基于LabVIEW的揚聲器焊點檢測算法研究

黃 湖，張文斌，蘇海濤，倪 瑞

（桂林電子科技大學 電子工程與自動化學院，廣西 桂林 541004）

中國每年揚聲器的生產數量高達幾十億，是世界上最大的揚聲器生產國和出口國，但所生產的揚聲器大多為中低檔產品，附加價值低[1-3]。其中，在檢測揚聲器品質方面與發達國家有較大差距，主要為人工檢測[4]。

人工檢測揚聲器其中關鍵步驟為人眼去定位揚聲器焊點位置，使得焊點接入到測試端口。針對這一問題，提出了基于圖像處理的揚聲器焊點檢測算法，利用工業相機對所需檢測的揚聲器進行拍照并對圖像進行處理，自動識別焊點的具體位置。該方法實現了在不同光強下，都能對揚聲器焊點位置進行精準識別與定位。

圖1 算法流程圖Fig.1 Algorithm flowchart

1 圖像處理算法

采用LabVIEW 開發軟件對揚聲器圖像進行圖像處理，LabVIEW 是NI 公司推出的圖形化語言開發環境[5]。圖像處理算法流程主要分為兩部分：第一部分為焊點識別，第二部分為焊點定位信息計算，主要流程圖如圖1 所示。

1.1 圖像預處理

圖像預處理主要分為以下幾個步驟：

1）在揚聲器的檢測過程中，因為放置揚聲器的背景是固定不變的，通過Mask 選取感興趣的部分來研究，只需要研究揚聲器焊點部分，所以在選取研究區域時，利用ROI的Annulus ROI tool 工具，畫出包含焊點在內的圓環，用作分析對象。

2）在實際檢測過程中的環境受光照影響，為了減小光照的影響，采用抽取圖片的飽和度平面(飽和度受光照影響較小)。

3）采用自適應最大類間方差法來確定閾值，分離圖像，使背景和目標之間的類間方差最大，背景和目標之間的類間方差越大，說明構成圖像的兩部分的差別越大，錯分的可能性越小。

4）通過LabVIEW Vision 的腐蝕來消除這些噪點，通過設置好的卷積模型，將圖像中孤立的高亮點去除掉。

5）下面調換背景與粒子目標，因為在進行二值圖像分析時二值圖像其特征目標就是指1 的像素，而0 的像素則被認為是背景。因此如果當有需要提取一些0 值的“背景”粒子時，就需要考慮使用二值圖像反轉函數。

圖2 圖像處理過程Fig.2 Image processing

6）利用高級形態學中的去除不必要的大的粒子的功能，去除掉圖片中遠大于焊點大小的區域，此時焊點已經十分清晰了，但是還是存在一些細小的噪點，再次利用Adv.Morphology 的去除圖像中較小粒子的功能，將圖像中遠小于焊點的粒子部分去除掉。

以上6 步已分離出了揚聲器的焊點，具體如圖2 所示。

1.2 焊點信息計算

將揚聲器焊點識別出來后，需要計算出需要旋轉的角度，以達到全自動揚聲器檢測的效果。揚聲器所需旋轉的角度β 值共有4 種情況，如圖3 所示。對圖像建立像素坐標系，假設揚聲器中心a 點像素坐標為（m，n），焊點中心b 點像素坐標為（x，y），則β 值共有4 種情況。

圖3 旋轉的角度β值4種情況示意圖Fig.3 Rotating angle beta value 4 scenario diagram

圖4 焊點信息計算程序圖Fig.4 Weld spot information calculation program diagram

圖5 圖像采集現場Fig.5 Image capture site

表1 測試結果Table 1 Test results

由于檢測的是焊點中央的小圓圈，所以只需要將兩探針的中心線對準小圓圈就能使探針對準焊點。圖3 中與y軸垂直的虛線即為探針中心的模擬線，a 點為揚聲器圓心，坐標為固定值（m，n），通過LabVIEW 提取小圓圈的圓心坐標，即圖上的b（x，y），β 為電機需要轉過的角度，通過比較x 和m 的大小以及y 和n 的大小，利用不同的公式來計算出β 的大小，圖4 所示焊點信息計算程序。

2 實驗

2.1 實驗方法

測試該算法在不同的光照強度下檢測的正確率。分別采集光照強度在133 Lux、227 Lux、438 Lux、975 Lux 和1176 Lux 下的各180 張旋轉角度不同的揚聲器圖片。由于大多數揚聲器表面為金屬構成，所以如果光照不均勻或者光照角度不同會造成圖像識別的難度，所以采取環形LED燈對揚聲器采集時光照強度的控制，作為系統光源，隨后光強檢測儀對光強進行精確測量。將攝像頭搭載在揚聲器焊點檢測位置的上方，對不同光照強度和不同旋轉角度下的揚聲器進行圖像采集并進行算法分析，圖5 為采集圖像現場圖。

2.2 實驗結果

在5 個光照強度等級的條件下，對每組180 張圖像進行檢測，測試結果見表1。

通過對5 個不同的光照強度的不同旋轉角度的揚聲器進行檢測，每一組測量180 張圖像，正確率都達到了97%及以上，說明該算法可忽略光照對檢測過程的影響，具有很好的準確性及抗干擾性。

表2 誤差分析Table 2 Error analysis

在對以上樣本測試完成后，對揚聲器焊點的像素點進行理論值和實際值的誤差分析，分析結果見表2。

由表2 可知，在對揚聲器的焊點檢測中，像素點的理論值與實際值的誤差非常小，識別準確，完全可以對揚聲器進行精確檢測。

3 結束語

本文通過LabVIEW 視覺模塊對揚聲器的焊點進行了算法的研究與設計，實現了對揚聲器焊點的精確檢測。通過試驗結果可以發現，該圖像處理算法有極好的通用性，可以在不同的光照強度和不同的環境下進行揚聲器的焊點識別。該算法目前已經初步運用到揚聲器的全自動檢測中，具有很好的應用價值。