当前位置：文档之家 › 基于机器视觉的电子元器件检测系统设计

基于机器视觉的电子元器件检测系统设计

  • 格式：pdf
  • 大小：1.55 MB
  • 文档页数：4

SCIENCE & TECHNOLOGY INFORMATION科技资讯 2023 NO.20 信息与智能科技资讯SCIENCE & TECHNOLOGY INFORMATION

基于机器视觉的电子元器件检测系统设计

张苏友

(张家港开放大学 江苏张家港 215625)

摘要： 近年来，随着信息技术的不断发展，电子产品更新速度大幅提升，各类电子元器更具集成化和微型化

特点，进一步增加了电子元器件检测难度。在传统检测工作执行上，主要以目标检测手段应用为主，所得到的图像分辨率较低，信息量明显不足。为此，人们引进了基于机器视觉的电子元器件检测系统，对应的检测效率和质量大幅提升。该文以实际工作开展情况为基础，对基于机器视觉的电子元器件检测系统细节设计内容进行总结，论述了该检测系统的试验内容。关键词： 信息技术 机器视觉 电子元器件 检测系统

中图分类号： TP391文献标识码： A 文章编号： 1672-3791(2023)20-0009-04

Design of the Electronic Component Detection System Based on

Machine Vision

ZHANG Suyou

(Zhangjiagang Open University, Zhangjiagang, Jiangsu Province, 215625 China)Abstract: In recent years, with the continuous development of information technology, the update speed of elec‐

tronic products has been greatly improved, and all kinds of electronic components are more integrated and miniatur‐ized, which further increases the difficulty of electronic component detection. In the implementation of traditional de‐tection work, the application of target detection means is mainly focused on, the resolution of the obtained images is low, and the amount of information is obviously insufficient. Therefore, people introduces an electronic component detection system based on machine vision, and the corresponding detection efficiency and quality are greatly improved. Based on the development of practical work, this paper summarizes the detailed design content of the electronic com‐ponent detection system based on machine vision, and discusses the test content of the detection system.Key Words: Information technology; Machine vision; Electronic components; Detection system

现阶段，我国电子元器件生产主要以自动化生产

为主，但当前传统检测方式已经无法满足现阶段的检

测需求。在此过程中，机器视觉的检测优势得到了展

示，相关人员应注重以机器视觉为基础，建立新的电子

元器件检测系统，在强化系统实用性的同时，展示出更

高的电子元器件检测系统应用价值。

1 机器视觉与电子元器件概述

机器视觉是一种人工智能技术，是现代计算机视

觉领域的一个重要分支，旨在使用计算机模拟人类视

觉系统实现对图像和视频的理解和处理。机器视觉技

术主要涉及数字图像处理、模式识别、深度学习等多种技术，机器视觉可以对数字图像和视频进行分析、识

别、分类、跟踪，完成各种任务。机器视觉的应用非常

广泛，包括工业自动化、无人驾驶汽车、智能安防、医疗

诊断、安防监控、医学影像分析、智能制造、虚拟现实、

视频会议等。随着深度学习技术的发展，

机器视觉取

得了巨大进展，特别是在图像分类和目标检测方面的

表现已经超越了人类水平。从实际应用角度来说，机

器视觉可通过应用机械工程技术、图像处理技术来替

代人类肉眼完成测量和判断任务。机器视觉系统的核

心是计算机视觉技术，通过摄像头和其他传感器来获

取图像和视频数据，然后使用复杂的数学算法来分析DOI： 10.16661/j.cnki.1672-3791.2304-5042-7656

作者简介： 张苏友（1988—），男，本科，讲师，研究方向为电子电工、智能化。

9

Copyright©博看网. All Rights Reserved. SCIENCE & TECHNOLOGY INFORMATION科技资讯信息与智能 2023 NO.20 SCIENCE & TECHNOLOGY INFORMATION科技资讯

