基于OPENCV和圖像減法的PCB缺陷檢測

原文地址：PCB defect detection USING OPENCV with image subtraction method

Abstract

在PCB制造業(yè)中，生產(chǎn)的一個最重要方面是質(zhì)量檢查。PCB板經(jīng)歷了從面板切割到層壓的大量生產(chǎn)過程，一塊板上的一個缺陷將使整個板過時。隨著電子電器需求的日益增長，對更高質(zhì)量元器件的需求也在不斷增長。由于商用AOI價格高昂，許多制造商無法進(jìn)行自動檢測。在這方面，計(jì)算機(jī)視覺可以為商業(yè)AOI提供一種替代方案，以幫助小型制造商進(jìn)行自動檢測。圖像減法和斑點(diǎn)檢測使用戶能夠輕松地發(fā)現(xiàn)PCB中的大量視覺缺陷，尤其是使用復(fù)雜的方法。通過解剖圖片并指出輸出圖像上的差異，可以快速檢查PCB，找出有缺陷的零件。因此，本論文將重點(diǎn)關(guān)注一個基本的圖像減法足以幫助制造商進(jìn)行質(zhì)量檢查的基礎(chǔ)。

關(guān)鍵詞-AOI；OpenCV；計(jì)算機(jī)視覺，PCB；圖像減法

I. INTRODUCTION

在這個信息時代，電子工具和電器的使用率每天都在上升，因此也意味著印刷電路板（PCB）的使用率更高，因?yàn)樗菐缀趺總€消費(fèi)電子電器的基礎(chǔ)平臺。隨著我們今天看到的技術(shù)進(jìn)步，PCB不僅被各行業(yè)所使用，而且也被大學(xué)生和業(yè)余愛好者所使用，這為小型PCB生產(chǎn)行業(yè)創(chuàng)造了市場，因?yàn)榕c過去相比，生產(chǎn)過程變得越來越容易。

為了滿足消費(fèi)者對優(yōu)質(zhì)電路板的需求，必須進(jìn)行質(zhì)量檢查和控制，以確保沒有影響PCB最終產(chǎn)品的缺陷，這就是為什么現(xiàn)在有必要進(jìn)行機(jī)器視覺檢查，以確保PCB的質(zhì)量良好。[1]

要進(jìn)行機(jī)器視覺檢查過程，通常PCB生產(chǎn)商必須使用自動光學(xué)檢查（AOI）系統(tǒng)[2]，對于通常不使用先進(jìn)機(jī)械來制造PCB的小型PCB生產(chǎn)商來說，這可能非常昂貴。

本文將重點(diǎn)研究通過OpenCV實(shí)現(xiàn)的計(jì)算機(jī)視覺技術(shù)，該技術(shù)使系統(tǒng)能夠捕獲、識別和分析圖像，為用戶找到信息，其中計(jì)算機(jī)視覺將用于利用OpenCV中包含的基于參考圖像的圖像減法檢測裸印刷PCB的缺陷。

檢測系統(tǒng)將基于圖像減影技術(shù)，以檢測減影結(jié)果上的殘余特性，并將其宣布為結(jié)果上的缺陷。系統(tǒng)中使用的所有方法都基于OpenCV庫，包括圖像處理、圖像減法和斑點(diǎn)檢測方法。

該系統(tǒng)的目的是提供一個能夠進(jìn)行質(zhì)量檢查的小型系統(tǒng)，以找出PCB生產(chǎn)中裸印制板上的任何缺陷，該系統(tǒng)將自動找到缺陷零件，提供PCB的狀態(tài)，并向系統(tǒng)用戶指出缺陷零件在PCB板上的位置。

考慮到時間和技術(shù)限制，項(xiàng)目中存在一些限制。最明顯的限制是，由于使用了圖像減法，為了使系統(tǒng)達(dá)到所需的精度，參考圖像和被檢查圖像必須具有相同的尺寸和圖像對齊。

II. RESEARCH METHODOLOGY

PCB檢查系統(tǒng)的基本概念是，它使系統(tǒng)用戶能夠通過輸入PCB的參考圖像來檢查其PCB，該圖像將是無缺陷PCB或與初始PCB設(shè)計(jì)對齊，然后將其與檢查的PCB圖像進(jìn)行比較，從而生成一個新圖像，其中PCB的缺陷部分將被指向并顯示在顯示窗口中，此外，包含已檢查PCB信息的信息，如發(fā)現(xiàn)的缺陷數(shù)量、PCB狀態(tài)和所用時間 去處理將顯示以測量系統(tǒng)的性能。

該檢測系統(tǒng)利用OpenCV庫的方法和功能**，尤其是圖像處理技術(shù)，包括高斯模糊、閾值、圖像形態(tài)學(xué)、圖像減法和斑點(diǎn)檢測。**

