专业视觉方案及设备制造商

以视觉检测为导向
提升产品市场竞争力

手机:13825262003

电话:0755-23594656

视觉检测设备搜索:

联系我们

未耒智能(深圳)有限公司

曾先生13825262003

公司电话0755-23594656

地址深圳市龙华新区观湖街道大和工业区28号深澜产业园6号院

企业资讯 网站首页 >> 企业资讯 >> 机器视觉的金手指外观缺陷检测

机器视觉的金手指外观缺陷检测
发表时间:2018-11-17

未耒智能(深圳)有限公司对金手指外观缺陷的视觉检测:

FPC产业的迅猛发展,用户对自动化检测设备的个性化需求,形成了FPC产业对新技术装备、新工艺的研发驱动力。针对FPC外观检测人工检测生产成本高,检测生产效率低,大规模生产检测过程会产生大量的漏检、误判,不能满足客户生产需求的问题。设计并研制检测速度快、准确率高、稳定的全自动金手指外观精密检测设备,实现机器换人、降低生产成本、缩短生产周期、提高生产效率和产品质量。

金手指缺陷图像检测主要包括图像彩转灰、图像掩模、边缘提取、二值化等步骤。以多铜、少铜、污渍的检测为例进行缺陷检测,软件处理主要包括:图像采集、图像预处理、缺陷割,形态学处理和缺陷分析。


未耒智能.

1、系统组成

整个检测系统主要包含图像采集、图像处理、智能控制、机械执行等部分,其系统结构如图1所示。


2、图像预处理

为了降低后续处理的复杂度、提高效率,使图像具有更强的可识别性,以利于后续的相关应用,图像预处理是必要的。金手指用到的预处理有彩图转灰度图、图像掩模、二值化、边缘提取等。

光源是机器视觉中最重要的部分之一。光源的好坏会对图片成像质量有直接的影响。好的光源能够得到一副好的图像,更有利于后续的处理。打光方式是通过手动调节光源距离和亮度然后看成像效果。


2.1彩色图转灰度图

把三通道的数组变换为一通道。提高处理图像的速度,而且能提高后面的滤波、阈值处理效果。因为在红色通道最能区分金手指与背景,所以选取红色通道,如图2所示。


未耒智能.



2.2图像掩模

影响处理图像效果的因素有很多,其中影响比较大的是背景。因为往往只需要对目标图像进行处理,所以背景都是多余。为了将去掉多余的背景,保留目标图像,通过手动设定ROI把ROI中的图像保留,其余的图像像素值为0,如图3所示。


未耒智能.

图3  ROI区域提取


2.3二值化

把感兴趣目标与背景分类,常用的算法有Otsu、、Niblack、sauvola、BackgroundCorrection、Cluste-ring、Entropy、Metric、Moments、InterVariance等。在这里用了Clustering算法,处理效果如图4所示。在复杂的图像中Clustering算法比ostu算法的效果和效率要好。因为ostu算法是基于最大类间方差原理将图片二值化,在复杂的图像中图像的灰度直方图像素密集度相差不大时用ostu算法效果则不明显了。为了改善这种情况所以用到Clustering算法。Clustering算法的公式如下

未耒智能.

(1)


未耒智能.

(2)



其中p为像素点的值;ci表示前景类或背景类像素簇;oi是像素簇ci的中心点像素。dist(p,oi)为两个像素点对象之间的欧氏距离。具体用法:设图像像素的灰度范围为[0~255]之间的整数值,在[0~255]之间随机选择两个灰度值o1和o2作为初始的中心点,对于图像中的每个像素使用式(1)分别计算其到每个中心点的距离,将离o1近的像素划分到中心点o1所代表的簇中,将离o2近的像素划分到中心点o2所代表的簇中,然后使用式(2)计算本次划分的绝对误差E最后得出簇得集合就是二值化的阈值。经过实验得Clustering算法能够有些的把目标提取处理,而且噪点相对比较少。


未耒智能.

图4   二值化效果图


2.4边缘提取

边缘提取主要是把每个金手指的边缘提取出来。常用到的边缘提取算法有Laplacian、Diff、Prewitt、Sobel、Roberts、Canny、Gradient、Sigma等,部分算法的提取效果如图5所示,可以看出Prewitt算法效果最好。Prewitt边缘算子是一种边缘样板算子,利用像素点上下,左右相邻点灰度差,在边缘处达到极值检测边缘,对噪声具有平滑作用。因为金手指的图片灰度和噪声比较多,用Prewitt边缘算子能够抑制噪声比较好的提取边缘点。

未耒智能.

图5  边缘提取效果图


3、图像特征分析


3.1金手指的多铜,少铜

经过前面的预处理之后,感兴趣目标区域和背景区域有效的分离开了。用颗粒分析和颗粒滤除,提取每一块金手指铜牌的面积和金手指的总数。通过设定一个阈值,如果金手指总是多余或者少于设定的阈值,就是不合格。这里选取的一个好的样品有30个金手指,故阈值设定为30,处理效果如图6所示。

未耒智能.

图6  多铜、少铜处理效果图


增加样本个数,进行算法效果测试。样本总数为80个,其中有20个有缺陷的金手指,按照上面的算法去测效果如下。

实际工业应用中,一个FPC板上只要有一个金手指是有缺陷的,就会被判定为次品,故本着宁可误判不可漏判的原则,检测到的合格金手指为58个(实际60个),检测到的缺陷金手指为22个(实际20个),即有2个合格的金手指被误判为有缺陷的金手指。总共耗时102s。


3.2金手指的污渍

经过预处理的时候用二值化反转,把金手指做背景,其他作为目标如图7(a)红色是目标,黑色是背景。设定一个参数把超过那个参数的颗粒滤除。这里用的参数是像素点面积在0到4600(金手指平均面积)保留。得到图7(b)。红色的小点对应左边金手指的污渍。

未耒智能.

4、结语

柔性电路板的关键部位———金手指,是连接外围接口的关键触点,在 FPC 电路板上用的越来越多,对其制造工艺水平的要求要越来越高。将机器视觉检测技术应用于金手指外观检测中,重点研究各种缺陷的检测,探索出具有较强的通用性、稳定性和满足准确度要求的算法。将机器视觉检测技术应用于金手指外观检测中,重点研究各种不良情况的检测,探索出具有较强的通用性、稳定性和满足准确度要求的算法,彻底解决了因人工长期作业带来的疲劳,在作业过程中难免存在的漏检问题。