和处理图像、视频数据。计算机视觉技术包括特征提

取、图像分割、目标检测和跟踪、三维重建等多个方面。

模式识别技术是机器视觉的另一个重要组成部分，它

使用机器学习算法来识别和分类图像中的对象与特

征。换句话说，机器视觉系统主要是通过图像摄取装

置等产品，获得更加完善的目标信息，之后将这些信息

转变为图像信号，便于图像处理系统对其进行处理，在

明确图像信息特征的同时，对设备进行有效控制。

电子元器件是电子元件和电子器件的总称，同时

也是电子元件中的重要组成内容，常见的电子元器件

类型有散热器、连接器等[1]。

2 基于机器视觉的电子元器件检测系统设计方案

系统设计方案的具体框架结构如图1所示。

实际操作方面，工作人员首先要了解软件中包含

的视觉检测算法与视觉检测软件内容，其中，常见的软

件界面有元器件信息、图像显示等。当用户进入软件

界面后，能够执行文件信息提取任务，此时，相机等设

备正常启动，维护图像采集工作的顺利开展。针对图

像信息的处理，工作人员可依靠视觉检测算法进行，做

好图像匹配工作，了解最终的检测结果。另外，检测系

统硬件构成内容主要涉及机器人、相机、镜头等，机器

人在工作时，主要包括的自由度数量为3个，对应的X

轴和Y轴行程数值均为540 mm。针对电子元器件检

测系统建设，机器人控制形式主要是伺服电机控制，依

靠LED光源与前景光照明形式，保证系统的稳定运转。

3 系统细节设计内容

基于机器视觉的电子元器件检测系统检测操作，

可根据采集图像质量分析进行。如果图像对应的标准

为PCB，检测系统往往会直接将标准信息输入其中，提

取具体的SURF特征，并完成特征点匹配与结果输出

任务。

本文中的PCB指的是印刷电路板上的电子元器件

布局图。对于电子元器件检测系统来说，PCB图像是

检测对象的一种，通过对PCB图像进行处理，可以实现对电子元器件的检测和识别。操作人员可以将电子元

器件设计布局图设置为PCB。

SURF是一种计算机视觉算法，全称为Speeded Up

Robust Features，SURF是一种用于特征提取和匹配的

算法。SURF算法的主要优点是在图像中快速检测和

描述特征，即使在存在旋转、缩放和光线变化的情况下

也能保持鲁棒性。SURF算法的基本思想是在图像中

寻找具有独特性、不变性和可重复性的局部特征点，然

后将这些特征点描述为SURF特征向量，用于图像匹

配和目标识别等应用。

如果是PCB待测图像，系统往往会预先开展待测

图像预处理，制定具体的元器件感兴趣区域（Region of

Interest，ROI）框，之后执行SURF特征提取等操作。因

此，在系统设计方面，相关人员应重点关注图像预处理

设计以及点定位设计等内容[2]。

ROI是指在图像或视频中操作人员所感兴趣的区

域。ROI可以是任何形状，可以是矩形、圆形、多边形

等。ROI通常用于图像处理、计算机视觉、医学影像等

领域，用于提取图像中重要的信息和特征，从而实现图

像的分析和处理。

在机器视觉中，SURF和ROI通常结合使用。例

如：对于图像中的一个感兴趣区域，可以使用SURF算

法提取特征点，并将这些特征点描述为SURF特征向

量。然后，可以使用这些特征向量进行目标识别、图像

匹配等应用。

另外，ROI还可以用于图像分割，将图像分成不同

的区域，然后对每个区域进行SURF特征提取和描述，

从而实现更精细的图像处理和分析。在电子元器件检

测系统中，ROI框通常是由操作人员手动设计的，用于

指定需要检测的元器件区域。

在设计ROI框时，操作人员需要根据实际情况考

虑元器件的大小、形状、数量、位置等因素，以确保检测

的准确性和效率。在电子元器件检测系统中，ROI框

通常是动态的，即随着检测过程的进行，ROI框的位置

和大小会随着元器件的位置和数量变化而变化。这就

需要系统能够实时响应并调整ROI框的位置和大小，

以确保检测结果的准确性和稳定性。

3.1 图像预处理

通常，传送带与相机之间往往会产生相对运动关

系，受此影响，图像运动模糊问题难以规避，元器件检测

工作也很难正常进行。针对上述问题的处理，常见方式

有RGB色彩空间去除与HSV色彩空间去除等。

RGB色彩空间是一种基于红、绿、蓝三原色的颜色

模型，它是最常见的色彩空间。在

RGB空间中，每个像素的颜色由红、绿、蓝3个分量组成，分别用一个8位二图1 电子元器件检测系统总体框架图

10

Copyright©博看网. All Rights Reserved.

