一種FPC缺陷視覺檢測(cè)方法
相關(guān)鏈接： 中國(guó)安全網(wǎng) 中國(guó)質(zhì)量網(wǎng) 中國(guó)論文網(wǎng) 中國(guó)資訊網(wǎng)
孫國(guó)棟 楊林杰 張楊
(湖北工業(yè)大學(xué)機(jī)械工程學(xué)院，湖北武漢430068)
摘要：針對(duì)柔性印制電路( FPC)補(bǔ)強(qiáng)片缺陷人工檢測(cè)不穩(wěn)定、效率低的缺點(diǎn)，提出了一種基于顏色空間變換的視覺檢測(cè)方法。首先通過預(yù)處理消除彩色圖像噪聲，然后根據(jù)片體顏色特征，選擇特定顏色空間對(duì)其進(jìn)行輪廓提取，并以輪廓為基底設(shè)計(jì)掩膜，獲取相應(yīng)的感興趣區(qū)域圖像；再基于RCB顏色空間的正交基投影理論與HSV顏色空間色調(diào)處理算法，分別提取壓點(diǎn)、劃傷和溢膠缺陷特征；最后根據(jù)缺陷幾何特征與空間信息對(duì)缺陷進(jìn)行識(shí)別和分類。實(shí)驗(yàn)表明該方法具有良好的檢測(cè)效果，適用于FPC高精度檢測(cè)。
關(guān)鍵詞：FPC補(bǔ)強(qiáng)片顏色空間掩膜視覺檢測(cè)缺陷識(shí)別 圖像預(yù)處理
中圖分類號(hào)：TP399;TH6 文獻(xiàn)標(biāo)志碼：A DOI：10. 16086/j．cnki. issnl000 - 0380. 201512005
Abstract: Due to the manual detection for reinforcing sheet defects has the disadvantage of low efficiency and instability,a visual detectionmethod based on color space transformation is presented. Firstly. through the preprocessing to eliminate noise of color images, then according t。the color feature of sheet body,a specific color space is selected to extract the contour and image mask is designed, so as to get thecorresponding image region of interest. Then orthogonal projection theory based on RGB color space and tone processing algorithms based onHSV color space are proposed to extract the features of pressured points, scratches and excess glue defects. Finaljy, the identification andclassification of defects are accomplished according to its geometrical features and spatial information. The experiments have shown the proposedmethod has good detection effect, is suitable for FPC high precision detection.
Keywords: FPCReinforcing sheetColor spaceMaskVisual inspectionDefect recognitionImage preprocessing
0 引言
