基于平移像素距离变化的单目元器件浮高检测

张索铭，喻擎苍，何家旺

(浙江理工大学信息科学与工程学院，浙江 杭州 310018)

电子制造技术和人工智能等技术的进步，带动了PCB(Printed Circuit Board)电路板制造业崛起。随之而来的问题之一就是元器件装配缺陷中的浮高检测，通过检测元器件顶端到PCB 裸板的高度是否达到某高度值，以此来判断电路板是否存在浮高的问题。

浮高检测问题可以转化为测距问题。目前常见的测距方法有单目[1]，双目[2]，结构光[3]三类方法。单目方法计算速度快，但误差较高；
双目的方法计算速度慢，误差低；
而结构光的方法速度快且误差低，但是，结构光设备昂贵，并不适合大部分生产场景。

目前国内对PCB 的三维检测方案针对不同的应用场景需要设计不同的检测方案，如文献[3]中对小型SMT(Surface Mounted Technology)表面贴装元器件采用的结构光方案，虽然对于小型元器件的测量精度高，设备成本高，不能应用在小型生产线上；
文献[4]中对流水线上的接插元器件采用改进SGM(Semi-Global Matching)算法[2]对连续采集的图片进行伪双目深度测量，由于是对整块板进行匹配重建，算法部分仍然采用双目测距的方法，算法耗时长，无法达到需要快速检测浮高的车间需求。

考虑到设备成本和流水线上的生产环境，应该采用更加快速的算法完成浮高检测任务，由于三维重建过程精度高，耗时长，且对生产车间考察后可了解到大型电器类PCB 的浮高可接受2mm 内的误差。文献[1]中的基于图像面积计算的单目测距方法满足快速检测的需求，但是原文中方法采用投影面积和距离的关系较为不稳定。因此可拍摄左右两张图像，应用形态学处理[5]，边缘提取[6]，霍夫检测[7]，特征点提取[8]等图像处理算法获取元器件上相同的特征点。元器件上的部分特征点计算像素平移距离代替面积，应用最小二乘法[9]拟合像素距离和相机平面到元器件顶端平面高度之间的关系，即可快速低成本完成接插类元器件的浮高检测需求。因此本文提出一种基于像素距离变化的单目元器件高度检测方案。

视觉方案的设计包括图像采集，图像处理算法，拟合距离关系三个步骤。图像采集部分的任务是由工厂流水线上的AOI(Automated Optical Inspection)设备完成的，随后用来计算浮高指标的图片为两个位置的PCB 图片。将左右位置的图片分别利用图像处理算法完成对元器件上稳定位置的特征点提取，再用特征点的像素坐标计算相同的PCB 板上元器件的像素平移距离，以备后续计算像素平移距离与元器件到相机距离的关系。通过记录多组像素平移距离和元器件相机距离关系，利用最小二乘法确定系数来完成拟合标定。其具体流程如图1所示。

图1 视觉方案流程图

1.1 图像采集

目前应用AOI 光学检测设备完成流水线上的PCB 图像采集。检测设备包括由板状LED 灯源组成的无影灯箱，工业相机，计算机，警报灯以及操作键盘组成。整体设备置于生产PCB 的传送带上，在传送过程中在固定的两个位置完成左右两张图片的采集。图像采集平台结构如图2所示。

图2 图像采集平台结构图

1.2 视距模型

在图像采集后，需要对图像采集场景的测距模型进行分析。如图3 所示，对流水线上PCB 以及元器件位于传送带上，上方的相机对传送带左右两个位置进行拍摄，元器件和板子位于不同高度，对相机上成像的点也是不一样的。在相同的移动距离下，元器件和板子的像素平移距离也不同，可以通过拟合的方式计算像素平移距离和高度之间的关系，从而完成距离测量。

图3 视距场景图

2.1 感兴趣区域获取

由于图像采集平台采集的初始图片包含很多无关的背景因素，所以需要进行感兴趣区域提取，以便后续算法处理。首先需要在图像中找到PCB 板，然后在已经裁剪好的图片上寻找指定的元器件，其流程如图4 所示。相同型号的板子和元器件形状比较固定，因此，采用基于模板匹配方法即可完成感兴趣区域提取。如图5 示例图，用此方法在传送带背景下可以精确的找到指定的PCB 板，随后用同样的方法可找到指定元器件，示例元器件为圆形电容也可应用相同的方法处理方形接插件。

