電子連接器外觀缺陷檢測方法研究

郭羽鵬，韓震宇，鄒龍飛

(四川大學制造科學與工程學院，四川成都610065)

0 引言

近年來，隨著我國的電子信息產業迅速發展，電子信息產業鏈日臻完善，電子連接器作為電子信息設備的重要元器件，也被帶動著快速發展起來。隨著電子信息設備產品向小型化方向發展，電子連接器的尺寸也越來越小，加工精度要求也越來越高，設計的形狀也變得更加復雜。

電子連接器作為一種高精密元器件，質量要求非常高。接觸電阻是電子連接器的一種質量評價指標［1］，質量良好的連接器的接觸電阻較低且穩定，一般在幾毫歐到數十毫歐之間。而電子連接器的一些外觀缺陷如劃痕、管腳傾斜、壓傷等，使得連接器的接觸電阻不穩定，易導致連接器兩端的電子模塊信號傳遞受阻，嚴重影響電子產品的質量，因此對連接器的外觀質量檢測是控制產品質量的重要環節。

連接器的生產批量較大，生產速度快，對檢測速度要求較高。連接器的生產過程可以分為沖壓、電鍍、注塑、組裝四個階段，而這四個工藝流程生產速度都很快，生產速度可達到1000 件/min。高速的生產過程由于一些隨機的因素如飛屑、擠壓等，易造成連接器產生外觀缺陷。基于機器視覺原理的檢測技術能夠滿足連接器廠商的檢測速度要求，可以實現對產品的高速檢測。

1 系統檢測原理

本檢測系統是基于機器視覺檢測原理設計而成，主要由照明系統、圖像采集系統、物料傳送控制系統、圖像檢測系統軟件等組成［2］。系統運行時，伺服電動機拖動連接器料帶前進，每次電機拖動前進一步，下一個連接器完整落入相機視野范圍，在電機短暫停頓期間，系統對該連接器進行圖像采集、圖像處理分析，并得出檢測結果。當產品被檢測出無缺陷時，則連續運行下去;否則，系統報警提示，剔除廢品后繼續運行。檢測系統的結構圖如圖1所示。本系統的檢測對象主要為矩形管腳類連接器，圖2 為9PIN 電子連接器。

圖1 檢測系統結構圖

圖2 9PIN 電子連接器

2 圖像處理流程

基于機器視覺原理的檢測系統的核心關鍵技術為圖像檢測系統軟件，主要內容是對被檢測對象進行圖像處理，得到檢測結果。本系統的圖像處理軟件設計思路是測量連接器相關幾何參數及對缺陷連通區提取，從而達到連接器外觀缺陷檢測目的。檢測系統的圖像處理流程如圖3所示，對采集到的連接器圖像先后進行邊緣點檢測和雙閾值Blob 提取操作，從而得出準確的圖像處理結果。

圖3 圖像處理流程圖

2.1 邊緣點檢測

圖像中的關鍵特征處需進行邊緣點檢測，并根據邊緣位置計算連接器相應的幾何參數。邊緣點檢測中利用梯度算子計算每一個像素的梯度值和梯度方向，對同時滿足梯度大小要求和方向要求的灰度突變位置定義為邊緣點。圖4 為對某方向一維邊緣點檢測示意圖。計算邊緣位置的過程中采用梯度算子，通過對多個一維邊緣點位置的提取間接獲取二維圖像中的邊緣信息。

在以梯度算子檢測邊緣位置信息過程中，易出現位置偏差，影響檢測精度，需進行校正。當以兩個相鄰像素的灰度值fk差值來求梯度大小時，該計算方法得到的是位置n+0.5 處像素的梯度值，而非位置n 處像素的梯度值。為準確計算位置n 處像素的梯度值，對計算方法進行改進。從改進式中提取得到的梯度算子為［0.5，0，0.5］T，取整為［1，0，1］T，滿足設定梯度值大小和梯度方向的像素則為邊緣點［3］。

改進為

圖4 某方向一維邊緣點檢測

圖5 管腳末端邊緣位置檢測

為了測量連接器管腳的幾何參數，則需獲取管腳的邊緣線位置，此時需要多個邊緣點擬合成直線，從而得到連接器管腳邊緣。對邊緣點的檢測是在直線型搜索范圍內利用梯度算子計算獲取。為了獲取管腳邊緣上的多個邊緣點，將搜索范圍擴大為矩形。在矩形搜索范圍內構造多條有向線段型搜索范圍，其中有向線段與矩形的旋轉角度一致，平行于矩形范圍的寬度方向，并且按照一定的密度均勻分布在矩形范圍內，從而得到管腳邊緣上的多個邊緣點。圖6 為旋轉角度為0°的矩形范圍內搜索邊緣點示意圖。

