基于機(jī)器視覺(jué)的FPC缺陷檢測(cè)系統(tǒng)

眭石軍，廖 平

(中南大學(xué)機(jī)電工程學(xué)院，湖南長(zhǎng)沙 410083)

0 引言

FPC (flexible printed circuit)柔性印刷電路，是一種以有機(jī)薄膜為基材，并在其表面敷有能夠撓曲的薄銅箔導(dǎo)體以制成的柔性電路板，具有質(zhì)量輕、厚度薄、可彎曲、所占空間小等特點(diǎn)[1-2]。FPC可以在結(jié)構(gòu)上實(shí)現(xiàn)三維互連安裝，使得電子設(shè)備的體積得到有效減少，已經(jīng)廣泛應(yīng)用于電腦、手機(jī)、LCD顯示屏等產(chǎn)品[3-4]。與此同時(shí)，精密電子設(shè)備中對(duì)FPC的精度要求也越來(lái)越高，產(chǎn)品的質(zhì)量檢測(cè)在FPC 生產(chǎn)過(guò)程中越來(lái)越重要。

FPC的缺陷檢測(cè)有電學(xué)性能檢測(cè)以及外觀檢測(cè)等，前者主要使用探針對(duì)FPC進(jìn)行短路或者斷路檢查；后者即表面缺陷檢測(cè)，需要人工借助于顯微鏡或放大鏡進(jìn)行觀察，這種方式比較靈活，但顯然效率低下、成本過(guò)高[5]。因此本文基于機(jī)器視覺(jué)對(duì)FPC表面缺陷的檢測(cè)方法進(jìn)行了研究，能夠有效提取缺陷并進(jìn)行識(shí)別，提高缺陷檢測(cè)效率[6]。

1 FPC缺陷檢測(cè)硬件系統(tǒng)

FPC表面缺陷檢測(cè)系統(tǒng)的主要硬件結(jié)構(gòu)組成如圖1所示，包括圖像采集系統(tǒng)及圖像處理系統(tǒng)。

圖1 FPC表面缺陷檢測(cè)系統(tǒng)

其中圖像采集系統(tǒng)包括工業(yè)相機(jī)、鏡頭、光源及光源控制器，圖像處理系統(tǒng)則為PC機(jī)，與相機(jī)通過(guò)千兆以太網(wǎng)進(jìn)行通信。根據(jù)視野范圍、工作距離以及檢測(cè)精度的要求，對(duì)硬件進(jìn)行選型，其中相機(jī)選用大恒的CMOS黑白相機(jī)，分辨率為2 448像素×2 048像素，幀率為20fps；鏡頭為遠(yuǎn)心鏡頭。根據(jù)缺陷特征需要低角度的環(huán)形光源照明，故選用拓視達(dá)的零角度環(huán)形LED光源。

2 基于Halcon的FPC表面缺陷檢測(cè)

本文所做的工作主要是對(duì)FPC的表面缺陷進(jìn)行檢測(cè)，在高精度的電子產(chǎn)品中這些缺陷會(huì)嚴(yán)重影響FPC的性能及其使用壽命。Halcon是機(jī)器視覺(jué)軟件，因其功能全面、效率高、項(xiàng)目開(kāi)發(fā)周期短等優(yōu)點(diǎn)，已經(jīng)在工業(yè)生產(chǎn)中得到了廣泛應(yīng)用[7]。

2.1 油墨不良、版面污染缺陷檢測(cè)

油墨不良、版面污染缺陷如圖2所示，由于這兩種缺陷的檢測(cè)算法相似，可以一起分析。

(a)油墨不良

在規(guī)則、均勻的深色背景下，利用全局的閾值分割進(jìn)行特征的提取。對(duì)于一副灰度圖像，其上任意一點(diǎn)(x,y)的灰度值為f(x,y)，要從背景中提取對(duì)象，可以選擇一個(gè)閾值T，然后進(jìn)行閾值化分割，若處理后的圖像為g(x,y)，則

