FPC产业CCD视觉检测设备自动化解决方案
基于机器视觉的FPC缺陷检测系统
㊀２０２０年㊀第９期仪表技术与传感器Ｉｎｓｔｒｕｍｅｎｔ㊀Ｔｅｃｈｎｉｑｕｅ㊀ａｎｄ㊀Ｓｅｎｓｏｒ２０２０㊀Ｎｏ．９㊀基金项目：国家自然科学基金资助项目（５１２７５５３５）收稿日期：２０１９－０８－２２基于机器视觉的ＦＰＣ缺陷检测系统眭石军，廖㊀平（中南大学机电工程学院，湖南长沙㊀４１００８３）㊀㊀摘要：针对当前ＦＰＣ（柔性电路板）缺陷检测中人工目检效率低的问题，基于机器视觉技术设计了一套实时检测系统㊂首先搭建了硬件系统，然后对ＦＰＣ的４种表面缺陷特征进行了研究，基于Ｈａｌｃｏｎ设计了相应的缺陷检测算法，提出了通过模板匹配提取ＲＯＩ的方法，以及运用图像自乘与高斯线检测来提取折痕，最后基于ＭＦＣ开发了缺陷实时检测系统㊂实验结果显示，设计的系统检测准确率可达９０％以上，且每片ＦＰＣ检测时间只需０．２ｓ㊂关键词：机器视觉；ＦＰＣ；缺陷检测；模板匹配；图像自乘；高斯线检测中图分类号：ＴＰ３９１㊀㊀㊀文献标识码：Ａ㊀㊀㊀文章编号：１００２－１８４１（２０２０）０９－００６４－０５ＤｅｆｅｃｔＤｅｔｅｃｔｉｏｎＳｙｓｔｅｍｏｆＦＰＣＢａｓｅｄｏｎＭａｃｈｉｎｅＶｉｓｉｏｎＳＵＩＳｈｉ⁃ｊｕｎ，ＬＩＡＯＰｉｎｇ（ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＣｅｎｔｒａｌＳｏｕｔｈＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ４１００８３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＡｉｍｉｎｇａｔｔｈｅｌｏｗｅｆｆｉｃｉｅｎｃｙｏｆｍａｎｕａｌｖｉｓｕａｌｉｎｓｐｅｃｔｉｏｎｉｎＦＰＣ（ｆｌｅｘｉｂｌｅｐｒｉｎｔｅｄｃｉｒｃｕｉｔ）ｄｅｆｅｃｔｄｅｔｅｃｔｉｏｎ，ａｒｅａｌ⁃ｔｉｍｅｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎｍａｃｈｉｎｅｖｉｓｉｏｎｔｅｃｈｎｏｌｏｇｙｗａｓｄｅｓｉｇｎｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅｈａｒｄｗａｒｅｓｙｓｔｅｍｗａｓｂｕｉｌｔｕｐ．ＦｏｕｒＦＰＣｓｕｒ⁃ｆａｃｅｄｅｆｅｃｔｓｆｅａｔｕｒｅｓｗａｓｒｅｓｔｅａｒｃｈｅｄ，ｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇａｌｇｏｒｉｔｈｍｗａｓｄｅｓｉｇｎｅｄｂａｓｅｄｏｎＨａｌｃｏｎ，ａｎｄｔｈｅｍｅｔｈｏｄｏｆｅｘｔｒａｃｔｉｎｇＲＯＩｂｙｔｅｍｐｌａｔｅｍａｔｃｈｉｎｇａｎｄｅｘｔｒａｃｔｉｎｇｃｒｅａｓｅｂｙｉｍａｇｅｓｅｌｆ⁃ｍｕｌｔｉｐｌｉｃａｔｉｏｎａｎｄＧａｕｓｓｉａｎｌｉｎｅ⁃ｄｅｔｅｃｔｉｏｎｗａｓｐｒｏｐｏｓｅｄ．Ｆｉｎａｌｌｙ，ｔｈｅｒｅａｌ⁃ｔｉｍｅｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎＭＦＣｗａｓｄｅｖｅｌｏｐｅｄ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｓｙｓｔｅｍｃａｎａｃｈｉｅｖｅｍｏｒｅｔｈａｎ９０％ａｃｃｕｒａｃｙ，ａｎｄｅａｃｈＦＰＣｄｅｔｅｃｔｉｏｎｔｉｍｅｃｏｓｔｓｏｎｌｙ０．２ｓ．Ｋｅｙｗｏｒｄｓ：ｍａｃｈｉｎｅｖｉｓｉｏｎ；ＦＰＣ；ｄｅｆｅｃｔｄｅｔｅｃｔｉｏｎ；ｔｅｍｐｌａｔｅｍａｔｃｈｉｎｇ；ｉｍａｇｅｓｅｌｆ⁃ｍｕｌｔｉｐｌｉｃａｔｉｏｎ；Ｇａｕｓｓｉａｎｌｉｎｅ⁃ｄｅｔｅｃｔｉｏｎ０㊀引言ＦＰＣ（ｆｌｅｘｉｂｌｅｐｒｉｎｔｅｄｃｉｒｃｕｉｔ）柔性印刷电路，是一种以有机薄膜为基材，并在其表面敷有能够挠曲的薄铜箔导体以制成的柔性电路板，具有质量轻㊁厚度薄㊁可弯曲㊁所占空间小等特点［１－２］㊂ＦＰＣ可以在结构上实现三维互连安装，使得电子设备的体积得到有效减少，已经广泛应用于电脑㊁手机㊁ＬＣＤ显示屏等产品［３－４］㊂与此同时，精密电子设备中对ＦＰＣ的精度要求也越来越高，产品的质量检测在ＦＰＣ生产过程中越来越重要㊂ＦＰＣ的缺陷检测有电学性能检测以及外观检测等，前者主