郭瑞霞* 韓欽 韓英向

（天津中新華興光電技術(shù)有限公司研發(fā)中心，天津 300467）

眾所周知，許多工廠在大批量產(chǎn)品的生產(chǎn)過(guò)程中，總會(huì)涉及到各種質(zhì)量檢測(cè)、生產(chǎn)過(guò)程監(jiān)控及缺陷識(shí)別等應(yīng)用[1]，隨著科學(xué)技術(shù)的發(fā)展與進(jìn)步，機(jī)器視覺檢測(cè)在其中扮演著越來(lái)越重要的角色。傳統(tǒng)的工業(yè)產(chǎn)品質(zhì)量檢測(cè)多采用人工檢測(cè)的方法，人工檢測(cè)不僅需要耗費(fèi)大量的勞動(dòng)成本，而且容易受到檢測(cè)人員主觀判斷標(biāo)準(zhǔn)不同以及長(zhǎng)時(shí)間不間斷的工作導(dǎo)致的視覺疲勞等因素的干擾，以至于產(chǎn)品會(huì)出現(xiàn)漏檢和錯(cuò)檢的現(xiàn)象，導(dǎo)致產(chǎn)品質(zhì)量檢測(cè)的速度與精度迅速下降，影響生產(chǎn)效益。機(jī)器視覺系統(tǒng)易于集成設(shè)計(jì)信息和加工控制信息，且易于自動(dòng)化處理，因此，在智能化不斷提升的現(xiàn)代工業(yè)生產(chǎn)過(guò)程中，機(jī)器視覺系統(tǒng)在工況監(jiān)視、成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域得到廣泛的應(yīng)用[2]。在我國(guó)，機(jī)器視覺主要應(yīng)用于半導(dǎo)體生產(chǎn)、食品飲料加工、醫(yī)學(xué)及汽車等行業(yè)[3]。在人工智能極速發(fā)展的推動(dòng)下，機(jī)器視覺系統(tǒng)的軟硬件技術(shù)同樣取得了很大的進(jìn)步[4]，已經(jīng)可以為客戶提供高質(zhì)量的智能化服務(wù)，對(duì)產(chǎn)品實(shí)現(xiàn)100%的全面檢測(cè)。目前，機(jī)器人與自動(dòng)化已經(jīng)改變了幾乎所有工業(yè)部門的制造模式，同時(shí)提高了生產(chǎn)效率以及產(chǎn)品一致性?；跈C(jī)器視覺的檢測(cè)系統(tǒng)具有非接觸性這一不可替代的優(yōu)點(diǎn)[5]，因此，基于機(jī)器視覺的全自動(dòng)化智能工廠對(duì)許多生產(chǎn)商來(lái)說(shuō)是一個(gè)明確目標(biāo)，然而大多數(shù)公司目前還沒有實(shí)現(xiàn)該目標(biāo)。本文利用機(jī)器視覺技術(shù)實(shí)現(xiàn)對(duì)PCB 元器件缺陷的智能檢測(cè)，其主要是基于圖像處理、計(jì)算機(jī)圖形學(xué)、模式識(shí)別、計(jì)算機(jī)技術(shù)、人工智能等多方面綜合研究的電路板螺紋和電池有無(wú)缺陷檢測(cè)系統(tǒng)。

1 總體方案設(shè)計(jì)

本設(shè)計(jì)主要由硬件結(jié)構(gòu)和檢測(cè)軟件構(gòu)成，硬件結(jié)構(gòu)由工業(yè)相機(jī)、工業(yè)鏡頭、光源、光源控制器、計(jì)算機(jī)、定制實(shí)驗(yàn)支架、專用線纜等構(gòu)成，圖1 為系統(tǒng)結(jié)構(gòu)圖。其工作過(guò)程是：當(dāng)電路板到達(dá)可檢測(cè)區(qū)域時(shí)，相機(jī)進(jìn)行采集圖片并檢測(cè)，首先通過(guò)鏡頭將工件在相機(jī)芯片上成像，然后通過(guò)相機(jī)的GIGE通訊接口采集圖像，利用HALCON 軟件實(shí)時(shí)進(jìn)行圖像處理。系統(tǒng)軟件設(shè)計(jì)主要有以下幾個(gè)模塊：圖像實(shí)時(shí)采集模塊、圖像預(yù)處理模塊、閾值選取模塊、圖像定位模塊、缺陷檢測(cè)模塊[6]，其過(guò)程如圖2 所示。

