基于機(jī)器視覺的電子元器件檢測(cè)系統(tǒng)設(shè)計(jì)

張?zhí)K友

(張家港開放大學(xué) 江蘇張家港 215625)

現(xiàn)階段，我國(guó)電子元器件生產(chǎn)主要以自動(dòng)化生產(chǎn)為主，但當(dāng)前傳統(tǒng)檢測(cè)方式已經(jīng)無(wú)法滿足現(xiàn)階段的檢測(cè)需求。在此過(guò)程中，機(jī)器視覺的檢測(cè)優(yōu)勢(shì)得到了展示，相關(guān)人員應(yīng)注重以機(jī)器視覺為基礎(chǔ)，建立新的電子元器件檢測(cè)系統(tǒng)，在強(qiáng)化系統(tǒng)實(shí)用性的同時(shí)，展示出更高的電子元器件檢測(cè)系統(tǒng)應(yīng)用價(jià)值。

1 機(jī)器視覺與電子元器件概述

機(jī)器視覺是一種人工智能技術(shù)，是現(xiàn)代計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要分支，旨在使用計(jì)算機(jī)模擬人類視覺系統(tǒng)實(shí)現(xiàn)對(duì)圖像和視頻的理解和處理。機(jī)器視覺技術(shù)主要涉及數(shù)字圖像處理、模式識(shí)別、深度學(xué)習(xí)等多種技術(shù)，機(jī)器視覺可以對(duì)數(shù)字圖像和視頻進(jìn)行分析、識(shí)別、分類、跟蹤，完成各種任務(wù)。機(jī)器視覺的應(yīng)用非常廣泛，包括工業(yè)自動(dòng)化、無(wú)人駕駛汽車、智能安防、醫(yī)療診斷、安防監(jiān)控、醫(yī)學(xué)影像分析、智能制造、虛擬現(xiàn)實(shí)、視頻會(huì)議等。隨著深度學(xué)習(xí)技術(shù)的發(fā)展，機(jī)器視覺取得了巨大進(jìn)展，特別是在圖像分類和目標(biāo)檢測(cè)方面的表現(xiàn)已經(jīng)超越了人類水平。從實(shí)際應(yīng)用角度來(lái)說(shuō)，機(jī)器視覺可通過(guò)應(yīng)用機(jī)械工程技術(shù)、圖像處理技術(shù)來(lái)替代人類肉眼完成測(cè)量和判斷任務(wù)。機(jī)器視覺系統(tǒng)的核心是計(jì)算機(jī)視覺技術(shù)，通過(guò)攝像頭和其他傳感器來(lái)獲取圖像和視頻數(shù)據(jù)，然后使用復(fù)雜的數(shù)學(xué)算法來(lái)分析和處理圖像、視頻數(shù)據(jù)。計(jì)算機(jī)視覺技術(shù)包括特征提取、圖像分割、目標(biāo)檢測(cè)和跟蹤、三維重建等多個(gè)方面。模式識(shí)別技術(shù)是機(jī)器視覺的另一個(gè)重要組成部分，它使用機(jī)器學(xué)習(xí)算法來(lái)識(shí)別和分類圖像中的對(duì)象與特征。換句話說(shuō)，機(jī)器視覺系統(tǒng)主要是通過(guò)圖像攝取裝置等產(chǎn)品，獲得更加完善的目標(biāo)信息，之后將這些信息轉(zhuǎn)變?yōu)閳D像信號(hào)，便于圖像處理系統(tǒng)對(duì)其進(jìn)行處理，在明確圖像信息特征的同時(shí)，對(duì)設(shè)備進(jìn)行有效控制。

