摘要：表面安裝PCB板的自動檢測是保證質(zhì)量、減少制造廢品浪費(fèi)和返工的要求。本文研究定位和識別SMD檢測圖像中的多個(gè)對象的方法。表面安裝器件檢測的主要難點(diǎn)之一是元件放置的檢測。元件放置缺陷如漏貼、偏位或者是錯(cuò)誤的旋轉(zhuǎn)元件是主要缺陷必須在回流焊之前或之后進(jìn)行檢測。本文的重點(diǎn)在于定位多對象的對像識別技術(shù)；使用灰色模型匹配來為一組元件創(chuàng)建通用的模板。研究中使用標(biāo)準(zhǔn)化互相關(guān)模板匹配方法并對限制搜索區(qū)域以減少計(jì)算量的方法進(jìn)行測試。查找模板位置的方法使用了一個(gè)遺傳算法，性能優(yōu)越。最后列出了對典型的PCB圖像的實(shí)驗(yàn)結(jié)果。

關(guān)鍵詞：PCB制造；元件檢測；模板匹配；遺傳算法

 

1 引言

視覺系統(tǒng)被用于檢測PCB貼片缺陷，并出現(xiàn)了很多不同的檢測方法。表面安裝技術(shù)使用自動設(shè)備高速的進(jìn)行高元件密度PCB板的生產(chǎn)。檢測被用于檢查在生產(chǎn)過程中可能出現(xiàn)的可能的缺陷。

單面表面安裝板的主要生產(chǎn)步驟如圖1所示。步驟包括在PCB板上放置焊膏、在正確位置放置元件和將PCB板放入烤爐焊接元件到焊盤上（回流焊）。雙面板需要在一個(gè)更復(fù)雜的裝配過程中將穿板元件插到板上。用粘合劑在板的兩面固定SMD元件，然后使用峰波焊將元件焊接在板上。

元件的放置是自動“取-放”的過程，使用一個(gè)真空管來從喂料帶上拾取元件并將元件放置到板上。真空吹氣的時(shí)候可能存在元件沒有放下來（吹氣太弱）或者元件被吹離位置（吃氣太強(qiáng)）的情況；X-Y平臺機(jī)械狀況不好時(shí)會導(dǎo)致位置偏移的問題。元件放置缺陷包括：

（1）漏貼；

（2）偏位

（3）偏轉(zhuǎn)

回流焊過程中也會因?yàn)楹噶咸匦院蜌怏w釋放作用引起元件的升起和翻轉(zhuǎn)。因此線和離線檢測

被用于PCB板的生產(chǎn)過程中，如圖1所示。

圖1 SMD電路板生產(chǎn)過程

本文研究在圖像中定位多對象（如貼片電阻）的自動對象識別技術(shù)來識別它們的位置和旋轉(zhuǎn)。為位置質(zhì)量檢查做好準(zhǔn)備。設(shè)計(jì)的方法基于模板匹配和遺傳算法搜索，其中使用了一個(gè)通用灰色模型模板來識別對象。文章的第二章討論了模板匹配方法及其在對象識別中的使用。第三章討論了怎么對一組元件建立一個(gè)通用模板并產(chǎn)生一個(gè)最大可能搜索區(qū)域來驗(yàn)證它的使用。第四章描述了怎樣縮小搜索區(qū)域以減少計(jì)算量。在第五章介紹了在一個(gè)源圖像搜索多對象的遺傳算法解決方案。第六章討論了方法的應(yīng)用和結(jié)果。最后做了結(jié)論。

 

2 模板匹配

模板匹配是一個(gè)在一個(gè)源圖像中識別與另一個(gè)稱之為模板圖像的較小的子圖像匹配的特征的方法，經(jīng)常被用于對象識別?；镜哪０迤ヅ渌惴ㄊ牵耗０鍒D像在源圖像上移動并在每個(gè)位置計(jì)算灰度相關(guān)度，灰度相關(guān)度使用像素亮度來估計(jì)模板圖像和源圖像區(qū)域之間的相似度。一般地，在模板匹配算法中使用標(biāo)準(zhǔn)化互相關(guān)（NCC）如下式：

（1）

其中f(x,y)是源圖像中灰階像素亮度矩陣；

是與模板圖像相一致區(qū)域的源圖像的平均灰階亮度值；

t是模板圖像的灰階像素亮度矩陣；

是模板圖像的灰階像素亮度平均值；

c(u, v)的值范圍從-1到1并且原圖像和模板圖像的比例變化與其無關(guān)。c(u, v)的最大值的地方即模板和源圖像最匹配的地方。為了使互標(biāo)準(zhǔn)化相相關(guān)可以檢測有旋轉(zhuǎn)的模式，需要在每個(gè)角度進(jìn)行新的模板匹配搜索，這樣增加了計(jì)算量。標(biāo)準(zhǔn)灰階模板匹配方法用一個(gè)單一模板來搜索一個(gè)單獨(dú)的元件。定位和識別表現(xiàn)出不同灰階的相似元件需要一個(gè)模板模型化方法。

 

3 灰色模型模板

圖2是一個(gè)7475集成芯片的PCB源圖像和六個(gè)貼裝電阻。要求是要將7475下面的6個(gè)元件進(jìn)行定位和識別，6個(gè)元件是5110或1001貼片電阻。注意到其中一個(gè)5110電阻相對其它旋轉(zhuǎn)了180度。6個(gè)元件的大小和形狀相同，但灰度值不一樣，因?yàn)樵厦娴挠∷⒆址灰粯?，及元件的生產(chǎn)廠家不一樣產(chǎn)品顏色也有區(qū)別等。不一致的照明會在原圖像產(chǎn)生陰影區(qū)域。