(1)

在圖像g(x,y)中標(biāo)記為1的像素則為提取的對(duì)象，標(biāo)記為0的則成為了背景，這樣就實(shí)現(xiàn)了最基本的圖像分割[8]。由于環(huán)境、設(shè)備等因素的影響，采集的圖像通常會(huì)含有一些噪聲，本文使用的濾波方法為中值濾波，對(duì)處理椒鹽噪聲非常有效[9]。

對(duì)于油墨不良檢測(cè)設(shè)置的灰度閾值范圍為[105,149]，對(duì)于版面污染缺陷檢測(cè)閾值范圍為[5,32]。圖3為檢測(cè)版面缺陷時(shí)閾值參數(shù)設(shè)置的灰度直方圖(縱軸為像素點(diǎn)數(shù)量，橫軸為灰度值)，其中缺陷的灰度值在[5,32]范圍內(nèi)，像素點(diǎn)較少，而FPC圖像主體部分的像素點(diǎn)較多，因此可以將缺陷從圖像中分割出來(lái)。

圖3 FPC圖像灰度直方圖

圖像經(jīng)濾波、閾值化處理后，由select_shape算子(形狀特征選擇)即可提取特征點(diǎn)，如圖4、圖5所示。注意到FPC金面成像的灰度值與版面污染的缺陷灰度值相似，因此對(duì)于版面污染缺陷的提取要使用兩次形狀選擇算子，第二次使用時(shí)除去形狀規(guī)則的金面，即可提取不規(guī)則的缺陷。

圖4 油墨不良缺陷

圖5 版面污染缺陷

2.2 金面污染缺陷檢測(cè)

FPC板上的金面污染缺陷只存在于FPC板的金面上，缺陷成像如圖6所示。

圖6 金面污染缺陷

本文提出了一種基于模板匹配來(lái)提取圖像ROI的方法[10]，即先將標(biāo)準(zhǔn)金面圖像作為感興趣區(qū)域提取出來(lái)作為標(biāo)準(zhǔn)模板，然后再?gòu)拇郎y(cè)圖像中尋找相似區(qū)域以提取ROI，如圖7矩形區(qū)域所示，進(jìn)行Blob分析就可以有效提取缺陷，如圖8所示。

圖8 金面污染缺陷檢測(cè)

可以看到創(chuàng)建的標(biāo)準(zhǔn)模板區(qū)域的寬要比金面區(qū)域稍大，這是因?yàn)槿绻贿x擇金面區(qū)域，在待測(cè)圖像中尋找相似區(qū)域時(shí)可能會(huì)找到金面上部的線路區(qū)域，或者不完全匹配到金面區(qū)域。在Halcon中有多種模板匹配的方法，在這里適用的是基于形狀和基于相關(guān)性的匹配方法，兩種方法的性能對(duì)比如表1所示。

熾熱的愛(ài)國(guó)愛(ài)民感情激發(fā)出無(wú)窮的創(chuàng)造力。贛東北蘇區(qū)表現(xiàn)出“驚人的創(chuàng)造力量”。如同方志敏所說(shuō)的：“想出許多有效的新方法來(lái)解決困難。如解決被敵人嚴(yán)密封鎖的經(jīng)濟(jì)問(wèn)題……還解決其他許多重大問(wèn)題，都不是照抄前例的，而是用前所未有特創(chuàng)的新方法去解決的！”(《我從事革命斗爭(zhēng)略述》)[1](P85-86)正因?yàn)槿绱?，贛東北和閩浙贛蘇區(qū)到處呈現(xiàn)“活躍躍”的創(chuàng)造：創(chuàng)造了勤勤懇懇為著蘇維埃事業(yè)的贛東北黨；創(chuàng)造了以“農(nóng)民革命團(tuán)”為組織形態(tài)的武裝力量和紅色政權(quán)；創(chuàng)造了作風(fēng)過(guò)硬的紅十軍以及一整套機(jī)動(dòng)靈活的戰(zhàn)略戰(zhàn)術(shù)原則；創(chuàng)造了富有成效的土地革命的方式策略以及經(jīng)濟(jì)文化建設(shè)成就。

