基于視覺傳感器的PCB缺陷檢測系統的研究與實現*

馬 燦,毛建旭,邵敏思

（湖南大學 電氣與信息工程學院，湖南 長沙410082）

隨著現代科技的發展，視覺傳感器已突破傳統的功能[1]，其輸出是經過微電腦處理后的圖像數字信號,有的甚至帶有控制功能。視覺傳感器產品有CMOS和CCD兩種，以其作為核心視覺傳感技術現已廣泛應用于人們的生產、生活各個方面，尤其是在、藥品、食品、紡織、印刷、包裝、半導體等行業的自動化生產線上的工業檢測中得到了大量應用[2-5]。

印刷電路板(PCB)缺陷自動檢測系統正是利用這種視覺傳感器來代替人工視覺，使之在大批量工業生產過程中，克服人工目視檢測的局限性，從而大大提高生產效率和生產的自動化程度[6]。在PCB自動檢測系統的研究方面，國外的科研機構和公司起步較早。目前我國市場上的PCB自動檢測系統基本上都是國外產品，如英國DiagnoSYS公司的VisionPoint系統、美國Teradyne公司的 5500系統和Angilent公司的5DX(帶 X射線)系統等。而國內生產的PCB自動檢測系統卻處于探索性研究和起步階段，沒有從根本上獲得對該項設備的關鍵技術和知識產權。

由于進口設備價格昂貴，給國內PCB廠家帶來了巨大的經濟壓力，同時這些設備往往不符合國內操作人員的習慣。針對這一情況，本文結合我國實際情況，集光機電一體化，綜合應用數字圖像處理、傳感器、智能機器人控制等技術，研究了一種基于視覺傳感器的PCB缺陷檢測系統。該系統的機械、電氣部分通過穩定協調工作，獲取高清晰度和高分辨率的圖像，完成了復雜的檢測和PCB板的分揀工作。

1 PCB缺陷檢測系統硬件設計

1.1 系統工作原理

基于視覺傳感器的PCB缺陷檢測系統是高速實時控制系統，因而要求其具備速度快、控制及時等性能。在連續檢測時,軟件通過串口給PLC發送指令啟動流水線，將待檢測物品放置在流水線上，進入檢測機柜觸發攝像機光電傳感器。PC機使用特殊的圖像采集卡和CCD攝像機連續地對被檢PCB進行拍照,得到圖像的數字化信息,并通過數字圖像處理與分析比較獲得PCB缺陷檢測的決策信息,之后再將該信息反饋給機器臂分揀系統和PLC，完成對不合格產品的實時自動分揀。系統的工作流程如圖1所示。

圖1 系統的工作流程框圖

1.2 視覺傳感器系統

視覺傳感器主要研究用計算機模擬人的視覺功能,從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量和控制。如圖2所示，在本系統中，工業 CCD（美國 cognex Insight micro-1403型智能相機）將目標轉換成圖像信號，然后轉變成數字化信號傳送給專用的圖像處理系統，并根據像素分布、亮度和顏色等信息，進行各種運算抽取目標的特征。最后將得到的結果信號反饋到控制執行裝置 （本文采用的是機械手），進而對被檢目標進行次品分揀等操作。光源照明技術采用的是LED同軸光源照明。

2 PCB缺陷檢測算法

二維最大類間方差閾值分割[7]的方法是同時考慮圖像的灰度分布和圖像的灰度像素之間的空間相關信息，采用離散測度矩陣的跡作為類間距離測度函數，當其取得最大值時，獲得最佳閾值向量(t*,s*)。該算法主要處理對PCB功能影響最大的幾種缺陷：缺損、毛刺、短路和斷路。圖像即使在信噪比低，且受光照不均勻的情況下也能獲得很高的分割精度。

在PCB缺陷檢測過程中，假設原始灰度圖像f(x,y)的總灰度級為256，其鄰域平均灰度級表示為g(x,y)。向量(i,j)表示二維直方圖[f(x,y),g(x,y)]，Pij為向量(i,j)發生的頻率，其中 0≤i、 j≤255。 以二維向量（t，s）作為閾值將圖像分割成兩部分，目標類和背景類。

