四川广泰科技有限公司

基于机器视觉的电路板焊接点检测设计

发表时间：2023-04-23 09:50

图像处理技术是以计算机视觉为基础，在计算机领域得到广泛应用的技术，包括光学、光电子学、信号处理、图像处理等一系列学科。在21世纪制造业自动化程度快速发展的时期，图像处理技术已经走向实际生产应用，成为生产过程中的关键技术之一，具有广泛的应用前景。

焊接是两种或两种以上同种或异种材料通过原子或分子之间的结合和扩散连接成一体的工艺过程，已渗透到制造业的各个领域，直接影响到产品的质量，可靠性和寿命以及生产成本、效率和市场反应速度。鉴于焊接技术的发展现状以及焊接过程中各种因素的影响，焊接需要经过人工打磨的后处理工序才能得到高质量的焊接点，但人工打磨耗时耗力，并且生产周期长，质量得不到保证。并且在基于视觉的自动焊接中，由于焊接图像是复杂多变的，要准确得到焊接点位置选择合理高效的处理算法是非常重要的。针对这一问题为焊缝图像提出了一系列处理步骤,它包括中值滤波、自适应阈值二值化、孤点滤波、边缘检测、焊接点位置搜索五步。

设计目标：实现对电路板中焊接圆点的检测，并测量焊接点直径。

技术指标：测量出焊接点直径大小，通过对比确定产品是否合格。

图像处理拟采用的方法

对于焊接点图像处理有两类方法可选择：

频域处理 这种方法是先将图像进行离散傅里叶变换，然后再对图像进行处理和分析；

空域的处理 这种方法是直接对图像进行处理和分析。

频域的图像处理需要消耗大量的时间，这对于实时焊缝的跟踪来说并不太适合，因此选用了空域的处理方法。然而图像处理是按一系列的步骤进行的，前一步处理是后一步处理的基础。所以每一步都要尝试去寻找最优的方案，以确保结果的准确性。

步骤： 获取图像；分割图像（区分前景像素和背景像素）；特征提取（比如面积、重心、旋转角度等）。

在采用图像法的视觉跟踪焊接系统中,电弧的干扰和焊缝表面噪声一直都是最大的干扰因素。对于静止图像可以采取很多较复杂的算法进行处理,而不用考虑图像的实时处理速度和时间。另外在实时处理系统中还要考虑到图像处理的速度问题。

利用二进小波对焊缝图像预处理 采用传统的消除噪声方法等价于信号通过1个低通或带通滤波器,但是对于短时、低能量的瞬变信号（例如阶跃信号和脉冲信号）在低信噪比情况下，经过滤波器的平滑，不仅信噪比得不到较大改善，而且信号的位置信息也被模糊掉了。因此必须选择一种更完善的滤波方法，给图像的后续处理打下良好的基础。至于LAPLA2CIAN 算子等常用的图像预处理方法,对于焊缝本身的边缘模糊性及各种干扰噪声相当敏感。另外，由于它不能充分利用焊缝区域的整个信息，导致检测边缘比较模糊的焊缝时可靠性和准确性下降，从而产生假的焊缝特征点。神经网络可以建立焊缝模式判别的映射关系，以实现焊缝轨迹识别,但这种关系建立必须有足够多的训练样本和足够长的训练时间,且识别运算时间较长。基于以上的原因，在充分考察各种算法的基础上，我们采用小波变换方法进行滤波。

原理分析 Blob分析（Blob Analysis。Blob分析（Blob Analysis）是对图像中相同像素的连通域进行分析(该连通域称为Blob)。其过程其实就是将图像进行二值化，分割得到前景和背景，然后进行连通区域检测，从而得到Blob块的过程。简单来说，blob分析就是在一块“光滑”区域内，将出现“灰度突变”的小区域寻找出来。举例来说，假如现在有一块刚生产出来的玻璃，表面非常光滑，平整。如果这块玻璃上面没有瑕疵，那么，我们是检测不到“灰度突变”的；相反，如果在玻璃生产线上，由于种种原因，造成了玻璃上面有一个凸起的小泡、有一块黑斑、有一点裂缝，那么，我们就能在这块玻璃上面检测到纹理，经二值化（Binary Thresholding）处理后的图像中色斑可认为是blob。而这些部分，就是生产过程中造成的瑕疵，这个过程，就是Blob分析。Blob分析工具可以从背景中分离出目标，并可以计算出目标的数量、位置、形状、方向和大小，还可以提供相关斑点间的拓扑结构。在处理过程中不是对单个像素逐一分析，而是对图像的“行”进行操作。图像的每一行都用游程长度编码（RLE）来表示相邻的目标范围。这种算法与基于像素的算法相比，大大提高了处理的速度。

自动全局阈值分割方法一： 计算直方图；寻找出现频率最多的灰度值；在threshold中使用与最大值有一定的距离的值作为阈值；

自动全局阈值分割方法二：多次迭代平滑；查找两个波峰；使用threshold找到两波峰之间的最小值。

常用图像分割算子：threshold:全局阈值二值化；bin_threshold:自动阈值二值化；dyn_threshold:本地阈值二值化；watersheds:分水岭。

Blob分析的主要过程：获取图像；分割图像（区分前景像素和背景像素）；特征提取（比如面积、重心、旋转角度等）。

视觉检测过程设计

原始输入去噪图像：

选定感兴趣区域：

阈值分割，连接相似区域：

去掉小尾巴：

选择圆度区域，恢复焊接球：

计算直径：

视觉系统设计注意事项

在机器视觉系统设计的过程中，我们应该注意：

检测目标物	目标物是什么，形状、大小
检测目的	检测指标如位置、缺陷、尺寸等
工作距离	镜头到检测物的距离
目标大小	视觉系统的视场
检测速度	每分钟测量的快慢及图像处理速度的要求
工位信号	有工位触发信号还是需要自动连续拍摄图像
材质	检测物表面光学性质，发光、反光或纯黑等
合格判断	有无OK/NG的判断标准
剔除或控制信号	是否需要自动剔除次品？位置？信号？
工作环境	视觉系统环境温度、湿度、粉尘、干扰光等

明确了系统各部分的功能，就需要把各个子系统集成到一个整机系统中，在这个过程中我们需要注意以下几点:

01.选择系统硬件时，应当尽量选择技术成熟、可靠性高的产品。

02.把系统分割成多个模块，把每一部分集成到一起，确保能够正确地工作，然后再把这些模块组成一个大系统。只有把一个大的系统分割成小到我们能够很容易处理的小块，才能够有效地完成。

03.充分考虑现场条件:在实验室里开发的系统，安装到使用。

（End)

猜你喜欢的文章

▶ Dalsa机器视觉在汽车组装检测中的应用

▶ 产品裂纹与划痕的机器视觉检测

▶ 火眼金睛DALSA Sherlock8

▶ 机器视觉如何保证轴承的良品率

微信二维码.jpg

请扫码关注我们微信公众号阅读更多产业信息