基于機器視覺的軍用電子元器件檢測方法研究

荊曉瑩　石蕊

機器視覺作為人工智能的重要分支，實現了用計算機圖像處理代替人眼檢測，具有感知速度快、精度高、無接觸等卓越、突出的優秀特點。應用機器視覺對產品生產過程進行檢測已經成為工業生產和品質控制的常用技術。軍用電子元器件的檢測工作中，由于元器件結構尺寸小，瑕疵點隱蔽，對檢測人員的技能水平要求高，且存在著因勞動強度大而產生的視疲勞、精神松懈等人為因素的影響，導致檢測工作存在疏漏隱患。為了從根源上杜絕這種人為疏漏，采用機器視覺進行自動化檢測是一個理想的解決辦法。基于此，本文依托已有的工業相機、圖像采集設備和圖像處理計算機等硬件設備，從圖像處理的軟件研發角度研究元器件檢測方法問題。

基于機器視覺的軍用電子元器件檢測方法側重于對采集到的元器件圖像進行自動處理，發現其中的故障點。具體方法為：提取電子元器件圖像文件，檢測其中的電子元器件圖像陰影;通過粒子群算法優化圖像;基于CIPSO算法進行圖像配準配準，發現采集圖像與先驗圖像的差異，實現對軍用電子元器件的檢測。

（一）電子元器件陰影檢測算法研究

提取電子元器件圖像，檢測其中的圖像陰影，盡可能減少或消除軍用電子元器件現有陰影的影響，為了還原物體的真實顏色以提高圖像的質量和可見度，這個過程稱為陰影去除。著色是圖像重建的問題之一。陰影區域中像素的亮度和顏色會回到陰影出現前的狀態，這樣所有的圖像在視覺上就會具有相同的亮度。理論和實踐表明，要完全去除圖像的陰影，使圖像恢復到有陰影的狀態是不可能的。需要盡可能多地利用陰影區域和陰影區域信息來改善現實中的陰影距離信息，從而對人眼所能看到的兩者進行比較。創建一個簡單的照明模型。假設入射光與光平行，光照亮物體并再次反射，光的方向設置為兩個變量，并假設這兩個變量在整個過程中是穩定的。

發現陰影在圖像中的位置和范圍。一般來說，它涉及到陰影，首先必須對圖像中的陰影區域進行正確的檢測，這是保證對陰影進行下一步處理的前提。

（二）電子元器件圖像CIPSO配準設計

圖1 基于顏色特征不變性的陰影檢測算法

正確提取圖像陰影后，使用粒子群優化算法發現差異點，也就是疑似故障點。為了對算法的可行性進行驗證，在樹立與機器視覺的軍用電子元器件計算方法的基礎上，將CIPSO算法應用于圖像配準。

首先，準確找出算法的索引區域，也就是浮動點在圖像的X和Y方向的平移量，浮動圖像圍繞著中心0點移動變換的角度區域。接下來初始化參數數據。

其次，根據上一步產生的隨機粒子的信息，給出領域的狀態知識和正常知識的初始值。根據公式計算每個粒子的適合度值，并通過Accept函數更新空間。使用效果選擇更新組空間以創建新一代組。判斷算法是否滿足終止條件。如果滿足終止條件，則搜索結束;否則，跟著上一步并繼續計算，直到完成對圖像全部區域的運算，完成軍用電子元器件的檢測。

（一）測試準備

為了驗證設計的機器視覺圖像處理檢測方法的實效性和先進性，采用對比試驗的方式進行測試。測試方法為從不同角度生成對同一個電子元器件影像的一組實驗。影像不管在橫軸和豎軸上，或是旋轉一定量的角度，顯示都會有較大的不同和差距。調一下變動的范圍，其變動如下：橫軸范圍為[-45，+45]厘米，豎軸范圍為[-30，+30]厘米，角度變動為[-20，+45]。實驗中預設磨損痕跡作為測試用例。第一組的配準精細度為0.05，第二組配準精細度為0.01。以機器視覺算法中常用的IPSO方法以及本文設計方法分別進行測試，比較其測試準確度。共進行三組測試。

（二）測試結果分析

經測試，并采取均方根法剔除誤差影響，測試結果見表1。

分析表1數據，本文設計方法的視覺識別數據更接近于真實情況，表明比IPSO方法更能夠準確識別圖像中的差異點，實現對軍用電子元器件的準確檢測。

機器視覺技術的研究與應用不僅解決了軍用電子元器件生產效率低的問題，而且具有安全可靠、視野廣、零部件選擇廣泛等優點。海洋導航系統機械工程技術的快速發展，是基于國內外機器視覺領域，各個研究機器視覺的專家學者所得研究成果，把已有的理論與實驗相結合，研究了用于不規則產品檢測的圖像處理算法。雖然基于機器視覺的軍用電子元器件檢測方法的研究已經在實際應用中取得了成功，但仍需要不斷的進步和完善，才能跟上時代的步伐。