摘  要：

　　  本文提出了一种基于视觉检测的自动化系统，旨在快速、准确地检测和分类插件式电子元器件插装后的错、漏、反、多、歪斜等缺陷。该系统利用高分辨率图像采集设备和先进的图像处理算法，实时检测和定位PCB板上的插件式电子元器件，并通过分析图像中的特征和模式，自动识别与分类缺陷，对不同缺陷开展针对性处理，大大提高了生产效率和产品质量。

　　关键词：机器视觉，自动检测，插件式，PCBA，工业质检

　　00 引言

　　在电子产品制造行业,印刷电路板(PCB)是关键组件之一,它承载各种插件式电子元器件。在PCBA过程中,检测插件式电子元器件的安装位置、极性、尺寸的质检过程必不可少,插装后检测的准确性及质检细致程度至关重要。传统的人工检测方法存在效率低、误差大的问题,因此,需要研发一种自动化视觉检测系统以提高检测效率和准确性。

　　机器视觉技术被广泛应用于工业自动化,如物体检测识别和跟踪等。通过图像采集、预处理、特征提取和模式识别等步骤,机器视觉系统可自动分析和判断图像中的目标基于机器视觉和图像处理技术的视觉检测系统在PCBA过程中具有广阔的应用前景，它可以自动实现对插件式电子元器件的检测、定位和缺陷分类,大大提高了生产效率,减少了人为误差,提高了产品质量。

　　01 系统的设计与实现

　　本文的主要目标是设计和实现一种基于机器视觉的PCBA过程中插件式电子元器件自动检测系统。该系统需要具备高精度的元器件检测和定位能力,能准确分类不同电子元器件缺陷类型。同时,插件式电子元器件的多样性和复杂性,图像噪声、光照变化、复杂的背景干扰以及不同尺寸,形状和颜色的插件式电子元器件的差异性对系统的设计与实现提出了挑战。

　　1.1系统基本架构

　　本文提出的PCBA过程中插件式电子元器件视觉自动检测系统包括检测平台、视觉检测软件、控制系统 、数据管理系统、元器件库5种功能模块。检测平台是整个系统的硬件机构核心,由图像采集设备、电脑、显示器、控制器传送机构、传感器和其他辅助设备(如塔灯、喇叭)组成。视觉检测软件是系统的核心软件,与控制系统通信控制检测平台运行,完成连续检测;控制数据管理系统对Mysql数据库进行操作 将检测数据 过程数据保存数 数管理系统模块根据时间、电路板类型、检测结果等条件快速检索和查询数据库中特定的数据,分析统计缺陷类型频率和计算良率,导出数据报表,形成图表、图形和动画等将数据可视化展示:管理元器件库中存储待测元器件的相关信息(规格、参数和特征等)检测过程调取相关信息使用。系统框图如图1所示。

　　图1 系统框图

　　系统采用高分辨率图像采集设备获取PCB像,通过预处理模块对图像进行去噪和增强处理,并通过增加产线偏差补偿处理解决因传送带宽度不均匀导致的图像偏移以及图像归一化哈希值阈值设定难的问题。同时，利用特征提取模块采集多种特征描述子,提取图像中形状特征、颜色特征和纹理特征,用于反映插件式电子元器件的形状、颜色和纹理等信息。通过使用机器学习算法和模式识别方法,分析和判断提取的特征,实现插件式电子元器件的检测和定位。最后,通过训练已标注的样本,建立缺陷分类模型,实现对新样本的自动缺陷分类,检出错、漏、反、多、歪斜等缺陷PCB以待后续处理。

　　1.2 主要功能模块设计

　　检测平台是整个系统的核心部分,由图像采集设备电脑、显示器、控制器和其他辅助设备组成,图像采集设备包括相机、镜头和光源,控制器采用三菱PLC实现对其他辅助设备(如传送带、塔灯、喇叭等)的控制,并接受用户操作任务和光电开关动作。实现控制传送带,将待检电路板运输到预设位置,通过摄像头、光源等硬件设备采集元器件的图像。视觉检测软件是系统的核心软件,负责分析和处理图像,并根据预先设定的检测模型和标准判断元器件是否合格。视觉检测软件包括图像处理模块、特征提取块、分类器模块等,它提供人机交互界面,允许用户设置系统参数、管理外设和满足检测需求。视觉检测软件使用QT框架结合0penCV图像处理库,采集到位的PCB板卡图像或视频,调用封装的检测算法动态库提取和分析图像或视频中的特征,识别和定位PCB板卡上的插件式元器件。检测算法首先对图像进行像素分割、分类、去噪、滤波、增强对比度等预处理操作,以降低噪声、光照不均等因素对检测结果准确性的影响:然后采用灰度共生矩阵、边缘检测直方图均衡化等方法提取图像特征,通过特征点匹配对比图像中的元器件与模板,检测其位置的正确性、偏移和缺失并实现验证插件式电容、二极管等级性元器件的极性[1]。