要使用探针对ＦＰＣ进行短路或者断路检查；后者即表面缺陷检测，需要人工借助于显微镜或放大镜进行观察，这种方式比较灵活，但显然效率低下㊁成本过高［５］㊂因此本文基于机器视觉对ＦＰＣ表面缺陷的检测方法进行了研究，能够有效提取缺陷并进行识别，提高缺陷检测效率［６］㊂１㊀ＦＰＣ缺陷检测硬件系统ＦＰＣ表面缺陷检测系统的主要硬件结构组成如图１所示，包括图像采集系统及图像处理系统㊂图１㊀ＦＰＣ表面缺陷检测系统其中图像采集系统包括工业相机㊁镜头㊁光源及光源控制器，图像处理系统则为ＰＣ机，与相机通过千兆以太网进行通信㊂根据视野范围㊁工作距离以及检测精度的要求，对硬件进行选型，其中相机选用大恒的ＣＭＯＳ黑白相机，分辨率为２４４８像素ˑ２０４８像素，帧率为２０ｆｐｓ；镜头为远心镜头㊂根据缺陷特征需要低角度的环形光源照明，故选用拓视达的零角度环形ＬＥＤ光源㊂㊀㊀㊀㊀㊀第９期眭石军等：基于机器视觉的ＦＰＣ缺陷检测系统设计６５㊀㊀２㊀基于Ｈａｌｃｏｎ的ＦＰＣ表面缺陷检测本文所做的工作主要是对ＦＰＣ的表面缺陷进行检测，在高精度的电子产品中这些缺陷会严重影响ＦＰＣ的性能及其使用寿命㊂Ｈａｌｃｏｎ是机器视觉软件，因其功能全面㊁效率高㊁项目开发周期短等优点，已经在工业生产中得到了广泛应用［７］㊂２．１㊀油墨不良㊁版面污染缺陷检测油墨不良㊁版面污染缺陷如图２所示，由于这两种缺陷的检测算法相似，可以一起分析㊂（ａ）油墨不良㊀（ｂ）版面污染图２㊀油墨不良与版面污染缺陷在规则㊁均匀的深色背景下，利用全局的阈值分割进行特征的提取㊂对于一副灰度图像，其上任意一点（ｘ，ｙ）的灰度值为ｆ（ｘ，ｙ），要从背景中提取对象，可以选择一个阈值Ｔ，然后进行阈值化分割，若处理后的图像为ｇ（ｘ，ｙ），则ｇ（ｘ，ｙ）＝１㊀ｆ（ｘ，ｙ）＞Ｔ０㊀ｆ（ｘ，ｙ）ɤＴ{（１）在图像ｇ（ｘ，ｙ）中标记为１的像素则为提取的对象，标记为０的则成为了背景，这样就实现了最基本的图像分割［８］㊂由于环境㊁设备等因素的影响，采集的图像通常会含有一些噪声，本文使用的滤波方法为中值滤波，对处理椒盐噪声非常有效［９］㊂对于油墨不良检测设置的灰度阈值范围为［１０５，１４９］，对于版面污染缺陷检测阈值范围为［５，３２］㊂图３为检测版面缺陷时阈值参数设置的灰度直方图（纵轴为像素点数量，横轴为灰度值），其中缺陷的灰度值在［５，３２］范围内，像素点较少，而ＦＰＣ图像主体部分的像素点较多，因此可以将缺陷从图像中分割出来㊂图像经滤波㊁阈值化处理后，由ｓｅｌｅｃｔ＿ｓｈａｐｅ算子（形状特征选择）即可提取特征点，如图４㊁图５所示㊂注意到ＦＰＣ金面成像的灰度值与版面污染的缺陷灰度值相似，因此对于版面污染缺陷的提取要使用两次形状选择算子，第二次使用时除去形状规则的金面，即可提取不规则的缺陷㊂２．２㊀金面污染缺陷检测ＦＰＣ板上的金面污染缺陷只存在于ＦＰＣ板的金面上，缺陷成像如图６所示㊂图３㊀ＦＰＣ图像灰度直方图图４㊀油墨不良缺陷图５㊀版面污染缺陷图６㊀金面污染缺陷本文提出了一种基于模板匹配来提取图像ＲＯＩ的方法［１０］，即先将标准金面图像作为感兴趣区域提取出来作为标准模板，然后再从待测图像中寻找相似区域以提取ＲＯＩ，如图７矩形区域所示，进行Ｂｌｏｂ分析就可以有效提取缺陷，如图８所示㊂可以看到创建的标准模板区域的宽要比金面区域稍大，这是因为如果只选择金面区域，在待测图像中寻找相似区域时可能会找到金面上部的线路区域，或者不完全匹配到金面区域㊂在Ｈａｌｃｏｎ中有多种模板匹配的方法，在这里适用的是基于形状和基于相关性的匹配方法，两种方法的性能对比如表１所示㊂㊀㊀㊀㊀㊀６６㊀ＩｎｓｔｒｕｍｅｎｔＴｅｃｈｎｉｑｕｅａｎｄＳｅｎｓｏｒＳｅｐ．２０２０㊀图７㊀金面标准模板区域图８㊀金面污染缺陷检测表１㊀两种匹配方法的性能对比匹配方法创建模板时间（平均）／ｍｓ匹配时间（平均）／ｍｓ匹配成功率／％基于形状６７０３０１００基于相关性３４００１５８０㊀㊀基于相关性的匹配方法创建模板的时间较长，但是平均匹配时间很短，而基于形状的匹配时间虽然需要３０ｍｓ，但是匹配成功率高，因此选用基于形状的匹配方法㊂２．