一種FPC 缺陷視覺檢測方法

孫國棟 楊林杰 張 楊

(湖北工業大學機械工程學院，湖北 武漢 430068)

0 引言

柔性印制電路(flexible printed circuit，FPC)是以聚酰亞胺或聚酯薄膜為基材制成，具有質量輕、布線密集、焊點小、集成度高等傳統材質無法比擬的優點，廣泛用于手機、數碼相機、醫療器械等產品，被冠以“黃金薄膜”稱號［1］。補強片是FPC 軟板一個重要的貼裝部件，其細微的缺陷都會導致整個產品的報廢，這就對FPC 軟板補強片質量提出了相當嚴格的要求［1-2］。目前國內大多數FPC 生產企業主要依靠人眼輔助光學設備來檢測產品質量，但長時間、高度集中觀察圖像給檢測人員帶來了極大的精神疲勞，難以保證產品質量且用工成本不斷上升，因此實現FPC 自動機器視覺檢測是發展的必然趨勢。目前提出的檢測方法都過分依賴于FPC 軟板的紋理和幾何特征，檢測具有很大的局限性。本文綜合各方面的研究成果，基于彩色圖像顏色空間變換理論，提出了一種新的FPC 缺陷視覺檢測方法。

1 FPC 視覺檢測方案

1.1 視覺缺陷檢測平臺

視覺檢測系統主要由彩色工業相機、鏡頭、圖像采集卡、運動控制平臺、工控機、圖像處理軟件等部分組成。首先通過導入FPC 的CAD 相關數據初始化系統設備，運動控制平臺依據初始信息定位補強片的位置，并用串口觸發光源和彩色相機，最終處理軟件完成檢測工作。系統框架如圖1 所示。

圖1 系統框架圖Fig.1 The system structure diagram

1.2 缺陷視覺檢測總流程

FPC 軟板補強片的品質直接決定著電子產品的質量。經過長期調研，目前其存在的主要缺陷有壓點、劃傷、溢膠。針對這三種缺陷，提出的檢測總體流程如圖2 所示。

圖2 FPC 缺陷視覺檢測總流程圖Fig.2 The general flow chart of FPC visual defect detection

通過運動定位實時采集相應區域的圖像，并作相關預處理;然后在RGB 顏色空間對補強片的輪廓進行提取，且以輪廓為基底設計內外圖像掩膜，從而得到對應的感興趣區域;再通過RGB 與HSV 顏色空間相關處理算法，對經掩膜處理后的圖像進行缺陷識別;最后以缺陷的幾何特征與空間信息為判別標準對其進行分類。

1.3 圖像預處理

在拍攝、傳輸過程中，CCD 傳感器脈沖引起的椒鹽噪聲［3］將會對后續的缺陷識別產生致命的影響。為保留圖像的細節信息，采用窗口為3 ×3 中值濾波器對FPC 補強片圖像進行處理。圖3 是正常FPC 補強片和含有三種缺陷的FPC 補強片在特殊設計的組合光源下經預處理后的圖像［4-6］。

圖3 預處理后的FPC 補強片缺陷對比圖Fig.3 The defect comparison of reinforcing sheet after preprocessing

2 FPC 補強片缺陷識別算法

2.1 補強片輪廓提取

提取FPC 補強片輪廓是其缺陷識別算法中的一個重要環節。輪廓可以把視場圖像分割成內外兩部分，使識別中內外空間區域的缺陷特征互不干擾，并行處理;可以通過缺陷在輪廓內外的空間信息來區分其所屬類型。當補強片內外區域的不同缺陷呈現相同描述特征時，輪廓成為區分的最佳標準。

提取補強片輪廓采用RGB 顏色空間，該空間中，任一顏色在紅、綠、藍三個不同通道的分量不同，這也是彩色圖像特征識別的基礎［7］。在組合光源下，片體的各部分因材質不同顏色特征存在明顯差異。由于補強片的鏡面反射，片體具有明顯不同于其他區域的顏色特征，其顏色在RGB 通道所占分量分別約為0.005(R)、0.47(G)和0.98(B)。實驗數據表明，片體顏色在B 通道的分量最大，故在該通道提取片體的輪廓。由于在B 通道背景與前景差別很大，采用otsu閾值對圖像進行分割，效果圖如圖4 所示。

