機電生產工業中質量檢測的優化控制方法

劉 琨

LIU Kun

（沈陽職業技術學院，沈陽 110045）

0 引言

機電加工制造業是作為國民經濟的支柱產業，對于機電產品質量檢測過程會對整個加工過程以及成品的檢測合格率產生影響，因而對于產品質量檢測過程的優化不僅有助于提高生產效率，同時為國家工業化和生產現代化提供了有力保障。

隨著現代電子技術的不斷發展，電子器件已經從最初的小規模集成電路（small scale integrated circuit-SSIC）發展到大規模（large scale integrated circuit LSIC）甚至超大規模集成電路（very large scale integrated circuit VLSIC），其制造工藝也從最初的微米級尺寸過渡到現今的納米級尺寸。在大批量電子產品的生產工業中，為了有效的避免廢品率和返修率，對整個生產加工過程以及成品的檢測都至關重要。

本文將以印刷電路板的質量檢測為例，對于機電產品質量檢測過程的優化控制方法進行研究。

1 問題描述

印刷電路板，簡稱PCB（Printed Circuit Board）是指在絕緣材料上，按照預先設計規范制成連通的線路，或將電子器件組合而形成導電的圖形[1]。PCB作為電子系統中不可缺少的重要組成部分，其缺陷檢測技術是關系到整個電子系統質量和生產周期的重要環節，這一點已經得到了國內外專業人士以及企業技術人員的共同的重視。PCB檢查過程的關鍵是使用表面封裝設備（SMD）進行檢查，如排布錯誤、放置顛倒、元件缺失都是導致產品缺陷的重要原因。為了避免損失，要確保在焊接之前發現缺陷。這就要求生產商在PCB生產過程中要進行不斷檢測，如圖1所示。

圖1 PCB檢測系統圖

目前的PCB生產線上常用檢測方法主要包括以下幾類：1）傳統的人工檢測方法，PCB自動檢測方法。2）PCB自動檢測方法。這種方法主要包括電氣或接觸方式和非電氣或非接觸方式兩種類型[2]。3）自動X光檢查（AXI，Automatic X—Ray Inspection）。AXI技術在檢測超細間距和超高密度電路板方面有很重要的應用[3]。AXI主要用于電路組裝工藝過程中產生的橋接、丟片、對準不良等缺陷的檢測。4）激光檢測系統。它是PCB測試技術的最新發展，它利用激光束掃描印制板，收集所有測量數據,并將實際測量值與預置的合格極限值進行比較[4]。5）基于機器視覺的檢測方法。機器視覺是一種以計算機視覺方法為基礎，綜合運用圖像處理、精密測量以及模式識別、人工智能等技術的非接觸檢測方法[5,6]。其基本原理是對由計算機視覺系統得到的被測目標圖像進行分析，從而得到所需要的測量信息，并根據已有的先驗知識，判斷被測目標是否符合規范，或者是否到達質量控制要求。

2 模板匹配技術

在本文中，提出了一種模板匹配技術。模板匹配（Templates matching-MTM）技術是在模版匹配技術上發展而來一種“并行”標定多個待檢測目標的方法。對于每個像素（x,y），通過使用多個待檢測圖像的模板，可以計算出一系列NCC值，用 代表其中的最大值。例如，對于點（x,y），根據相應的模板No.1和No.2可以分別計算出NCC1和NCC2的值。（x,y）的 可以通過如下公式求得

圖2 多模版匹配方法

當采用多模板匹配的方法時，各種不同方位的物體可以同時與最相近的模板進行匹配，因而需要對所有元件進行檢測。Crispin等[7]提出了基于GA的PCB檢測方法，該方法通過提取一系列模板圖像，然后計算產生一個通用模板圖像。對于所有需要被確定識別的元件，將通用模板與原始圖像進行匹配驗證。顯然這種方法要求所有的元件必須具有相同的方向及大小尺寸，也就是說元件必須垂直或水平安放，并且需要計算每個模板圖像中像素的平均值，否則產生的模板就沒法用于進行最大的相似度搜索。當元件部分水平安放部分垂直安放時，需要多模板匹配而不是單一的模板。我們提出的MTM方法可以用來求解這類問題，無論元件如何安放，MTM方法都可以找出最相似的模板。