合集下载

基于机器视觉的橡胶减震垫缺陷检测系统的设计

基于机器视觉的橡胶减震垫缺陷检测系统的设计

基于机器视觉的橡胶减震垫缺陷检测系统的设计

机器视觉检测技术一般是指利用图像采集设备获取被检测物体的图像并与预先设定的标准对比从而判断被检测物体的质量状况的技术,具有检测速度快、准确率高、操作简单等优点。本文以汽车橡胶减震垫为研究对象,根据工件的物理特性、光学特性、表面特征及检测指标,以CCD相机为图像采集设备,配合计算机、软件设计及相应的接口,设计了一种基于机器视觉的非接触式工件缺陷自动检测系统。

摄像机采集回来的图像往往存在不同程度的畸变,影响后续图像处理结果,根据相机成像的模型及非线性畸变的原因,研究了相机标定方法,通过从不同角度对黑白棋盘格采图,查找角点,根据物点与像点的坐标一一对应关系,求出相机的内外参数,根据这些参数实现图像畸变校正。在缺陷检测环节,首先根据采集工位和取像特点,设置像源的分配和处理流程,使图像并行处理;其次对橡胶减震垫表面缺陷图像预处理,采用基于Harris角点特征和图像灰度值相结合的图像模板匹配方法对批量工件在线模板匹配,采用小波去噪的方法处理通孔内壁,采用边缘检测的图像分割方法将目标检测区域和背景区域分离开,为缺陷识别做准备;最后根据检测要求规划检测区域,根据灰度直方图设置合理的阈值,能够准确定位缺陷部位,识别缺陷。

本文设计的基于机器视觉的缺陷检测设备,具有匹配速度快、抗干扰能力强、缺陷识别准确等优点。经过反复测试表明,设备能够满足工件的在线缺陷检测需求,目前实际设备已经投入使用,提高了检测效率。

基于机器视觉的硅片检测分类系统设计

基于机器视觉的硅片检测分类系统设计

第１２卷第６期　２０１３年１２月　江南大学学报（自然科学版）　Ｊｏｕｒｎａｌ　ｏｆ　Ｊｉａｎｇｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ）　Ｖｏｌ＿１２　Ｎｏ．６　Ｄｅｅ．　２０１３　

基于机器视觉的硅片检测分类系统设计　

李春龙，　潘丰　

（江南大学轻工过程先进控制教育部重点实验室，江苏无锡，２１４１２２）　

摘要：等离子体增强化学气相沉积是太阳能硅片生产工艺流程中一道重要的工序。硅片经过该　工序后的表面破损检测和减反膜颜色的检测主要通过人工完成，存在不稳定、高碎片率和低速率　

等问题，需要利用机器视觉技术，开发硅片视觉检测系统。文中根据具体的测试要求完成光学设备　

选型，利用“Ｖｉｓｉｏｎｐｒｏ”视觉开发软件设计硅片破损检测与颜色检测程序。实际使用结果表明，该系　统破损测量的精度在Ｏ．２　ｍｉｌｌ以内，图像颜色检测满足实际应用需求。　

