《基于机器视觉的焊膏视觉检测方法学习教案》由会员分享，可在线阅读，更多相关《基于机器视觉的焊膏视觉检测方法学习教案（13页珍藏版）》请在金锄头文库上搜索。
1、会计学1基于机器视觉的焊膏视觉检测基于机器视觉的焊膏视觉检测(jin c)方方法法第一页，共13页。摘要摘要(zhiyo) n n焊膏的检测在焊膏的检测在PCBPCB表面安装过程中是非常重要的。本文提出了一种基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，可以于机器视觉的检测方法，可以(ky(ky ) )识别主要的焊膏缺陷，如缺膏、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。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，可以其次，提出了一种基于纹理的图像增强算法，可以(ky
2、(ky ) )扩大扩大PCBPCB图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（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 particle nalysis)nalysis)）对）对PCBPCB图像进行了分析，并得出了图像进行了分析，并得出了2D2D检测结果。进一步提出检测结果。进一步提出Pesudo 3DPesudo 3D情况下的缺陷检测方法。最后，得出了实验结果，说明了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。方法的有效性。 第1页/共12页第二页，共13页。1 1引言引言引言引言(y(y nyn)nyn)n n丝印机丝印机(s
3、creen printer)(screen printer)是是SMTSMT技术中主要设备之一。据有关统计，技术中主要设备之一。据有关统计，50-70%50-70%的的PCBPCB缺陷来自于印刷焊膏阶段。焊膏的检测是缺陷来自于印刷焊膏阶段。焊膏的检测是SMTSMT生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。激光扫描因其很多缺点，如效率低误判率很高。激光扫描因其3D3D检测功能，检测功能，能够
4、提供更详细的缺陷信息。但是，焊膏的能够提供更详细的缺陷信息。但是，焊膏的3D3D模型通过激光点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，因此可以用来以用来(yn(yn li) li)检测丝印机的检测丝印机的PCBPCB焊膏。而且，不需要额外的焊膏。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。源。n n基于视觉的焊膏检测的主要步骤包
5、括图像获取、图像增强和缺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，在获取陷分析。为了提高检测方法的性能，在获取PCBPCB图像之前，利图像之前，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方法来扩大PCBPCB基板图像和焊膏之前的灰度差。另外，使用基基板图像和焊膏之前的灰度差。另外，使用基于颗粒方法的于颗粒方法的2D2D检测算法来分析检测算法来分析PCBPCB图像。应用一种图像。应用一种pesudo 3Dpesudo 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
6、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。方法的有效性。第2页/共12页第三页，共13页。2位置位置(wi zhi)补偿补偿 n n检测性能受检测性能受PCBPCB和模板之间的检测位置和姿态的偏差影响。这里，和模板之间的检测位置和姿态的偏差影响。这里，在获取在获取(huq(huq ) )图像之前使用一个位置补偿方法来补偿这个偏差。这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些偏差约等于两块PCBPCB板上标记的坐标偏差，如图板上标记的坐标偏差，如图2 2所示。所示。 和和S S可以可以用下面的方程来计算：用下面的方程来计算： n n (1) (1)
7、n n其中其中m1m1和和m2m2代表标记代表标记1 1和标记和标记2 2各自在检测程序设定中的坐标。各自在检测程序设定中的坐标。m1m1和和m2m2是标记是标记1 1和标记和标记2 2检测的坐标。检测的坐标。S S是偏移向量，是偏移向量， ，T T是旋转是旋转矩阵，可以表示为：矩阵，可以表示为：n n从式（从式（1 1），可以看到，其中有），可以看到，其中有3 3个求知变量和个求知变量和4 4个方程。可以很容易个方程。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。补偿方法的应用可以
8、提高检测精度。第3页/共12页第四页，共13页。第4页/共12页第五页，共13页。3 图像增强图像增强图像增强图像增强 n n对比焊焊膏和对比焊焊膏和PCBPCB基板，焊盘的灰度值高出许多，可以很容易的通过使基板，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。但焊膏和用阈值函数来区分。但焊膏和PCBPCB基板的灰度值很相似，它们的直直方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图甚至有部分重叠。为了正确地区分焊膏和PCBPCB基板图像，这里提出一基板图像，这里提出一种基于纹理的算法。种基于纹理的算法。n n图像的纹理可以通过一个直方图的图像的纹理可以通过
9、一个直方图的n n阶统计矩来计算：阶统计矩来计算：n n其中其中(qzhng)(qzhng)，ZiZi是一个随机变量，代表亮度，是一个随机变量，代表亮度，P(Zi)P(Zi)是在一个区域的是在一个区域的亮度等级直方图。亮度等级直方图。L L是可能的亮度等级数，而是可能的亮度等级数，而mm是灰度值的平均值。是灰度值的平均值。n n但是，直方图不能反映像素位置信息。因此，在使用但是，直方图不能反映像素位置信息。因此，在使用n n阶统计矩之前，阶统计矩之前，需要将图像分成需要将图像分成X*YX*Y部分，部分， 是是x x行，列行，列y y图像的图像的n n阶值。基于阶值。基于n n阶统阶统计矩的增强