　　收集、分析和统计电路板的检测数据,发现生产过程中的趋势、异常和改进点,支持决策制定和质量改进,并将结果输出至人机界面、日志文件和报告。视觉检测软件通过控制系统控制检测平台的运转,依次检测电路板,实现自动化检测。同时采用了多种技术,如图像压缩技术、主链表+多子链表存储结构、序列化与反序列化技术等。其中,图像压缩技术用于提高高清图像传输效率:主链表+多子链表存储结构可使检测模型配置参数信息、样本图像信息存储更加灵活:序列化与反序列化技术可将建立的检测模型保存到磁盘以便快速恢复检测。

　　控制系统负责控制和调度整个检测过程,包括硬件控制模块、数据采集模块和通信模块。该系统以三菱PLC为核心,通过检测光电开关信号确定电路板是否到达预设位置,然后通知视觉检测软件,可控制气缸上升截停传送带上运输的电路板,使气缸下降放行已完成检测的电路板还可控制电机驱动的传送带运输电路板,并接收视觉检测软件发送的检测完成信号。用户可以通过控制系统设定检测过程中的参数和控制调度。数据管理系统用于管理采集的图像数据和相关的检测结果,包括数据库和数据分析工具。该系统能存储检测过程中产生的原始图像数据、预处理后的图像数据、特征数据、检测结果和缺陷记录数据,并建立索引和标记。用户可以根据时间、电路板类型、检测结果等条件快速检索和查询特定的数据。数据管理系统还可以生成数据报表,统计缺陷类型和频率,计算良率,并提供数据备份和恢复功能,确保数据的安全性和完整性。此外该系统具有严格的安全性和权限管理机制，并可通过图表、图形和动画等形式将数据可视化,以便用户直观地理解和分析数据,发现潜在的问题和趋势。数据管理系统的功能包括数据的存储、查询、分析、利用这些功能可提高检测过程的效率和质量控制能力。

　　元器件库是一个数据库,用于存储待测元器件的相关信息,包括规格、参数和特征等,元器件库在视觉检测系统中起到了重要作用,为系统提供了标准和基础数据。

　　1.3 系统流程

　　系统流程图如图2所示,其具体包括以下5个步骤。

　　图2系统流程图

　　步骤1:系统参数初始化和检测模型建立。开始检测前,初始化系统参数和配置。多摄像头时选择启用、禁用摄像头,设置相机分辨率、曝光参数、饱和度、增益、对比度、亮度、焦距参数、软件提供预览，调节参数使摄像头处于良好状态;调整光源角度、亮度,为摄像头提供合适光照条件,消除板卡反光对检测影响;设置三菱PC与上位机通信COM口:导人算法动态库文件,将可用算法添加到系统中;设置其他系统参数和选择MES系统配置检测算法和模型参数。通过人机交互界面,用户可以设定和调整系统参数以满足不同检测需求和环境条件:同时,根据待检测元器件的特征和规格,建立相应的检测模型。具体包括7点:(1)在检测流程中添加“电容C1极性”项;(2)点击摄像头开关按钮,打开摄像头;(3)点击“电容C1极性”项参数,选择确定检测电容 C1的摄像头,用于获取电容C1图片;(4)在显示电路板图片需要检测位置,即电容C1位置,点击鼠标左键,然后拖动鼠标,画出矩形框,框取检测位置,再点击鼠标右键,在右键菜单选择右键菜单“添加”添加此检测点;(5)点击选择此检测点适用的算法,即选择对电容极性判断的算法:(6)设置合适的算法判断阈值,此参数用于算法判定依据,大于阈值时电容极性正确,判定为合格,小于阈值时电容极性不正确判定为不合格:(7)点击开始检测按钮,检测开始,停止检测点击停止检测按钮,结束本次检测。