第一個過程是圖像捕獲，其中參考圖像和被檢查的PCB圖像被插入到系統(tǒng)中。在這個項(xiàng)目中，獲取PCB圖像的方法是通過程序從代碼中手動完成的。圖像被放入程序的文件夾中，然后由系統(tǒng)自動拾取。

下一個過程是圖像預(yù)處理階段，在該階段中，將使用多個圖像處理過程來準(zhǔn)備每個圖像，以將原始圖像轉(zhuǎn)換為二進(jìn)制形式，用于發(fā)現(xiàn)PCB的缺陷部分。

系統(tǒng)中包含的最后一個過程是缺陷檢測過程，該過程將輸出PCB檢查圖像的結(jié)果。經(jīng)過處理的參考和檢查的PCB圖像都將進(jìn)入相同的步驟，即圖像減法，以找出兩個圖像之間的差異，此過程將創(chuàng)建一個新圖像，即參考圖像和檢查的PCB圖像之間的絕對差異。之后，圖像將經(jīng)過斑點(diǎn)檢測過程，系統(tǒng)將查找差分圖像中殘留的任何物體斑點(diǎn)。如果仍有斑點(diǎn)，系統(tǒng)將對其進(jìn)行標(biāo)記，然后繪制關(guān)鍵點(diǎn)，以便向用戶報(bào)告PCB的缺陷部件所在的位置

圖像必須經(jīng)過的第二個過程是預(yù)處理設(shè)計(jì)。在此階段，圖像將應(yīng)用多種圖像處理方法，以提取所需的相關(guān)信息。以下是此過程中使用的OpenCV函數(shù)。

**Gaussian Blurring **首先應(yīng)用于圖像，以平滑圖像并減少可能影響系統(tǒng)精度的任何噪聲。要執(zhí)行此過程，調(diào)用OpenCV庫中的函數(shù)GaussianBlur（）

轉(zhuǎn)換為灰度級，模糊圖像將轉(zhuǎn)換為灰度圖像。在處理開始時，圖像作為RGB模型圖像插入，這對于系統(tǒng)轉(zhuǎn)換為二值圖像而言不是最佳選擇。在此過程中，將使用cvtColor（）函數(shù)。

閾值處理過程在圖像轉(zhuǎn)換為灰度后開始，系統(tǒng)將繼續(xù)將其轉(zhuǎn)換為二進(jìn)制形式。它使用OpenCV庫中包含的名為threshold（）的函數(shù)。對于此過程，使用的閾值為127，最大值為255，并且為反向二進(jìn)制閾值類型。完成此過程是為了使系統(tǒng)能夠創(chuàng)建斑點(diǎn)以供后期檢查。

在形態(tài)學(xué)步驟中，通過OpenCV庫中包含的形態(tài)學(xué)函數(shù)完成結(jié)構(gòu)元素操作。使用的形態(tài)學(xué)方法是閉合法，它可以去除可能影響系統(tǒng)精度的小孔和圓點(diǎn)。閉合形態(tài)學(xué)方法包括先進(jìn)行膨脹，然后進(jìn)行侵蝕，直到滿足系統(tǒng)要求為止。調(diào)用的函數(shù)是morphologyEx（）。

缺陷檢測在圖像預(yù)處理步驟完成后開始，處理后的參考圖像和檢查的PCB圖像將進(jìn)入同一步驟，即圖像減法，以找出兩個圖像之間的差異，此過程將創(chuàng)建一個新圖像，即參考圖像和檢查的PCB圖像之間的絕對差異。

然后，圖像將經(jīng)過斑點(diǎn)檢測過程，系統(tǒng)將查找差分圖像中殘留的任何物體斑點(diǎn)。如果還有斑點(diǎn)，該系統(tǒng)將對其進(jìn)行標(biāo)記，然后繪制關(guān)鍵點(diǎn)，以便向用戶報(bào)告PCB缺陷部件的位置。

以下是缺陷檢測過程中使用的OpenCV功能。

**圖像減法 **

在參考和檢查的PCB圖像都經(jīng)過預(yù)處理后，兩幅圖像的格式都是二進(jìn)制的，僅由0和1組成。使用OpenCV庫中包含的absdiff（）函數(shù)，執(zhí)行異或操作，該操作將創(chuàng)建一個新的臨時圖像，其中包含參考圖像和已檢查PCB圖像之間的差異。為了繼續(xù)下一步，即斑點(diǎn)檢測，再次應(yīng)用閾值函數(shù)來反轉(zhuǎn)顏色。

