基于序貫相似性與光源自動調(diào)節(jié)的芯片表面缺陷檢測算法

馮莉　龔子華

摘 要： 為了解決當(dāng)前缺陷檢查算法在保護(hù)罩反光環(huán)境下易導(dǎo)致采集芯片連接器圖像光照不均，使其缺陷檢測精度較低，無法精確定位出淺插與破損的不足，設(shè)計(jì)了基于序貫相似性檢測匹配與光源自動調(diào)節(jié)的芯片連接器表面缺陷檢測識別算法。首先，基于序貫相似性檢測匹配，定位出連接器位置，提取出連接器不良常發(fā)區(qū)域；然后設(shè)計(jì)了光源自動調(diào)節(jié)機(jī)制，視覺軟件通過光源數(shù)字控制器SDK與網(wǎng)線觸發(fā)光源關(guān)閉或調(diào)暗，消除保護(hù)罩反光對圖像質(zhì)量的影響；最后采用線檢測，統(tǒng)計(jì)缺陷區(qū)域二值圖特征，完成缺陷檢查。實(shí)驗(yàn)數(shù)據(jù)顯示，與當(dāng)前缺陷檢查技術(shù)相比，在面對保護(hù)罩反光嚴(yán)重環(huán)境下的芯片連接器缺陷檢查時(shí)，該算法具有更高的檢查精度。

關(guān)鍵詞： 缺陷檢測； 圖像處理； 光源自動調(diào)節(jié)； 序貫相似性檢測； 線檢測

中圖分類號： TN911.73?34； TP391 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）05?0058?05

Abstract： Since the current defect detection algorithm used in the protection cover reflective environment is easy to result in the nonuniform illumination of the acquired image of the chip connector， make its defect detection precision low， and is unable to locate the shallow insert and damage， an algorithm for chip connector′s surface defect detection based on the sequential similarity detecting marching and light source automatic adjustment was designed. On the basis of the sequential similarity detection matching， the position of the connector is located to extract the often occurring nonuniform illumination area of the connector. The light source automatic adjustment mechanism was designed. The visual software triggers the light source′s turnoff or dimming through the light source digital controller SDK and cable to eliminate the effect of light reflected by the protection cover on image quality. The line detection is used to count the features of the binary image of the defect area to detect the defect. The experimental data shows that， in comparison with the current defect detecting technology， the algorithm proposed in this paper has higher detecting precision while detecting the defect of the chip connector in the protection cover reflective environment.

Keywords： defect detection； image processing； light source automatic adjustment； sequential similarity detection； line detection

0 引 言

隨著“中國制造2025”概念的深化，將智能化、自動化技術(shù)應(yīng)用于制造業(yè)，從而提高制造水平、生產(chǎn)效率，降低人力成本，成為非常迫切的需求[1?2]。芯片連接器是電子制造業(yè)的核心部件，產(chǎn)量高、工藝復(fù)雜，對后續(xù)表面缺陷檢查有很大的挑戰(zhàn)，而表面缺陷檢查直接關(guān)系到產(chǎn)品質(zhì)量，因此將智能化技術(shù)應(yīng)用在芯片連接器表面缺陷檢查是非常必要的[3]。以往國內(nèi)很多廠家依靠人眼檢查，檢查結(jié)果容易受主觀影響，效率低、人力成本高，后來部分廠家推進(jìn)自動化視覺檢查設(shè)備，在一定程度上提高了檢查精度、效率[4?5]。但是，當(dāng)芯片連接器成像不良、背景復(fù)雜時(shí)，檢查性能大大降低，影響設(shè)備的使用，本文針對這種情況開發(fā)出一套芯片連接器表面缺陷檢查算法。

在產(chǎn)品表面缺陷檢查方面，國內(nèi)研究人員開始將圖像處理與計(jì)算機(jī)視覺技術(shù)引入到缺陷檢查中，對其展開研究。如文獻(xiàn)[6]為了提高磁環(huán)端面缺陷檢測率，提出基于機(jī)器視覺的磁環(huán)端面缺陷檢測，通過輪廓定位優(yōu)化算法，求解圓環(huán)內(nèi)外徑尺寸及圓心坐標(biāo)，計(jì)算得到了掩模圖，并測量了特征尺寸，完成了缺陷識別，實(shí)驗(yàn)結(jié)果顯示其算法具有較高的缺陷檢測率。但是，此技術(shù)依靠目標(biāo)輪廓定位缺陷完成檢查，在缺陷圖像光照不均時(shí)，往往影響缺陷輪廓，導(dǎo)致缺陷檢查失誤。文獻(xiàn)[7]提出基于Gabor特征的曲面工件缺陷檢測方法，使用Gabor函數(shù)能夠提取出圖像在不同位置、頻率和方向上的特征，構(gòu)建濾波器組，提取灰度均值和方差作為紋理特征向量，最后達(dá)到缺陷檢查的目的。然而，這種技術(shù)是依靠空域?yàn)V波，在缺陷背景復(fù)雜的情況下，往往不能區(qū)分缺陷與背景，導(dǎo)致缺陷檢查失敗。