圖2 PCB貼裝元件圖像

 

方法中使用一組元件的模板圖像來建立一個(gè)灰色模型模板。這個(gè)通過線性組合一組模板圖像來平均每個(gè)元件圖像之間的灰階亮度值的統(tǒng)計(jì)差異。方法從源圖像中的六個(gè)元件中提取相同大小的模板圖像并計(jì)算每個(gè)圖像對應(yīng)像素值的平均值。圖3顯示使用從圖2中提取六個(gè)元件的模板圖像創(chuàng)建的通用灰色模型模板圖像。

通用模板可以用來搜索區(qū)域的最大可能性圖像如圖4所示。最大可能性X可以通過下式計(jì)算：

（2）

其中是協(xié)方差矩陣的逆矩陣。協(xié)方差矩陣根據(jù)對應(yīng)于模板矩陣的源圖像區(qū)域像素亮度矩陣及模板像素亮度矩陣計(jì)算。在方程中[f-t]轉(zhuǎn)置矩陣是1Xn矩陣，乘以 （nxn矩陣）得出一個(gè)1Xn矩陣。再將這個(gè)矩陣乘以nx1的[f-1]矩陣得到一個(gè)數(shù)量值X。X值的范圍為0到1。X趨于0，代表模板和對應(yīng)源圖像匹配可能性很高。

在源圖像上移動圖3所示的通用模板并在每個(gè)位置計(jì)算協(xié)方差和使用式2計(jì)算最大可能性，便產(chǎn)生了最大可能性圖像。同時(shí)也創(chuàng)建對模板旋轉(zhuǎn)一定角度的最大可能性搜索區(qū)域圖像。圖4顯示了許多黑色的區(qū)域，這些區(qū)域最大可能性接近零，表示和要定位的元件在圖像上的位置匹配可能性很高。六個(gè)黑色區(qū)域?qū)?yīng)貼片電阻的位置，可見計(jì)算的通用的模板能夠很好的在一個(gè)圖像上查找多對象。

圖3 通用模板

 

圖4 最大可能性圖像

 

4 限制搜索區(qū)域

在源圖像定位和識別多對象需要模板搜索。在標(biāo)準(zhǔn)的方法中，在源圖像的每個(gè)像素中應(yīng)用模板，使用標(biāo)準(zhǔn)化互相關(guān)計(jì)算相似系數(shù)。雖然標(biāo)準(zhǔn)化互相關(guān)是應(yīng)用于在圖像中檢測模式的很好的技術(shù)，但是其基于加法和乘法操作，這使得在搜索整個(gè)圖像是很費(fèi)計(jì)算時(shí)間。如果預(yù)先知道一個(gè)元件在PCB上理想的中心位置（目標(biāo)點(diǎn)），那么就可以將搜索限制在以目標(biāo)點(diǎn)為中心的目標(biāo)區(qū)域。使用這種方法能夠快速搜索，但是當(dāng)元件錯(cuò)貼時(shí)也更容易出錯(cuò)（找不到對象）。

一個(gè)元件可以在板（源圖像）上任何位置被定位。如果使用“拾取-放置”移動機(jī)器來定位和移除錯(cuò)件，那么需要對整個(gè)圖像進(jìn)行搜索。源圖像的邊緣濾波可以用來將搜索區(qū)域限制在邊緣位置。通過只在邊緣位置搜索圖像，減少NCC需要執(zhí)行的計(jì)算量。明顯和不明顯的邊緣都需要檢測，以便能夠進(jìn)行精確的模板定位。Canny邊緣算法，對比其它邊緣濾波如Sobel，夠很好的檢測不明顯的邊緣。Canny濾波是對其它邊緣檢測方法的改進(jìn)。Canny方法查找邊緣時(shí)，首先使用高斯濾波平滑圖像，然后執(zhí)行梯度計(jì)算（gradient calculation），使多像素寬邊緣減少為單像素邊緣（非最大壓縮non-maximum suppression），應(yīng)用低的和高的邊緣強(qiáng)度閾值，最后選擇所有在低閾值之上和在高閾值之上的邊緣相連的邊緣（finally accepting all edges over the low threshold that are connected to edges over the high threshold）。圖5顯示了Canny邊緣濾波后的源圖像。

從源圖中像中提取一個(gè)所有邊緣位置的向量并使用通用灰色模型模板對每個(gè)邊緣點(diǎn)計(jì)算NCC系數(shù)。如圖6所示，圖中有6個(gè)峰值對應(yīng)創(chuàng)建灰階模板的6個(gè)電阻。當(dāng)執(zhí)行相似計(jì)算時(shí)，將模板圖像的左上角作為參考點(diǎn)。

邊緣檢測也具有對照明條件及對比度變化的魯棒性好的優(yōu)點(diǎn)。在邊緣檢測之前，使用直方圖均衡化（Histogram equalization）作為預(yù)處理步驟，來提高動態(tài)范圍、對比度和最大化源圖像在沒有統(tǒng)一照明時(shí)的熵（增加信息量）為了標(biāo)準(zhǔn)化在不同照明下的圖像，將直方圖均衡化分別應(yīng)用于源圖像元件的R、G、B圖像，然后再重新疊加。需要注意的是，因?yàn)槲覀兊姆椒ㄊ腔谝粋€(gè)從相同大小的子圖像撮的通用灰色模型模板圖像的，任何直方圖均衡化操作必須在創(chuàng)建通用模板之前應(yīng)用。

圖5 Canny邊緣檢測

 

 
圖6Canny邊緣象素的標(biāo)準(zhǔn)化互相關(guān)系數(shù)