３㊀版面皱折缺陷检测版面皱折缺陷在图像中并不明显，其灰度值与背景灰度值非常相近，所以运用全局检测很难将皱折缺陷提取出来㊂考虑使用局部检测，观察ＦＰＣ板背面可以发现，如图９（ａ）所示，由于制造工艺的限制，背胶并不是一次成型的，故留有４条间隙，而间隙处一般就是发生皱折的地方㊂因此可以将间隙处的ＦＰＣ作为感兴趣区域进行处理，如图９（ｂ）所示，这样就不会被图像其他区域所干扰，有效提高检测精度㊂（ａ）ＦＰＣ背胶（ｂ）提取ＲＯＩ（矩形区域）图９㊀版面皱折缺陷在Ｈａｌｃｏｎ中提取ＲＯＩ使用较多的方法是Ｂｌｏｂ分析逼近以及手动在图像中画矩形或者画其他形状来提取㊂在这里由于图像缺陷处的特征不明显，所以要通过画矩形区域来创建ＲＯＩ㊂但是在自动化检测过程中就需要图像能够实现自动分割出ＲＯＩ，那么可以先创建标准模板图像，在模板中手动创建ＲＯＩ，再将待测图像与标准图像通过刚性的仿射变换对准，就可以自动在待测图像中创建ＲＯＩ图像，程序流程如图１０所示㊂图１０㊀版面皱折检测流程图提高图像对比度的方法有很多种，图１１为现存几种常用方法的对比㊂在Ｈａｌｃｏｎ中增强对比度使用较多的是ｅｍｐｈａｓｉｚｅ算子，但是处理效果并不好㊂灰度拉伸与直方图均衡化是图像处理中比较常用的增强对比度的方法，虽然增强了缺陷特征，但同样也加强了图像中的干扰部分如电路等，使得后续检测结果不理想㊂（ａ）原图像（ＲＯＩ）（ｂ）ｅｍｐｈａｓｉｚｅ算子（ｃ）灰度拉伸（ｄ）直方图均衡化图１１㊀增强对比度的效果对比本文根据ＦＰＣ缺陷特征提出了一种新的增强图㊀㊀㊀㊀㊀第９期眭石军等：基于机器视觉的ＦＰＣ缺陷检测系统设计６７㊀㊀像对比度的方法，即通过图像自乘来提高图像对比度㊂首先将图像灰度值反转，即：ｇ（ｘ，ｙ）＝２５５－ｆ（ｘ，ｙ）（２）然后再进行图像自乘操作，在Ｈａｌｃｏｎ中两图像相乘的算子为ｍｕｌｔ＿ｉｍａｇｅ，可以用公式表示为ｇ（ｘ，ｙ）＝ｇ１ˑｇ２ˑＭｕｌｔ＋Ａｄｄ（３）在程序中令ｇ１等于ｇ２，并等于灰度值反转后的图像，取Ｍｕｌｔ＝０．００６，Ａｄｄ＝－５０，图像处理后如图１２所示㊂图１２㊀利用图像自乘增强对比度但是即使提高了图像对比度，缺陷特征仍不明显，使用ｃａｎｎｙ等边缘检测算子仍无法有效提取缺陷，故考虑使用Ｇａｕｓｓ线检测［１１］的方法来提取特征㊂高斯线条提取算法是由Ｓｔｅｇｅｒ［１２］在１９９６年提出的，算法先计算图像与一个高斯掩膜卷积后的偏导数，得到各个像素点二阶泰勒展开式的系数，然后通过二阶泰勒多项求得线条的中心点，实现以亚像素精度确定线条的位置［１３－１４］㊂在Ｈａｌｃｏｎ中Ｇａｕｓｓ线条检测算子为ｌｉｎｅｓ＿ｇａｕｓｓ算子，其在使用前要先确定所检测线条的模型，即ＬｉｎｅＭｏｄｅｌ，主要有三种形式：条型ｂａｒ＿ｓｈａｐｅｄ㊁抛物线型ｐａｒａｂｏｌｉｃ以及高斯线型ｇａｕｓｓｉａｎ，如图１３所示㊂条型对于大多数线条的提取都有比较好的效果，但是不适于提取背光照明的管状线型㊂抛物线型一般在线条十分清晰的情况下选用，高斯线型一般应用于线条边缘不清楚的场合㊂ｌｉｎｅｓ＿ｇａｕｓｓｓ算子在处理过程中先对图像进行高斯平滑，由参数σ来确定所需要的平滑量㊂算子在提取线条过程中使用了滞后阈值算法，即双阈值算法，这样在提取到线条的中心点后能够很快地将其连接成线［１５］㊂故需要确定高阈值Ｈｉｇｈ和低阈值Ｌｏｗ，这两个阈值要通过所提取对象的对比度来确定，若设线条的高对比度与低对比度分别为ｃｏｎｔｒａｓｔＨｉｇｈ和ｃｏｎｔ⁃ｒａｓｔＬｏｗ，那么高㊁低阈值的计算公式为（ａ）ｂａｒ＿ｓｈａｐｅｄ（ｂ）ｐａｒａｂｏｌｉｃ（ｃ）ｇａｕｓｓｉａｎ图１３㊀ＬｉｎｅＭｏｄｅｌ示意图ＨｉｇｈＬｏｗ＝－２ˑｃｏｎｔｒａｓｔＨｉｇｈｃｏｎｔｒａｓｔＬｏｗˑｗ２πˑσ３ˑｅ－ｗ２２σ２（４）式中ｗ为所检测线条的最大线宽㊂对于高于Ｈｉｇｈ的点则被认为是线条上的点，低于Ｌｏｗ的点则会立即舍弃，而介于Ｌｏｗ和Ｈｉｇｈ之间的点，若这些点与已经被认为是线条上的点能够通过某一通路相连，并且通路距离小于ｗ，那么这些点才会被接受㊂最终检测到的版面皱折缺陷如图１４所示㊂图１４㊀版面皱折缺陷３㊀ＦＰＣ缺陷检测系统界面设计系统使用Ｈａｌｃｏｎ联合ＭＦＣ进行设计，在图像处理程序设计完成后，从Ｈａｌｃｏｎ将程序导出为Ｃ／Ｃ＋＋代码㊂系统开发环境为ＶｉｓｕａｌＳｔｕｄｉｏ２０１５，并基于相机的ＳＤＫ进行开发，可大大缩短开发周期，界面设计如图１５所示㊂４㊀实验与分析将开发的检测系统对提供的８０个样本进行检测，检测结果如表２所示㊂由表２检测结果可以看到，所设计的检测系统对于这几种缺陷的识别有较高的准确率，但是油墨不良缺陷的准确率只有８０％，这是因为图像中噪声与缺陷特征相似导致干扰噪声并不能完全去除，且实验无法㊀㊀㊀㊀㊀６８㊀ＩｎｓｔｒｕｍｅｎｔＴｅｃｈｎｉｑｕｅａｎｄＳｅｎｓｏｒＳｅｐ．