手機U盤表面焊點缺陷自動檢測系統(tǒng)研究

李 昂，潘 晴，萬相奎

（廣東工業(yè)大學 信息工程學院，廣州 510006）

0 引言

隨著信息技術的飛速發(fā)展與迅速普及，大量數(shù)據(jù)內(nèi)容不斷增加。智能移動通信設備的存儲需求變得越來越大。手機U盤的出現(xiàn)極大的方便了智能手機與電腦之間的數(shù)據(jù)共享。在手機U盤的工業(yè)生產(chǎn)過程中容易出現(xiàn)焊點質(zhì)量缺陷。在傳統(tǒng)質(zhì)量檢測過程中，質(zhì)檢員使用高倍顯微鏡對焊點進行人工檢測，這種方式不僅效率低下而且準確率不高。

基于機器視覺的在線檢測方法由于其非接觸性、快速性、自動化程度高和可靠性高等特點，已經(jīng)在國內(nèi)外許多領域獲得廣泛應用[1,2]。目前的一些檢測設備主要針對大尺寸PCB電路板，而對于諸如手機U盤等小尺寸電路板還沒有相關的系統(tǒng)研究。本文所設計系統(tǒng)能克服傳統(tǒng)人工檢測的種種弊端，實現(xiàn)自動檢測，降低了用人成本。本系統(tǒng)使用低成本CMOS相機，降低了系統(tǒng)整機的制造成本，同時驗證了CMOS相機用于工業(yè)檢測的可行性。

1 硬件平臺搭建

計算機視覺系統(tǒng)通過圖像采集裝置，將被檢測物轉換為圖像信號，利用圖像處理系統(tǒng)根據(jù)像素，圖像亮度，顏色等信息對目標進行特征提取，再根據(jù)系統(tǒng)的預設條件輸出結果。本系統(tǒng)硬件平臺由工業(yè)相機、鏡頭、光源以及計算機四個部分組成。實物樣機照片如圖1所示。

1.1 工業(yè)相機與鏡頭

根據(jù)實際需求，為實現(xiàn)被測物整體尺寸與局部焊點同時檢測，根據(jù)被測物尺寸大小以及相機工作距離等因素，將視場范圍選定為50mm×38mm（長寬比4:3）。相機選擇500萬像素CMOS工業(yè)相機，鏡頭選擇25mm定焦鏡頭。工業(yè)相機將所采集的圖像通過USB3.0接口傳輸至計算機。

圖1 系統(tǒng)樣機照片

1.2 光源照明

計算機視覺中使用光源照明的目的是使被測物的重要特征顯現(xiàn)，并抑制不需要的特征。本系統(tǒng)光源選用環(huán)形碗狀光源，用于檢測表面焊點。碗狀光源照射下，光線通過半球型的內(nèi)壁多次反射，可以對表面不平的物體實現(xiàn)均勻照明，并可以完全消除陰影。

2 算法設計

本系統(tǒng)的檢測算法主要分為三個步驟：預處理、焊點區(qū)域定位和缺陷識別。首先通過對原始圖像進行預處理、傾斜校正，實現(xiàn)焊點區(qū)域定位；然后通過二值化處理、計算連通域面積和水平方向投影提取焊點缺陷特征；最后使用缺陷特征對焊點進行分類，從而識別出有缺陷的焊點。算法流程圖如圖2所示。

圖2 算法流程圖

2.1 預處理

手機U盤底板區(qū)域與背景區(qū)域灰度級對比明顯，通過這一特征可以使用邊緣檢測提取出手機U盤的輪廓。首先對采集到的圖像幀進行灰度化處理，然后使用高斯濾波器對圖像進行平滑濾波。使用Canny算子進行邊緣檢測。在邊緣檢測中，抑制噪聲和邊緣精確定位通常無法同時滿足，Canny算子能夠在抗噪聲干擾和精確定位之間尋求最佳折衷方案。由于檢測出的邊緣會存在不連續(xù)性，使用形態(tài)學處理使檢測出的邊緣線連接完整，如圖3(b)所示。這里采用原點位于中心的3×3對稱結構元素進行膨脹運算。

2.2 焊點區(qū)域定位

在實際檢測過程中，被測品是隨意擺放的，因此對焊點區(qū)域的精確定位造成了一定困難。焊點區(qū)域的定位準確與否，直接影響到后續(xù)缺陷識別的準確度。焊點區(qū)域定位步驟如下：

1）傾斜校正

使用Hough變換檢測最長邊緣直線，計算出傾斜角α，將邊緣檢測后的圖像旋轉（90-α）度，實現(xiàn)水平方向傾斜校正，如圖3(c)所示。使用8連通域對傾斜校正后的圖像進行種子填充，之后選取最大的連通區(qū)域，這樣能夠濾除背景噪聲。如圖3(d)所示。

2）區(qū)域定位

定位出最大連通區(qū)域的位置。這里采用逐行逐列的掃描方法，先從上到下掃描紀錄每行中點為1的個數(shù)，當一行中1的個數(shù)大于一個閾值時，計錄行數(shù)。同理再從左到右，從下到上，從右到左掃描記錄，最終得到四個角點的坐標。利用這四個角點坐標在原始灰度圖上定位整個U盤的區(qū)域，如圖3(e)所示。接下來利用輸出圖像的中心點坐標可以很容易定位出焊點所在的矩形區(qū)域，如圖3(f)所示。