关键词：机器视觉；硬件选型；破损检测；颜色检测　

中图分类号：ＴＰ　３９１．４文献标志码：Ａ文章编号：１６７１—７１４７（２０１３）０６—０６５３—０５　

Ｓｙｓｔｅｍ　Ｄｅｓｉｇｎ　ｏｆ　Ｓｉｌｉｃｏｎ　Ｄｅｔｅｃｔｉｏｎ　Ｃｌａｓｓｉｆｉｃａｔｉ０ｎ　Ｂ　ａｓｅｄ　ｏｎ　Ｍａｃｈｉｎｅ　Ｖｉｓｉｏｎ　

ＬＩ　Ｃｈｕｎ－ｌｏｎｇ，ＰＡＮ　Ｆｅｎｇ　（Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ａｄｖａｎｃｅｄ　Ｐｒｏｃｅｓｓ　Ｃｏｎｔｒｏｌ　ｆｏｒ　Ｌｉｇｈｔ　Ｉｎｄｕｓｔｒｙ，Ｍｉｎｉｓｔｒｙ　ｏｆ　Ｅｄｕｃａｔｉｏｎ，Ｊｉａｎｇｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ　２１４１２２，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｐｌａｓｍａ　ｅｎｈａｎｃｅｄ　ｃｈｅｍｉｃａｌ　ｖａｐｏｒ　ｄｅｐｏｓｉｔｉｏｎ　ｉｓ　ａｎ　ｉｍｐｏｒｔａｎｔ　ｐａｒｔ　ｏｆ　ｓｏｌａｒ　ｃｅｌｌ　ｐｒｏｄｕｃｔｉｏｎ　ｐｒｏｃｅｓｓｅｓ．Ｓｉｌｉｃｏｎ　ｗａｆｌｅｒ　ｓｕｒｆａｃｅ　ｄｅｆｅｃｔ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ａｎｔｉｒｅｆｌｅｃｔｉｏｎ　ｆｉｌｍ　ｃｏｌｏｒ　ｄｅｔｅｃｔｉｏｎ　ａｒｅ　ｍａｉｎｌｙ　ａｃｃｏｍｐｌｉｓｈｅｄ　ｉｎ　ｍａｎｕａ１．ｗｈｉｃｈ　ｃａｕｓｅｓ　ｔｈｅ　ｐｒｏｂｌｅｍｓ　ｏｆ　ｉｎｓｔａｂｉｌｉｔｙ，ｈｉｇｈ　ｓｃｒａｐ　ｒａｔｅ　ａｎｄ　ｌｏｗ　ｒａｔｅ．Ｔｈｅ　ｓｙｓｔｅｍ　ｕｓｅｓ　ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｔｏ　ｄｅｖｅｌｏｐ　ａｎ　ｉｎｓｐｅｃｔｉｏｎ　ｓｙｓｔｅｍ　ｆｏｒ　ｔｈｅ　ｓｉｌｉｃｏｎ．Ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｓｐｅｃｉｆｉｃ　ｔｅｓｔ　ｒｅｑｕｉｒｅｍｅｎｔｓ　ｔｏ　ｃｏｍｐｌｅｔｅ　ｔｈｅ　ｏｐｔｉｃａｌ　ｅｑｕｉｐｍｅｎｔ　ｓｅｌｅｃｔｉｏｎ，ｕｓｉｎｇ　ｔｈｅ　ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ　ｄｅｖｅｌｏｐｍｅｎｔ　ｓｏｆｔｗａｒｅ　ＶｉｓｉｏｎＰｒｏ．ｗｅ　ｗｒｉｔｅ　ｔｈｅ　ｐｒｏｇｒａｍ　ｏｆ　ｔｈｅ　ｓｉｌｉｃｏｎ　ｂｒｅａｋａｇｅ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｃｏｌｏｒ　ｄｅｔｅｃｔｉｏｎ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｐｒａｃｔｉｃａｌ　ａｐｐｌｉｃａｔｉｏｎｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｍｅａｓｕｒｅｍｅｎｔ　ａｃｃｕｒａｃｙ　ｉｓ　ｗｉｔｈｉｎ　０．２　ｍｍ．Ｉｍａｇｅ　ｃｏｌｏｒ　ｄｅｔｅｃｔｉｏｎ　ｃａｎ　ｍｅｅｔ　ｔｈｅ　ｎｅｅｄ　ｏｆ　ｔｈｅ　ｐｒａｃｔｉｃａｌ　ａｐｐｌｉｃａｔｉｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：ｍａｃｈｉｎｅ　ｖｉｓｉｏｎ，ｏｐｔｉｃａｌ　ｅｑｕｉｐｍｅｎｔ　ｓｅｌｅｃｔｉｏｎ，ｂｒｅａｋａｇｅ　ｄｅｔｅｃｔｉｏｎ，ｃｏｌｏｒ　ｄｅｔｅｃｔｉｏｎ　

基于机器视觉的电子器件在线检测分选系统

基于机器视觉的电子器件在线检测分选系统

基于机器视觉的电子器件在线检测分选系统

李啸宇

(南京航空航天大学自动化学院,江苏南京󰀁210016)

摘要:针对一种声表面波滤波电子器件,设计了基于机器视觉的电子器件在线检测分选系统,详细论述了机器视觉系统的硬件组成和工作原理。在搭建系统硬件平台后,采用Qt应用程序框