為了提高缺陷檢查算法的適應(yīng)性，使其在背景復(fù)雜、光照不均的環(huán)境下仍然能夠精確檢查出缺陷：淺插與破損，本文提出了基于圖像處理與光源自動調(diào)節(jié)的芯片連接器表面缺陷檢查算法。先設(shè)計(jì)基于序貫相似性的定位算子完成芯片定位；然后通過光源自動調(diào)節(jié)，消除光照不均，基于線檢測完成缺陷檢查；最后，測試了本文缺陷檢查算法的精度與穩(wěn)定性。

1 本文芯片缺陷檢查算法

本文算法流程見圖1。該算法首先將芯片連接器隨傳送帶運(yùn)動到工業(yè)相機(jī)鏡下進(jìn)行圖像采集，隨后基于序貫相似性完成芯片定位。然后視覺軟件觸發(fā)數(shù)字光源控制器，關(guān)閉光源，重新采集圖像，提取出芯片區(qū)域，即缺陷高發(fā)區(qū)域。最后設(shè)計(jì)了線檢測方法，統(tǒng)計(jì)黑白區(qū)域變更次數(shù)，進(jìn)而判斷是否存在不良缺陷。

芯片連接器的整體圖像如圖2所示，芯片連接器在圖像中間，背景復(fù)雜。正常的芯片連接器如圖3所示，有明顯的光照不均。本文主要研究兩種缺陷：淺插與破損。淺插不良，即金屬絲露出如圖4所示。破損不良，即芯片破損，金屬絲露出，如圖5所示。兩種缺陷都是金屬絲違規(guī)露出，屬同質(zhì)缺陷，故本文用同一種算法完成對兩種缺陷的檢查。

芯片連接器隨傳送帶到相機(jī)鏡下，圖像采集完成后，首先需要對芯片連接器進(jìn)行定位，為后續(xù)缺陷檢查工作做好準(zhǔn)備。芯片連接器背景復(fù)雜，對定位算法精度要求較高，且直接影響后續(xù)缺陷檢出率，故本文引入序貫相似性定位算法來定位。序貫相似性算法在待匹配圖像的每個(gè)位置上累計(jì)模板和待匹配圖像在位置上的灰度差，若累計(jì)值大于某一指定閾值，則說明該位置為非匹配位置，停止本次計(jì)算，進(jìn)行下一個(gè)位置測試，直到找到最佳匹配位置為止[8]。序貫相似性算法能很快丟棄不匹配點(diǎn)，減少花在不匹配點(diǎn)的計(jì)算量，從而更精準(zhǔn)地定位目標(biāo)[9]：

式中：圖像尺寸是[n×m；]模板圖像尺寸是[k×l； f（u，v）]為圖像某點(diǎn)；[m（u，v）]是該點(diǎn)鄰域與模板間的相似度。如果在[（u，v）]處存在與模板一致的圖案時(shí)，則[m（u，v）]越小，反之，則[m（u，v）]值越大。特別是在模板與圖像完全不一致時(shí)，如果在模板內(nèi)的各像素上與圖像的灰度差的絕對值依次加下去，其和就會急劇增大，因在做加法過程中，如果灰度差的部分和超過了某一閾值，就認(rèn)為該位置上和模板一致的圖案不存在，從而轉(zhuǎn)移到下一個(gè)位置上進(jìn)行[m（u，v）]的計(jì)算[10]。因此不僅提高定位精度，也提高了算法效率。

2 耦合光源自動調(diào)節(jié)與線檢測的缺陷檢查

完成芯片連接器定位后，需要對連接器區(qū)域進(jìn)行缺陷檢查。由于芯片連接器外有塑料保護(hù)罩覆蓋，在光源照射下，不可避免的會有反射，造成光照不均（如圖4所示），影響缺陷檢查結(jié)果。而在前期目標(biāo)定位時(shí)需要光源照射，無法完全取消光源，因此，本文采用視覺軟件對光源控制器自動控制的方法，即在拍照完成圖像定位采集后，缺陷檢查前，軟件觸發(fā)數(shù)字光源控制器，關(guān)閉光源。光源由光源控制器控制，配有控制器SDK，本文開發(fā)出集成控制器SDK的視覺軟件，自動調(diào)節(jié)光源機(jī)制如圖7（a）所示，軟件觸發(fā)光源關(guān)閉，消除反光造成的光照不均，軟件修改增大相機(jī)曝光值，補(bǔ)償無光源環(huán)境，然后進(jìn)行缺陷檢查前的圖像采集，如圖7（b）所示。