柔性印制電路（flexible printed circuit，F(xiàn)PC）是以聚酰亞胺或聚酯薄膜為基材制成，具有質(zhì)量輕、布線密集、焊點(diǎn)小、集成度高等傳統(tǒng)材質(zhì)無法比擬的優(yōu)點(diǎn)，廣泛用于手機(jī)、數(shù)碼相機(jī)、醫(yī)療器械等產(chǎn)品，被冠以“黃金薄膜”稱號(hào)。補(bǔ)強(qiáng)片是FPC軟板一個(gè)重要的貼裝部件，其細(xì)微的缺陷都會(huì)導(dǎo)致整個(gè)產(chǎn)品的報(bào)廢，這就對(duì)FPC軟板補(bǔ)強(qiáng)片質(zhì)量提出了相當(dāng)嚴(yán)格的要求。目前國(guó)內(nèi)大多數(shù)FPC生產(chǎn)企業(yè)主要依靠人眼輔助光學(xué)設(shè)備來檢測(cè)產(chǎn)品質(zhì)量，但長(zhǎng)時(shí)間、高度集中觀察圖像給檢測(cè)人員帶來了極大的精神疲勞，難以保證產(chǎn)品質(zhì)量且用工成本不斷上升，因此實(shí)現(xiàn)FPC自動(dòng)機(jī)器視覺檢測(cè)是發(fā)展的必然趨勢(shì)。目前提出的檢測(cè)方法都過分依賴于FPC軟板的紋理和幾何特征，檢測(cè)具有很大的局限性。本文綜合各方面的研究成果，基于彩色圖像顏色空間變換理論，提出了一種新的FPC缺陷視覺檢測(cè)方法。
1 FPC視覺檢測(cè)方案
1.1視覺缺陷檢測(cè)平臺(tái)
視覺檢測(cè)系統(tǒng)主要由彩色工業(yè)相機(jī)、鏡頭、圖像采集卡、運(yùn)動(dòng)控制平臺(tái)、工控機(jī)、圖像處理軟件等部分組成。首先通過導(dǎo)人FPC的CAD相關(guān)數(shù)據(jù)初始化系統(tǒng)設(shè)備，運(yùn)動(dòng)控制平臺(tái)依據(jù)初始信息定位補(bǔ)強(qiáng)片的位置，并用串口觸發(fā)光源和彩色相機(jī)，最終處理軟件完成檢測(cè)工作。系統(tǒng)框架如圖1所示。
1.2缺陷視覺檢測(cè)總流程
FPC軟板補(bǔ)強(qiáng)片的品質(zhì)直接決定著電子產(chǎn)品的質(zhì)量。經(jīng)過長(zhǎng)期調(diào)研，目前其存在的主要缺陷有壓點(diǎn)、劃傷、溢膠。針對(duì)這三種缺陷，提出的檢測(cè)總體流程如圖2所示。
通過運(yùn)動(dòng)定位實(shí)時(shí)采集相應(yīng)區(qū)域的圖像，并作相關(guān)預(yù)處理；然后在RCB顏色空間對(duì)補(bǔ)強(qiáng)片的輪廓進(jìn)行提取，且以輪廓為基底設(shè)計(jì)內(nèi)外圖像掩膜，從而得到對(duì)應(yīng)的感興趣區(qū)域；再通過RC.B與HSV顏色空間相關(guān)處理算法，對(duì)經(jīng)掩膜處理后的圖像進(jìn)行缺陷識(shí)別；最后以缺陷的幾何特征與空間信息為判別標(biāo)準(zhǔn)對(duì)其進(jìn)行分類。
1.3圖像預(yù)處理
在拍攝、傳輸過程中，CCD傳感器脈沖引起的椒鹽噪聲將會(huì)對(duì)后續(xù)的缺陷識(shí)別產(chǎn)生致命的影響。為保留圖像的細(xì)節(jié)信息，采用窗口為3x3中值濾波器對(duì)FPC補(bǔ)強(qiáng)片圖像進(jìn)行處理。圖3是正常FPC補(bǔ)強(qiáng)片和含有三種缺陷的FPC補(bǔ)強(qiáng)片在特殊設(shè)計(jì)的組合光源下經(jīng)預(yù)處理后的圖像。
2 FPC補(bǔ)強(qiáng)片缺陷識(shí)別算法
2.1補(bǔ)強(qiáng)片輪廓提取
提取FPC補(bǔ)強(qiáng)片輪廓是其缺陷識(shí)別算法中的一個(gè)重要環(huán)節(jié)。輪廓可以把視場(chǎng)圖像分割成內(nèi)外兩部分，使識(shí)別中內(nèi)外空間區(qū)域的缺陷特征互不干擾，并行處理；可以通過缺陷在輪廓內(nèi)外的空間信息來區(qū)分其所屬類型。當(dāng)補(bǔ)強(qiáng)片內(nèi)外區(qū)域的不同缺陷呈現(xiàn)相同描述特征時(shí)，輪廓成為區(qū)分的最佳標(biāo)準(zhǔn)。