污點(diǎn)檢測********

從圖像減法中找出殘差，這種方法也稱為BLOB。PCB檢查方法使用了幾個參數(shù)，即Area, Circularity, Convexity, and Inertia。面積轉(zhuǎn)化為剩余斑點(diǎn)的密度，圓度衡量斑點(diǎn)與圓形的接近程度，凸度指斑點(diǎn)的凸面形狀，慣性指斑點(diǎn)的形狀，無論是圓形還是接近直線。系統(tǒng)使用的最小面積為50，最小圓度為0.01，最小凸度為0.5，最小慣性比為0.009。

**繪圖關(guān)鍵點(diǎn) **

標(biāo)記blob后，將在blob上繪制關(guān)鍵點(diǎn)，以確保blob檢測按預(yù)期工作。函數(shù)的作用是：在檢測到的水滴周圍繪制圓圈。對于系統(tǒng)的最后一部分，還將在已檢查的PCB圖像上繪制關(guān)鍵點(diǎn)，以向用戶顯示缺陷零件的位置。

**PCB質(zhì)量檢查 **

一般而言，質(zhì)量檢查是一項(xiàng)檢查產(chǎn)品質(zhì)量的活動，應(yīng)用于制造過程和組織分析。[3]

PCB或印刷電路板是一種由層壓材料（如玻璃纖維）制成的薄板，其上刻有導(dǎo)電通路，用于連接嵌入PCB上的不同組件，如晶體管、電阻器和集成電路。這些組件焊接到PCB上的導(dǎo)電軌道上，使它們能夠一起工作。在PCB制造業(yè)中，質(zhì)量檢查在生產(chǎn)過程中至關(guān)重要，以避免每個電路板上存在任何缺陷零件，因?yàn)樵赑CB中發(fā)現(xiàn)的任何缺陷零件都可能導(dǎo)致設(shè)計(jì)偏差，從而導(dǎo)致PCB不工作。Moganti在1996年提出了三種PCB檢測算法，分別是由圖像比較技術(shù)組成的參考方法、基于PCB元件通用設(shè)計(jì)規(guī)則的非參考方法和參考與非參考相結(jié)合的混合方法。[4]

有幾種方法或解決方案可用于使用參考方法進(jìn)行PCB檢查，其中一種方法是使用自動光學(xué)檢查。自動光學(xué)檢查（AOI）系統(tǒng)顧名思義，是一種對印刷電路板（PCB）或其他電子元件生產(chǎn)進(jìn)行的自動視覺檢查，其中攝像頭用于自動掃描產(chǎn)品表面的質(zhì)量缺陷，并將缺陷產(chǎn)品從其余生產(chǎn)中分揀出來。AOI系統(tǒng)一般在計(jì)算機(jī)視覺學(xué)科范圍內(nèi)工作，這是人工智能研究領(lǐng)域的一個分支。

PCB缺陷

對于PCB面板，有各種缺陷可能會影響印刷在PCB上的圖案。有幾種類型的缺陷可分為功能缺陷和視覺缺陷。

功能缺陷嚴(yán)重影響PCB的功能，因?yàn)樗鼈儠p壞PCB，導(dǎo)致設(shè)計(jì)和產(chǎn)品不一致而出現(xiàn)故障。另一方面，視覺缺陷，正如其名稱所述，只是在短時間內(nèi)不會損害PCB的小缺陷。然而，在很長一段時間內(nèi)，視覺缺陷也會影響PCB的功能，因?yàn)樵O(shè)計(jì)和當(dāng)前產(chǎn)品之間的不一致會導(dǎo)致潛在的缺陷。因此，檢查以確保PCB沒有任何類型的缺陷至關(guān)重要。

在有缺陷的PCB中，可以發(fā)現(xiàn)各種缺陷，如圖5所示，其中缺陷分為以下類型：

Breakout

Pinhole

Open

Under etch

Mouse bite

Missing conductor

Spur

Short

Wrong Size Hole

Conductor too close

Spurious Copper

Excessive Short

Missing Hole

Overetch

圖像處理

從本質(zhì)上講，圖像處理是一個提取圖像處理、檢測、導(dǎo)航和識別所需視覺信息的過程。這是一個系統(tǒng)需要執(zhí)行的過程，有時是按照精確的順序，以獲取可以從輸入圖像中獲取的附加信息。[5]

高斯模糊或高斯平滑是圖像處理中常用的一種技術(shù)或方法。對數(shù)字圖像應(yīng)用高斯模糊的主要目的是平滑粗糙邊緣，降低圖像分辨率，并減少噪聲。[6]

