隨著現(xiàn)代科技的發(fā)展，視覺傳感器已突破傳統(tǒng)的功能[1]，其輸出是經(jīng)過微電腦處理后的圖像數(shù)字信號(hào),有的甚至帶有控制功能。視覺傳感器產(chǎn)品有CMOS和CCD兩種，以其作為核心視覺傳感技術(shù)現(xiàn)已廣泛應(yīng)用于人們的生產(chǎn)、生活各個(gè)方面，尤其是在、藥品、食品、紡織、印刷、包裝、半導(dǎo)體等行業(yè)的自動(dòng)化生產(chǎn)線上的工業(yè)檢測(cè)中得到了大量應(yīng)用[2-5]。

    印刷電路板(PCB)缺陷自動(dòng)檢測(cè)系統(tǒng)正是利用這種視覺傳感器來(lái)代替人工視覺，使之在大批量工業(yè)生產(chǎn)過程中，克服人工目視檢測(cè)的局限性，從而大大提高生產(chǎn)效率和生產(chǎn)的自動(dòng)化程度[6]。在PCB自動(dòng)檢測(cè)系統(tǒng)的研究方面，國(guó)外的科研機(jī)構(gòu)和公司起步較早。目前我國(guó)市場(chǎng)上的PCB自動(dòng)檢測(cè)系統(tǒng)基本上都是國(guó)外產(chǎn)品，如英國(guó)DiagnoSYS公司的VisionPoint系統(tǒng)、美國(guó)Teradyne公司的5500系統(tǒng)和Angilent公司的5DX(帶X射線)系統(tǒng)等。而國(guó)內(nèi)生產(chǎn)的PCB自動(dòng)檢測(cè)系統(tǒng)卻處于探索性研究和起步階段，沒有從根本上獲得對(duì)該項(xiàng)設(shè)備的關(guān)鍵技術(shù)和知識(shí)產(chǎn)權(quán)。
    由于進(jìn)口設(shè)備價(jià)格昂貴，給國(guó)內(nèi)PCB廠家?guī)?lái)了巨大的經(jīng)濟(jì)壓力，同時(shí)這些設(shè)備往往不符合國(guó)內(nèi)操作人員的習(xí)慣。針對(duì)這一情況，本文結(jié)合我國(guó)實(shí)際情況，集光機(jī)電一體化，綜合應(yīng)用數(shù)字圖像處理、傳感器、智能機(jī)器人控制等技術(shù)，研究了一種基于視覺傳感器的PCB缺陷檢測(cè)系統(tǒng)。該系統(tǒng)的機(jī)械、電氣部分通過穩(wěn)定協(xié)調(diào)工作，獲取高清晰度和高分辨率的圖像，完成了復(fù)雜的檢測(cè)和PCB板的分揀工作。
1 PCB缺陷檢測(cè)系統(tǒng)硬件設(shè)計(jì)
1.1系統(tǒng)工作原理
     基于視覺傳感器的PCB缺陷檢測(cè)系統(tǒng)是高速實(shí)時(shí)控制系統(tǒng)，因而要求其具備速度快、控制及時(shí)等性能。在連續(xù)檢測(cè)時(shí),軟件通過串口給PLC發(fā)送指令啟動(dòng)流水線，將待檢測(cè)物品放置在流水線上，進(jìn)入檢測(cè)機(jī)柜觸發(fā)攝像機(jī)光電傳感器。PC機(jī)使用特殊的圖像采集卡和CCD攝像機(jī)連續(xù)地對(duì)被檢PCB進(jìn)行拍照,得到圖像的數(shù)字化信息,并通過數(shù)字圖像處理與分析比較獲得PCB缺陷檢測(cè)的決策信息,之后再將該信息反饋給機(jī)器臂分揀系統(tǒng)和PLC，完成對(duì)不合格產(chǎn)品的實(shí)時(shí)自動(dòng)分揀。系統(tǒng)的工作流程如圖1所示。

1.2 視覺傳感器系統(tǒng)
    視覺傳感器主要研究用計(jì)算機(jī)模擬人的視覺功能,從客觀事物的圖像中提取信息，進(jìn)行處理并加以理解，最終用于實(shí)際檢測(cè)、測(cè)量和控制。如圖2所示，在本系統(tǒng)中，工業(yè)CCD（美國(guó)cognex Insight micro-1403型智能相機(jī)）將目標(biāo)轉(zhuǎn)換成圖像信號(hào)，然后轉(zhuǎn)變成數(shù)字化信號(hào)傳送給專用的圖像處理系統(tǒng)，并根據(jù)像素分布、亮度和顏色等信息，進(jìn)行各種運(yùn)算抽取目標(biāo)的特征。最后將得到的結(jié)果信號(hào)反饋到控制執(zhí)行裝置（本文采用的是機(jī)械手），進(jìn)而對(duì)被檢目標(biāo)進(jìn)行次品分揀等操作。光源照明技術(shù)采用的是LED同軸光源照明。