10、算法可以写成：计矩的增强算法可以写成：n n其中其中(qzhng)f(i, j)(qzhng)f(i, j)是没有增强的图像，是没有增强的图像，g(i, j)g(i, j)是增强后的图像，是增强后的图像，h h是权是权数。数。n n这个算法可以增加焊膏灰度，从而增强了图像，焊膏和这个算法可以增加焊膏灰度，从而增强了图像，焊膏和PCBPCB基板可以容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。膏部分和环绕焊膏的黑环总分。 第5页/共12页第六页，共13页。4 检测检测(jin c
11、)方法方法 n nA. A. 基于颗粒分析方法的基于颗粒分析方法的2D2D检测检测n n焊膏缺陷的检测可以通过分析位置，面积及焊膏和焊盘焊膏缺陷的检测可以通过分析位置，面积及焊膏和焊盘particleparticle的形状来进行。的形状来进行。用以下因素来表示：用以下因素来表示：n n中心：颗粒的位置中心。中心：颗粒的位置中心。n nA A：颗粒的面积。：颗粒的面积。n nAhAh：颗粒内洞的面积。：颗粒内洞的面积。n nAchAch：颗粒凸包的面积。：颗粒凸包的面积。n n水力半径：被水力半径：被particleparticle圆周圈起来的圆周圈起来的particleparticle区域。区
12、域。n n海氏德环状因数：，颗粒的形状越接近海氏德环状因数：，颗粒的形状越接近(jijn)(jijn)圆形，海氏德环状因数就越接近圆形，海氏德环状因数就越接近(jijn)1(jijn)1。n nIxxIxx：关于：关于x x轴的惯量矩。轴的惯量矩。n nIyyIyy：关于：关于y y轴的惯量矩。轴的惯量矩。n n包装率（包装率（packing rationpacking ration）：）：PR=A/(A+Ah)PR=A/(A+Ah)，用来判断是否存在焊膏不足。，用来判断是否存在焊膏不足。n n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上面提到的因数的值通过计算后被输
13、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、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。虽然桥接和溢出。虽然2D2D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。陷。 第6页/共12页第七页，共13页。n nB. Pesudo-3D B. Pesudo-3D 检测检测 n n虽然虽然3D3D检测算法可以查找出焊膏体积缺陷，但是，需要用一个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
14、。为了克服这个缺点，使用激光扫描器而且速度相对较慢。为了克服这个缺点，使用pesudo 3Dpesudo 3D检检测方法通过建立一个简单的焊膏测方法通过建立一个简单的焊膏3D3D模型来计算体积比。模型来计算体积比。n n如图如图4 4（b b）所示，有一个黑环环绕焊膏。原因是使用视觉系统）所示，有一个黑环环绕焊膏。原因是使用视觉系统(xt(xt ng)ng)的同轴照明源对的同轴照明源对PCBPCB进行了照明。只有与光线垂直的表面，反进行了照明。只有与光线垂直的表面，反射的光线才会进入摄像机，因此图像是明亮的；否则图像是暗的，如射的光线才会进入摄像机，因此图像是明亮的；否则图像是暗的，如图图4
15、4（a a）所示。）所示。n n如图如图4 4（b b）所示，）所示，ApAp是焊盘部分的面积，是焊盘部分的面积，AsAs是焊膏部分的面积，是焊膏部分的面积，AdAd是黑环的面积。焊膏的体积比可以通过下式计算：是黑环的面积。焊膏的体积比可以通过下式计算：n n其中其中VaVa代表是焊膏的实际体积。代表是焊膏的实际体积。VtVt是焊膏的理论体积。是焊膏的理论体积。n n缺陷可以根据体积比设定阈值来检测。这种缺陷可以根据体积比设定阈值来检测。这种pseudo-3Dpseudo-3D检测方法检测方法对比激光扫描检测方法执行快速。对比激光扫描检测方法执行快速。 第7页/共12页第八页，共13页。第8页
16、/共12页第九页，共13页。5 实验实验(shyn)和分析和分析 n n焊膏和焊膏和PCBPCB基板的图像直方图如图基板的图像直方图如图6 6所示。图所示。图6 6（a a）是）是PCBPCB基基板的图像直方图。图板的图像直方图。图6 6（b b）是焊膏图像增强之前）是焊膏图像增强之前(zhqin)(zhqin)的的焊膏图像直方图。图焊膏图像直方图。图6 6（c c）是焊膏图像增强之后的焊膏图像）是焊膏图像增强之后的焊膏图像直方图。可以看到，图像增强之后焊膏图像的直方图直增大直方图。可以看到，图像增强之后焊膏图像的直方图直增大了，两个图像之间的平均灰度值差是（）到（）。增加的值了，两个图像之间
17、的平均灰度值差是（）到（）。增加的值和权数和权数h h有关。有关。第9页/共12页第十页，共13页。n n下图显示了来自四种电子元件的焊膏缺陷的假报警率。从中下图显示了来自四种电子元件的焊膏缺陷的假报警率。从中可以可以(ky(ky ) )看出使用位置补偿和基于纹理的图像增强方法后，看出使用位置补偿和基于纹理的图像增强方法后，假警报率降低了。假警报率降低了。第10页/共12页第十一页，共13页。结论结论(jiln) n n本文提出了一种基于机器视觉的焊膏检测方法。为本文提出了一种基于机器视觉的焊膏检测方法。为了提高检测位置的位置精度，使用了位置补偿了提高检测位置的位置精度，使用了位置补偿(b(b
18、 chng)chng)方法。提出了基于纹理的算法来扩大焊方法。提出了基于纹理的算法来扩大焊膏和膏和PCBPCB基板之间的灰度值差，使得多阈值函数更基板之间的灰度值差，使得多阈值函数更加稳定和准确。另外，加稳定和准确。另外，2D2D和和pseudo 3Dpseudo 3D检测方法能检测方法能对焊膏缺陷进行有效的检测。实验结果证明了检测对焊膏缺陷进行有效的检测。实验结果证明了检测方法的可行性和有效性。方法的可行性和有效性。 第11页/共12页第十二页，共13页。内容(nirng)总结会计学。首先，对位置进行补偿，以提高检测精度。最后，得出(d ch)了实验结果，说明了方法的有效性。这些偏差约等于两块PCB板上标记的坐标偏差，如图2所示。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：。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第十三页，共13页。