對于每個像素，通過MTM方法不斷計算其NCC值。在搜索空間中，存在七個全局最優值以及多個局部最優解（主要分布于搜索空間的upper potion），每個全局最優值表示模板的完好匹配以及目標元件，只有找到全局峰值，才能解決多個電阻的檢測問題。

3 質量檢測中的優化控制方法

本文中提出了一類基于Speciation的遺傳算法用來求解上面描述的模板匹配問題，進而對整個機電生產過程中的質量檢測過程進行控制。

基于小生境的遺傳算法（Speciation-GA）通過同時用不同的個體追蹤多個（全局或局部）最優解進而來彌補GA在求解多峰優化問題中的不足。在這里，小生境代表具有相同性質，通過半徑rs來度量的一組個體。小生境種子（個體的中央）是當前子種群中的最優個體。通過半徑rs可以確定出species中的所有個體，通過在二維圖像（搜索空間）中初始化每個個體代表的位置，用個體所處的位置，即相應的像素坐標來表示解。對于給定的目標函數，個體從隨機初始化的位置出發，在搜索空間中不斷向最優值移動。對每個個體按照遺傳算法的交叉和變異算子進行更新，pid表示個體最優位置，pilbest表示個體 所在Species中的最優解，即Species種子。

將算法的性能同基本遺傳算法（GA）的性能進行比較。對于兩個算法，平均結果來自于算法的30次獨立運行。基本GA和Speciation-GA的計算結果分別如表1和2所示。

通過表1以及表2可以看出基于Speciation的GA算法的運行時間，以及檢測到的像素的個數都明顯優于基本的GA。因而能夠有效提高機器視覺檢測的準確率和效率，更適合于實際應用。

表1 基于GA方法檢測7個電阻的運行結果

表2 基于Speciation-GA方法檢測7個電阻的運行結果

4 結論

由于機電產品加工過程的質量檢測在整個生產過程中起到關鍵作用，因而對質量檢測過程的優化控制就顯得尤為重要。本文提出了一個基于Speciation方法的遺傳算法（Speciation-GA）來接解決機電生產過程中質量檢測問題的優化控制。通過PCB仿真實驗（如表1和表2所示）能夠看出基于Speciation-GA算法的有效性。我們所提出的算法還可以應用于實時物體追蹤以及機器人視覺。今后還將對Speication-GA方法在其他各種機電生產工業，圖像處理以及機器視覺方面的應用進行深入的研究。

[1]West G.A System for the Automatic Visual Inspection of Bare Printed Circuit Boards[J].IEEE Transaction on System,Man and Cybernetics,1984,14（5）：767-773.

[2]Wang D Z,Wu C H,Ip A et al.Fast multi-template matching using a particle swarm optimization algorithm for PCB inspection[C].In the Proceeding of Applications of Evolutionary Computing- EvoWorkshops 2008,LNCS 4974：365-370.

[3]王彩萍.電路組裝的檢測技術[J].電子工藝技術,2000,21（4）：21-23.

[4]徐勝海.印刷電路板在線自動視覺檢測系統的分析研究[D].合肥工業大學,2001.

[5]張文景,張文淵,蘇鍵,等.計算機視覺檢測技術及其在機械零件檢測中的應用[J].上海交通大學學報,1999,33（5）：129-132.

[6]張亞鵬，何濤,文昌俊,等.機器視覺在工業測量中的應用與研究[J].光學精密工程,2001,9（4）：324-332.

[7]Crispin A J,Rankov V.Automated inspection of PCB components using a genetic algorithm template-matching approach [J].International Journal Advanced Manufacturing Technology,2007,35（4）：293-300.