柔性印刷線路板LED缺陷檢測(cè)方法的研究

李 飛，馮開勇，苑瑋琦

沈陽工業(yè)大學(xué) 信息科學(xué)與工程學(xué)院，沈陽110870

1 引言

電腦鍵盤上的線路板不同于剛性PCB電路板，具有可折疊和易變形等特點(diǎn)，稱為柔性印刷線路板（FPC），F(xiàn)PC 上LED 指示燈的合格與否直接會(huì)影響一張F(tuán)PC 能不能進(jìn)入市場(chǎng)。FPC上LED的尺寸一般為2 mm×3 mm，在生產(chǎn)過程中，貼片粘貼焊盤的操作過程以及工作人員的操作失誤等都可能造成LED 漏貼和粘偏的質(zhì)量問題，由于LED的燈芯發(fā)光區(qū)域比LED區(qū)域更小，LED質(zhì)量問題會(huì)導(dǎo)致封膠之后的LED 發(fā)光微弱或直接不發(fā)光。目前國內(nèi)多數(shù)企業(yè)都是人工目測(cè)FPC上LED的缺陷，該方式效率低且容易發(fā)生漏檢和誤檢，產(chǎn)品很難打入歐美日等發(fā)達(dá)國家。

經(jīng)文獻(xiàn)搜索，國內(nèi)外大部分研究都是針對(duì)PCB 上LED 進(jìn)行缺陷檢測(cè)。林宏達(dá)教授采用灰度關(guān)聯(lián)來檢測(cè)LED 上環(huán)氧樹脂填料圓頂表面出現(xiàn)的微小缺陷[1]；Chung-Feng Jeffrey Kuo教授使用兩級(jí)反向傳播神經(jīng)網(wǎng)絡(luò)算法來檢測(cè)LED 芯片上的殘留物和劃痕缺陷，他們都是對(duì)LED表面的紋理缺陷進(jìn)行檢測(cè)[2]；程良倫教授采用二值投影的梯度來確定LED 的兩級(jí)端面，再通過預(yù)設(shè)的中心判斷LED 的偏移情況[3]。由于本文針對(duì)的貼片式LED 的有效區(qū)域是由焊盤確定，所以以上文獻(xiàn)中的方法都不適合。2017年文獻(xiàn)[4]對(duì)FPC上的LED進(jìn)行了研究，其在硬件上使用1 280×960 像素的面陣相機(jī)結(jié)合環(huán)形白光源對(duì)LED 區(qū)域進(jìn)行成像，在算法上使用模板匹配定位焊盤，采用有效區(qū)域與LED 區(qū)域的交集與差集對(duì)粘偏的LED 進(jìn)行缺陷判斷，算法需要對(duì)每類LED 進(jìn)行預(yù)先注冊(cè)獲得焊盤的有效區(qū)域。但由于使用的面陣相機(jī)視野范圍小，當(dāng)兩顆LED 的位置靠得太近又不能同時(shí)在一個(gè)相機(jī)視野內(nèi)成像時(shí)，將導(dǎo)致大批材料中相鄰較近的LED 漏檢；還需要對(duì)每類LED 進(jìn)行注冊(cè)來獲取有效區(qū)域，顯得尤為麻煩。針對(duì)以上問題，本文提出一種使用線陣相機(jī)獲取FPC 大圖數(shù)據(jù)并檢測(cè)小區(qū)域LED質(zhì)量缺陷的方法。

2 LED粘貼質(zhì)量檢測(cè)硬件系統(tǒng)設(shè)計(jì)

本文設(shè)計(jì)的LED檢測(cè)硬件系統(tǒng)如圖1所示，硬件系統(tǒng)由機(jī)械平臺(tái)和成像系統(tǒng)兩部分組成，成像系統(tǒng)包括相機(jī)、鏡頭、光源、采集卡和編碼器等設(shè)備。

圖1 LED粘貼質(zhì)量檢測(cè)硬件系統(tǒng)圖

系統(tǒng)成像設(shè)計(jì)過程如下：貼片機(jī)粘貼完貼片之后，將載有FPC材料的底板通過傳送帶傳送至LED粘貼質(zhì)量檢測(cè)系統(tǒng)，底板接觸到光電開關(guān)后停止，動(dòng)力控制模塊帶動(dòng)搭載成像設(shè)備的龍門架移動(dòng)，同時(shí)相機(jī)開始成像。底板的長寬為755 mm×435 mm，最多可以放置9張F(tuán)PC材料，由于各類FPC材料上LED的位置分布以及個(gè)數(shù)并不固定，本文采用分辨率為8 192 的線陣相機(jī)采集1～4 張圖片。為了滿足圖1 中相機(jī)連續(xù)的高速采集，采用硬觸發(fā)方式觸發(fā)相機(jī)成像，伺服驅(qū)動(dòng)器驅(qū)動(dòng)電機(jī)帶動(dòng)龍門架移動(dòng)時(shí)會(huì)發(fā)送一個(gè)幀信號(hào)觸發(fā)相機(jī)準(zhǔn)備成像，伺服電機(jī)轉(zhuǎn)動(dòng)一周為100 mm，通過編碼器和倍頻器發(fā)出個(gè)9 360 行脈沖觸發(fā)信號(hào)，得到采集圖像的分辨率為10.68 μm，成像一張圖像的大小為8 192×70 000像素。