圖3 焊點區(qū)域定位流程

2.3 缺陷識別

2.3.1 閾值分割

本方法對正常、橋接和缺焊三種焊點進行識別。焊點區(qū)域內(nèi)有5個焊點，為了識別出樣本中每個焊點的質(zhì)量情況，對單個焊點進行分割后逐一進行識別。在環(huán)形正面光源的照射下，焊錫部位會發(fā)生反光，而沒有焊錫的部位不會。為了提高圖像的檢測效果和識別速度，對焊點區(qū)域的灰度圖像進行二值化處理，使圖像只含有黑白兩種顏色像素的圖像，使用最大類間方差法找到一個合適的閾值T，然后通過式(1)輸出二值化圖像g (x，y)。從而排除噪聲干擾，使感興趣的焊點部位得到充分表達。

f（x，y）為二維灰度圖像函數(shù)，T為閾值，1代表目標圖像，0代表背景圖像。

在二值化圖像區(qū)域中，白色部分代表有焊錫的區(qū)域。由于存在焊點二值化區(qū)域間隔較大，且在出現(xiàn)缺陷時排列不均等現(xiàn)象，這里使用提取焊點的質(zhì)心坐標來定位焊點以實現(xiàn)單個焊點分割，如圖4所示。

圖4 焊點分割

2.3.2 特征提取

1）水平方向投影

通過提取焊點的水平方向投影直方圖特征，利用巴氏距離與標準焊點模板進行相似度度量，可以區(qū)分出橋接的焊點，而缺焊的焊點的水平方向投影直方圖與正常焊點相似，不容易被區(qū)分。三種類型的焊點水平方向投影直方圖如圖5所示。

圖5 三種類型焊點水平方向投影直方圖

2） 連通區(qū)域面積計算

通過統(tǒng)計二值化區(qū)域內(nèi)像素值為1的像素點個數(shù)可以計算出連通區(qū)域的面積。正常焊點區(qū)域的連通域面積會保持在一定范圍內(nèi)浮動；當發(fā)生缺焊時，焊錫會減少，導致連通區(qū)域面積變小。利用這一特征可以區(qū)分出缺焊的焊點。首先利用水平方向投影特征識別出橋接焊點，再以連通區(qū)域面積大小特征對缺焊焊點進行識別。

3 實驗與分析

實驗中使用30個手機U盤樣品上的70個焊點樣本進行識別，其中正常焊點50個，橋接和缺焊樣本各為10個。實驗樣本統(tǒng)計結果如表1所示。

表1 測試樣本統(tǒng)計結果

從實驗結果中可以看出，缺陷樣本的識別率達到100%，正常樣本中有兩個被誤判，原因是樣本由于光照等因素的影響，在二值化處理后連通區(qū)域的面積過小，導致被判定為缺焊?？傮w來看本識別方法具有比較高的識別率。

在針對焊點缺陷的識別研究[3～6]中，識別算法大致分為基于統(tǒng)計建模的圖像對比算法[7]和基于特征的圖像分析算法[8]兩大類。文獻[9]使用神經(jīng)網(wǎng)絡算法進行分類，具有良好的識別效果。但使用神經(jīng)網(wǎng)絡分類器的運算量較大，降低了識別效率。本文使用水平投影直方圖巴氏距離相似度和焊點面積特征相結合對焊點缺陷進行識別，提高了識別速度。

4 結束語

本文設計基于機器視覺的手機U盤缺陷自動檢測系統(tǒng)，結合生產(chǎn)實際，對手機U盤的焊點圖像進行深入分析；采用邊緣檢測、區(qū)域填充、閾值分割等一系列的圖像處理方法，有效對手機U盤表面焊點進行定位；使用水平方向投影、連通區(qū)域面積作為特征對焊點缺陷進行了識別。實驗證明本系統(tǒng)方法能夠實現(xiàn)快速準確的實現(xiàn)焊點缺陷檢測。

[1] 李薇.PCB自動光學檢測系統(tǒng)[J].工業(yè)控制計算機.2009,22(1):44-46.

[2] Acciani G,Brunetti G,Fornarelli G,et al.AOI based neurofuzzy system to evaluate solder joint quality[A].ICEIS 2009-11th International Conference on Enterprise Information Systems[C].2009.

[3] 姚忠偉.基于機器視覺的PCB缺陷檢測算法研究[D].哈爾濱:哈爾濱工業(yè)大學,2013.

[4] 李昌海.基于AOI的LCD線路缺陷檢測系統(tǒng)[D].成都:電子科技大學,2013.

[5] 劉陽.基于圖像處理的PCB焊接缺陷檢測技術研究[D].大連:大連理工大學,2009.

[6] 張靜.PCB表觀缺陷的自動光學檢測理論與技術[D].成都:電子科技大學,2013.

[7] 李正明,黎宏,孫俊.基于數(shù)字圖像處理的印刷電路板缺陷檢測[J].儀表技術與傳感器,2012,(8):87-89.

[8] 舒操,汪同慶,李陽.結合標定擬合和模糊理論的焊點特征顏色提取[J].計算機工程與應用.2013,(11):244-247.

[9] 周穎,趙海鳳,郝紅敏.基于圖像處理的焊點缺陷識別方法的研究[J].計算機工程與應用,2013,49(1):239-241.