電子元器件是電子元件和電子器件的總稱，同時(shí)也是電子元件中的重要組成內(nèi)容，常見的電子元器件類型有散熱器、連接器等[1]。

2 基于機(jī)器視覺的電子元器件檢測(cè)系統(tǒng)設(shè)計(jì)方案

系統(tǒng)設(shè)計(jì)方案的具體框架結(jié)構(gòu)如圖1所示。

圖1 電子元器件檢測(cè)系統(tǒng)總體框架圖

實(shí)際操作方面，工作人員首先要了解軟件中包含的視覺檢測(cè)算法與視覺檢測(cè)軟件內(nèi)容，其中，常見的軟件界面有元器件信息、圖像顯示等。當(dāng)用戶進(jìn)入軟件界面后，能夠執(zhí)行文件信息提取任務(wù)，此時(shí)，相機(jī)等設(shè)備正常啟動(dòng)，維護(hù)圖像采集工作的順利開展。針對(duì)圖像信息的處理，工作人員可依靠視覺檢測(cè)算法進(jìn)行，做好圖像匹配工作，了解最終的檢測(cè)結(jié)果。另外，檢測(cè)系統(tǒng)硬件構(gòu)成內(nèi)容主要涉及機(jī)器人、相機(jī)、鏡頭等，機(jī)器人在工作時(shí)，主要包括的自由度數(shù)量為3個(gè)，對(duì)應(yīng)的X軸和Y軸行程數(shù)值均為540 mm。針對(duì)電子元器件檢測(cè)系統(tǒng)建設(shè)，機(jī)器人控制形式主要是伺服電機(jī)控制，依靠LED光源與前景光照明形式，保證系統(tǒng)的穩(wěn)定運(yùn)轉(zhuǎn)。

3 系統(tǒng)細(xì)節(jié)設(shè)計(jì)內(nèi)容

基于機(jī)器視覺的電子元器件檢測(cè)系統(tǒng)檢測(cè)操作，可根據(jù)采集圖像質(zhì)量分析進(jìn)行。如果圖像對(duì)應(yīng)的標(biāo)準(zhǔn)為PCB，檢測(cè)系統(tǒng)往往會(huì)直接將標(biāo)準(zhǔn)信息輸入其中，提取具體的SURF 特征，并完成特征點(diǎn)匹配與結(jié)果輸出任務(wù)。

本文中的PCB指的是印刷電路板上的電子元器件布局圖。對(duì)于電子元器件檢測(cè)系統(tǒng)來(lái)說(shuō)，PCB 圖像是檢測(cè)對(duì)象的一種，通過(guò)對(duì)PCB圖像進(jìn)行處理，可以實(shí)現(xiàn)對(duì)電子元器件的檢測(cè)和識(shí)別。操作人員可以將電子元器件設(shè)計(jì)布局圖設(shè)置為PCB。

SURF是一種計(jì)算機(jī)視覺算法，全稱為Speeded Up Robust Features，SURF 是一種用于特征提取和匹配的算法。SURF 算法的主要優(yōu)點(diǎn)是在圖像中快速檢測(cè)和描述特征，即使在存在旋轉(zhuǎn)、縮放和光線變化的情況下也能保持魯棒性。SURF 算法的基本思想是在圖像中尋找具有獨(dú)特性、不變性和可重復(fù)性的局部特征點(diǎn)，然后將這些特征點(diǎn)描述為SURF 特征向量，用于圖像匹配和目標(biāo)識(shí)別等應(yīng)用。

如果是PCB 待測(cè)圖像，系統(tǒng)往往會(huì)預(yù)先開展待測(cè)圖像預(yù)處理，制定具體的元器件感興趣區(qū)域（Region of Interest，ROI）框，之后執(zhí)行SURF特征提取等操作。因此，在系統(tǒng)設(shè)計(jì)方面，相關(guān)人員應(yīng)重點(diǎn)關(guān)注圖像預(yù)處理設(shè)計(jì)以及點(diǎn)定位設(shè)計(jì)等內(nèi)容[2]。

ROI是指在圖像或視頻中操作人員所感興趣的區(qū)域。ROI 可以是任何形狀，可以是矩形、圓形、多邊形等。ROI通常用于圖像處理、計(jì)算機(jī)視覺、醫(yī)學(xué)影像等領(lǐng)域，用于提取圖像中重要的信息和特征，從而實(shí)現(xiàn)圖像的分析和處理。