圖4 FPC 補強片處理效果圖Fig.4 The processing effect of FPC reinforcing sheet

2.2 FPC 補強片圖像掩膜設計

掩膜是圖像處理中一種十分實用的技術，其最大的特點是可以設置任意形狀的感興趣區域。其原理是用預先制作的感興趣區域掩膜［8-9］與待處理圖像進行數學運算，使得感興趣區域內圖像特征保持不變，而區域外的圖像將會被屏蔽。本文以FPC 補強片輪廓設計區域掩膜，并將其用到缺陷識別算法中。

具體實現為:首先按2.1 節提出的方法提取圖像中補強片輪廓，將輪廓以像素精度畫在另一幅在內存中開辟的與采集圖像大小相同且像素灰度全為0 的圖像上，作為缺陷識別掩膜的母體;分別填充掩膜母體輪廓內部與外部區域，從而產生內外兩個圖像掩膜;分別用內外掩膜與原圖像進行數學運算，得到內外感興趣區域圖像。以FPC 的補強片輪廓為界，內掩膜與采集圖像處理后可使FPC 補強片輪廓內部的圖像得以全部保留，外部被忽略(處理后灰度值為0)。若與外掩膜作用，處理效果正好相反。

2.3 補強片缺陷提取算法

2.3.1 壓點、劃傷缺陷特征提取

如圖3 所示，在組合光源下壓點和劃傷呈白色，基于缺陷的顏色特征，采用RGB 顏色空間投影閾值算法對壓點與劃傷進行識別，并引入向量空間理論對缺陷識別算法進行解釋。RGB 顏色空間以一個單位長度的立方體來表示，過原點的三條邊r、g、b 構成了顏色空間的單位正交基，設C 為可見光譜里面的任一種顏色，其可以等價為RGB 顏色空間的任一向量c，則有:

λr、λg、λb分別表示向量c 在顏色空間r、g、b 三個正交基上的分量。設白色與淺藍色光譜對應的RGB顏色空間向量分別為w、b。對于向量w，有λr∶ λg∶λb=1∶1∶1，向量b 有λr=0，λg∶λb=0.5∶1。顏色的亮度由其對應的幅值來決定。為了使白色的壓點、劃傷缺陷與藍色片體在向量空間具有較大區分度，可將w和b 向量向r 軸投影，b 在r 軸的投影為一個點，則br=0;而w 在r 軸的投影為一定長度的線段，由投影幾何關系可知向量間夾角余弦值約為0. 8，故wr=0.8 × |w|，定義向量w 和b 在r 軸投影分量比值η 來描述這種區分度，如式(2)所示。

由上式可知，理論上br趨近于0，則區分度η 趨近無窮大，說明在r 通道壓點、劃傷特征與背景才具有最大的區分度，同時CCD 傳感器對紅外光較其他光譜更敏感，因此r 軸投影的區分效果最理想。

壓點劃分缺陷提取流程如下:首先把實時采集并預處理后的圖像與內部掩膜進行數學運算，得到輪廓內部感興趣區域圖像，然后提取R 通道的圖像，選擇閾值Th=60 對其進行二值化處理。

2.3.2 溢膠缺陷特征提取

膠體呈粉色，在RGB 顏色空間用向量p 表示，其對應的λr、λg、λb都有一定分量，p 不能用RGB 顏色空間中的任意兩個正交基完全線性表示，故單純在RGB顏色空間膠體難以取得較好的提取效果，于是選擇HSV 顏色空間。

將彩色圖像從RGB 空間轉換到HSV 空間，能夠有效地提取出更加豐富的彩色圖像顏色信息，特別是其色調分量(H)能夠描述不同波段的顏色光譜的變化信息，該分量不易受到光照條件變化的影響，其描述特征具有很強的魯棒性［10-11］。基于色調分量良好的描述特性，經過大量實驗比對發現，H 分量更適合分離膠體與其他圖像特征。將顏色空間模型的連續角度參數離散成0 到255 的數值區間，各特征在HSV 顏色空間的色調H 離散分布為:片體的分布區間為［130，140］，背景約為［160，171］，膠體為［220，234］。從數據可以看出，膠體顏色與其他顏色特征在HSV 的H 通道具有很大的區分度，當閾值TH∈［175，215］任意一個值，都可以將膠體提取出來。

溢膠缺陷提取流程如下:通過預處理圖像與外部掩膜的數學運算，得到輪廓外部感興趣區域圖像;然后將其變換到HSV 顏色空間，提取H 通道的圖像，對其作閾值化處理，取閾值區間的中值TH=195。

