和多變條件，進(jìn)而實(shí)現(xiàn)對(duì)各種類型和復(fù)雜度的表面缺陷的高效檢測。通過使用計(jì)算機(jī)視覺技術(shù)，可以實(shí)現(xiàn)自動(dòng)化、高精度的缺陷檢測，減少人工檢測的誤差。然而，基于計(jì)算機(jī)視覺的電子元件表面缺陷檢測算法設(shè)計(jì)也面臨著一些挑戰(zhàn)和問題，在未來的研究中，應(yīng)當(dāng)不斷推動(dòng)算法的標(biāo)準(zhǔn)化和規(guī)范化，以促進(jìn)其在不同行業(yè)和領(lǐng)域中更廣泛的應(yīng)用和互操作性，為電子工業(yè)的未來發(fā)展帶來更加顯著的價(jià)值和貢獻(xiàn)。