２０２０㊀图１５㊀检测系统操作界面保证无尘环境也会对检测有影响㊂实验的检测速度都在０．２ｓ每片左右，而由于皱折检测算法较复杂所以检测速度稍慢，但也满足生产要求㊂表２㊀检测结果缺陷类别样品总数合格品残次品（缺陷数）正确识别数准确率／％检测速度／（ｓ㊃片－１）油墨不良２０２１８１６８００．２１版面污染２０４１６２０１０００．２３金面污染２５１０１５２２８８０．１７版面皱折１５５１０１４９３０．４３５㊀结束语本文基于机器视觉技术，对ＦＰＣ的表面缺陷特征进行了研究，并基于Ｈａｌｃｏｎ研究了缺陷检测算法㊂能够对ＦＰＣ上的油墨不良㊁污染等缺陷进行有效检测，对金面污染提出了一种基于模板匹配提取ＲＯＩ的方法，有效提高了检测精度㊂在缺陷不明显的情况下，提出了一种通过图像自乘来提高图像对比度的方法，运用Ｇａｕｓｓ线检测实现了对表面皱折的有效提取㊂最后基于ＭＦＣ开发了缺陷实时检测系统㊂实验结果表明，本文算法能够较好地识别ＦＰＣ的表面缺陷㊂参考文献：［１］㊀黄杰贤，李迪，黄志平，等．ＦＰＣ焊盘表面缺陷检测研究［Ｊ］．激光与红外，２０１４，４４（６）：６９２－６９６．［２］㊀於文欣，陈广峰．基于机器视觉的ＦＰＣ表面缺陷智能检测系统［Ｊ］．仪器仪表装置，２０１７，３２（７）：３０－３３．［３］㊀张家亮．全球挠性印制板的市场及其技术研究［Ｊ］．印制电路信息，２０１１（１０）：７－１５．［４］㊀张宜生，彭毅，梁书云，等．基于图像比对技术的柔性印刷电路板检测系统［Ｊ］．计算机工程与应用，２００５，４１（２）：２２０－２２２．［５］㊀李晟阳．基于机器视觉的印刷电路板缺陷检测方法研究［Ｄ］．洛阳：河南科技大学，２０１７．［６］㊀郭联金，朱日龙，杨国卿，等．浅谈机器视觉技术在自动化制造业中的应用［Ｊ］．机电一体化，２０１５（８）：６３－６７．［７］㊀李成鹏，范彦斌，胡青春．基于ＨＡＬＣＯＮ的ＰＣＢ光学定位点的３种识别方法及比较［Ｊ］．佛山科学技术学院学报：自然科学版，２０１０，２８（２）：２９－３３．［８］㊀冈萨雷斯，温茨．数字图像处理［Ｍ］．阮秋琦，译．２版．北京：电子工业出版社，２００７．［９］㊀宁媛，李皖．图像去噪的几种方法分析比较［Ｊ］．贵州工业大学学报：自然科学版，２００５，３４（４）：６３－６６．［１０］㊀高军，李学伟，张建，等．基于模板匹配的图像配准算法［Ｊ］．西安交通大学学报，２００７，４１（３）：３０７－３１１．［１１］㊀苑玮琦，朱蕊．基于Ｇａｕｓｓ线检测的雪糕棒浅劈裂缺陷识别［Ｊ］．电子世界，２０１８（１１）：５－７．［１２］㊀ＳＴＥＧＥＲＣ．Ｅｘｔｒａｃｔｉｏｎｏｆｃｕｒｖｅｄｌｉｎｅｓｆｒｏｍｉｍａｇｅｓ［Ｃ］．Ｐｒｏ⁃ｃｅｅｄｉｎｇｏｆｔｈｅ１３ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ，Ｖｉｅｎｎａ：１９９６（２）：２６１－２５５．［１３］㊀冯瑶，刘宁，冯亚崇．一种针对造影图像中血管狭窄的自动识别技术［Ｊ］．生物医学工程学杂志，２０１３，３０（２）：３８０－３８６．［１４］㊀王巧妮，杨远洪．基于Ｓｔｅｇｅｒ图像算法的光纤布拉格光栅寻峰技术［Ｊ］．光学学报，２０１４，３２（８）：１－６．［１５］㊀黄林江．面向产品在线质检的图像拼接与柱面缺陷检测方法研究［Ｄ］．武汉：华中科技大学，２０１７．作者简介：眭石军（１９９６ ），硕士研究生，主要研究方向为图像处理㊁视觉检测㊂Ｅ⁃ｍａｉｌ：ｓｕｉｓｈｉｊｕｎ＠ｆｏｘｍａｉｌ．ｃｏｍ廖平（１９６４ ），教授，博士生导师，主要研究方向为计算机检测技术㊁智能算法与控制㊂Ｅ⁃ｍａｉｌ：ｌｉａｏｐｉｎｇ０＠１６３．ｃｏｍ（上接第４５页）［１１］㊀ＳａｍｓｕｎｇＥｌｅｃｔｒｏｎｉｃｓＣＯ，ＬＴＤ．Ｋ９ＸＸＧ０８ＵＸＭＰｒｅｌｉｍｉｎａｒｙＦＬＡＳＨＭＥＭＯＲＹＰｒｏｄｕｃｔＳｐｅｃｉｆｉｃａｔｉｏｎ［Ｚ］．ＧｙｅｏｎｇｇｉＰｒｏｖｉｎｃｅ：２００５．［１２］㊀胡陈君．弹载小型抗高过载微惯性测量系统设计［Ｄ］．太原：中北大学，２０１５．［１３］㊀廉佳琦，罗丰，吴顺君．基于ＵＳＢ２．０高速大容量固态存储系统的设计与实现［Ｊ］．现代电子技术，２００７（６）：３８－４０；４３．作者简介：高诗尧（１９９５ ），硕士研究生，主要研究领域为基于ＦＰＧＡ的高速采集与无线传输㊂E⁃mail：184****3024＠１６３．ｃｏｍ李杰（１９７６ ），教授，博士生导师，主要研究方向为微系统集成理论与技术㊁惯性感知与控制技术㊁组合导航理论㊁计算几何及智能信息处理㊂Ｅ⁃ｍａｉｌ：Ｌｉｊｉｅ＠ｎｕｃ．ｅｄｕ．ｃｎ。