在機(jī)器視覺中，SURF 和ROI 通常結(jié)合使用。例如：對(duì)于圖像中的一個(gè)感興趣區(qū)域，可以使用SURF算法提取特征點(diǎn)，并將這些特征點(diǎn)描述為SURF 特征向量。然后，可以使用這些特征向量進(jìn)行目標(biāo)識(shí)別、圖像匹配等應(yīng)用。

另外，ROI還可以用于圖像分割，將圖像分成不同的區(qū)域，然后對(duì)每個(gè)區(qū)域進(jìn)行SURF特征提取和描述，從而實(shí)現(xiàn)更精細(xì)的圖像處理和分析。在電子元器件檢測(cè)系統(tǒng)中，ROI框通常是由操作人員手動(dòng)設(shè)計(jì)的，用于指定需要檢測(cè)的元器件區(qū)域。

在設(shè)計(jì)ROI 框時(shí)，操作人員需要根據(jù)實(shí)際情況考慮元器件的大小、形狀、數(shù)量、位置等因素，以確保檢測(cè)的準(zhǔn)確性和效率。在電子元器件檢測(cè)系統(tǒng)中，ROI 框通常是動(dòng)態(tài)的，即隨著檢測(cè)過(guò)程的進(jìn)行，ROI框的位置和大小會(huì)隨著元器件的位置和數(shù)量變化而變化。這就需要系統(tǒng)能夠?qū)崟r(shí)響應(yīng)并調(diào)整ROI 框的位置和大小，以確保檢測(cè)結(jié)果的準(zhǔn)確性和穩(wěn)定性。

3.1 圖像預(yù)處理

通常，傳送帶與相機(jī)之間往往會(huì)產(chǎn)生相對(duì)運(yùn)動(dòng)關(guān)系，受此影響，圖像運(yùn)動(dòng)模糊問(wèn)題難以規(guī)避，元器件檢測(cè)工作也很難正常進(jìn)行。針對(duì)上述問(wèn)題的處理，常見方式有RGB色彩空間去除與HSV色彩空間去除等。

RGB色彩空間是一種基于紅、綠、藍(lán)三原色的顏色模型，它是最常見的色彩空間。在RGB空間中，每個(gè)像素的顏色由紅、綠、藍(lán)3個(gè)分量組成，分別用一個(gè)8位二進(jìn)制數(shù)表示，取值范圍為0～255。RGB色彩空間去除就是將圖像中的某些顏色去除，使其不再顯示。方法是將要去除的顏色的RGB值設(shè)為0，即將其在圖像中的像素值設(shè)為（0，0，0）。這樣，圖像中原本顯示該顏色的像素就會(huì)變成黑色，從而實(shí)現(xiàn)去除該顏色的效果。

RGB 色彩空間去除的優(yōu)點(diǎn)是簡(jiǎn)單易懂，但缺點(diǎn)是去除的效果可能不夠精確，因?yàn)镽GB空間中的顏色是由3 個(gè)分量組成的，去除其中一個(gè)分量并不能完全去除該顏色。在電子元器件檢測(cè)中，RGB 色彩空間可以用來(lái)去除背景干擾，即將背景與元器件分離。這是因?yàn)樵骷ǔ＞哂刑囟ǖ念伾尘安煌梢酝ㄟ^(guò)在RGB 色彩空間中選擇合適的閾值，將背景顏色去除，保留元器件顏色，從而實(shí)現(xiàn)背景與元器件的分離。

HSV 色彩空間是一種基于色相（Hue）、飽和度（Saturation）、亮度（Value）3個(gè)參數(shù)的顏色模型，通常用于圖像處理中的顏色分析和顏色選擇。HSV色彩空間能夠更好地反映人類視覺感受。在HSV空間中，色相（Hue）表示顏色的種類，取值范圍為0～360；飽和度（Saturation）表示顏色的純度，取值范圍為0～1；亮度（Value）表示顏色的明暗程度，取值范圍為0～1。