圖6 旋轉角度為0°時的矩形范圍內搜索邊緣點

提取得到多個管腳邊緣點后，對這些離散邊緣點進行直線擬合，得到管腳邊緣位置信息。為了降低噪聲干擾，獲取穩定而準確的邊緣位置信息，采用最小二乘法將各離散邊緣點集合{(xi，yj)| i，j=1，2，…，n}擬合成直線x=ky+b，計算過程如下:

再通過求其偏導數獲取最值:

代入點集數據，求得k，b 參數值，獲取管腳邊緣位置，從而計算得到管腳相應的幾何參數，如圖7所示。對檢測到的管腳離散邊緣點進行直線擬合，并根據檢測得到邊緣位置和管腳長度確定管腳的缺陷搜索范圍，如圖8所示。

圖7 對離散邊緣點直線擬合

圖8 管腳缺陷搜索范圍

2.2 雙閾值Blob 提取

電子連接器在高速生產過程中，冷卻液對沖壓刀具進行冷卻，同時飛濺到正在生產的連接器料帶上，料帶在傳送出機床前進行了清潔處理，但仍然會留有一些油漬，這些油漬成像偏暗，對后期圖像缺陷提取形成干擾，為此在管腳圖像上提取缺陷時需濾除油漬的干擾。本系統的照明系統部分在封閉暗箱環境下采用同軸平行光光源，增強了劃痕等細小缺陷的對比度，同時降低了油漬對像素灰度值的影響。為了將缺陷與油漬區分開來，本文中提出了雙閾值Blob 提取方法來提取準確的缺陷。圖9 為含有劃痕與油漬的管腳圖像。

圖9 油漬與劃痕的管腳圖像

油漬與缺陷的形狀均是不規則的，為了將兩者區別開來，對兩者的灰度值分布進行分析。圖10 和圖11中，設定相同大小的感興趣區域分別包含缺陷和油漬，對感興趣區域上的像素灰度值進行統計分析。

圖10 含有缺陷的區域及其灰度直方圖

圖11 含有油漬的區域及其灰度直方圖

根據兩者的灰度直方圖統計分析，兩者在灰度分布上規律相似，但缺陷圖像的最小灰度值低于油漬的最小灰度值，并且缺陷圖像在較低灰度值區間內的像素數目更多。

根據上述得到的結論，可以對管腳圖像上的缺陷和油漬圖像進行模型抽象分析，如圖12，規定圖像內像素灰度值f(x，y)小于或等于低閾值Tlow的像素集合為內核子集Ak(k=1，2，3，…)，圖像內像素灰度值f(x，y)小于或等于高閾值Th的像素集合為外殼子集Bk(k=1，2，3，…)，其中0 ＜Tlow＜Th＜255，且內核子集和外殼子集內的各像素滿足8 鄰接位置關系。

圖12 缺陷、油漬圖像模型

內核子集Ak中的像素灰度值小于缺陷圖像平均灰度值，外殼子集Bk接近為完整缺陷圖像像素集合，能夠較為完整地描述出缺陷的形狀大小，并且包含相應的內核子集Ak。在缺陷提取過程中，使用高閾值Th提取得到的像素集合為外殼子集Bk，這些外殼子集Bk包含了缺陷與油漬，無法區分開來，通過選用低閾值Tlow，從外殼子集Bk中獲取相應的內核子集Ak，根據上文中對缺陷與油漬圖像像素灰度值統計分析，在選用同一適當低閾值Tlow情況下，提取得到的缺陷內核子集最小灰度值要比油漬內核子集最小灰度值低，且缺陷的內核子集Ak的像素個數N(Ak)更多，即面積更大，設定其面積閾值為Na，面積大于或等于Na的內核子集Ak所在的外殼子集Bk為缺陷，反之則為油漬，從而通過內核子集Ak將缺陷與油漬區別開來，再使用缺陷內核子集對應的外殼子集的集合將管腳圖像上所有缺陷描述出來。算法總結如下:

計算外殼子集Bk:

?(xi，yj)∈R，f(xi，yj)≤Th，i，j=1，2，3…

且?(xα，yβ)∈Bk，(xi，yj)∈N8(xα，yβ)，k=1，2，3…

Bk=Bk∪{(xi，yj)}

計算內核子集Ak:

?(x'i，y'j)∈Bk，f(x'i，y'j)≤Tlow，

且?(x'α，y'β)∈Ak，(x'i，y'j)∈N8(x'α，y'β)，

Ak=Ak∪{(x'i，y'j)}

判斷缺陷:

N(Ak)≥Na，

Q=Q∪{Bk}

式中:R 為管腳缺陷搜索范圍內的圖像像素集合;N8(xα，yβ)為與(xα，yβ)處像素有8 鄰接位置關系的像素集合;Q 為R 內所有缺陷的外殼子集集合。灰度閾值Th，Tlow的設定與光路設計、光場強度有關，且Tlow的設定需考慮缺陷內核子集像素個數閾值Na的大小。根據檢測要求選擇合適的Na值，Tlow設定偏小，內核子集像素較少的缺陷會被視為油漬而造成漏檢;若Tlow偏大，油漬易被誤檢為缺陷。圖13 為使用灰度閾值226 進行Blob 提取的管腳圖像及Blob 參數，圖14為使用灰度閾值190、像素個數閾值10 的Blob 提取管腳圖像及各Blob 參數，圖15 為雙閾值Blob 提取得到的結果，管腳圖像中編號為1 的Blob 是缺陷，圖中的各方框為Blob 的最小外接矩形。

圖13 高閾值Blob 提取的管腳圖像及Blob 參數

圖14 低閾值Blob 提取的管腳圖像及Blob 參數

圖15 雙閾值Blob 提取得到缺陷及其參數

3 現場檢測運行

根據上文中提出的圖像處理算法思路，設計檢測系統的圖像處理軟件，并對系統檢測功能進行驗證測試，確認系統的檢測精度、速度和可靠性是否達標。

在此次檢測運行中，以9PIN 規格的電子連接器為檢測樣品，檢測精度要求為±0.05 mm。選用了AVT的Guppy Pro 系列中的CCD 相機F-032B/C，其分辨力為656×492，設置視野范圍為W× H 約為14 mm×11 mm，幀率為82 ft/s(約為25 m/s)，即每幅圖像采集傳輸時間約為12 ms，根據圖像采樣定理［4］，檢測誤差為0.04 mm，可以滿足對連接器外觀缺陷的基本檢測要求。

電子連接器在靜止狀態下，系統對其進行100 次連續采圖檢測，電子連接器設計值(不包括最長的PIN)及100 次重復測量結果見表1。

表1 9PIN 電子連接器設計值及100 次重復測量結果統計

由表1 數據統計得到，系統的測量數據在±0.05 mm 內波動，可以滿足對檢測精度的要求。

檢測系統同步制造機床生產速度進行在線檢測，連續檢測1000 個9PIN 連接器，并與準確的人工檢測結果對比分析，結果見表2。

表2 在線檢測結果統計

其中檢測系統得到的良品中無不合格產品，而劣品中有60 個良品被誤檢為不合格產品，主要是由管腳表面雜質及部分灰度值較低的油漬引起的。綜合計算得到誤判率為6%，具有較高的可靠性，能夠滿足廠方的檢測要求。

4 總結

根據系統檢測運行結果，本文中介紹的圖像處理方法能夠滿足連接器廠商對檢測的要求，并且具有一定的通用性，但后續需要優化改進。本文中使用的檢測對象為9PIN 規格的連接器，在滿足檢測精度條件的情況下，檢測速度同步生產速度，能夠在1s 內連續檢測完5 個連接器，達到對檢測速度的要求，并且通過使用雙閾值Blob 提取算法，將油漬與缺陷區分開來，增強了系統檢測的可靠性。但由于9PIN 連接器規格較小，而針對尺寸范圍更大的連接器，為滿足檢測精度，則需要采用分辨力更高的工業相機，致使圖像處理的數據量增加，對檢測速度產生影響，為此本文中介紹的連接器檢測方法還需要一定的改進來達到檢測要求。

［1］李東方.實用接插件手冊［M］.北京:電子工業出版社，2008:4-8.

［2］鄒龍飛，韓震宇，馬鵬，等.電子接插件在線質量檢測研究［J］.計測技術，2015，35(2):52-57.

［3］Steger C，Ulrich M，Wiediman C.機器視覺算法與應用［M］.雙語版.楊少榮，譯.北京:清華大學出版社，2008:209.

［4］Rafael C Gonzalez，Richard E Woods.數字圖像處理［M］.3 版.阮秋琦，阮宇智，譯.北京:電子工業出版社，2013:30.