然后由上到下統(tǒng)計(jì)每次白色像素連續(xù)出現(xiàn)的個(gè)數(shù)，即計(jì)算金屬絲的厚度，得到符合金屬絲厚度的目標(biāo)達(dá)到兩個(gè)時(shí)，即判為淺插不良，并將缺陷處標(biāo)出，如圖9所示，本文缺陷算法檢查出缺陷位置，應(yīng)用于破損缺陷檢查同理。完成缺陷檢查后，軟件觸發(fā)光源恢復(fù)開啟，相機(jī)曝光值復(fù)原，為下一連接器的定位處理做準(zhǔn)備。

3 實(shí)驗(yàn)與討論

為了體現(xiàn)本文算法的優(yōu)勢，將當(dāng)前缺陷檢查性能較好的技術(shù)——文獻(xiàn)[6]設(shè)為對照組。以圖10為檢測對象，其包含帶有缺損不良的芯片連接器圖像。

而利用對照組技術(shù)處理圖10時(shí)，由于單純采用輪廓波處理，在圖像背景復(fù)雜的情況下，往往對目標(biāo)定位不準(zhǔn)，且由于保護(hù)罩反光，目標(biāo)提取后往往有明顯的光照不均，二值化后，缺陷往往被噪聲淹沒。同樣采用線檢測，但由于文獻(xiàn)[1]技術(shù)的定位不準(zhǔn)或光照不均，導(dǎo)致缺陷漏檢。

4 結(jié) 論

為了解決缺陷背景復(fù)雜且光照不均環(huán)境下的缺陷漏檢問題，本文設(shè)計(jì)了基于圖像處理與光源自動調(diào)節(jié)的缺陷檢查算法，實(shí)現(xiàn)對芯片連接器采集圖像的定位、光照不均消除、缺陷檢查。實(shí)驗(yàn)結(jié)果表明，與當(dāng)前缺陷檢查技術(shù)相比，在面對反光嚴(yán)重、背景復(fù)雜環(huán)境下導(dǎo)致的缺陷漏檢時(shí)，本文方法具有更好的精度和穩(wěn)定性，為不良檢出提供了技術(shù)保障。

參考文獻(xiàn)

[1] 李新科，高潮，郭永彩，等.利用改進(jìn)的SIFT算法檢測橋梁拉索表面缺陷[J].武漢大學(xué)學(xué)報(bào)，2015，40（1）：71?76.

[2] 遲大釗，剛鐵.基于超聲雜波抑制的缺陷檢測[J].焊接學(xué)報(bào)，2015（10）：17?20.

[3] TSAI D M， CHEN M C， LI W C. A fast regularity measure for surface defect detection [J]. Machine vision and applications， 2012， 23（5）： 869?886.

[4] TAJERIPOUR F， FEKRI?ERSHAD S. Developing a novel approach for stone porosity computing using modified local binary patterns and single scale Retinex [J]. Arabian journal for science and engineering， 2014， 39（2）： 875?889.

[5] SCHOLZ?REITER B， WEIMER D， THAMER H. Automated surface inspection of cold?formed micro?parts [J]. CIRP annals?manufacturing technology， 2012， 61（1）： 531?534.

[6] 王玉槐，賈虹，陳永清，等.基于機(jī)器視覺的磁環(huán)端面缺陷檢測[J].工程圖學(xué)學(xué)報(bào)，2010，31（5）：63?68.

[7] 唐瑋，余桂英，鄭春煌，等.基于Gabor特征的曲面工件缺陷檢測方法的研究[J].中國計(jì)量學(xué)院學(xué)報(bào)，2015，26（1）：46?49.

[8] MA G H， WANG C， LIU P. Sequential similarity detection algorithm based on image edge feature [J]. Journal of Shanghai Jiaotong University （Science）， 2014， 19（1）： 79?83.

[9] YU Xiaqiong， CHEN Xiangning， JIANG Mingyong. Motion detection in moving background using a novel algorithm based on image features guiding self?adaptive sequential similarity detection algorithm [J]. Optik?international journal for light and electron optics， 2012， 123（22）： 2031?2037.

[10] 溫麗華.基于序貫相似性檢測思想的字符識別技術(shù)研究[D].大連：大連理工大學(xué)，2014：16?37.