視覺檢測在電裝行業手工插裝工序的應用

Application of machine vision for the inspection of through-hole component mounting in the field of electronic assembly

周 曉，謝明明，田方斌，唐 皓ZHOU Xiao， XIE Ming-ming， TIAN Fang-bin， TANG Hao（株洲中車時代電氣股份有限公司，株洲 412001）

視覺檢測在電裝行業手工插裝工序的應用

Application of machine vision for the inspection of through-hole component mounting in the field of electronic assembly

周 曉，謝明明，田方斌，唐 皓
ZHOU Xiao， XIE Ming-ming， TIAN Fang-bin， TANG Hao
（株洲中車時代電氣股份有限公司，株洲 412001）

在電裝行業中，通孔元器件一般采取人工方式進行插裝，由于工作量大，工作重復性高，容易產生疲勞，造成各類人為質量問題（如極性器件裝反、器件漏裝等）。如果單純依靠人工目檢方式進行檢查，效率低下，管控效果差，不能很好的保證產品過程質量。筆者結合工作實際，分析了電裝行業手工插裝工序中常見的問題類型，針對不同的問題類型，采用對應的視覺工具進行分析、檢測，并將檢測結果集成至統一的用戶程序中進行分析、顯示。同時，檢測結果可以保存至數據庫中，滿足其他生產管理系統進行后續的統計分析。

機器視覺；電子裝配；插裝；檢測

0　引言

手工插裝之后，通常采取人工目檢方式進行質量檢查。由于電子元器件的尺寸較小，形狀相似，長時間檢查非常容易形成視覺疲勞，造成漏檢，影響檢查效果，而機器視覺有著檢查效率高、檢查一致性好、不產生視覺疲勞等優勢，在檢測領域得到越來越廣泛的應用。本文主要就機器視覺在手工插裝工序元器件“漏”、“反”質量問題的自動檢測應用進行相關探討。

1　手工插裝工序常見質量問題

手工插裝工序中，較為常見的問題主要是二極管、電容、極性IC反裝、器漏裝等，根據質量部門的統計，這二類問題在所有通孔電路板質量問題中的占比大約為30%左右，比例較高，對正常生產造成了較大影響。

2　視覺檢測系統簡述

視覺檢測系統采用美國康耐視公司的VisionPro軟件包作為圖像處理、分析工具，使用VS 2010進行用戶程序開發。用戶程序的主要功能包括檢測結果顯示、控制串口通信（與伺服系統通信）、檢測過程控制、檢測數據存儲及查詢（與數據庫交互）等。

3　檢測算法實現

3.1二極管數量及極性檢測

圖1　二極管

圖2　電解電容

圖3　極性IC

由于批次不同、廠家不同，同種型號二極管的特征存在一定差異（如負極黑色條紋的粗細程度不同），在電路板插裝過程中，二極管可能產生移位、傾斜等現象。因此，在系統開發過程中，應考慮上述因素，一定程度上排除這些差異干擾。

綜合對比各種工具后，筆者采取VisionPro工具包中的CogCNLSearchTool工具進行二極管搜索、極性判定。利用二極管負極的黑色塊作為特征，判斷色塊的位置和數量，即可得到二極管的數量和極性（如圖5所示）。

圖4　特征訓練

圖5　檢測結果

3.2電容數量及極性檢測

由于批次不同、廠家不同，同種型號電解電容的負極特征存在一定差異（如負極白班中可能存有部分黑色條紋），電路板插裝過程中，電容可能產生傾斜現象，在系統開發過程中，應考慮上述因素，排除這些差異干擾。

圖6　電容中心定位

綜合對比各種工具后，筆者采取CogCNLSearchTool工具進行電容中心定位，然后采用直方圖工具CogHistogramTool分別對電容中心兩側的灰度平均值進行檢測，灰度值高（白斑）的即為電容負極（如圖7所示）。

圖7　負極直方圖（均值：221）

圖8　正極直方圖（均值：90）

3.3極性IC檢測

系統的另一功能是檢測部分集成芯片（芯片頂部有明顯標識、極性特征）的有無、極性，該功能采用模式匹配工具CogPMAlignTool進行特征提取、分析。將極性IC的頂部字符或者極性特征作為輸入，從而分析IC的數量和極性。

4　用戶程序開發

采用VS 2010作為用戶程序開發平臺。用戶程序獲取VisionPro工具的結果數據，進行邏輯判斷，并將結果顯示至用戶界面中。如有必要，將檢測數據（包括檢測圖片）保存至數據庫中，方便后續統計分析。

圖9　IC特征識別

部分代碼如下。

1）讀取VisionPro文件并初始化Job信息

2）運行Job并獲取檢測結果數據

3）更新UI并顯示結果

4）界面效果

用戶程序的整體效果如圖10所示。

圖10　用戶界面

5　結束語

筆者針對生產現場的實際情況，利用視覺檢測工具進行針對性的算法設計并優化用戶程序，提高了檢測效率和檢查效果。后續，將完善數據存儲及統計分析功能，利用統計分析信息進一步優化檢測算法，降低檢測誤報率和漏檢率。

［1］ E.R.Davies.計算機與機器視覺理論、算法與實踐［M］.北京：機械工業出版社，2013.

［2］ 伯特霍爾德.霍恩（著） ，王亮，蔣欣蘭（譯）.機器視覺［M］.北京：中國青年出版社，2014.

［3］ 張洪剛，陳光，郭軍.圖像處理與識別［M］.北京：中國郵電大學出版社，2006.

［4］ 章毓晉.圖像工程［M］.北京：清華大學出版社，2007.

［5］ 喬維維，秦小文，陸靜逸.印刷電路板圖像模式識別研究［J］.電子測試，2011，（7）：114-117.

［6］ 楊子琦，許黎明，解斌，羅睿，朱子馨.柱塞式汽車制動器總泵活塞表面缺陷視覺檢測的光源優化［J］.上海交通大學學報，2014，48（1）：64-68.

TP271

B

1009-0134（2016）08-0055-04

2016-05-04

周曉（1984 -），男，工程師，本科，主要從事變流器產品集成工藝及工裝開發工作。