2 PCB缺陷檢測(cè)算法
    二維最大類間方差閾值分割[7]的方法是同時(shí)考慮圖像的灰度分布和圖像的灰度像素之間的空間相關(guān)信息，采用離散測(cè)度矩陣的跡作為類間距離測(cè)度函數(shù)，當(dāng)其取得最大值時(shí)，獲得最佳閾值向量(t*,s*)。該算法主要處理對(duì)PCB功能影響最大的幾種缺陷：缺損、毛刺、短路和斷路。圖像即使在信噪比低，且受光照不均勻的情況下也能獲得很高的分割精度。
    在PCB缺陷檢測(cè)過程中，假設(shè)原始灰度圖像f(x,y)的總灰度級(jí)為256，其鄰域平均灰度級(jí)表示為g(x,y)。向量(i,j)表示二維直方圖[f(x,y),g(x,y)]，Pij為向量(i,j)發(fā)生的頻率，其中0≤i、 j≤255。以二維向量（t，s）作為閾值將圖像分割成兩部分，目標(biāo)類和背景類。
    基于二維最大類間方差閾值分割算法進(jìn)行PCB缺陷檢測(cè)的計(jì)算步驟歸納如下：
    (1)圖像預(yù)處理。首先將CCD獲取的彩色圖像變換成灰度圖像，并采用5×5的中值濾波器去除采集圖像時(shí)受到的椒鹽噪聲和高斯噪聲引發(fā)的污染。
　(2)初始化。設(shè)定像素灰度級(jí)閾值t的初始值t0為圖像灰度級(jí)均值，鄰域平均灰度級(jí)閾值s的初始值s0為領(lǐng)域平均灰度級(jí)均值。取正方形領(lǐng)域窗口的寬度為5。
　(3)進(jìn)行變量的迭代更新。W0表示目標(biāo)類在整幅圖像中占有的比例，W1代表背景類所占的比例,則目標(biāo)類和背景類相應(yīng)的均值向量為：

    (6)進(jìn)行面積閾值處理。經(jīng)過“異或”后的圖像會(huì)因?yàn)楣に嚥痪_產(chǎn)生一定的噪聲，從而需要去噪得到準(zhǔn)確的缺陷圖。本文采用面積閾值處理方法進(jìn)行去噪。
    基于二維最大類間方差閾值分割算法的PCB缺陷檢測(cè)過程如圖3所示。

3 實(shí)驗(yàn)結(jié)果與分析
    系統(tǒng)的主控計(jì)算機(jī)配置為Intel Core 2 Duo CPU、內(nèi)存為2 GB、主頻為2.2 GHz；成像系統(tǒng)采用美國(guó)cognex Insight micro-1403型智能相機(jī)以及日本computar公司的25 mm鏡頭、LED光源和立體分束器；軟件開發(fā)環(huán)境采用VC++ 6.0。應(yīng)用本文算法獲得的各階段圖像檢測(cè)結(jié)果如圖4所示。
    為驗(yàn)證算法的實(shí)時(shí)性以及結(jié)果的穩(wěn)定性，實(shí)驗(yàn)選取

    表1中，由于有的PCB缺陷比較小，及背景與目標(biāo)的灰度差異不大，導(dǎo)致不合格品被檢測(cè)為合格品。而合格品被檢測(cè)為不合格品，原因是由于最后為了去除噪聲等干擾因素造成了虛假缺陷，需要一個(gè)面積閾值。提取出大于該面積的缺陷。故而，對(duì)于面積較小的PCB缺陷檢測(cè)偏差較大。究其原因，此類缺陷對(duì)噪聲影響較敏感。因此如何提高小缺陷精確檢測(cè)率是今后必須研究的內(nèi)容之一。
    本文設(shè)計(jì)了一種新型的基于視覺傳感器的PCB缺陷檢測(cè)系統(tǒng)，該系統(tǒng)以視覺傳感器為基礎(chǔ)，以圖像處理結(jié)果作為決策準(zhǔn)則，能夠?qū)崿F(xiàn)PCB的各種檢測(cè)。本文進(jìn)行了其中一種檢測(cè)，通過采用二維最大類間閾值分割的方法，對(duì)PCB的缺陷(如缺損、毛刺、短路和斷路等)檢測(cè)進(jìn)行實(shí)驗(yàn)論證。實(shí)驗(yàn)表明，該P(yáng)CB缺陷智能視覺檢測(cè)系統(tǒng)能夠很好地解決人工檢測(cè)帶來(lái)的檢測(cè)效率低、誤檢漏檢率大等問題，極大地提高了檢測(cè)速度和產(chǎn)品質(zhì)量，滿足了自動(dòng)化生產(chǎn)的需求,實(shí)現(xiàn)了高速高精度的在線檢測(cè)。
參考文獻(xiàn)
[1] 周汝派. 視覺傳感的介紹及其行業(yè)發(fā)展趨勢(shì)[J]. Experiment Science & Technology， 2006(12)：118-120.
[2] 黃文清,汪亞明,周志宇. 計(jì)算機(jī)視覺技術(shù)在工業(yè)領(lǐng)域中的應(yīng)用[J]. 浙江工程學(xué)院學(xué)報(bào), 2002,19（2）：92-96.
[3] 楊福剛. 基于視覺傳感器的輸液中異物檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 傳感器與微系統(tǒng), 2010,29（3）：74-76.
[4] DUAN F, WANG Y N. A machine vision inspector for beer bottle[J]. Int. J. Engineering Applications of Artificial Intelligence,2007,20(7):1013-1021.
[5] 張輝, 王耀南, 葛繼,等. 液體藥品異物檢測(cè)機(jī)器人系統(tǒng)的設(shè)計(jì)[J]. 中國(guó)機(jī)械工程， 2009,10(10)：2493-2498.
[6] 周黨群, 程憲平, 李剛健. PCB視覺檢測(cè)系統(tǒng)中目標(biāo)圖像提取的研究[J]. 電子測(cè)量與儀器學(xué)報(bào),2001,15(3)：
10-13.
[7] 吳一全，吳文怡，潘吉. 二維最大類間方差閾值分割的快速迭代算法[J]. 中國(guó)體視學(xué)與圖像分析，2007,12(3)：216-220.