一種RFID標(biāo)簽天線視覺(jué)檢測(cè)方法與實(shí)現(xiàn)

摘 要： 在此提出了一種RFID電子標(biāo)簽天線瑕疵逐片高速檢測(cè)方法。該方法對(duì)工業(yè)相機(jī)拍攝的RFID天線圖像進(jìn)行模板圖像與目標(biāo)圖像的對(duì)齊，利用圖像差分輸出兩者的殘余圖像，通過(guò)對(duì)殘余圖像進(jìn)行連通域分析實(shí)現(xiàn)對(duì)天線圖像的高精度瑕疵檢測(cè)。本檢測(cè)方法的精度可達(dá)2×2 pixels，并已成功應(yīng)用到RFID天線檢測(cè)設(shè)備上，天線瑕疵尺寸檢測(cè)精度可達(dá)0.2 mm×0.2 mm。

關(guān)鍵詞： RFID天線； 圖像匹配； 圖像差分； 瑕疵檢測(cè)

中圖分類號(hào)： TN405?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2013）20?0113?05

無(wú)線射頻識(shí)別（Radio Frequency Identification，RFID）是一種利用射頻通信實(shí)現(xiàn)的非接觸式自動(dòng)識(shí)別技術(shù)，具有識(shí)別距離遠(yuǎn)、識(shí)別速度快、抗干擾能力強(qiáng)以及多目標(biāo)同時(shí)識(shí)別等優(yōu)點(diǎn)，被認(rèn)為是21 世紀(jì)的最有發(fā)展前途的信息技術(shù)之一[1]。RFID電子標(biāo)簽作為信息載體，具有條形碼所不具備的防水、防磁、耐高溫、使用壽命長(zhǎng)、讀取距離大、可加密、存儲(chǔ)數(shù)據(jù)容量大優(yōu)點(diǎn)，在物流、制造、交通、軍事等領(lǐng)域具有廣泛的應(yīng)用前景。據(jù)咨詢機(jī)構(gòu)IDTechEx統(tǒng)計(jì)，2012年全球RFID及應(yīng)用的市場(chǎng)價(jià)值為76.7億美元，我國(guó)2012年RFID的市場(chǎng)規(guī)模是270億元人民幣。RFID電子標(biāo)簽多以印刷天線為柔性基底，其天線布線圖案的加工質(zhì)量直接決定著標(biāo)簽與讀寫器之間信息傳遞的可靠性[2]。常見(jiàn)的天線瑕疵包括線寬過(guò)大或過(guò)小，斷線或粘連，毛刺和污點(diǎn)等，如圖1所示。

它們會(huì)影響天線的電學(xué)性能、品質(zhì)因數(shù)或標(biāo)簽諧振頻率，甚至造成天線線路的短路或斷路[3]。因此，在RFID標(biāo)簽封裝過(guò)程中，能否有效檢測(cè)印刷天線的瑕疵成為RFID封裝設(shè)備的一項(xiàng)關(guān)鍵技術(shù)[4?5]。

目前市面上對(duì)標(biāo)簽天線的質(zhì)量檢測(cè)主要分為外觀缺陷檢測(cè)和電性能檢測(cè)。外觀缺陷檢測(cè)常見(jiàn)于國(guó)內(nèi)中小型標(biāo)簽生產(chǎn)廠家，指通過(guò)人眼直接觀察標(biāo)簽天線基板圖像來(lái)判斷此標(biāo)簽是否合格。該檢測(cè)方法效率低，誤檢率高。電性能檢測(cè)是指對(duì)標(biāo)簽產(chǎn)品進(jìn)行抽樣，并對(duì)樣品的電性能進(jìn)行檢測(cè)，使用樣品的檢測(cè)結(jié)果來(lái)評(píng)估標(biāo)簽天線產(chǎn)品。P.V. Nikitin等人對(duì)標(biāo)簽的電性能檢測(cè)方法進(jìn)行了深入研究[6]。這類檢測(cè)方法主要對(duì)標(biāo)簽的帶寬、傳輸速度、靈敏度及穩(wěn)定性進(jìn)行測(cè)試。該方法準(zhǔn)確率相對(duì)人工檢測(cè)有所提高，但抽樣檢測(cè)只能描述產(chǎn)品的整體質(zhì)量狀況，無(wú)法輸出每個(gè)標(biāo)簽的質(zhì)量檢測(cè)結(jié)果，因此無(wú)法將不合格天線從大批量產(chǎn)品中剔除。近年來(lái)，由于機(jī)器視覺(jué)的飛速發(fā)展，基于機(jī)器視覺(jué)的缺陷檢測(cè)方法在很多傳統(tǒng)工業(yè)領(lǐng)域得到應(yīng)用，如工件表面缺陷檢測(cè)[7]、印刷品質(zhì)量檢測(cè)[8]以及PCB板質(zhì)量檢測(cè)[9]等，取得了良好的效果。相比于傳統(tǒng)的人工檢測(cè)，基于機(jī)器視覺(jué)的缺陷檢測(cè)在精度、可靠性以及實(shí)現(xiàn)檢測(cè)自動(dòng)化等方面有著巨大的優(yōu)勢(shì)。對(duì)比瑕疵檢測(cè)的幾類應(yīng)用對(duì)象，可知RFID標(biāo)簽天線瑕疵檢測(cè)在原理與檢測(cè)精度要求方面與PCB板印刷質(zhì)量檢測(cè)十分類似。然而，由于PCB板可通過(guò)機(jī)械卡角對(duì)齊，而RFID標(biāo)簽天線由于其柔性基板的特殊性，不能靠機(jī)械方式進(jìn)行對(duì)齊，因而對(duì)圖像對(duì)齊的要求更為嚴(yán)格，因此需要針對(duì)RFID標(biāo)簽天線的特性提出一種有效的檢測(cè)方法。