在2D平面場景中，函數(shù)的方程將使用同心圓創(chuàng)建一個曲面作為圖像的輪廓。然后，從中心點(diǎn)開始應(yīng)用高斯分布，然后創(chuàng)建值，形成卷積矩陣。然后將矩陣應(yīng)用于參考圖像。這個新矩陣包含幾個像素值，這些值是相鄰像素的加權(quán)平均值。受高斯函數(shù)影響的原始像素將具有對最高高斯值貢獻(xiàn)的最大權(quán)重，而較小權(quán)重將以與原始像素的距離的增量加載到其相鄰像素。[7]

圖像閾值分割是計(jì)算機(jī)視覺中最簡單的圖像分割方法之一。閾值化是一個過程，其中灰度圖像將作為輸入圖像插入到該過程中，然后進(jìn)行處理以創(chuàng)建二值圖像。[8]

它的工作方式是，由于灰度圖像僅包含一個范圍為0到255的單個值，因此將使用一個稱為T的常量作為基數(shù)，根據(jù)像素中包含的當(dāng)前值與T值進(jìn)行比較來修改圖像。如果圖像強(qiáng)度I（I，j）小于T值，則返回0值（黑色），反之，返回255值（白色）。

二值圖像形態(tài)學(xué)是一種利用結(jié)構(gòu)元素對二值圖像進(jìn)行處理的圖像處理方法。結(jié)構(gòu)元素本身是一個參考或基礎(chǔ)二進(jìn)制圖像，用于處理輸入圖像以獲得所需的結(jié)果圖像。圖像形態(tài)學(xué)用于將二值圖像處理或變形為若干形狀或斑點(diǎn)，以便從圖像中提取新信息。雖然結(jié)構(gòu)元素有多種形狀，但在二值圖像形態(tài)學(xué)中使用最多的形狀是長方體和環(huán)形。[5]

圖像相減是一種算法或過程，其中系統(tǒng)將兩幅圖像作為輸入，然后生成結(jié)果圖像的輸出，其像素值僅從第一幅圖像的像素值減去第二幅圖像的像素值得到。[9]

有幾種方法可以進(jìn)行圖像減法，即嚴(yán)格減去兩幅圖像中的像素值，即簡單地減去圖像中包含的像素值，或計(jì)算兩幅圖像的絕對差值。

IV. RESULTS

使用兩種圖像測試系統(tǒng)的性能，一種是720p以下的低分辨率圖像，另一種是720p以上的高分辨率圖像。這些圖像是從在線存儲庫中獲取的，其中人為缺陷應(yīng)用于圖像上，用于測試目的。

Result Analysis

從兩張測試圖像中，以下是缺陷檢測系統(tǒng)的結(jié)果。

從以上數(shù)據(jù)來看，目前使用圖像減法檢測PCB上的缺陷零件的方法被證明速度非?？?#xff0c;從低分辨率圖像的0.856秒到高分辨率圖像的2.68s不等，這比人工檢查速度更快。

圖像的大小表示每次檢查的時間，因?yàn)閳D像越大，處理的像素越多，完成檢查過程所需的時間就越長。系統(tǒng)的精度也由圖像的大小或分辨率來表示，隨著圖像的精度或分辨率越高，程序的精度也會提高

該系統(tǒng)能夠檢測所有測試板上的缺陷零件，這是該項(xiàng)目的主要目標(biāo)。

V. CONCLUSION

PCB檢測系統(tǒng)能夠使用圖像減法以非?？斓乃俣葯z測出有缺陷的PCB，根據(jù)處理的數(shù)字圖像源的大小從0.856秒到2.68秒不等。盡管能夠在每一塊被測電路板上發(fā)現(xiàn)缺陷，但在蝕刻電路板上使用圖像減法進(jìn)行PCB檢查的準(zhǔn)確性并不令人滿意，如果有許多電路板有銅痕跡或電路缺陷，這將是至關(guān)重要的。然而，從測試結(jié)果可以得出結(jié)論，圖像的分辨率直接影響精度，圖像大小越大，檢測精度也越高。

測試結(jié)果表明，該系統(tǒng)有待改進(jìn)，以提高缺陷檢測的準(zhǔn)確性。以下是一些可以改進(jìn)系統(tǒng)和克服限制的建議：

1、改進(jìn)斑點(diǎn)檢測和形態(tài)學(xué)算法，進(jìn)一步提高系統(tǒng)精度。

2、對圖像應(yīng)用Hough變換過程和圖像分割，以提高精度，減少參考圖像和檢查圖像大小和對齊方式相同的必要性。

3、實(shí)現(xiàn)圖像分割方法，以便系統(tǒng)能夠處理分辨率比系統(tǒng)硬件規(guī)格更高的圖像。

4、研究另一種提高系統(tǒng)性能的方法

總結(jié)

以上是生活随笔為你收集整理的基于OPENCV和图像减法的PCB缺陷检测的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。