圖1 硬件系統(tǒng)結(jié)構(gòu)圖

圖2 電路板缺陷檢測(cè)流程

系統(tǒng)檢測(cè)主要流程如下。

a.工件到達(dá)檢測(cè)區(qū)域后，傳感器發(fā)出觸發(fā)信號(hào)；

b.PLC 將此信號(hào)發(fā)送給工業(yè)相機(jī)；

c.工業(yè)相機(jī)獲取此信號(hào)后進(jìn)行采圖；

d.工業(yè)相機(jī)采圖完成后將圖像通過(guò)GIGE 網(wǎng)絡(luò)接口傳輸給工控機(jī)；

e.工控機(jī)接收到圖像后，檢測(cè)設(shè)定的區(qū)域，判定處理結(jié)果；

f.工控機(jī)根據(jù)判定結(jié)果類型觸發(fā)相應(yīng)的IO 分揀信號(hào)，并等待下一幀圖像；

g.PLC 收到分揀信號(hào)后，控制分揀機(jī)構(gòu)做出相應(yīng)分揀動(dòng)作。

基于機(jī)器視覺檢測(cè)系統(tǒng)的優(yōu)點(diǎn)是可以快速獲取生產(chǎn)線上被檢測(cè)電路板的信息，并將檢測(cè)結(jié)果及統(tǒng)計(jì)數(shù)據(jù)顯示在控制界面上，比如：共檢測(cè)電路板的數(shù)量、檢測(cè)時(shí)長(zhǎng)以及有某種缺陷的電路板數(shù)量等，方便人工管理，最后將檢測(cè)質(zhì)量“OK”的電路板進(jìn)行下一項(xiàng)流程，并通過(guò)自動(dòng)化設(shè)施（機(jī)械手等）獎(jiǎng)檢測(cè)質(zhì)量“NO GOOD”的電路板分揀出來(lái)進(jìn)行完善。這種缺陷檢測(cè)方式信息集成度高、檢測(cè)速度快且精確度高，從而可以進(jìn)一步降低生產(chǎn)成本和提高產(chǎn)品的生產(chǎn)效率。

本文為實(shí)現(xiàn)電路板螺紋和電池有無(wú)實(shí)時(shí)檢測(cè)的要求，將圖像采集系統(tǒng)與照明補(bǔ)光系統(tǒng)相結(jié)合，設(shè)計(jì)出一種基于機(jī)器視覺的PCB 元器件有無(wú)缺陷檢測(cè)系統(tǒng)。本系統(tǒng)不僅能節(jié)省大量的勞動(dòng)力，降低勞動(dòng)成本，同時(shí)有效的提高了工業(yè)生產(chǎn)的效率和缺陷檢測(cè)精度，實(shí)現(xiàn)了智能檢測(cè)與PCB 分揀工作[7]。

2 硬件結(jié)構(gòu)設(shè)計(jì)

2.1 檢測(cè)系統(tǒng)關(guān)鍵器件

本系統(tǒng)的關(guān)鍵器件主要包括工業(yè)相機(jī)、工業(yè)鏡頭、光源和工控機(jī)。機(jī)器視覺檢測(cè)系統(tǒng)最關(guān)鍵的原材料就是圖像，為了獲取高質(zhì)量的圖像，需要對(duì)系統(tǒng)的關(guān)鍵器件做好選型設(shè)計(jì)。根據(jù)電路板的尺寸和檢測(cè)精度，采用200 萬(wàn)像素分辨率的工業(yè)相機(jī)：acA1600-20gc GigE 相機(jī)，該相機(jī)配有 Sony ICX274 CCD 感光芯片，幀率20 FPS，該相機(jī)采用GigE 通訊接口，滿足系統(tǒng)采圖需求。根據(jù)現(xiàn)場(chǎng)安裝空間和電路板的尺寸，計(jì)算鏡頭焦距、物距等參數(shù)[8]。選擇焦距20mm 工業(yè)鏡頭，與工業(yè)相機(jī)接口相匹配，選擇C 接口鏡頭。根據(jù)被檢測(cè)電路板的形狀以及缺陷形狀等特征，選取LED 方形無(wú)影燈光源，它能夠?yàn)橄鄼C(jī)獲取圖像照明補(bǔ)光，幫助相機(jī)獲得特征突出、灰度值差別明顯的圖像，提高機(jī)器視覺系統(tǒng)的分辨率和識(shí)別率，降低圖像處理算法分割和識(shí)別的難度，使系統(tǒng)的可靠性得到提高。為了方便軟件開發(fā)及應(yīng)用，選取i5CPU 配置的工控機(jī)，并在Window XP 64bit 及以上版本下使用。

