智能電能表印刷電路板一致性檢測系統的開發

李少騰，姚 力，胡瑛俊，吳 幸，樓 軼

（浙江省電力公司電力科學研究院，杭州 310014）

0 引言

隨著智能電能表的推廣應用，智能電能表的質量一致性問題日益受到關注。質量一致就是要求招標樣表和現場運行表的質量狀況一致，包括PCB（印刷電路板）質量、電能表軟件質量和電能表材質質量。智能電能表PCB的一致性是質量一致性的關鍵組成部分，當前PCB一致性的主要檢測方法是人工目測，使用放大鏡輔助檢測被檢表的PCB是否與招標樣品一致。生產技術的不斷提高，使PCB朝著多層數、高密度的方向發展，加上智能電能表的需求大幅度增加，相應提出了快速批量檢測的要求。

現有的人工檢測方法存在諸多缺點，如：人工檢測存在人為誤判；檢測手段的單一性造成了檢測效率低下；人工檢測不便于計算機的統一管理等。因此，基于計算機技術與圖像處理技術的PCB智能識別系統研究成為重要課題。當前PCB的自動檢測主要使用以下3種技術：

（1）AXI技術（自動X射線檢測），應用范圍還不夠廣，技術也不很成熟，存在速度慢、成本高和開發時間長等缺點。

（2）激光檢測技術，能夠快速預置并編程，檢測速度快并且可檢驗各種不同類型的缺陷，包括偶然缺陷，但成本太高。

（3）AOI技術（自動光學檢測），基于光學原理，通過攝像頭掃描采集PCB圖像，提取測試特征參數并與數據庫中的標準圖形進行比較，經過圖像處理，檢測被檢PCB與標準板的差異。

AOI技術操作簡易、生產成本相對較低，在功能上能滿足智能電能表的檢測需求，故選擇應用AOI技術，開發智能電能表的PCB一致性檢測系統。

1 系統的總體設計

系統結合機器視覺和智能控制技術，利用圖像處理技術進行分析，得到PCB正面尺寸、電路布線、焊點質量、正反面及側面的元器件的位置及規格數據，形成樣本庫，然后將被檢PCB與樣本庫的標準信息進行比較，實現PCB的一致性檢測。

整個檢測系統由硬件及軟件2個部分構成。硬件主要包括定位平臺（機械傳動部分和載物臺）和圖像采集部分，用來構造PCB水平移動及旋轉環境，實現圖像采集以及數據傳輸，圖1為系統的硬件架構；軟件實現驅動軸移動控制、圖像分析與處理。

圖1 系統硬件組成

系統工作流程如下：

（1）將標準的電能表PCB放入載物臺上，并用定位部件讓其保持水平并固定。啟動驅動軸將PCB移到攝像機正下方采集圖像，利用算法軟件對采集到的圖像進行處理，得到PCB的尺寸及板上定位片的元器件信息。

（2）將PCB按一定角度水平旋轉并改變其仰角及俯角至設定角度。

（3）用攝像機采集側面圖像，用算法軟件對得到的圖像進行處理，獲取平面掃描無法得到的信息，例如電解電容的信息。

通過以上方法建立標準的電能表PCB樣本庫，將待測電能表PCB放入檢測平臺，按上述方法通過攝像機采集圖像，得到待測電能表PCB的特征信息，再和樣本庫中的相同規格的PCB進行比較，以確定待測PCB的一致性是否合格。

通過管理軟件將檢測結果形成標準數據，并上傳數據庫，可生成報表。系統配有報警保護裝置，在操作過程中若出現異常，報警保護裝置將自行啟動。系統的功能模塊結構如圖2所示。

圖2 系統功能模塊結構

2 五軸聯動控制子系統

設計五軸聯動控制子系統的目的是使攝像機不僅能夠對PCB進行平面掃描，還能夠進行側面和多角度掃描，是電能表PCB智能識別系統硬件的關鍵部件。子系統在工控機的驅動下，按照設定的定位要求進行工作，移動與控制的精度直接關系到圖像的采集及后期的處理，必須精確控制。

五軸聯動控制子系統包括機械傳動部分和載物臺，通過5個步進電動機驅動，定位平臺能夠實現X，Y及Z軸方向移動和水平旋轉、擺動，即能夠實現五軸運動。其位移大小可由程序自行控制。整個定位平臺由這五個軸依次從下而上疊加而成，模型如圖3所示。

機械傳動部分用來實現X，Y，Z 3個軸的移動位移和2個角度轉動，X，Y，Z移動位移分別是200 mm，100 mm，50 mm，精度是0.005 mm；水平旋轉角度達到0～360°，精度達到0.005°；水平擺動角度為±45°，精度達到 0.005°。

載物臺用來放置PCB，由于PCB的尺寸大小不一致，按照PCB最大尺寸300 mm×250 mm設計載物臺平面，為了方便放置PCB，在上面打5行6列共30個螺紋孔，間距為50 mm，螺紋孔用來將不同尺寸大小的PCB進行固定。