本文提出一種基于機(jī)器視覺(jué)的RFID標(biāo)簽天線瑕疵檢測(cè)方法，該方法使用標(biāo)準(zhǔn)天線印刷圖像作為模版，對(duì)輸入的待檢測(cè)天線印刷圖像先進(jìn)行模板圖像與目標(biāo)圖像的匹配，獲取旋轉(zhuǎn)角和x，y方向的偏移量，再將經(jīng)過(guò)對(duì)齊的兩幅圖像進(jìn)行差分，輸出兩者的殘余圖像，最后通過(guò)對(duì)殘余圖像進(jìn)行連通域分析實(shí)現(xiàn)對(duì)天線圖像的高精度瑕疵檢測(cè)，以獲取瑕疵是否存在、瑕疵位置及面積等信息。該方法具有實(shí)時(shí)性強(qiáng)、結(jié)果精確等優(yōu)點(diǎn)，可以實(shí)現(xiàn)對(duì)大批量產(chǎn)品進(jìn)行連續(xù)、高速、精確的檢測(cè)。

1 檢測(cè)方法原理

本檢測(cè)系統(tǒng)由視覺(jué)檢測(cè)模塊和運(yùn)動(dòng)模塊構(gòu)成。視覺(jué)檢測(cè)模塊包括工業(yè)相機(jī)，光源和工業(yè)PC組成。運(yùn)動(dòng)模組可完成x?y?z三自由度運(yùn)動(dòng)，以實(shí)現(xiàn)對(duì)視覺(jué)系統(tǒng)檢測(cè)位置的調(diào)節(jié)功能。硬件的型號(hào)如圖2所示，檢測(cè)對(duì)象為透明基板的HF/UHF標(biāo)簽天線。本檢測(cè)方法的基本思想是利用圖像處理手段來(lái)檢測(cè)外形上存在缺陷的標(biāo)簽天線。檢測(cè)流程如圖2所示。

1.1 邊緣檢測(cè)及匹配對(duì)齊

模版圖像和目標(biāo)圖像由于拍攝時(shí)間、光照條件、拍攝角度及天線表面平整情況等不盡相同，會(huì)給圖像帶來(lái)亮度、對(duì)比度以及局部灰度的變化，目前最常用的依賴于圖像灰度值的灰度匹配方法將不可避免地受到影響。邊緣匹配在對(duì)抗圖像的比例、旋轉(zhuǎn)和透視失真等方面相對(duì)于灰度匹配具有其獨(dú)特優(yōu)勢(shì)[10]。常用的邊緣檢測(cè)算子有：Roberts算子，Sobel算子，Prewitt 算子以及Laplace算子，Canny算子等，本文采用Canny算子提取圖像的邊緣信息進(jìn)行圖像匹配獲得圖像的旋轉(zhuǎn)角、橫縱向偏移量得到邊緣圖像E。