机器视觉检测解决方案
该企业目前面临以下挑战：
1.人工检测效率低，存在一定的漏检和误检率；
2.产品质量要求严格，现有检测手段难以满足高精度需求；
3.企业期望通过技术升级，提高生产自动化水平。
三、解决方案设计
1.系统架构设计
-图像采集子系统：负责实时采集生产线上产品的图像数据；
-图像处理与分析子系统：对采集到的图像进行预处理、特征提取、模式识别等分析；
-结合机器学习算法，提高检测准确率；
-实时统计检测结果，为生产管理提供数据支持。
（4）控制与输出
-与生产线控制系统对接，实现自动化控制；
-对不合格品进行分类或剔除，减少人工干预；
-实时监控检测设备运行状态，确保设备稳定可靠。
3.合法合规性
-确保方案符合我国相关法律法规和行业标准；
-选用具备合法生产许可和质量认证的设备；
本方案采用以下系统架构：
-图像采集模块：负责采集生产线上的产品图像；
-图像处理模块：对采集到的图像进行预处理、特征提取等操作；
-识别与判断模块：根据预设的判定标准，对图像进行处理和分析，判断产品是否合格；
-控制与输出模块：将检测结果输出至生产线，对不合格品进行分类或剔除。
2.技术路线
（1）图像采集
-采用高分辨率工业相机，确保图像清晰度；
二、项目背景
某企业主要从事精密电子零部件的生产制造，目前面临以下问题：
1.人工检测效率低下，且易受主观因素影响，导致漏检、误检现象频发；
2.现有检测设备无法满足高精度、高速度的生产要求；
3.企业希望提高生产自动化程度，降低人工成本。
为解决以上问题，企业决定引入机器视觉检测技术。
三、解决方案
1.系统架构
FPC安装设备的视觉系统设计
2009年第5期福建电脑FPC安装设备的视觉系统设计杜联平，侯鸿斌，陈安，胡跃明（华南理工大学精密电子制造装备教育部工程研究中心自动化学院广东广州510640）【摘要】：针对FPC安装设备的简单视觉系统，本文提出了一个完整的实现方案，摒弃了以往采用工业PC机和采集卡组成视觉系统的方法，通过一个CPLD和一个单片机做为主控元件，实现了一个直接可靠的设计。
【关键词】：FPC；实时；图像采集；图像处理0、引言FPC（柔性线路板）出现于20世纪60年代，那时的PCB用作代替电线的部件，长期以来FPC的生产额占PCB生产额的10%以下。
到了20世纪90年代后期，随着电子设备的大幅度小型化，FPC的需求迅速扩大，然而，目前国内对FPC的安装技术才仅仅是靠手工完成的，用于PFC安装的自动化生产设备基本呈现空白。
本文针对FPC安装设备需要的简单视觉系统，设计了一个专门的图像采集处理系统，该系统用于生产设备上，实现对FPC 的检测以及安装定位。
图像采集处理系统是指用设备来捕获客观世界的图像和特征，也就是用设备来实现对客观世界的识别。
视频图像采集处理是视频信号处理系统的前端部分，正在向高速、高分辨率、高集成化、高可靠性方向发展。
随着图像采集处理技术的发展，在工业设备各种应用中，特别需要检测和定位的设备，图像采集处理系统所起的作用无基金可替代。
在FPC安装设备中，需要视觉系统完成的只是一些简单的功能，在这种情况下，传统的方法，即利用工业PC机配合采集卡来实现的方法，显得笨重累赘。
本文提出了一个简易直接的实现方案，不仅降低了视觉系统的生产成本，而且提高了实时性。
1、系统方案的设计图1系统结构图系统由5部分组成：图像采集模块（CCD及其采样电路），单片机，CPLD，SRAM模块（显示缓存）和VGA输出模块。
如图1，图像采集模块得到目前的数字图像信息，输出到CPLD；单片机也通过总线形式与CPLD进行通讯。
CPLD则将数字图像信息和单片机要写入的信息分时分地址写入SRAM中，这样SRAM 存储的信息则是采集到的图像还有单片机要写入的字符图形。
视觉检测解决方案
视觉检测解决方案随着科技的不断发展，人们对于机器视觉检测的需求越来越迫切。
