基于HALCON的PCB光学定位点的3种识别方法及比较

　第28卷第2期 佛山科学技术学院学报(自然科学版)　V o l.28N o.2　2010年3月　Jou rnal of Fo shan U n iversity(N atu ral Science Editi on)M ar.2010

文章编号:100820171(2010)022*******

基于HAL CON的PCB光学定位点的

3种识别方法及比较

李程鹏1,2,范彦斌23,胡青春1

(1.华南理工大学机械与汽车工程学院,广东广州510640;2.佛山科学技术学院机电工程系,广东佛山528000)

摘要:随着印刷电路板(PCB)的制造不断向着微型化方向发展,在其生产过程中,原有的人工检测形式逐渐被现代化的自动光学检测设备所代替。与此同时,在机器视觉代替人类视觉实现检测后,如何能快速识别并定位被检测PCB的光学定位点(M ark点)就成为整个检测过程中的一个重要问题,因为只有识别了光学定位点,才能进行后续的图像配准、匹配以及缺陷检测工作。HAL CON作为一款功能强大的机器视觉软件,在工业图像处理方面有着不可替代的优势。笔者将HAL CON软件应用到PCB的M ark点的识别过程中,创造出3种不同的定位算法,并对这3种算法的效率和应用范围进行了评价。

关键词:印刷电路板;自动光学检测;HAL CON;光学定位点;识别

中图分类号:T P319 文献标志码:A

随着整个社会的电子化程度的不断加深,飞速发展的PCB行业对生产效率的要求也越来越高,形式各样的PCB层出不穷,且逐渐向微型化方向发展,最有代表性的就是以表面贴片技术(S M T)为主导的PCB制造产业[1]。以往的人工离线检测已经完全不能适应高效性和高准确率形势的需要,于是自动光学检测就应运而生。PCB的自动光学检测主要分为4步:图像采集、图像处理、特征提取和决策判断[2]。其中,特征提取和决策决断2个步骤都涉及PCB的光学定位点(M ark点)的识别,因此,M ark点识别的快速性和准确性是PCB自动光学检测的一个重要环节。

HAL CON是一款功能十分强大的机器视觉软件,它提供1000多个运算子,包含从低级的图像读取到高级的模式识别的各种算法[3],可以应用到机器视觉检测的整个过程,如图像显示、图像分割、特征提取、模板创建以及图像匹配等。另外,它还提供了开放的结构形式,利用自有的HD evelop编程工具,可以轻松地实现代码从HAL CON算子到C、C++、C#等程序语言的转化,为检测软件的开发提供了良好的编程环境。作为目前业内功能最完善、效率最高的软件之一,已被广泛应用于工业生产中的各个方面,如陶瓷、食品、机械、医疗等。

本文利用HAL CON优秀的图像处理功能,编制出3种M ark点识别的算法,进而对3种算法的效率和应用范围进行了详细的评价。

1　M ark点的作用、分类设计规范

M ark点是PCB板在制造过程中用来定位的一种板载标记。就目前的PCB板的设计工艺来看, M ark点的作用主要有2点:1)在贴片或者光学检测过程中,上板时读取一对角2个M ark点以确定板

收稿日期:2010201215

基金项目:广东省高等学校自然科学研究重点资助项目

作者简介:李程鹏(19832),男,湖北红安人,华南理工大学与佛山科学技术学院联合培养硕士研究。

()

加载是否偏位及旋转;2)贴片精度高时,在所贴I C附近放置M ark点,机器贴该I C前读取M ark点位置是否有偏位,如有偏位可自行修正。

根据M ark点在PCB上的作用,可分为拼板M ark点、单板M ark点、局部M ark点(也称器件级M ark点)。本文主要讨论单板的一对角2个M ark点的识别,因此以下主要介绍单板M ark点的设计和尺寸要求,它包括如下几个方面:

(1)M ark点的形状一般约为直径1mm的实心圆,材料为铜,表面喷锡,需注意平整度,边缘光滑,颜色与周围的背景色有明显区别;阻焊开窗与M ark点同心,直径约为3mm。

(2)M ark点中心距板边不小于5mm。

(3)为了保证印刷和贴片的识别效果,M ark点范围内应无焊盘、过孔、测试点、走线及丝印标识等,不能被V2CU T槽所切造成机器无法辨识。

(4)为了增加M ark点和基板之间的对比度,可以在M ark点下面敷设铜箔。同一板上的M ark点其内层背景要相同,即M ark点下有无铜箔应一致。

(5)M ark点应当作元件来设计,便于赋予准确的坐标值进行定位。

由上述M ark点的作用及设计特点来看,可以归纳出M ark点的几个明显特征:即由铜材料构成、直径约1mm、与周围背景对比度大、周围是阻焊开窗并且无元件、不会被其他结构干扰、在板上的位置固定等。

2　基于阈值的图像分割技术和基于形状的图像匹配技术

鉴于上述M ark点的几个主要特征,在M ark点的识别过程中,主要会用到基于阈值的图像分割和基于形状的图像匹配技术,下面分别对这两种图像处理技术进行简要介绍。

2.1　基于阈值的图像分割技术

图像分割是通过对原始采集图像进行某种方式的分割处理,以便于从其结果中提取到图像的某些特征(如轮廓、区域等)的过程[4]。阈值图像分割是图像分割技术中最基本也是最常用的一种方法,它通过对原始图像的灰度直方图进行具体的分析,以获得前景与背景或者不同区域之间的一个或者几个灰度阈值,然后将具有每一个阈值两侧的灰度值的像素分别设置成相同的颜色,从而达到将图像进行分割的目的。阈值分割主要有以下几种方法:基于点的阈值分割、基于区域的阈值分割、局部阈值分割以及多阈值分割等。

阈值分割方法中最简单的形式就是单阈值图像分割,设原始图像的像素灰度为f(x,y),通过其灰度直方图信息得到一个灰度阈值t,应用公式[5]

g(x,y)=b0,f(x,y)

b1,f(x,y)≥t

(1)

将得到一个分割后的二值化图像。若取b0=0(黑),b1=1(白),得到的就是通常所说的黑白二值化图像。

2.2　基于形状的图像匹配

当图像进行分割之后,就要从中提取出各种特征,如灰度特征、文理特征以及形状特征等,进而才能进行图像匹配。

图像匹配是通过一定的匹配算法在采集图像和模板图像之间识别同名点的过程,其实质是在基元相似性的条件下,运用匹配准则的最佳搜索问题[6]。图像匹配主要可以分为基于灰度的匹配和基于特征的匹配。基于形状的匹配是特征匹配的一种,是本实验开发软件HAL CON中最常用的匹配方法。

形状特征是由组成物体的轮廓线或者物体表面的所有点的相对位置决定的。在图像处理过程中,图像区域形状的描绘通常是通过对区域外形或内部进行各种变换,从而提取区域形状特征的一些数据或者符号,通称描绘子。常用的描绘子分为2类:基于边界的形状描绘子和基于区域的形状描绘子[7]。其中,基于边界的形状描绘子方法主要包括:一般边界几何描绘子(如边界长度、曲率、弯曲势能等)、链码描绘子、傅里叶变换边界描绘子、B样条曲线描绘子、Hough变换边界描绘子等;基于区域的形状描绘子方法主要包括:一般区域形状描绘子(如面积、欧拉数、投影、偏心率、延伸率、方向、密集度等)、矩描绘03佛山科学技术学院学报(自然科学版) 第28卷