設(shè)待匹配圖像I的像素大小為M×N，模板T的像素大小為m×n，由上述邊緣提取得到的模版邊緣為ET。從圖像I在旋轉(zhuǎn)角為θ（由于旋轉(zhuǎn)角度過(guò)大即可認(rèn)為天線質(zhì)量不合格，因此認(rèn)為檢測(cè)中θ一般極小，認(rèn)為在±3°以內(nèi)）下的旋轉(zhuǎn)圖像中任意選取一塊像素大小為m×n的子圖，其在實(shí)際θ的旋轉(zhuǎn)角下的邊緣為Ex，y，θ，其左上角在旋轉(zhuǎn)圖像中的坐標(biāo)為（x，y）。由于旋轉(zhuǎn)角度很小且模版制作不應(yīng)過(guò)于接近邊緣，仍可認(rèn)為0≤x≤M-m，0≤y≤N-n，其中M，N分別為待匹配圖像像素的行數(shù)和列數(shù)，m，n分別為模板像素的行數(shù)和列數(shù)。子圖Ex，y和模板ET的歸一化互相關(guān)值R（x，y，θ）定義為：

所有的歸一化互相關(guān)值構(gòu)成歸一化互相關(guān)矩陣[11]R。對(duì)待匹配天線的x，y，θ值三個(gè)參數(shù)進(jìn)行遍歷，得到互相關(guān)矩陣R。R值最大時(shí)對(duì)應(yīng)的x，y，θ值即為對(duì)準(zhǔn)程度最大的待檢測(cè)圖片輸入位置參數(shù)。

1.2 差分圖像分析

根據(jù)互相關(guān)求取的偏移量和角度，可以確定待測(cè)圖像的最佳輸入位置。經(jīng)過(guò)匹配對(duì)齊，兩幅圖像已經(jīng)完成了pixel?to?pixel的對(duì)齊過(guò)程。由于天線中有些區(qū)域的打印質(zhì)量不影響天線的使用性能，例如字符打印區(qū)域等，因此我們對(duì)關(guān)心的區(qū)域進(jìn)行ROI（Region of Interest）設(shè)置，即對(duì)模版和待檢測(cè)圖像設(shè)定對(duì)應(yīng)圖像區(qū)域進(jìn)行分析。圖3為模版及待檢測(cè)圖像上的ROI區(qū)域經(jīng)過(guò)處理后的標(biāo)準(zhǔn)二值圖像M和T。

差分運(yùn)算類似于布爾運(yùn)算邏輯中的異或邏輯。若輸入變量為A和B，定義異或運(yùn)算符為[⊕]，則異或運(yùn)算：

對(duì)于兩幅像素均為m×n的標(biāo)準(zhǔn)二值圖像M和T，設(shè)兩幅圖中位置為（x，y）（0≤x≤m，0≤y≤n且m，n均為整數(shù)）的兩個(gè)像素值分別為M（x，y）和T（x，y），則對(duì)于所有的（x，y），定義差分運(yùn)算：

差分圖像（Difference）仍是一副標(biāo)準(zhǔn)二值圖像，它直觀地體現(xiàn)了圖像M和T形態(tài)學(xué)上不相同的部分。

1.3 連通域分析及結(jié)果輸出

對(duì)于差分圖像進(jìn)行Blob分析，即計(jì)算該圖像中連通域的面積信息，其中面積超過(guò)閾值的Blob區(qū)域定義為瑕疵。將該區(qū)域的中心點(diǎn)位置信息記錄下來(lái)，就可以知道天線上存在毛刺或打印污染的區(qū)域所在的坐標(biāo)。而殘余圖像中并不是所有Blob區(qū)域均表示瑕疵缺陷。圖像對(duì)齊中還可能引入一定誤差，而采用腐蝕和膨脹將有效的縮減殘余圖像中由于圖像對(duì)齊引入的誤差，并能將在容忍范圍內(nèi)的一部分殘余圖像消除。此外還需要為殘余圖像的評(píng)估建立一定的篩選條件，這樣可以避免將合格的天線誤判為有瑕疵的天線。經(jīng)過(guò)最終篩選處理，得到輸出圖像。

2 算法實(shí)現(xiàn)及應(yīng)用

2.1 邊緣檢測(cè)

常用的邊緣檢測(cè)算子有：Roberts算子，Sobel算子，Prewitt 算子以及Laplace算子，Canny算子等。對(duì)主流的五種邊緣檢測(cè)算子取有毛刺的天線圖像進(jìn)行試驗(yàn)，效果如圖4所示。