机器视觉检测是一种利用计算机和相应软硬件技术对图像进行分析、处理和判断的技术。
它不仅能够提高生产效率，还能够降低人为错误的发生率。
本文将介绍一些常见的视觉检测解决方案。
首先，我们来讨论视觉检测在工业生产中的应用。
在各个行业中，视觉检测在质量控制、产品检验、包装系统、安全监控等方面发挥着重要的作用。
以质量控制为例，传统的质检方式往往需要大量的人力投入，不仅费时而且容易出错。
而通过引入机器视觉检测系统，可以快速自动化地完成检测任务，并且能够检测到人眼难以察觉的细微瑕疵，从而将产品质量提升到一个新的水平。
其次，我们来讨论视觉检测在医疗领域中的应用。
随着医学技术的不断发展，各种新的医疗设备都需要进行精确的视觉检测。
例如，X射线影像的分析和诊断就需要依赖机器视觉检测技术。
传统的手工分析方式往往需要经验丰富的医生来进行，而引入机器视觉检测系统可以大大提高诊断的准确性和效率。
同时，在医疗器械的生产过程中，机器视觉检测也可以用来保证产品的质量和安全性，减少人为错误的发生。
此外，视觉检测还在智能交通领域中起着重要的作用。
随着城市交通的快速发展，交通管制和安全成为了一个严峻的问题。
机器视觉检测技术可以应用于车辆的识别、行驶违章的监测以及路面交通拥堵的分析等方面。
通过将视觉检测技术应用于交通控制系统中，可以实现道路流量的自动监测和控制，从而提高车辆行驶的效率和安全性。
最后，我们来讨论视觉检测技术的发展趋势。
随着人工智能技术的不断进步，机器视觉检测技术也在不断演进。
相比于传统的图像处理技术，深度学习算法的应用使得机器可以更好地理解和分析图像。
此外，云计算和大数据技术的兴起也为视觉检测技术的应用提供了更多的可能性。
未来的发展趋势将是将机器视觉技术与其他技术结合，实现更高效、更精确的检测结果。
总之，视觉检测解决方案在各个行业中具有广泛的应用前景。
通过引入机器视觉检测系统，我们可以提高生产效率、降低人为错误的发生率，并且在医疗和交通领域中提供更安全、更可靠的解决方案。
视觉检测自动化设备的介绍
视觉检测自动化设备的介绍随着人工智能技术的不断发展和普及，视觉检测自动化设备正逐渐成为各行各业的利器。
视觉检测自动化设备是一种通过电脑视觉技术实现自动化检测的设备，可以高效、准确、稳定地完成对生产线上各种产品的检测和识别任务。
本文将对视觉检测自动化设备的工作原理、应用领域及未来发展做一个简要介绍。
工作原理视觉检测自动化设备主要由图像采集系统、图像处理系统和控制系统三部分组成。
图像采集系统负责将物体采集到的原始图像信息传输到图像处理系统，图像处理系统则通过各种算法对图像进行预处理、特征提取和分类，最后将检测结果输出到控制系统，控制系统根据检测结果实现良品和次品的自动区分和剔除。
其核心技术是计算机视觉技术，主要包括图像处理、特征提取、分类和识别等方面。
例如，在检测缺陷方面，可以采用二值化、形态学处理等算法，将缺陷区域标识出来；在分类识别方面，可以采用深度学习算法，通过大量训练和优化提高分类和识别的精度。
应用领域视觉检测自动化设备的应用领域非常广泛，从工业生产、医疗卫生到安防监控等诸多领域都有广泛的应用。
工业生产在工业生产领域，视觉检测自动化设备主要用于各种产品的检测、分类和质量控制，如电子芯片、电池、印刷品等。
对于走在生产线上的产品进行检测，不仅大大提高了检测效率和准确率，而且也保证了产品的质量。
医疗卫生视觉检测自动化设备在医疗卫生领域的应用非常广泛，例如在疾病诊断、病理学研究和药品研发等领域都有广泛的应用。
例如，在医疗影像领域，视觉检测自动化设备能够快速、准确地诊断和分析病灶部位，对提高诊疗效率和准确率有极大的帮助。
安防监控在安防监控领域，视觉检测自动化设备主要用于人脸识别、动态监控和望远镜识别等方面。
通过对图像的处理和识别，能够有效提高安防效率，减轻人工管理的压力。
未来发展随着技术不断发展，视觉检测自动化设备的应用范围和技术水平也在不断拓展和提升。
未来，随着人工智能、物联网、大数据等新兴技术的普及和应用，视觉检测自动化设备将在更多的领域发挥其优势，从而实现自动化、智能化和信息化发展。
基于机器视觉的FPC表面缺陷智能检测系统
基 于机 器 视 觉 的 Ｆ Ｐ Ｃ 表 面缺 陷智 能检 测 系统
於 文欣 ， 陈 广锋
（ 东华大学 机械Ｊ － 程学院 ， 上海 ２ ０ １ ６ ２ ０ ）