HSV 色彩空間去除就是將圖像中的某些顏色去除，使其不再顯示。方法是先將圖像轉(zhuǎn)換到HSV空間，然后將要去除的顏色的色相、飽和度、亮度值設(shè)為0，即將其在圖像中的像素值設(shè)為（0, 0, 0）。這樣，圖像中原本顯示該顏色的像素就會(huì)變成黑色，從而實(shí)現(xiàn)去除該顏色的效果。HSV色彩空間去除的優(yōu)點(diǎn)是可以更精確地去除某種顏色，因?yàn)镠SV空間中的顏色是由3個(gè)參數(shù)組成的，可以更精細(xì)地控制顏色的去除；缺點(diǎn)是需要進(jìn)行顏色空間轉(zhuǎn)換，計(jì)算量相對(duì)較大，處理速度可能較慢。

在電子元器件檢測(cè)中，HSV 色彩空間可以用來(lái)提取元器件的輪廓。這是因?yàn)樵贖SV色彩空間中，元器件的輪廓通常具有較高的亮度和飽和度，而背景的亮度與飽和度較低，可以通過(guò)設(shè)置合適的閾值，將元器件輪廓提取出來(lái)。

利用RGB色彩空間開展各個(gè)分量的模糊化估算，能夠讓模糊效果得到清晰化改善。反觀RGB彩色模型應(yīng)用，常見顏色通道類型有紅色、綠色和藍(lán)色，從這里也能夠看出，RGB彩色空間代表3個(gè)坐標(biāo)軸，倘若各坐標(biāo)軸數(shù)值為零圖像，其對(duì)應(yīng)顏色為黑色，如果3個(gè)坐標(biāo)軸的值為255，證明圖像為白色。另外，純灰度模型在RGB空間中的表現(xiàn)形式，主要是一條由黑到白的直線。

相比之下，HSV色彩空間優(yōu)勢(shì)十分明顯，能夠在圖像處理方面呈現(xiàn)出更大作用，所以說(shuō)，相關(guān)工作人員應(yīng)注重在檢測(cè)系統(tǒng)中設(shè)計(jì)基于HSV 色彩空間運(yùn)動(dòng)模糊去除算法。所謂HSV色彩空間，主要指直觀特性構(gòu)件中的顏色空間，常見參數(shù)內(nèi)容有飽和度、色調(diào)等。縱觀整個(gè)HSV色彩空間運(yùn)動(dòng)模糊去除算法應(yīng)用，相關(guān)人員需要做好基于邊緣檢測(cè)的Radon估計(jì)圖像模糊角度設(shè)定，依靠微分子相關(guān)測(cè)量，明確圖像模糊尺寸數(shù)值，之后利用濾波器將圖像中的運(yùn)動(dòng)模糊問(wèn)題解決，提升圖像的清晰程度[3]。

3.2 MRAK點(diǎn)定位

PCB 板內(nèi)部涉及一些MARK 點(diǎn)，當(dāng)這些點(diǎn)位的實(shí)際位置得到明確后，圖像處理效果能夠進(jìn)一步提升。因此，該檢測(cè)系統(tǒng)設(shè)計(jì)工作者可依靠Hough 圓變換檢測(cè)算法，將MARK 點(diǎn)的位置展示出來(lái)。Hough 圓變換檢測(cè)算法的應(yīng)用主要是將圖像內(nèi)特定曲線區(qū)域與參數(shù)空間的點(diǎn)連在一起，為后續(xù)圖像解析工作開展創(chuàng)造有利條件。總體來(lái)說(shuō)，該系統(tǒng)應(yīng)用Hough 圓檢測(cè)的難度極高，相關(guān)人員應(yīng)做好該算法改進(jìn)操作。首先，執(zhí)行相對(duì)輸入圖像操作，制訂具體的高斯濾波處理計(jì)劃，之后實(shí)現(xiàn)圖像的降采樣操作。其次，依靠Sobel 算子，實(shí)現(xiàn)對(duì)圖像邊緣信息的獲取，提升圖像邊緣清晰度。再次，明確圖像寬度和高度數(shù)值，在檢測(cè)半徑確定后，相關(guān)參數(shù)的取值范圍也能得到相應(yīng)展示。最后，相關(guān)人員應(yīng)根據(jù)實(shí)際情況，了解領(lǐng)域半徑內(nèi)部的峰值檢測(cè)內(nèi)容。總體來(lái)說(shuō)，在Hough圓檢測(cè)幫助下，定位圓檢測(cè)效率能夠得到進(jìn)一步提升。