表1 兩種匹配方法的性能對(duì)比

基于相關(guān)性的匹配方法創(chuàng)建模板的時(shí)間較長(zhǎng)，但是平均匹配時(shí)間很短，而基于形狀的匹配時(shí)間雖然需要30 ms，但是匹配成功率高，因此選用基于形狀的匹配方法。

2.3 版面皺折缺陷檢測(cè)

版面皺折缺陷在圖像中并不明顯，其灰度值與背景灰度值非常相近，所以運(yùn)用全局檢測(cè)很難將皺折缺陷提取出來(lái)?？紤]使用局部檢測(cè)，觀察FPC板背面可以發(fā)現(xiàn)，如圖9(a)所示，由于制造工藝的限制，背膠并不是一次成型的，故留有4條間隙，而間隙處一般就是發(fā)生皺折的地方。因此可以將間隙處的FPC作為感興趣區(qū)域進(jìn)行處理，如圖9(b)所示，這樣就不會(huì)被圖像其他區(qū)域所干擾，有效提高檢測(cè)精度。

(a)FPC背膠

在Halcon中提取ROI使用較多的方法是Blob分析逼近以及手動(dòng)在圖像中畫矩形或者畫其他形狀來(lái)提取。在這里由于圖像缺陷處的特征不明顯，所以要通過(guò)畫矩形區(qū)域來(lái)創(chuàng)建ROI。但是在自動(dòng)化檢測(cè)過(guò)程中就需要圖像能夠?qū)崿F(xiàn)自動(dòng)分割出ROI，那么可以先創(chuàng)建標(biāo)準(zhǔn)模板圖像，在模板中手動(dòng)創(chuàng)建ROI，再將待測(cè)圖像與標(biāo)準(zhǔn)圖像通過(guò)剛性的仿射變換對(duì)準(zhǔn)，就可以自動(dòng)在待測(cè)圖像中創(chuàng)建ROI圖像，程序流程如圖10所示。

圖10 版面皺折檢測(cè)流程圖

提高圖像對(duì)比度的方法有很多種，圖11為現(xiàn)存幾種常用方法的對(duì)比。在Halcon中增強(qiáng)對(duì)比度使用較多的是emphasize算子，但是處理效果并不好。灰度拉伸與直方圖均衡化是圖像處理中比較常用的增強(qiáng)對(duì)比度的方法，雖然增強(qiáng)了缺陷特征，但同樣也加強(qiáng)了圖像中的干擾部分如電路等，使得后續(xù)檢測(cè)結(jié)果不理想。

(a)原圖像(ROI)

本文根據(jù)FPC缺陷特征提出了一種新的增強(qiáng)圖像對(duì)比度的方法，即通過(guò)圖像自乘來(lái)提高圖像對(duì)比度。首先將圖像灰度值反轉(zhuǎn)，即：

g(x,y)=255-f(x,y)

(2)

然后再進(jìn)行圖像自乘操作，在Halcon中兩圖像相乘的算子為mult_image，可以用公式表示為

g(x,y)=g1×g2×Mult+Add

(3)

在程序中令g1等于g2，并等于灰度值反轉(zhuǎn)后的圖像，取Mult=0.006，Add=-50，圖像處理后如圖12所示。

圖12 利用圖像自乘增強(qiáng)對(duì)比度

在Halcon中Gauss線條檢測(cè)算子為lines_gauss算子，其在使用前要先確定所檢測(cè)線條的模型，即LineModel，主要有三種形式：條型bar_shaped、拋物線型parabolic以及高斯線型gaussian，如圖13所示。條型對(duì)于大多數(shù)線條的提取都有比較好的效果，但是不適于提取背光照明的管狀線型。拋物線型一般在線條十分清晰的情況下選用，高斯線型一般應(yīng)用于線條邊緣不清楚的場(chǎng)合。