度 达 到 设 计 要 求
关键词 ： 表 面缺 陷检 测 系统 ： 机器视觉； 柔 性 印制 电 路 板 ； 自动 化 检 测
中图 分 类 号 ： Ｔ Ｐ ２ ７ ７ ； Ｔ Ｐ ３ ９ １ ． ４ １ 文献标志码 ： Ｂ 文章编号 ： ０ ０ １ — ９ ９ ４ ４ （ ２ ０ １ ７ ） ０ ７ — ０ （ １ ３ ０ — ０ ４
Ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｔ Ｉ ｎｓ ｐｅ ｃ ｔ ｉ ｏ ｎ Ｓｙ ｓ ｔ ｅ ｍ ｏ ｆ ＦＰＣ Ｓ ｕｒ ｆ ａ ｃ ｅ Ｄｅ ｆ ｅ ｃ ｔ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｍａ ｃ ｈ ｉ ｎ ｅ Ｖｉ ｓ ｉ ｏ ｎ
ＹＵ Ｗ ｅ ｎ — ｘ ｉ ｎ， ＣＨＥＮ Ｇｕａ ｎ ｇ — ｆ ｅ ｎｇ
（ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ， Ｄ ｏ ｎ ｇ ｈ ｕ ａ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｓ ｈ ａ ｎ ｇ ｈ ａ ｉ ２ ０ １ ６ ２ ０ ，ቤተ መጻሕፍቲ ባይዱＣ ｈ ｉ ｎ ａ ）
摘要 ： 针 对 精 密 电子 设 备 中 对 柔 性 电 路 板 质 量 的 高精 度 要 求 ， 该 文 设 计 了基 于 机 器视 觉 的 柔性 印制 电路 板 Ｆ Ｐ Ｃ表 面缺 陷检 测 系统 ，实现 对 生 产 线 的产 品质 量 自动化 检 测 与监 控 ： 设 计 并搭 建视 觉检 测 硬 件 平 台 以获 取 优 质 图像 ： 开 发 缺 陷 自动 识 别 与分 类 的软 件 系统 ， 设 计 缺 陷识 别 与 分 类 算 法 ， 对 表 面 的 焊 点 异 常 与 划 痕 两 类 典 型 缺 陷进 行 处 理 。试 验 结 果 表 明 ， 开发 的软 件 系统 与 缺 陷 识 别 算 法 实现 了对 缺 陷 的 准确 识 别 ， 准确率达到９ ０ ％以上 ， 检 测 精
ccd视觉检测设备方案
CCD视觉检测设备方案1. 简介CCD（Charge-coupled Device）是一种光电转换器件，广泛应用于图像和视频采集领域。
CCD视觉检测设备以CCD作为核心组件，结合光学系统和信号处理器，可以用于实现精准的图像检测和测量。
本文将介绍CCD视觉检测设备的方案设计及应用。
2. 方案设计2.1 CCD传感器选择在设计CCD视觉检测设备时，选择合适的CCD传感器非常重要。
传感器的分辨率、灵敏度、噪声特性等参数都会直接影响检测设备的性能。
常用的CCD传感器有两种类型：线阵CCD和面阵CCD。
线阵CCD适合用于高速线性扫描，对于长物体的检测效果更好；面阵CCD适合对二维图像进行捕捉，能够提供更清晰的图像。
在选择CCD传感器时，需要考虑应用需求，如检测速度、图像质量、光照条件等，并结合成本因素进行综合考虑。
2.2 光学系统设计光学系统是CCD视觉检测设备中另一个重要的组成部分。
它主要用于聚焦、过滤和衍射等，以确保CCD传感器能够获得清晰的图像。
光学系统的设计包括选择适当的镜头、光源和滤光片等。
镜头的选择需要根据需要的视野范围和焦距来确定。
光源的选择通常考虑应用场景中的光照条件，需要确保光源的稳定性和均匀性。
滤光片的选择可以用于改善图像的质量，如抑制杂散光或增强特定波长的光信号。
2.3 信号处理器选择CCD传感器输出的信号需要经过信号处理器进行处理和分析，以提取有用的信息。
信号处理器通常包括模拟前端电路和数字信号处理模块。
模拟前端电路主要用于信号放大、滤波和去噪等。
合适的模拟前端电路可以提高信噪比和动态范围。
数字信号处理模块主要用于数字图像处理和算法实现。
它可以对图像进行增强、分割、特征提取等操作，以满足实际应用的需求。
在选择信号处理器时，需要考虑处理速度、可编程性和功耗等因素，并与CCD传感器的输出接口兼容。
3. 应用场景CCD视觉检测设备具有广泛的应用场景，包括但不限于以下几个方面：3.1 工业自动化CCD视觉检测设备可以用于工业自动化领域的零部件检测、产品质量检验、物体定位等。