3 缺陷識別與分類

進行缺陷種類數據統計是工業生產一個重要的環節，通過該數據反饋，可以更好地指導生產，改進加工工藝。經過缺陷提取算法處理后的圖像若無以上特征，則FPC 補強片沒有這三種缺陷，否則存在。以FPC補強片輪廓為界，依據缺陷的空間信息可把缺陷分為內部缺陷和外部缺陷，溢膠全部在輪廓外側屬于外部缺陷，壓點與劃傷為內部缺陷。檢測要求對內部缺陷作進一步分類，依據內部缺陷的幾何特征將其區分為壓點與劃傷，且采用缺陷輪廓面積Scon與最小外接矩形面積Srect的比值來描述這種區分，定義為填充度。

壓點的填充度R 比較大，實驗發現都在0.7 以上，而劃傷呈條狀，填充度R 較小，均在0.3 以下。綜合以上分析，缺陷分類準則為:①若輪廓外部有寬度大于限定閾值Tw的白色區域，則為溢膠;②若輪廓內部存在面積大于限定閾值Ts的白色區域，依據式(3)計算該區域的輪廓填充度R，若R ＞0.5，則為壓點，否則為劃傷。

本文取Tw=3，Ts=5，單位為像素，按照上述分類準則，內部缺陷的輪廓及其對應的最小外接矩形如圖5 所示。其中，圖5(a)的R =0.95;圖5(b)兩處缺陷的R 值分別為0.04 和0.78;圖5(c)為溢膠效果圖，其缺陷位置均在輪廓之外。實驗證明該分類準則具有很強的魯棒性。

圖5 FPC 三種缺陷的識別效果圖Fig.5 Three defects recognition effects of FPC

4 結束語

結合機器視覺技術，提出了一種變換顏色空間的FPC 補強片缺陷識別方法。本文基于補強片片體的顏色特征，在RGB 顏色空間對其輪廓進行提取，并依據輪廓設計了內外圖像掩膜，從而得到相應感興趣區域的圖像。通過RGB 顏色空間投影和HSV 顏色空間色調處理算法分別提取壓點、劃傷和溢膠缺陷，并基于缺陷幾何特征與圖像空間信息定義了分類準則，取得了良好的識別效果。

該FPC 缺陷識別算法對圖像噪聲具有一定的魯棒性，能夠滿足企業的缺陷識別要求，檢測效果穩定，為FPC 補強片缺陷識別提供了良好的解決方案，具有重要的應用價值。但是該算法對光源的依賴性較強，今后將進一步研究具有光照不變性的缺陷檢測算法。

［1］ 張家亮.全球撓性印制板的市場及其技術研究［J］.印刷電路信息，2011，10(1):7 -15.

［2］ 苗振海，王西峰，康運江. 基于機器視覺的FPC 檢測對位系統關鍵技術研究與開發［D］.北京:機械科學研究總院，2013.

［3］ 宋宇，吳滿天，孫立寧.基于相似度函數的圖像椒鹽噪聲自適應濾除算法［J］.自動化學報，2007，33(5):474 -479.

［4］ 吳德剛，趙利平.一種去除圖像混合噪聲的濾波算法［J］.自動化儀表，2012，33(9):95 -97.

［5］ 劉瑞禎，于仕琪. OpenCV 教程［M］. 北京:北京航空航天大學出版社，2007.

［6］Galba T，Romi K，Baumgartner A.Edge-preserving partial variable median filtering for fast noise reduction in CT slices［J］.Proceedings Elmar-International Symposium Electronics in Marine，2014，10(13):195 -198.

［7］ Ryu B，Kim K，Ha Y，et al.New RGB primary for various multimedia systems［J］.Journal of Information Display，2014，15(2):65-70.

［8］ Kinoshita H，Hamamoto K，Sakaya N，et al，Aerial image mask inspection system for extreme ultraviolet lithography［J］. Japanese Journal of Applied Physics，2007，46(9):6116 -6117.

［9］ Sang H K，Jan P A. Optimal unsharp mask for image sharpening and noise removal［J］. Journal of Electronic Imaging，2005，14(2):1 -13.

［10］Cao P，Zhao Q T，Da W，et al.HSV color space based pupil position locating method ［J］. WIT Transactions on Information and Communication Technologies，2014，61(1):387 -396.

［11］秦緒佳，王慧玲，杜軼誠.HSV 色彩空間的Retinex 結構光圖像增強算法［J］.計算機輔助設計與圖形學學報，2013，25(4):488-493.