基于图像处理技术的PCB板缺陷检测系统设计
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
www�ele169�com | 25
智能应用
1 系统总体流程
人工检测PCB 板缺陷,不仅消耗大量的时间,漏检误
检率也高。
计算机视觉作为当今社会的热点,其原理是利用图像采集设备获取视觉信息并将其转换成数字信号,利用计算机实现对视觉信息的采集、传输、处理、分析以及显示的过程就被称为计算机视觉技术[1]。
如果用计算机视觉代替人眼,可以节省大量人工,加快检测效率,提高成功率。
MATLAB 具有语言简单、编程方便、计算准确率高等
优点,并且具有强大的数字图像处理工具箱 [2]。
因此,系统
采用MATLAB 进行开发,只要得到PCB 板的背板图,就能利用MATLAB 中的图像处理能力得到走线与焊点处的情况,并判断出走线与焊点是否出现缺陷。
该系统首先运用图像空间域平滑滤波算法作预处理操
作,接着运用Hough 圆变换算法进行圆检测定位,然后运
用聚类算法进行走线、焊点、背板的分割,再通过最大类间方差法对图像进行二值化处理,而后利用连通域处理算法进行检测,最后运用矩阵运算对图像进行处理。
系统主要流程图如图1所示。
2 PCB 板图像预处理
通过摄像头采集到的图像,由于一些原因导致图像出现
噪声,而高斯噪声是主要噪声源。
对于去噪效果的评价,常用的图像质量客观评价标准是PSNR(Peak Signal to Noise Ratio),即峰值信噪比。
原理是将处理后的图像与原图进行每一个像素点的逐一对比,计算比较两幅图像之间的像素点的误差值,得到处理后图像的误差值,并由这些误差最终确定失真图像的质量评分。
PSNR 的单位为dB(分贝),该分贝的值越大就代表失真越少、滤波质量越高、去噪效果
越好。
对于正态分布的高斯噪声,常用的去噪办法是邻域均值
滤波法。
分别采用3×3、7×7、11×11模板对图像进行均值滤波,得到的PSNR 分别为:27.32、25.00、23.3815,
所以系统使用3×3模版的均值滤波对检测PCB 板进行预
处理。
3 PCB 板的定位与圆检测
系统利用PCB 板设计中具有的圆孔(一般用于PCB 板
的固定位,即为螺丝孔)进行圆孔检测。
系统采用Hough
变换函数[3]进行圆孔检测,其基本原理是通过对于图像的边缘像素的提取,将图像空间通过转化为参数空间,并获取大部分边界像素点,这些像素点要满足所设定的某种参数,即为图像中所需的曲线的形式,通过累加的方法进行获取峰
值,获得平滑边缘—圆曲线的方法。
matlab 操作如下所示:
imfindcircles(f,[a,b]); viscircles();其中,imfindcircles 函数用于在图像f 中找到圆孔,其
半径范围为从数值a 到数值b;利用viscircles 函数画出找
到的圆孔。
4 走线与焊点的提取与处理
PCB 板上内容主要包括:一为走线,由绿色涂漆包裹
着的铜膜;二为银色的焊锡点,称为焊点;剩下的为背板,其虽为绿色涂漆层,但其颜色较深,与走线颜色不同。
这三部分的颜色不同,所以根据这个差别进行分割提取。
■4.1 PCB 板的分割提取检测位点
图像传感器采集到的RGB 颜色图像,需要将其转化为
Lab 颜色模型,最后进行聚类(K-means)分割提取检测点。
将RGB 颜色空间转换为Lab 的颜色空间,要先将RGB 模型转化为XYZ 模型,然后根据转化完成的XYZ 颜色空间转
换为Lab 颜色空间。
聚类(K-means)的特点就是
把数据进行分类,其完全是按照聚类(K-means)算法进行分类,可以控制把一个图像分成几类,其它的部分无法人为进行控制,在得到聚类完成
基于图像处理技术的PCB 板缺陷检测系统设计
魏炽旭,何汉琳
(三明学院机电工程学院,福建三明,365004)
摘要:针对在PCB板缺陷检测中,人工检测方法存在劳动强度大,检测效率低,漏检误检率高等问题,设计了一种基于MATLAB图像处理的PCB板缺陷检测系统,具有PCB板定位、走线与焊点检测等功能,经实验证明,该系统检测精度高,速度快,具有一定的应用价值。
关键词:MATLAB;图像处理;PCB板缺陷;图像分割;缺陷检测
图1 系统流程图
(a) 分割结果1 (b) 分割结果2 (C) 分割结果3
2 聚类分割结果图像
■4.2 分割图像处理
由于聚类算法具有随机性,导致分割后的图像排序没有规律,即如图2所示的三幅图像每次运行的结果都不一样,无法确定哪幅图像是走线、焊点、背板。
因此,系统在图2基础上进行二值化处理,然后根据图像中黑白像素点的数量比值进行排序并得到走线、焊点图像。
