基于机器视觉的焊膏视觉检测方法.pptVIP

基于机器视觉的焊膏视觉检测方法 Shenglin Lu, Xianmin Zhang, Yongcong Kuang 摘要 焊膏的检测在PCB表面安装过程中是非常重要的。本文提出了一种基于机器视觉的检测方法，可以识别主要的焊膏缺陷，如缺膏、不足、过多、桥接和溢出。首先，对位置进行补偿，以提高检测精度。其次，提出了一种基于纹理的图像增强算法，可以扩大PCB图像和焊膏图像之间灰度值的差异。再次，使用颗粒分析方法（particle nalysis)）对PCB图像进行了分析，并得出了2D检测结果。进一步提出Pesudo 3D情况下的缺陷检测方法。最后，得出了实验结果，说明了方法的有效性。 1引言 丝印机(screen printer)是SMT技术中主要设备之一。据有关统计，50-70%的PCB缺陷来自于印刷焊膏阶段。焊膏的检测是SMT生产线控制过程控制中最重要的阶段之一。对焊膏检测的典型方法包括人工检测、激光扫描检测和基于视觉的检测。人工法有很多缺点，如效率低误判率很高。激光扫描因其3D检测功能，能够提供更详细的缺陷信息。但是，焊膏的3D模型通过激光点或线扫描来获得，所以检测速度很慢。此外，激光扫描器件很昂贵。基于机器视觉的方法有高精度、高速度的优点，因此可以用来检测丝印机的PCB焊膏。而且，不需要额外的硬件花费，因为这个方法可以充分利用现有的丝印机的视觉资源。 基于视觉的焊膏检测的主要步骤包括图像获取、图像增强和缺陷分析。为了提高检测方法的性能，在获取PCB图像之前，利用位置补偿方法来确定精确的位置。使用基于纹理的图像增强方法来扩大PCB基板图像和焊膏之前的灰度差。另外，使用基于颗粒方法的2D检测算法来分析PCB图像。应用一种pesudo 3D检测方法来检测焊膏的体积缺陷。最后，实验结果说明了所提方法的有效性。 2位置补偿 检测性能受PCB和模板之间的检测位置和姿态的偏差影响。这里，在获取图像之前使用一个位置补偿方法来补偿这个偏差。这些偏差约等于两块PCB板上标记的坐标偏差，如图2所示。 和S可以用下面的方程来计算： (1) 其中m1和m2代表标记1和标记2各自在检测程序设定中的坐标。m1’和m2’是标记1和标记2检测的坐标。S是偏移向量， ，T是旋转矩阵，可以表示为： 从式（1），可以看到，其中有3个求知变量和4个方程。可以很容易的通过三角函数求出。过约束问题可以使用最小面积法解决。位置补偿方法的应用可以提高检测精度。 3 图像增强 对比焊焊膏和PCB基板，焊盘的灰度值高出许多，可以很容易的通过使用阈值函数来区分。但焊膏和PCB基板的灰度值很相似，它们的直直方图甚至有部分重叠。为了正确地区分焊膏和PCB基板图像，这里提出一种基于纹理的算法。 图像的纹理可以通过一个直方图的n阶统计矩来计算： 其中，Zi是一个随机变量，代表亮度，P(Zi)是在一个区域的亮度等级直方图。L是可能的亮度等级数，而m是灰度值的平均值。 但是，直方图不能反映像素位置信息。因此，在使用n阶统计矩之前，需要将图像分成X*Y部分， 是x行，列y图像的n阶值。基于n阶统计矩的增强算法可以写成： 其中f(i, j)是没有增强的图像，g(i, j)是增强后的图像，h是权数。 这个算法可以增加焊膏灰度，从而增强了图像，焊膏和PCB基板可以容易的区分开来。使用多阈值函数，增强后的图像可以分成焊盘部分，焊膏部分和环绕焊膏的黑环总分。 4 检测方法 A. 基于颗粒分析方法的2D检测 焊膏缺陷的检测可以通过分析位置，面积及焊膏和焊盘particle的形状来进行。用以下因素来表示： 中心：颗粒的位置中心。 A：颗粒的面积。 Ah：颗粒内洞的面积。 Ach：颗粒凸包的面积。 水力半径：被particle圆周圈起来的particle区域。 海氏德环状因数：，颗粒的形状越接近圆形，海氏德环状因数就越接近1。 Ixx：关于x轴的惯量矩。 Iyy：关于y轴的惯量矩。 包装率（packing ration）：PR=A/(A+Ah)，用来判断是否存在焊膏不足。 上面提到的因数的值通过计算后被输入到缺陷分析器。缺陷分析器使用合成权数的方法来确定是否存在缺陷。缺陷分析器可以找出焊膏的缺陷，如缺膏、不足、过多、桥接和溢出。虽然2D检测方法可以确定大多数的焊膏缺陷，但不能检测焊膏的体积缺陷。 B. Pesudo-3D 检测 虽然3D检测算法可以查找出焊膏体积缺陷，但是，需要用一个激光扫描器而且速度相对较慢。为了克服这个缺点，使用pesudo 3D检测方法通过建立一个简单的焊膏3D模