基于机器视觉的FPC嵌入式检测系统
基于机器视觉的FPC嵌入式检测系统罗露;胡跃明【期刊名称】《计算机测量与控制》【年(卷),期】2011(19)2【摘要】针对FPC(柔性印刷电路板)缺陷的特点,设计了基于机器视觉的嵌入式检测系统;该系统以线阵CCD为视觉传感器,DSP为处理器核心,完成图像的采集和存储;基于局部自动阈值分割后的二值化图像,采用多尺度的数学形态学抑制噪声,突显边缘细节;结合线宽评价和局部生长的图像匹配算法,准确实现产品缺陷定位识别功能;实验结果表明:系统能准确识别检测产品中存在的各种缺陷,图像检测速度达到了每秒20帧,具有良好的实用性.%Considering the defect characteristics of flexible printed circuit, this paper develops an embedded architecture visual inspection system based on machine vision, The system uses linear CCD sensor and DSP processor to achieve image acquisition and storage, and uses multi-scale morphology to restrain noises and highlight the image edge.The image defects can be located and identified by using image matching based on local growth and line width evaluation.The results show that: the system can automatically and accurately identify the products defects, with the detecting speed of 20 frames per second, and has a good practicality.【总页数】4页(P303-305,311)【作者】罗露;胡跃明【作者单位】华南理工大学,精密电子制造装备教育部工程研究中心,自动化学院,广东,广州,510640;华南理工大学,精密电子制造装备教育部工程研究中心,自动化学院,广东,广州,510640【正文语种】中文【中图分类】TP274.3【相关文献】1.基于机器视觉的嵌入式工业在线检测系统 [J], 邓集杰;刘铁根;杨永;朱均超;李晋申2.基于机器视觉的FPC表面缺陷智能检测系统 [J], 於文欣;陈广锋3.基于机器视觉的FPC缺陷检测系统 [J], 眭石军;廖平4.邦纳发布全新EVP系列嵌入式机器视觉检测系统 [J], 无5.基于嵌入式机器视觉的多瓶口缺陷检测系统设计 [J], 蔡晓军因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
FPC分拣摆盘上料机
FPC 自动上料机可实现对散装FPC自动整理、分料、CCD 定位、并自动上料到托盘；高效稳定。
配套上料机后可提升产线的自动化程度，改善人工劳动强度，降低人力成本。
应用领域
FPC 外形检测机
提升设备检测的效率50%以上，配合终端客户的需求高效稳定的全检客户的所有产品，自动分析，记录和输出检测数据和CPK图表，配备自动上下板机构，可实现检查智能化和资料处理简洁高效。
融光自动化公司拥有机器视觉、大数据、物联网、系统开发等核心技术的研发能力、整合能力和实际场景服务应用能力，积累了丰富的技术开发及应用经验，满足客户在智能制造的全面需求，包括自动化装配、生产设备、视觉检测、精密测量、机器安全、生产管理信息化、自动化工程改造等等。
致力于为线路板（PCB、FPC）行业提供高可靠性的视觉自动化解决方案。
深圳融光自动化科技有限公司是一家专业致力于研发、生产和销售深圳融光自动化科技有限公司是一家专业研发生产锡球焊接机,摄像机模组切割,手机模具切割,激光打标机,CCD 视觉定位激光打标机,光纤打标机,紫外打标机,Co2打标机,锡球激光焊接机,PCB追溯打码机,以及激光打码机和各种成套激光自动化设备的厂家。