二值化处理[4]采用OTSU算法(最大类间方差法)[5],将彩色图像转化为黑白图像,其目的是可以清晰呈现PCB 板图像分割后中走线、焊点、背板的细节,方便后续检测处理,使用OTSU最大类间方差法能最大程度将目标区域(走线、焊点、背板)与背景区域进行二值化转化处理,然后利用三个图像的白色区域占整幅图像的比值不同,通过matlab中的numel()函数获取白色像素点的数量,可实现对三幅图像区分。
其中,白色像素最多的为分割结果2,即焊点;白色像素第二多的为分割结果1,即背板;最少的为分割结果2,即走线。
本系统主要检测走线与焊点的缺陷,所以只需要走线与焊点的分割图像,经过正确排序后得到图3。
(a) 走线 (b) 焊点 图3 走线与焊点提取结果
5 PCB板缺陷检测
PCB板缺陷检测分为走线检测与焊点检测,系统采用矩阵运算的方法,将检测出来走线与焊点的缺陷位置成功显示在PCB板上。
PCB
PCB板的
3(b))
板的位
PCB板
imopen(f,SE);
其中,SE表示为开运算参数结构,将其设置半径为7的圆形结构,这样不仅清除了干扰线段,还完整保留了检测缺陷位点,最后再将检测缺陷位点显示在PCB板上,如图4中的红色部分。
(a) 待检测PCB板 (b) 走线断裂位置显示 (c) 走线合并位置显示 图4 走线缺陷位置在PCB板上显示图像
■5.2 焊点检测
焊点缺陷一般为焊点过焊、焊点连焊、焊点少焊或没焊。
利用开运算图像处理,清除存在干扰线段,但其中在黑色焊点中存在白色的小孔洞,需要进行处理。
matlab操作如下所示:
imerode(f,SE);
imreconstruct(f,f)
其中SE表示为腐蚀参数结构,将其设置半径为10的圆形结构,使用imerode函数对待处理图像f进行腐蚀,得到腐蚀处理完成图像,imreconstruct函数表示为以图像f为模版进行重建开运算,还原焊点形状。
由于每个焊点的面积不同,根据这个特点进行焊点缺陷检测。
其工作原理是先设定一个焊点为标准焊点,得到该焊点的连通域面积(黑色面积),设定该点的面积大小为标准阈值,计算得到各个连通域(焊点)的面积与标准阈值进行比较。
接下来通过matlab获取缺陷焊点的轮廓,并将此轮廓以红色标记在原始图像上,如图5所示,可以看到缺陷位置(红色轮廓)成功显示在PCB板上,表示系统成功完成
(下转第62页)
26 | 电子制作 2020年11月
生理指标数据消息进行实时推送,系统会在出现生理指标异常状况时向订阅此话题的客户端(家属、医护人员等)并以Notification通知形式推送消息提醒用户,医护人员据此给予患者及时的医疗指导和服务,可有效缓解医疗服务资源不足的现状,降低患者照料亲属的负担,系统开发及应用过程简单易懂无需专业指导,具备较高的实际应用价值。
5 结束语
本文主要研究了远程医疗系统的实现路径,完成了系统整体框架的设计,该系统基于带有Android系统的智能设* [3]游玲,郑瑞杰,季忠.基于Android平台的无创血压连续监测系统[J].中国生物医学工程学报.2017(4):497-501.
* [4]丁仲祥,庞宇,米俊英.基于Android 智能终端的心电与呼吸监测系统设计[J].生命科学仪器.2016(4):38-42.
* [5]Igor Bisio,Fabio Lavagetto,Mario Marchese,Andrea Sciar-rone.A smartphone-centric platform for remote health mon-itoring of heart failure[J]mun.Syst..2015 (11):1753-1771.
* [6]郭静,王庆,陈泽亚.面向远程医疗的流媒体群智网络传输系统[J].计算机系统应用. 2015(11):88-92.
焊点缺陷检测。
(a) 检测PCB板 (b) 焊点过焊位置显示
(c) 焊点连焊位置显示 (d) 焊点少焊或没焊位置显示图5 焊点缺陷位置在PCB板上显示图像
6 总结
本文基于MATLAB语言设计的PCB板缺陷检测系统,通过实验操作与结果分析,基本完成对于走线断裂、走线合并的位置自动检测,焊点过焊、连焊、少焊或没焊位置的位置自动检测,检测效率较高,检测方便,达到预期目标。
参考文献
* [1]陈胜勇,刘盛.基于openCV的计算机视觉技术实现[M].北京:科学出版社,2008.
* [2]潘忆江,黄际彦,吴波等.Hough 变换的 PCB Mark 校准研究[J].现代电子技术,2014,37(10):141-143.
* [3]黄秀丽. MATLAB在图像处理教学中的应用[J].无线互联科技. 2014(01).
* [4]伍静,李宁,陈世福. 一种基于种子填充的图像二值化方法[J].计算机科学,2005(04):101-103.
* [5]吴佳鹏,杨兆选,韩东,白卓夫,苏育挺.基于小波和Otsu 法的二维条码图像二值化[J]. 计算机工程, 2010(10):196-198.
(上接第26页)
62 | 电子制作 2020年11月。