提取補(bǔ)強(qiáng)片輪廓采用RCB顏色空間，該空間中，任一顏色在紅、綠、藍(lán)三個(gè)不同通道的分量不同，這也是彩色圖像特征識(shí)別的基礎(chǔ)。在組合光源下，片體的各部分因材質(zhì)不同顏色特征存在明顯差異。由于補(bǔ)強(qiáng)片的鏡面反射，片體具有明顯不同于其他區(qū)域的顏色特征，其顏色在RGB通道所占分量分別約為0. 005( R)、0.47(G)和0.98( B)。實(shí)驗(yàn)數(shù)據(jù)表明，片體顏色在B通道的分量最大，故在該通道提取片體的輪廓。由于在B通道背景與前景差別很大，采用otsu閾值對(duì)圖像進(jìn)行分割，效果圖如圖4所示。
2.2 FPC補(bǔ)強(qiáng)片圖像掩膜設(shè)計(jì)
掩膜是圖像處理中一種十分實(shí)用的技術(shù)，其最大的特點(diǎn)是可以設(shè)置任意形狀的感興趣區(qū)域。其原理是用預(yù)先制作的感興趣區(qū)域掩膜與待處理圖像進(jìn)行數(shù)學(xué)運(yùn)算，使得感興趣區(qū)域內(nèi)圖像特征保持不變，而區(qū)域外的圖像將會(huì)被屏蔽。本文以FPC補(bǔ)強(qiáng)片輪廓設(shè)計(jì)區(qū)域掩膜，并將其用到缺陷識(shí)別算法中。
具體實(shí)現(xiàn)為：首先按2.1節(jié)提出的方法提取圖像中補(bǔ)強(qiáng)片輪廓，將輪廓以像素精度畫在另一幅在內(nèi)存中開辟的與采集圖像大小相同且像素灰度全為0的圖像上，作為缺陷識(shí)別掩膜的母體；分別填充掩膜母體輪廓內(nèi)部與外部區(qū)域，從而產(chǎn)生內(nèi)外兩個(gè)圖像掩膜；分別用內(nèi)外掩膜與原圖像進(jìn)行數(shù)學(xué)運(yùn)算，得到內(nèi)外感興趣區(qū)域圖像。以FPC的補(bǔ)強(qiáng)片輪廓為界，內(nèi)掩膜與采集圖像處理后可使FPC補(bǔ)強(qiáng)片輪廓內(nèi)部的圖像得以全部保留，外部被忽略（處理后灰度值為0）。若與外掩膜作用，處理效果正好相反。
2.3 補(bǔ)強(qiáng)片缺陷提取算法
2.3.1壓點(diǎn)、劃傷缺陷特征提取
如圖3所示，在組合光源下壓點(diǎn)和劃傷呈白色，基于缺陷的顏色特征，采用RCB顏色空間投影閾值算法對(duì)壓點(diǎn)與劃傷進(jìn)行識(shí)別，并引入向量空間理論對(duì)缺陷識(shí)別算法進(jìn)行解釋。RGB顏色空間以一個(gè)單位長(zhǎng)度的立方體來表示，過原點(diǎn)的三條邊r、g、b構(gòu)成了顏色空間的單位正交基，設(shè)C為可見光譜里面的任一種顏色，其可以等價(jià)為RCB顏色空間的任一向量c，則有：
λr、λg、λb分別表示向量c在顏色空間r、g、6三個(gè)正交基上的分量。設(shè)白色與淺藍(lán)色光譜對(duì)應(yīng)的RGB顏色空間向量分別為w、b。對(duì)于向量w，有λr：λg：λb =1：1：1，向量b有λr=0，λg：λb=0.5：1。顏色的亮度由其對(duì)應(yīng)的幅值來決定。為了使白色的壓點(diǎn)、劃傷缺陷與藍(lán)色片體在向量空間具有較大區(qū)分度，可將w和b向量向r軸投影，6在r軸的投影為一個(gè)點(diǎn)，則Br=0；而w在r軸的投影為一定長(zhǎng)度的線段，由投影幾何關(guān)系可知向量間夾角余弦值約為0.8，故wr=0.8×lwl，定義向量w和b在r軸投影分量比值η來描述這種區(qū)分度，如式(2)所示。
由上式可知，理論上6，趨近于0，則區(qū)分度η趨近無窮大，說明在r通道壓點(diǎn)、劃傷特征與背景才具有最大的區(qū)分度，同時(shí)CCD傳感器對(duì)紅外光較其他光譜更敏感，因此r軸投影的區(qū)分效果最理想。
壓點(diǎn)劃分缺陷提取流程如下：首先把實(shí)時(shí)采集并預(yù)處理后的圖像與內(nèi)部掩膜進(jìn)行數(shù)學(xué)運(yùn)算，得到輪廓內(nèi)部感興趣區(qū)域圖像，然后提取R通道的圖像，選擇閾值T= 60對(duì)其進(jìn)行二值化處理。
2.3.2溢膠缺陷特征提取
膠體呈粉色，在RCB顏色空間用向量p表示，其對(duì)應(yīng)的λr、λg、λb都有一定分量，p不能用RGB顏色空間中的任意兩個(gè)正交基完全線性表示，故單純?cè)赗CB顏色空間膠體難以取得較好的提取效果，于是選擇HSV顏色空間。