3.3 ROI框制作

工作人員可根據(jù)Hough圓檢測(cè)結(jié)果，明確圓心位置所在，建立相應(yīng)坐標(biāo)系內(nèi)容。為此，設(shè)計(jì)人員應(yīng)該在檢測(cè)系統(tǒng)中應(yīng)用AD軟件，將PCB元器件坐標(biāo)文件和封裝報(bào)告輸出，并根據(jù)像素長(zhǎng)度與物理長(zhǎng)度等數(shù)值，了解電子元器件在像素坐標(biāo)的具體位置所在，之后根據(jù)電子元器件尺寸信息，建立ROI框。制作時(shí)，相關(guān)人員應(yīng)將坐標(biāo)變換關(guān)系導(dǎo)入其中，其中還涉及了PCB文件與坐標(biāo)、尺寸轉(zhuǎn)換等內(nèi)容。ROI框繪制流程見圖2[4]。

圖2 ROI框繪制流程圖

3.4 檢測(cè)算法

受很多限制因素影響，技術(shù)人員只能依靠基于特征信息的匹配算法，執(zhí)行具體的電子元器件檢測(cè)任務(wù)。但從信息技術(shù)發(fā)展角度來(lái)說(shuō)，工作人員可依靠尺度不變特征匹配算法，且該算法在圖像旋轉(zhuǎn)方面不會(huì)發(fā)生魯棒變化。后續(xù)，相關(guān)技術(shù)工作者可針對(duì)尺度不變特點(diǎn)，開展匹配算法改良操作，打造新的加速穩(wěn)健特征算法，提升匹配準(zhǔn)確程度與速度。相較之下，加速穩(wěn)健特征算法下的魯棒性計(jì)算優(yōu)勢(shì)更加明顯。實(shí)際設(shè)計(jì)任務(wù)執(zhí)行時(shí)，設(shè)計(jì)者首先可針對(duì)具體像素點(diǎn)執(zhí)行高斯濾波處理計(jì)劃，打造具體的像素點(diǎn)矩陣。其次，制訂積分圖像和盒子濾波計(jì)劃。從加速穩(wěn)健特征算法應(yīng)用角度來(lái)說(shuō)，積分圖像能夠?qū)⒍A高斯微分模型卷積，轉(zhuǎn)變?yōu)榫唧w的圖像加減形式。反觀盒子濾波模板，構(gòu)成上主要涉及多個(gè)矩形區(qū)域，研究人員可通過(guò)同一數(shù)值，完成矩形區(qū)域填充操作，使計(jì)算時(shí)間大幅縮短。再次，建立尺度空間。要想讓圖像尺寸始終處于穩(wěn)定狀態(tài)，圖像尺寸空間建設(shè)顯得尤為重要，以不同尺度為基礎(chǔ)，了解圖像特征點(diǎn)的具體情況。一般來(lái)說(shuō)，在加速穩(wěn)健特征算法尺度空間之中，不同空間內(nèi)部涉及4個(gè)濾波模板，但相鄰模板的尺寸數(shù)值存在很大的差異。與此同時(shí)，加速穩(wěn)健特征算法應(yīng)用上，同組圖像往往會(huì)呈現(xiàn)出相同尺寸，但模糊程度上略有不同，不同組圖像則對(duì)應(yīng)不同的模糊程度與尺寸。最后，執(zhí)行特征點(diǎn)匹配任務(wù)，在此過(guò)程中，相關(guān)人員應(yīng)根據(jù)具體的比值情況，確定匹配性度量?jī)?nèi)容，如果比值在閾值之下，證明匹配操作不存在任何問(wèn)題。

4 基于機(jī)器視覺的電子元器件檢測(cè)系統(tǒng)試驗(yàn)