(a)bar_shaped

lines_gausss算子在處理過(guò)程中先對(duì)圖像進(jìn)行高斯平滑，由參數(shù)σ來(lái)確定所需要的平滑量。算子在提取線條過(guò)程中使用了滯后閾值算法，即雙閾值算法，這樣在提取到線條的中心點(diǎn)后能夠很快地將其連接成線[15]。故需要確定高閾值High和低閾值Low，這兩個(gè)閾值要通過(guò)所提取對(duì)象的對(duì)比度來(lái)確定，若設(shè)線條的高對(duì)比度與低對(duì)比度分別為contrastHigh和contrastLow，那么高、低閾值的計(jì)算公式為

(4)

式中w為所檢測(cè)線條的最大線寬。

對(duì)于高于High的點(diǎn)則被認(rèn)為是線條上的點(diǎn)，低于Low的點(diǎn)則會(huì)立即舍棄，而介于Low和High之間的點(diǎn)，若這些點(diǎn)與已經(jīng)被認(rèn)為是線條上的點(diǎn)能夠通過(guò)某一通路相連，并且通路距離小于w，那么這些點(diǎn)才會(huì)被接受。最終檢測(cè)到的版面皺折缺陷如圖14所示。

圖14 版面皺折缺陷

3 FPC缺陷檢測(cè)系統(tǒng)界面設(shè)計(jì)

系統(tǒng)使用Halcon聯(lián)合MFC進(jìn)行設(shè)計(jì)，在圖像處理程序設(shè)計(jì)完成后，從Halcon將程序?qū)С鰹镃/C++代碼。系統(tǒng)開(kāi)發(fā)環(huán)境為Visual Studio 2015，并基于相機(jī)的SDK進(jìn)行開(kāi)發(fā)，可大大縮短開(kāi)發(fā)周期，界面設(shè)計(jì)如圖15所示。

圖15 檢測(cè)系統(tǒng)操作界面

4 實(shí)驗(yàn)與分析

將開(kāi)發(fā)的檢測(cè)系統(tǒng)對(duì)提供的80個(gè)樣本進(jìn)行檢測(cè)，檢測(cè)結(jié)果如表2所示。

由表2檢測(cè)結(jié)果可以看到，所設(shè)計(jì)的檢測(cè)系統(tǒng)對(duì)于這幾種缺陷的識(shí)別有較高的準(zhǔn)確率，但是油墨不良缺陷的準(zhǔn)確率只有80%，這是因?yàn)閳D像中噪聲與缺陷特征相似導(dǎo)致干擾噪聲并不能完全去除，且實(shí)驗(yàn)無(wú)法保證無(wú)塵環(huán)境也會(huì)對(duì)檢測(cè)有影響。實(shí)驗(yàn)的檢測(cè)速度都在0.2 s每片左右，而由于皺折檢測(cè)算法較復(fù)雜所以檢測(cè)速度稍慢，但也滿足生產(chǎn)要求。

表2 檢測(cè)結(jié)果

5 結(jié)束語(yǔ)

本文基于機(jī)器視覺(jué)技術(shù)，對(duì)FPC的表面缺陷特征進(jìn)行了研究，并基于Halcon研究了缺陷檢測(cè)算法。能夠?qū)PC上的油墨不良、污染等缺陷進(jìn)行有效檢測(cè)，對(duì)金面污染提出了一種基于模板匹配提取ROI的方法，有效提高了檢測(cè)精度。在缺陷不明顯的情況下，提出了一種通過(guò)圖像自乘來(lái)提高圖像對(duì)比度的方法，運(yùn)用Gauss線檢測(cè)實(shí)現(xiàn)了對(duì)表面皺折的有效提取。最后基于MFC開(kāi)發(fā)了缺陷實(shí)時(shí)檢測(cè)系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，本文算法能夠較好地識(shí)別FPC的表面缺陷。