架,结合OpenCV开发了一套电子器件在线检测分选系统软件。经过大量实验和长时间实际生

产运行表明,该系统检测速度快、识别准确率高、成本预算低,完全满足现代工业在线检测的需要。

关键词:机器视觉;电子器件;在线检测分选;Qt;OpenCV

中图分类号:TP391󰀁󰀁󰀁文献标识码:A󰀁󰀁󰀁文章编号:1672-1616(2011)07-0038-03

󰀁󰀁在电子器件制造流水线中,经常要对半成品或

成品的电子器件进行外观检测和分选。传统的检

测手段主要依靠自动送料振盘结合光电检测技术

来对有管脚的电子器件进行初步分选和有序定向排列。但是这种方法对电子器件在外形设计上有

一定的要求,如管脚的偏心、外形或重心的不对称

等。有些电子器件由于产品设计需要无法达到上述要求,此时机器视觉技术成为了一种替代的有效

检测手段。机器视觉技术因其具备在线检测、实时

分析、实时控制的能力以及高效、经济、灵活的优

点,成为现代电子器件在线检测技术中一种重要的技术手段[1]。本文以某一种声表面波滤波电子器

件为例。由于其外形对称,只有上表面存在标识,

传统的光电检测和振盘分选方法无法满足检测需要,故结合生产流水线结构,采用CMOS数字摄像

机、环形光源和工控计算机等设计了一套基于机器

视觉的外观标识识别在线检测分选系统。

1󰀁设计思路与系统组成

机器视觉系统一般包括以下部分:图像采集模块(光源、镜头、图像传感器)、图像处理模块(计算

机、图像处理软件)、执行机构(I/O卡、PLC、电磁

阀等)等。结构框图如图1所示。针对声表面波滤波器件体积小、表面光洁、标

识明显等特点,系统采用USB接口的黑白CMOS

机器视觉检测系统【深度解读】

机器视觉检测系统【深度解读】

机器视觉检测系统

现代工业自动化生产中涉及到各种各样的检验、生产监视和零件识别应用，如汽车零配件批量加工的尺寸检查和自动装配的完整性检查、电子装配线的元件自动定位、IC上的字符识别等。通常这种带有高度重复性和智能性的工作是由肉眼来完成的，但在某些特殊情况下，如对微小尺寸的精确快速测量、形状匹配以及颜色辨识等，依靠肉眼根本无法连续稳定地进行，其它物理量传感器也难以胜任。人们开始考虑用CCD照相机抓取图像后送入计算机或专用的图像处理模块，通过数字化处理，根据像素分布和亮度、颜色等信息来进行尺寸、形状、颜色等的判别。这种方法是把计算机处理的快速性、可重复性与肉眼视觉的高度智能化和抽象能力相结合，由此产生了机器视觉检测技术的概念。

视觉检测技术是建立在计算机视觉研究基础上的一门新兴测试技术。与计算机视觉研究的视觉模式识别、视觉理解等内容不同，视觉检测技术重点研究的是物体的几何尺寸及物体的位置测量，如轿车白车身三维尺寸的测量、模具等三维面形的快速测量、大型工件同轴度测量以及共面性测量等，它可以广泛应用于在线测量、逆向工程等主动、实时测量过程。视觉检测技术在国外发展很快，早在20世纪80年代，美国国家标准局就曾预计未来90％的检测任务将由视觉检测系统来完成。因此仅在80年代，美国就有100多家公司跻身于视觉检测系统的经营市场，可见视觉检测系统确实很有发展前途。在近几届北京国际机床展览会上已经见到国外企业展出的应用视觉检测技术研制的先进仪器，如流动式光学三坐标测量机、高速高精度数字化扫描系统、非接触式光学三坐标测量机等。

2.机器视觉检测系统构成、分类及工作原理

2.1 系统构成与工作原理

(1)系统构成

典型的视觉系统一般包括光源、镜头、CCD照相机、图像处理单元(或图像采集卡)、图像处理软件、监视器、通讯／输入输出单元等。

(2)工作原理

视觉系统的输出并非图像视频信号，而是经过运算处理之后的检测结果(如尺寸数据)。通常，机器视觉检测就是用机器代替肉眼来做测量和判断。