3 基于分級模板匹配的PCB檢測算法

目前關于PCB的檢測算法，概括起來主要分兩大類：參考圖像法和非參考圖像法。參考圖像法是給定一個標準元器件的圖像，在被檢測圖像中尋找該目標圖像區域。該方法由于具有實現容易、識別率較高等特點，而被廣泛使用。其缺點是算法復雜，不適合在檢測效率要求很高的系統中應用。為此，提出一種快速圖像模板匹配算法，以實現PCB一致性的快速檢測。

算法的基本原理是將標準庫的PCB圖像作為模板，在被檢測圖像中安插區域搜索模板圖像，從而對整個PCB進行分塊檢測，也可根據需求進行重點區域檢測。先進行圖像模糊匹配，然后進行圖像精確匹配，根據標準模板圖像與被測PCB圖像的相似程度就可以判斷該區域是否存在類型一致的元器件，并可進一步判斷該區域的元器件焊接質量，整個檢測流程如圖4所示。

圖4 檢測算法流程

4 智能電能表PCB定位

4.1 PCB對象對齊

根據圖像匹配的檢測算法，在進行檢測前必須對圖像進預處理，使得待檢測圖像的PCB區域與標準圖像盡量對齊。檢測系統通過相機獲得PCB的彩色圖像，然后用“背景差法”獲得前景對象，為了減少哈夫變換的計算量，提高處理速度，獲取PCB的大致邊緣后通過哈夫變換得到精確的邊緣線，最后通過邊緣線配準來校正PCB的上下、水平位置以及傾斜角度，使得它和標準模板盡量重合，處理效果見圖5。

圖5 PCB對齊

4.2 粗略匹配

這個匹配過程的目的是快速找到與目標圖像大致相似的區域，以便實施下一步的精確匹配。設某一個標準元器件的大小為M×N，該元器件在標準PCB圖像上的中心坐標為（x，y）。算法將圍繞該中心點，在上下左右一定的空間里以窗口移動的方式進行搜索，為了加快速度，首先把圖像從RGB（紅、綠、藍色彩模式）空間轉換到灰度空間，然后采用1/9采樣的方式，計算兩個圖像區域的相似度，見式（1）和式（2）。

式中：r，g，b分別表示彩色圖像中紅、綠、藍分量；G表示轉換后的灰度值；S1表示相似度；M，N分別為圖像的寬度和高度；gs（i，j）表示標準元器件圖像中點（i，j）的灰度值； gd（i，j）表示被檢測區域中點（i，j）的灰度值。

當相似度達到一定標準的范圍時，再進行精確匹配。

4.3 精確匹配

精確匹配在彩色空間RGB上進行，不再進行采樣，而是進行逐點匹配，考慮到PCB板的底色以青綠色居多，在算法設計的時候對藍色和綠色分量進行了抑制。

式中：S2表示彩色圖像的相似度；M，N分別為圖像的寬度和高度；r1，g1，b1分別表示原圖像中的紅、綠、藍分量；r2，g2，b2分別表示目標圖像中的紅、綠、藍分量。

由于PCB板的顏色特征，其r，g，b顏色分量的權值分別取0.6，0.3，0.1。當S2小于某個閾值的時候，認為匹配成功，即在被檢測的區域，存在與標準板一致的元器件，否則認為不一致。

5 結語

智能電能表PCB一致性檢測系統能有效地解決檢測過程中的檢測效率、人工誤判和檢測智能化等問題，隨著智能電能表的推廣應用，系統有較好的推廣應用前景。

[1]謝宏威，張憲民，鄺泳聰，等.印刷電路板焊點的智能檢測[J].光學精密工程，2011，19（9）∶2154-2162.

[2]熊光潔，馬樹元，武思遠，等.新型高密度電路板的自動光學檢測系統設計[J].計算機工程與設計，2011，32（9）∶3218-3222.

[3]歐陽高飛，鄺泳聰，謝宏威，等.電子元件焊接質量的自動光學檢測系統研究[J].機械設計與制造，2011（7）∶122-124.

[4]王啟寧，李永紅.基于人工智能算法的印刷電路板測試與診斷系統研究[J].山西電子技術，2011（1）∶85-87.

[5]李旦，俞承芳.遺傳算法在PCB板元件檢測中的應用[J].復旦大學學報：自然科學版，2006，45（4）∶452-456.

[6]王濤，俞承芳.一種改進的粒子群算法在PCB板元件檢測中的應用[J].微電子學與計算機，2007，24（12）∶213-216.

[7]吳福培，鄺泳聰，張憲民，等.基于模式匹配及其參數自適應的 PCB 焊點檢測[J].光學精密工程，2009，17（10）∶2586-2593.

[8]賀珍真，張憲民，鄺泳聰.電子元件的特征建模與檢查算法研究[J].機電工程技術，2008，37（6）∶58-61.