2.2 檢測(cè)系統(tǒng)設(shè)計(jì)原理

本系統(tǒng)根據(jù)電路板的缺陷特征，運(yùn)用圖像處理、圖像識(shí)別等技術(shù)對(duì)采集的電路板圖像進(jìn)行檢測(cè)、分析并給出判斷。本設(shè)計(jì)是基于飛速發(fā)展的計(jì)算機(jī)技術(shù)，同時(shí)考慮到檢測(cè)效率、檢測(cè)精度和經(jīng)濟(jì)性等方面的要求，具有較高的性價(jià)比。系統(tǒng)主要包括照明補(bǔ)光單元、圖像采集單元、圖像處理單元、數(shù)據(jù)庫(kù)單元和控制執(zhí)行單元[9]。硬件系統(tǒng)設(shè)計(jì)原理如圖3 所示。

圖3 硬件系統(tǒng)結(jié)構(gòu)原理圖

3 檢測(cè)軟件設(shè)計(jì)

3.1 軟件總體設(shè)計(jì)

本系統(tǒng)主要運(yùn)用了HALCON 開發(fā)了圖像處理分析模塊，采用Visual Studio C#平臺(tái)進(jìn)行了顯示控制界面進(jìn)行開發(fā)。該系統(tǒng)檢測(cè)軟件的圖像處理分析模塊高效穩(wěn)定，控制界面信息全面、操控簡(jiǎn)單。其軟件結(jié)構(gòu)設(shè)計(jì)原理圖如圖4 所示。

圖4 系統(tǒng)軟件總體設(shè)計(jì)原理

3.2 軟件主要模塊設(shè)計(jì)

3.2.1 圖像采集模塊

為了準(zhǔn)確、及時(shí)獲得圖像的當(dāng)前狀態(tài)，需要不斷地通過(guò)圖像采集模塊采集圖像到計(jì)算機(jī)內(nèi)存，調(diào)取計(jì)算機(jī)內(nèi)存中圖像進(jìn)行圖像處理。圖像采集的實(shí)質(zhì)就是將被檢測(cè)物的圖像可視化并把其內(nèi)部特征轉(zhuǎn)換為計(jì)算機(jī)可以識(shí)別處理的離散數(shù)據(jù)的過(guò)程[10]。簡(jiǎn)單來(lái)說(shuō)，圖像采集就是將一幅連續(xù)的模擬圖像轉(zhuǎn)換為數(shù)字化的數(shù)字圖像，顯然，如果檢測(cè)并輸入的連續(xù)圖像不理想，那么數(shù)字圖像的輸出就會(huì)不盡人意。因此，圖像采集是機(jī)器視覺缺陷檢測(cè)系統(tǒng)的關(guān)鍵技術(shù)之一。圖像處理技術(shù)有以下5個(gè)基本過(guò)程[11-12]：圖像過(guò)濾、圖像加強(qiáng)、圖像切割、圖像辨別和圖像代碼生成。

3.2.2 二值化閾值選擇模塊

圖像閾值的選擇對(duì)于分割圖像、提取圖像信息至關(guān)重要，其方法有很多，本系統(tǒng)采取灰度直方圖方法來(lái)選取閾值[13]，這種方法計(jì)算簡(jiǎn)單，運(yùn)行效率高，是圖像閾值選擇普遍使用的一種方法。閾值的處理與選擇是進(jìn)行圖形分割的前提，實(shí)際上是將被檢測(cè)特征從圖像中提取出來(lái)的過(guò)程，這種處理方式運(yùn)用到有較強(qiáng)對(duì)比度的被檢測(cè)特征與背景效果更好[14]。如圖5～7。