從檢測(cè)效果圖可以看出，Roberts算子檢測(cè)出的圖像輪廓邊緣較細(xì)，但連續(xù)性較差，邊緣信息有一定丟失，出現(xiàn)的噪點(diǎn)較多。Sobel和Prewitt兩個(gè)算子效果幾乎一致，邊緣較為連續(xù)，但是線條稍粗，出現(xiàn)了一些偽邊緣。Laplace算子檢測(cè)出來(lái)的圖像邊緣更加連續(xù)，邊緣也比較細(xì)，但是由于二階算子的特性，會(huì)出現(xiàn)零星的假邊緣或邊緣間斷現(xiàn)象。Canny算子由于采用了最優(yōu)邊緣檢測(cè)原則，使提取的邊緣十分完整，細(xì)節(jié)表現(xiàn)明晰，邊緣的連續(xù)性也很好，效果明顯優(yōu)于其他算子。

2.2 匹配對(duì)齊

以標(biāo)準(zhǔn)天線邊緣圖像制作的模板為基準(zhǔn)圖，以待檢測(cè)天線邊緣圖像為目標(biāo)圖像，如圖5所示。

使用歸一化互相關(guān)技術(shù)進(jìn)行R值的尋優(yōu)，利用這三個(gè)參數(shù)遍歷獲得R值最大時(shí)對(duì)應(yīng)的旋轉(zhuǎn)角θ、橫向偏移量x和縱向偏移量y三個(gè)參數(shù)，此時(shí)兩幅圖的對(duì)準(zhǔn)程度達(dá)到最大。對(duì)角度偏差測(cè)試結(jié)果進(jìn)行統(tǒng)計(jì)，結(jié)果表明測(cè)量偏差不超過(guò)±0.1°，角度檢測(cè)的平均檢測(cè)時(shí)間為3.718 ms。對(duì)平移偏差測(cè)試結(jié)果進(jìn)行統(tǒng)計(jì)，x，y向平移測(cè)量偏差均不超過(guò)±0.5 pixel，平移檢測(cè)的平均檢測(cè)時(shí)間為2.687 ms。

2.3 圖像差分及連通域分析

先對(duì)天線缺陷檢測(cè)進(jìn)行模擬試驗(yàn)，將標(biāo)準(zhǔn)天線圖像上挖去像素值為103的一個(gè)圓形孔洞，如圖6所示。然后按本方法處理步驟輸出差分圖像進(jìn)行檢測(cè)，如圖6（a）所示。經(jīng)過(guò)實(shí)驗(yàn)檢測(cè)到的缺陷像素面積為107，可見(jiàn)以上步驟獲取的差分圖像很好的體現(xiàn)了待測(cè)天線與模板天線間存在的不同。對(duì)存在缺陷的待檢測(cè)天線圖片進(jìn)行實(shí)驗(yàn)，效果如圖6（b）所示。

2.4 檢測(cè)方法的實(shí)踐與應(yīng)用

RFID標(biāo)簽天線檢測(cè)設(shè)備如圖8所示。工業(yè)相機(jī)固定于運(yùn)動(dòng)模組上，通過(guò)1 394 B數(shù)據(jù)傳輸線與工業(yè)PC相連，系統(tǒng)軟件控制界面如圖9所示。

通過(guò)對(duì)界面的操作可實(shí)現(xiàn)自動(dòng)檢測(cè)、手動(dòng)檢測(cè)及各模塊調(diào)試等功能。相機(jī)CCD分辨率為200萬(wàn)像素（1 600×1 200 pixels），物距300 mm，視場(chǎng)范圍約160 mm×120 mm，圖像分辨率為0.1 mm×0.1 mm，在160 mm×120 mm視野內(nèi)對(duì)應(yīng)的最高的缺陷檢測(cè)精度是0.2 mm×0.2 mm。對(duì)5 000片已知合格率的天線樣品進(jìn)行檢測(cè)，設(shè)置檢測(cè)到瑕疵面積超過(guò)4個(gè)像素為不合格天線（NG），檢測(cè)結(jié)果如圖10所示。

說(shuō)明：將整個(gè)基板按運(yùn)行方向編號(hào)，前進(jìn)方向?yàn)榱小Ｃ啃袡z測(cè)分為三組，每組檢測(cè)兩列芯片。使用本檢測(cè)該批次標(biāo)簽天線產(chǎn)品實(shí)測(cè)合格率為98.86%，與該批次產(chǎn)品標(biāo)稱合格率99%基本相符。實(shí)驗(yàn)結(jié)果表明，本檢測(cè)方法能有效識(shí)別存在瑕疵的天線，且達(dá)到檢測(cè)精度要求。