图4 感兴趣区域提取流程图

图5 感兴趣区域提取示例图

2.2 轮廓提取及检测

通过感兴趣区域提取后，可获得PCB 板上指定元器件的图片，但是需要完成元器件顶端距离的测量任务，还需要更精确地提取元器件上的特征点。将图像二值化阈值分割处理后即可得到精确的区域。由于边缘算子计算后仍然存在部分无效的轮廓，所以需要对轮廓的图像进行几何特征验证，采用霍夫检测算法进行验证，从而确定电容的顶部区域以便后续的特征点提取，具体流程见图6 所示。如图7 示例图，在获取到元器件区域图片后进行算法检测提取后可得到轮廓图案。

图6 轮廓提取检测流程图

图7 轮廓提取示例图

2.3 元器件特征点提取及筛选

应用轮廓提取方法获取到只包含元器件的二值图，将二值图与原图像进行与操作，再对有效部分进行SIFT 特征点提取。特征提取算法处理左右两幅图像过后会分别获得特征点，保留左右匹配度最高的点用于后续计算像素平移距离，算法流程见图8 所示。如图9示例图分别对左右位置的板子上相同元器件进行特征点提取并筛选。

图8 特征点提取筛选流程图

图9 特征点筛选示例图

2.4 拟合距离关系

在图像处理之后，可以获取到左右两幅图片上相同特征点的平移距离，而不同高度下相同平移距离产生的投影距离并不相同。uv 坐标系为图像平面坐标系，XYZ为世界坐标系，x为左侧开发板到右侧开发板的水平距离，也是元器件左侧至右侧的水平距离，L1R1对应板上的左右位姿特征点，L2R2对应板上元器件顶部左右位姿特征点，d1为相机光心到板上的垂直距离，d2为相机光心到元器件顶点的垂直距离，p1为相机平面投影的裸板上的左右位姿特征点像素距离，p2为相机平面投影的元器件顶部位置左右位姿特征点像素距离，详见图10简化光路图。

图10 简化光路图

相机到指定平面高度距离计算公式：

由此可看出在相机焦距f和左右图像移动距离固定的情况下高度d和像素平移距离p成反比。反比函数在分母较小时求解系数误差过大，因此可将原函数转化为多项式。

n阶的多项式公式：

采用最小二乘法，通过代入多组d和p的数据即可求解超定方程，从而求出系数矩阵ki。

在对30cm 到50cm 之间不同高度下50 组的左右图片采集后最后完成最小二乘拟合，散点表示实际数据，连线为拟合曲线，横轴对应公式中的像素距离p，纵轴对应公式中的高度距离d。拟合的数据与实际数据绝对值平均误差为0.32mm，均方误差为0.16mm，最大误差为0.91mm，如图11 所示。再将20 组400mm 到350mm之间的元器件测量数据带入验证，如图12所示。

图11 拟合高度与像素平移距离关系曲线图

图12 测试高度与像素平移距离关系曲线图

测试的数据与实际数据绝对值平均误差为0.41mm，均方误差为0.21mm，最大误差为0.98mm。平均处理速度为0.32s。从精确度和处理速度来看，算法满足小型生产线上的需求。

最后在生产环境下测量元器件到开发板之间的高度，将7mm 的标准元器件和8mm 的浮高元器件分别采集20组数据，用算法分别测量相机到板子的高度和相机到元器件之间的高度，其差值为元器件到板子之间的高度。选取其中5 组元器件高度测量数据，如表1所示。

表1 元器件高度测量数据

本文用单目方法分别获取同一PCB 板的左右两幅图像，通过计算左右图像上相同元器件上特征点的像素平移距离，应用最小二乘法的方式求解像素平移距离与相机到元器件顶端的高度的关系方程，从而完成对元器件的高度检测。图像处理算法耗时短，平均处理时长为0.32s，最大误差为0.98mm，平均误差为0.41mm，基本满足的生产线上的实时检测需求，低成本地实现了元器件浮高检测的问题，具有一定的工业应用价值。

猜你喜欢元器件示例像素元器件国产化推进工作实践探索军民两用技术与产品(2022年7期)2022-08-06像素前线之“幻影”2000小哥白尼(军事科学)(2022年2期)2022-05-252019年高考上海卷作文示例新世纪智能(语文备考)(2019年10期)2019-12-18常见单位符号大小写混淆示例山东冶金(2019年5期)2019-11-16“像素”仙人掌红领巾·萌芽(2019年8期)2019-08-27常见单位符号大小写混淆示例山东冶金(2019年1期)2019-03-30“全等三角形”错解示例中学生数理化·七年级数学人教版(2018年9期)2018-11-09装备元器件采购质量管理与控制探讨中国军转民(2017年11期)2018-01-31ÉVOLUTIONDIGAE Style de vie tactile中国与非洲(法文版)(2017年10期)2017-11-23基于DSP+FPGA的元器件焊接垂直度识别方法计算机测量与控制(2017年6期)2017-07-01

推荐访问:平移 元器件 像素