4.1 圖像匹配測(cè)試

實(shí)際測(cè)試工作開展過(guò)程中，相關(guān)設(shè)計(jì)工作者應(yīng)根據(jù)加速穩(wěn)健特點(diǎn)算法，實(shí)現(xiàn)對(duì)不同電子元器件匹配性測(cè)試。在此過(guò)程中，設(shè)計(jì)人員可借助檢測(cè)系統(tǒng)，執(zhí)行具體的SOP 封裝芯片與QFP 封裝芯片等電子元器件檢測(cè)，后續(xù)做好檢測(cè)結(jié)果的梳理。從具體分析結(jié)果中能夠了解到，加速穩(wěn)健特征算法在圖像匹配性測(cè)試方面，能夠呈現(xiàn)出良好的應(yīng)用效果，對(duì)應(yīng)的匹配準(zhǔn)確度能夠保持在90%左右[5]。

4.2 加速穩(wěn)健特征算法魯棒性測(cè)試

設(shè)計(jì)人員不僅需要執(zhí)行圖像匹配測(cè)試操作，還要保證光照、旋轉(zhuǎn)等因素的合理性，讓整個(gè)加速穩(wěn)健特征算法能夠在魯棒性測(cè)試中呈現(xiàn)出良好的應(yīng)用效果。從具體試驗(yàn)結(jié)果中能夠看出，加速穩(wěn)健特征算法在光照、縮放等條件下所呈現(xiàn)出的魯棒性良好，對(duì)應(yīng)的匹配準(zhǔn)確度超過(guò)95%。

5 系統(tǒng)設(shè)計(jì)注意事項(xiàng)

5.1 注意相關(guān)規(guī)章制度內(nèi)容建設(shè)

電子元器件檢測(cè)系統(tǒng)的建設(shè)，主要是為電子元器件檢測(cè)工作開展提供支持，此過(guò)程屬于是電子元器件檢測(cè)過(guò)程中的重要環(huán)節(jié)之一。相關(guān)管理者應(yīng)提升對(duì)電子元器件檢測(cè)制度建設(shè)的重視程度，制定具體的電子元器件檢測(cè)安全制度內(nèi)容，明確參與其中的各級(jí)管理者與工作人員的職責(zé)所在，依靠獎(jiǎng)罰機(jī)制建設(shè)，激發(fā)其工作熱情。只有這樣，整個(gè)檢測(cè)系統(tǒng)設(shè)計(jì)才能做到責(zé)任到人，解決安全管理中存在的各種問(wèn)題。

5.2 注重相關(guān)工作人員的培訓(xùn)和教育

基于機(jī)器視覺的電子元器件檢測(cè)系統(tǒng)設(shè)計(jì)，對(duì)工作人員的個(gè)人能力提出了較高要求，這也是維護(hù)電子元器件檢測(cè)系統(tǒng)有序發(fā)展的基礎(chǔ)保障之一。現(xiàn)階段，一些工作人員個(gè)人專業(yè)能力有限，工作責(zé)任心不強(qiáng)。受人才匱乏的影響，新的技術(shù)很難得到研發(fā)和應(yīng)用。因此，相關(guān)部門應(yīng)提升工作人員培訓(xùn)教育力度，引入更多社會(huì)面專業(yè)人才。相關(guān)人員應(yīng)了解該系統(tǒng)設(shè)計(jì)要領(lǐng)和安全規(guī)范的具體內(nèi)容，強(qiáng)化自身的電子元器件檢測(cè)意識(shí)，提升責(zé)任心，從而促進(jìn)企業(yè)健康發(fā)展[6]。

6 結(jié)語(yǔ)

電子元器件檢測(cè)工作的開展具有積極意義，除了能使企業(yè)了解電子元器件質(zhì)量情況外，還能讓相關(guān)產(chǎn)品質(zhì)量得到合理維護(hù)。因此，相關(guān)部門和企業(yè)應(yīng)提升對(duì)電子元器件檢測(cè)工作開展的重視程度，建立完善的檢測(cè)系統(tǒng)。截至目前，基于機(jī)器視覺的電子元器件檢測(cè)系統(tǒng)建設(shè)模式極為常見，能夠進(jìn)一步提出穩(wěn)健特征算法在檢測(cè)領(lǐng)域中的應(yīng)用，提升主體檢測(cè)效率。