將彩色圖像從RCB空間轉(zhuǎn)換到HSV空間，能夠有效地提取出更加豐富的彩色圖像顏色信息，特別是其色調(diào)分量(H)能夠描述不同波段的顏色光譜的變化信息，該分量不易受到光照條件變化的影響，其描述特征具有很強(qiáng)的魯棒性�；谏{(diào)分量良好的描述特性，經(jīng)過大量實(shí)驗(yàn)比對(duì)發(fā)現(xiàn)，H分量更適合分離膠體與其他圖像特征。將顏色空間模型的連續(xù)角度參數(shù)離散成0到255的數(shù)值區(qū)間，各特征在HSV顏色空間的色調(diào)H離散分布為：片體的分布區(qū)間為[130，140]，背景約為[160，171]，膠體為[220，234]。從數(shù)據(jù)可以看出，膠體顏色與其他顏色特征在HSV的H通道具有很大的區(qū)分度，當(dāng)閾值TH∈[175，215]任意一個(gè)值，都可以將膠體提取出來。
溢膠缺陷提取流程如下：通過預(yù)處理圖像與外部掩膜的數(shù)學(xué)運(yùn)算，得到輪廓外部感興趣區(qū)域圖像；然后將其變換到HSV顏色空間，提取H通道的圖像，對(duì)其作閾值化處理，取閾值區(qū)間的中值TH= 195。
3缺陷識(shí)別與分類
進(jìn)行缺陷種類數(shù)據(jù)統(tǒng)計(jì)是工業(yè)生產(chǎn)一個(gè)重要的環(huán)節(jié)，通過該數(shù)據(jù)反饋，可以更好地指導(dǎo)生產(chǎn)，改進(jìn)加工工藝。經(jīng)過缺陷提取算法處理后的圖像若無以上特征，則FPC補(bǔ)強(qiáng)片沒有這三種缺陷，否則存在。以FPC補(bǔ)強(qiáng)片輪廓為界，依據(jù)缺陷的空間信息可把缺陷分為內(nèi)部缺陷和外部缺陷，溢膠全部在輪廓外側(cè)屬于外部缺陷，壓點(diǎn)與劃傷為內(nèi)部缺陷。檢測(cè)要求對(duì)內(nèi)部缺陷作進(jìn)一步分類，依據(jù)內(nèi)部缺陷的幾何特征將其區(qū)分為壓點(diǎn)與劃傷，且采用缺陷輪廓面積Scon與最小外接矩形面積Srect的比值來描述這種區(qū)分，定義為填充度。
壓點(diǎn)的填充度R比較大，實(shí)驗(yàn)發(fā)現(xiàn)都在0.7以上，而劃傷呈條狀，填充度R較小，均在0.3以下。綜合以上分析，缺陷分類準(zhǔn)則為：①若輪廓外部有寬度大于限定閾值T的白色區(qū)域，則為溢膠；②若輪廓內(nèi)部存在面積大于限定閾值Z的白色區(qū)域，依據(jù)式(3)計(jì)算該區(qū)域的輪廓填充度R，若R>0.5，則為壓點(diǎn)，否則為劃傷。
本文取Tw=3，Ts=5，單位為像素，按照上述分類準(zhǔn)則，內(nèi)部缺陷的輪廓及其對(duì)應(yīng)的最小外接矩形如圖5所示。其中，圖5(a)的R=0. 95；圖5(b)兩處缺陷的尺值分別為0. 04和0.78；圖5(c)為溢膠效果圖，其缺陷位置均在輪廓之外。實(shí)驗(yàn)證明該分類準(zhǔn)則具有很強(qiáng)的魯棒性。
4結(jié)束語
結(jié)合機(jī)器視覺技術(shù)，提出了一種變換顏色空間的FPC補(bǔ)強(qiáng)片缺陷識(shí)別方法。本文基于補(bǔ)強(qiáng)片片體的顏色特征，在RCB顏色空間對(duì)其輪廓進(jìn)行提取，并依據(jù)輪廓設(shè)計(jì)了內(nèi)外圖像掩膜，從而得到相應(yīng)感興趣區(qū)域的圖像。通過RCB顏色空間投影和HSV顏色空間色調(diào)處理算法分別提取壓點(diǎn)、劃傷和溢膠缺陷，并基于缺陷幾何特征與圖像空間信息定義了分類準(zhǔn)則，取得了良好的識(shí)別效果。
該FPC缺陷識(shí)別算法對(duì)圖像噪聲具有一定的魯棒性，能夠滿足企業(yè)的缺陷識(shí)別要求，檢測(cè)效果穩(wěn)定，為FPC補(bǔ)強(qiáng)片缺陷識(shí)別提供了良好的解決方案，具有重要的應(yīng)用價(jià)值。但是該算法對(duì)光源的依賴性較強(qiáng)，今后將進(jìn)一步研究具有光照不變性的缺陷檢測(cè)算法。