基于二維最大類間方差閾值分割算法進行PCB缺陷檢測的計算步驟歸納如下：

(1)圖像預處理。首先將CCD獲取的彩色圖像變換成灰度圖像，并采用5×5的中值濾波器去除采集圖像時受到的椒鹽噪聲和高斯噪聲引發的污染。

(2)初始化。設定像素灰度級閾值 t的初始值t0為圖像灰度級均值，鄰域平均灰度級閾值s的初始值s0為領域平均灰度級均值。取正方形領域窗口的寬度為5。

(3)進行變量的迭代更新。W0表示目標類在整幅圖像中占有的比例，W1代表背景類所占的比例,則目標類和背景類相應的均值向量為：

總體均值μz表示為：

在本文中采用目標類和背景類間的離散測度矩陣的跡trδb作為他們之間的距離測度函數，則：

選擇距離測度函數trδb(t,s)的最大值所對應的閾值向量作為二維最大類間方差法新的閾值向量(t′,s′)。將t0和 s0代入式(1)～(4)可以得出新的閾值向量為：

(4)判斷是否獲得最佳閾值。設i為迭代次數，若t(i)=t(i-1),s(i)=s(i-1)，則最佳閾 值(t*,s*)為[t(i),s(i)];否則返回步驟(3)繼續更新變量。

(5)與標準PCB圖像進行匹配，判斷待檢PCB是否合格。

其中，f(x,y)表示待檢的 PCB圖像，g(x,y)表示標準 PCB板圖像，I(x,y)表示二者經過“異或”后的圖像，即獲得在兩幅圖像對應位置具有不同灰度值的像素點。

(6)進行面積閾值處理。經過“異或”后的圖像會因為工藝不精確產生一定的噪聲，從而需要去噪得到準確的缺陷圖。本文采用面積閾值處理方法進行去噪。

基于二維最大類間方差閾值分割算法的PCB缺陷檢測過程如圖3所示。

3 實驗結果與分析

系統的主控計算機配置為Intel Core 2 Duo CPU、內存為2 GB、主頻為2.2 GHz；成像系統采用美國cognex Insight micro-1403型智能相機以及日本computar公司的25 mm鏡頭、LED光源和立體分束器；軟件開發環境采用VC++6.0。應用本文算法獲得的各階段圖像檢測結果如圖4所示。

圖3 PCB缺陷檢測過程

為驗證算法的實時性以及結果的穩定性，實驗選取了經過人工檢測的100塊合格PCB板和40塊不合格PCB進行檢測，每塊PCB的檢測耗時為0.9 s,機器人的檢測結果如表1所示。

表1 本文研制系統的檢測結果

表1中，由于有的PCB缺陷比較小，及背景與目標的灰度差異不大，導致不合格品被檢測為合格品。而合格品被檢測為不合格品，原因是由于最后為了去除噪聲等干擾因素造成了虛假缺陷，需要一個面積閾值。提取出大于該面積的缺陷。故而，對于面積較小的PCB缺陷檢測偏差較大。究其原因，此類缺陷對噪聲影響較敏感。因此如何提高小缺陷精確檢測率是今后必須研究的內容之一。

本文設計了一種新型的基于視覺傳感器的PCB缺陷檢測系統，該系統以視覺傳感器為基礎，以圖像處理結果作為決策準則，能夠實現PCB的各種檢測。本文進行了其中一種檢測，通過采用二維最大類間閾值分割的方法，對PCB的缺陷(如缺損、毛刺、短路和斷路等)檢測進行實驗論證。實驗表明，該PCB缺陷智能視覺檢測系統能夠很好地解決人工檢測帶來的檢測效率低、誤檢漏檢率大等問題，極大地提高了檢測速度和產品質量，滿足了自動化生產的需求,實現了高速高精度的在線檢測。

[1]周汝派.視覺傳感的介紹及其行業發展趨勢[J].Experiment Science&Technology， 2006(12)：118-120.

[2]黃文清,汪亞明,周志宇.計算機視覺技術在工業領域中的應用[J].浙江工程學院學報,2002,19（2）：92-96.

[3]楊福剛.基于視覺傳感器的輸液中異物檢測系統設計[J].傳感器與微系統,2010,29（3）：74-76.

[4]DUAN F,WANG Y N.A machine vision inspector for beer bottle[J].Int.J.Engineering Applications of Artificial Intelligence,2007,20(7)：1013-1021.

[5]張輝,王耀南,葛繼,等.液體藥品異物檢測機器人系統的設計[J].中國機械工程，2009,10(10)：2493-2498.

[6]周黨群,程憲平,李剛健.PCB視覺檢測系統中目標圖像提取的研究[J].電子測量與儀器學報,2001,15(3)：10-13。

[7]吳一全，吳文怡，潘吉.二維最大類間方差閾值分割的快速迭代算法[J].中國體視學與圖像分析，2007,12(3)：216-220.