3 分析與討論

分析本檢測(cè)可知，在匹配對(duì)齊過(guò)程中可能引入誤差，而且腐蝕和膨脹會(huì)使一部分圖像信息損失。缺陷檢測(cè)精度不但取決于檢測(cè)方法，也受產(chǎn)品本身的一致性（如合格范圍內(nèi)允許的尺寸偏差）、被測(cè)單個(gè)產(chǎn)品在圖像中所占的比例、圖像分辨率、照明的穩(wěn)定和均勻性以及鏡頭對(duì)圖像的影響等因素制約。對(duì)設(shè)備運(yùn)行結(jié)果數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和分析，再結(jié)合本方法實(shí)驗(yàn)過(guò)程中得到的有關(guān)實(shí)驗(yàn)數(shù)據(jù)（見(jiàn)表2、表3）來(lái)看，實(shí)際實(shí)驗(yàn)中可能會(huì)存在4 pixels左右的誤差。因此本方法實(shí)際能達(dá)到最高精度為2×2 pixels。輸出4 pixels以下的blob區(qū)域可認(rèn)為該天線不存在瑕疵，而4 pixels以上的瑕疵區(qū)域是本方法可以辨別的。

4 結(jié) 語(yǔ)

本文提出的檢測(cè)算法可對(duì)大量產(chǎn)品進(jìn)行逐片高速檢測(cè)，剔除不合格天線，并實(shí)現(xiàn)檢測(cè)流程的自動(dòng)化。另外，本方法還可根據(jù)質(zhì)量標(biāo)準(zhǔn)對(duì)毛刺輸出控制閾值進(jìn)行調(diào)整。因此，本方法對(duì)于大部分天線的外觀檢測(cè)都可以達(dá)到檢測(cè)要求。將本文所提出的瑕疵檢測(cè)方法應(yīng)用在工業(yè)生產(chǎn)中，可以有效地解決目前市場(chǎng)上缺乏天線標(biāo)簽逐片高精度檢測(cè)設(shè)備的問(wèn)題。目前，該方法已成功應(yīng)用在武漢華威科智能裝備有限公司研制的天線檢查設(shè)備中。本方法在提高算法速度與精度方面仍有優(yōu)化空間。提高邊緣匹配的速度，優(yōu)化基于邊緣的匹配算法，將是下一步研究的目標(biāo)。

參考文獻(xiàn)

[1] 陳劍，冀京秋，陳寶國(guó).我國(guó)射頻識(shí)別（RFID）技術(shù)發(fā)展戰(zhàn)略研究[J].科學(xué)決策，2010（1）：8?20.

[2] LEUNG S Y Y， LAM D C C. Geometric and compaction dependence of printed polymer?based RFID tag antenna performance [J]. IEEE Transactions on Electronics Packaging Manufacturing， 2008， 31（2）： 120?125.

[3] 王宜菲.超高頻RFID天線設(shè)計(jì)技術(shù)研究[J].現(xiàn)代電子技術(shù)，2012，35（11）：113?114，119.

[4] RAO K V S， NIKITIN P V， LAM S. Antenna design for UHFRFID tags： A review and a practical application [J]. IEEE Transactions on Antennas Propag.， 2005，53（12）： 3870?3876.

[5] MARROCCO G. The art of UHF RFID antenna design： impedance matching and size?reduction techniques [J]. IEEE Antennas Propagation Magazine， 2008， 50（1）： 66?79.

[6] NIKITIN P V， RAO K V S. LabVIEW?based UHF RFID tag test and measurement system [J]. IEEE Transactions on Industrial Electronics， 2009， 56（7）： 2374?2381.

[7] 劉飛.基于圖像處理的印刷質(zhì)量自動(dòng)檢測(cè)算法研究[D].武漢：華中科技大學(xué)，2006.

[8] 何永輝，長(zhǎng)勝標(biāo)，彭鐵根，等.帶鋼表面質(zhì)量檢測(cè)技術(shù)研究與實(shí)踐[C].中國(guó)儀器儀表學(xué)會(huì)2007學(xué)術(shù)年會(huì)智能檢測(cè)控制技術(shù)及儀表裝置發(fā)展研討會(huì)，2007.

[9] 王凡，姜建國(guó)，申潔琳.SMT 質(zhì)量檢測(cè)中的AOI 技術(shù)及應(yīng)用[J].現(xiàn)代電子技術(shù)，2011，34（9）：180?182.

[10] SENTHILKUMARANL N， RAJESH R. Edge detection techniques for image segmentation?survey of soft computing approaches [J]. International Journal of Recent Trends in Engineering， 2009， 1（2）： 250?254.

[11] 謝維達(dá)，周宇恒，寇若嵐.一種改進(jìn)的快速歸一化互相關(guān)算法[J].同濟(jì)大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，39（8）：1233?1237.