圖5 圖像定位時(shí)灰度值的閾值選擇

圖6 檢測(cè)螺釘時(shí)灰度值的閾值選擇

圖7 檢測(cè)電池時(shí)灰度值的閾值選擇

3.2.3 圖像定位模塊

根據(jù)經(jīng)驗(yàn)值在HALCON 采集的圖像中畫出我們需要的區(qū)域，然后利用灰度閾值分割法對(duì)其進(jìn)行圖像分割，找出對(duì)電路板定位時(shí)需要的四個(gè)角的四個(gè)釘子然后利用剛性變換對(duì)采集到的電路板圖像進(jìn)行定位處理。所謂圖像分割指的就是將采集到圖像按照其獨(dú)特特征分割成若干個(gè)特定的部分，并能夠依據(jù)圖像被檢測(cè)區(qū)域的需要，將區(qū)域中的特征或檢測(cè)目標(biāo)提取出來(lái)的過(guò)程[5]。近年來(lái)，由于圖像處理技術(shù)的高速發(fā)展和逐步完善，當(dāng)今應(yīng)用技術(shù)領(lǐng)域不斷涌現(xiàn)出大量的圖像分割算法，其中形態(tài)學(xué)分割法、模糊理論分割法、人工神經(jīng)網(wǎng)絡(luò)分割法以及遺傳算法分割法是比較典型且具有代表性的。

電路板四個(gè)角處的點(diǎn)的定位：首先選取電路板圖像的四個(gè)角處的點(diǎn)進(jìn)行定位，定位時(shí)運(yùn)用閉運(yùn)算算法，然后通過(guò)矩陣旋轉(zhuǎn)該圖，將其放在視場(chǎng)范圍的正中間，為下一步裁圖做準(zhǔn)備。

3.2.4 缺陷檢測(cè)模塊

本文在檢測(cè)PCB 中螺釘?shù)挠袩o(wú)缺陷時(shí)主要應(yīng)用了圓分析算法，在所檢測(cè)圖像螺釘?shù)奈恢糜脠A形畫出，檢測(cè)的電池位置則用矩形畫出。由于螺釘是圓形的，因此快速而準(zhǔn)確地判斷并檢測(cè)到圖像中的圓在本系統(tǒng)中尤為重要，近年來(lái)，檢測(cè)圓的技術(shù)已廣泛應(yīng)用于機(jī)器視覺、智能檢測(cè)等方面。傳統(tǒng)的Hough 變換存在著很多缺點(diǎn)，例如：巨大的計(jì)算量、龐大的內(nèi)存、參數(shù)空間因素對(duì)參數(shù)提取的制約以及速度慢等。因此，針對(duì)實(shí)時(shí)采集的電路板圖像中檢測(cè)圓形螺釘時(shí)的要求，本文應(yīng)用了一種相對(duì)簡(jiǎn)單的圓缺陷檢測(cè)方法。該方法主要應(yīng)用于圖像無(wú)相交的條件下，首先對(duì)采集到的PCB 圖像進(jìn)行二值化處理，然后檢測(cè)其邊緣并獲得圖像的邊緣鏈碼，最后分析計(jì)算缺陷的圓度、圓半徑等圓的基本要素[16]。在計(jì)算機(jī)上自定義圖像的模式下對(duì)上述算法進(jìn)行仿真測(cè)試，共獲得兩組結(jié)果如下：第1 組是5 個(gè)半徑不同的圓，并給出半徑誤差，如表1 所示；第2 組是幾個(gè)形狀不同的圖像的圓率如表2 所示。

表1 不同半徑的圓的測(cè)試結(jié)果

表2 不同形狀的圖像的測(cè)試結(jié)果

4 結(jié)論

機(jī)器視覺作為人工智能的一大分支，是實(shí)現(xiàn)人工智能的必要手段，一方面它可以代替人工視覺，另一方面它可以提高工業(yè)生產(chǎn)的信息集成度和自動(dòng)化程度。本系統(tǒng)主要解決了流水線上產(chǎn)品生產(chǎn)或檢測(cè)過(guò)程中對(duì)缺陷電路板進(jìn)行剔除或分類的問題，有效地避免了耗費(fèi)大量勞動(dòng)成本的缺點(diǎn)和錯(cuò)檢、漏檢的現(xiàn)象，提高了生產(chǎn)效率，實(shí)現(xiàn)了產(chǎn)品缺陷檢測(cè)零失誤的目標(biāo)，并得以在市場(chǎng)上營(yíng)運(yùn)與推廣，有利于提高工業(yè)生產(chǎn)自動(dòng)化水平。