　　 添加多个检测项,如对二极管D1极性检测、对电容C2电阻R1缺少检测、对接口端子偏移检测等,重复(1)、(3)、(4)、(5)(6)添加对应检测项。

　　步骤2：开始检测,图像获取、特征提取和检测判定开始检测过程。点击开始检测按钮，上位机通过COM口通知PLC,PLC控制机构启动,控制传送带将待检电路板送至指定位置,到位后触发到位关电开关,到位关电开关信号反馈给PLC输入端,PLC通过COM口告知上位机软件电路板到位,同时PLC控制气缸升起,上位机软件启动图像采集设备(相机、镜头、光源)开始获取电路板图像。图像经预处理(去噪、对比度增强)然后利用特征提取算法提取元器件的位置、颜色、形状等信息。基于预先建立的检测模型,分类和判定提取的特征,判断检测点元器件极性偏移、位置是否合格或缺失。上位机对所有检测点判断完成后,通知PLC检测完成,同时,上位机软件保存检测结果并通过人机界面和声光指示向操作人员提供实时反馈和指示,PLC控制气缸降下,启动传送带将检测完成的电路板运送到下一工序,电路板传送过程中,触发离开关电开关,离开关电开关信号反馈给PLC,PLC检测到电路板离开,然后控制传送带将待检电路板传送到检测位置。

　　步骤3：检测批次判断和继续检测。完成当前电路板的检测后,系统判断是否有待检电路板。若有待检电路板系统返回步骤2.继续进行图像获取、特征提取和检测判定:若当前批次的电路板都已完成检测,系统进入步骤4。

　　步骤4：结束本批次检测或开始新批次检测。当前批次的电路板检测完成后,系统进行结束操作。系统可以根据需要生成报告、统计数据。同时,系统判断是否退出系统。若需退出,可选择模型文件菜单,将本次检测模型保存到模型文件,方便下次直接导人系统开始检测,然后进人步骤5；若需继续检测新的批次,则保存当前检测模型到模型文件,进人步骤1开始新的批次检测,并初始化系统参数和建立检测模型。

　　步骤5：退出系统和关闭电源。即根据用户选择,系统退出并关闭电源。

　　通过以上流程,插件式器件插装后视觉检测系统能自动检测电路板,提高检测效率和准确性,并通过人机交互界面和声光指示向操作人员提供反馈和指导。该系统有助于发现和解决生产过程中的问题,并改进产品质量。

　　02 测试与结果

　　为评估视觉检测系统的性能,本文在实际生产企业产线部署1套该系统,使用实际产线生产的插件式电子元器件的PCB板作为训练样本和测试样本。收集一段时间的PCB板卡样本,训练及调测系统,并经过一段时间的有人值守系统运行和为期6个月的无人值守系统运行。测试采用标准的产线图像数据集,并使用适当的评价指标评估系统的准确性和效率。无人值守系统运行阶段对产线实测2h,共采集500块板卡测试,统计数据如表1所示。

　　表1统计数据

　　实验结果表明,应用在PCBA过程中的插件式电子元器件视觉检测系统在插件式电子元器件的检测和定位方面表现出较高的准确性和鲁棒性。与传统的人工检测方法相比,该系统能大大提高检测的效率和准确性。此外,分类实验结果表明,该系统能有效地对不同类型的插件式电子元器件进行自动缺陷分类[2]。

　　03 结语

　　本文设计和实现了一种基于机器视觉的插件式元器件插装后自动检测系统。实际产线部署表明,该系统在插件式电子元器件的检测、定位和缺陷分类方面具有较高的准确性和效率，可有效提高PCBA 过程中的质量控制效果。尽管该系统在插件式电子元器件的检测和缺陷分类方面取得了良好效果,但仍存在一些改进空间。未来研究可考虑进一步优化系统的算法和模型,提高系统在复杂背景和光照变化等环境下的鲁棒性。此外,可探索更多的图像特征和深度学习方法,以进一步提升系统的性能。本文为PCBA过程中插件式电子元器件的自动检测提供了一种可行的解决方案,对提高PCBA的质量控制效率和准确性具有重要意义。该系统的成功应用将为电子制造行业的自动化生产提供有力支持,并在相关领域推动技术的发展。