3 圖像預(yù)處理

3.1 LED缺陷分析

LED 的缺陷分為漏貼和粘偏，圖2（a）為合格的LED，圖2（b）為漏貼的LED，圖2（c）和（d）為粘偏的LED，其貼片燈芯坐標(biāo)偏離焊盤中心坐標(biāo)規(guī)定的要求，粘偏示意圖如圖2（e）所示，即當(dāng)a 超過物理距離0.20 mm（18 個(gè)像素）為上下偏移，當(dāng)b 超過物理距離0.16 mm（15個(gè)像素）時(shí)為左右偏移，判斷LED的缺陷質(zhì)量首先需要在大圖上定位到LED區(qū)域。

圖2 LED缺陷類型

3.2 二值化及形態(tài)學(xué)操作

成像系統(tǒng)采集的圖像大小為8 192×70 000 像素，圖3（a）中截取大圖中0.2%的局部區(qū)域進(jìn)行顯示。由于處理灰度大圖的計(jì)算量會(huì)非常大，本文將灰度圖像轉(zhuǎn)換為二值圖像，二值化公式如式（1）所示，本文采用經(jīng)驗(yàn)閾值，Threshold 值設(shè)置為190，本文原始LED及背景區(qū)域二值化后的圖像如圖3（b）所示。

圖3 二值化及形態(tài)學(xué)操作

二值圖像中焊盤空洞最大寬度為70 個(gè)像素，如圖3（c）所示，所以采用70×1 的矩形結(jié)構(gòu)元對(duì)焊盤區(qū)域進(jìn)行閉運(yùn)算操作[5]，閉運(yùn)算公式如式（2）所示，處理結(jié)果如圖3（d）所示。

閉運(yùn)算之后焊盤存在突出物的最大像素距離為10，所以采用10×1的矩形結(jié)構(gòu)元對(duì)圖3（d）進(jìn)行開操作，如式（3）所示，處理結(jié)果如圖3（e）所示。形態(tài)學(xué)操作可以平滑焊盤的邊緣，將凹陷和突出形變的焊盤形狀規(guī)格統(tǒng)一。

3.3 篩除非焊盤區(qū)域

二值化后的圖片除焊盤之外還包括導(dǎo)線和硅膠帽等干擾區(qū)域，如圖3（b）所示，采用區(qū)域面積和區(qū)域矩形度兩個(gè)幾何特征進(jìn)行篩除。面積通過統(tǒng)計(jì)區(qū)域像素個(gè)數(shù)獲得，焊盤上下區(qū)域兩部分的面積在7 000 到12 000個(gè)像素范圍內(nèi)，所以設(shè)置篩選面積大小為7 000～12 000。

矩形度計(jì)算公式如式（4）所示，式中A 是區(qū)域的面積，S 是區(qū)域最小外接矩形的面積，本文通過矩[6]求取區(qū)域的最小外接矩形的面積。在統(tǒng)計(jì)學(xué)中，用矩來描述隨機(jī)變量的分布形態(tài)，將矩的定義推廣到m×n 大小的圖片中，則把焊盤的像素值f(x,y)看成隨機(jī)變量，(x,y)是隨機(jī)變量的坐標(biāo)，對(duì)求取的感興趣區(qū)域（ROI）的i+j 階矩如式（5）所示。

對(duì)于一階矩，i 和j 有兩種取值方式，即i=1，j=0或i=0，j=1，由此可以得出ROI的兩個(gè)一階矩為：

通過零階矩和一階矩可以求取ROI的質(zhì)心，零階矩如式（7）所示，設(shè)質(zhì)心坐標(biāo)為(xˉ,yˉ)，質(zhì)心的求取如式（8）所示。

對(duì)于圖3（e）中所示的焊盤區(qū)域，求得的質(zhì)心位置如圖4 中紅色圓點(diǎn)所示。將ROI 的質(zhì)心轉(zhuǎn)移到參考坐標(biāo)系的原點(diǎn)，則可以求出中心矩為：

類似地，可以求出u00、u20、u02等。那么ROI的最小外接矩形的長、寬求取如式（10）中的a 和b。

圖4（a）中焊盤上部分區(qū)域的面積為9 275 像素，計(jì)算該區(qū)域的最小外接矩形的長寬分別為173 像素和64像素，面積為11 072，將最小外接矩形的面積和焊盤區(qū)域的面積帶入公式（4），得到其矩形度為0.844，計(jì)算圖4（b）的矩形度為0.853，形態(tài)學(xué)操作之后焊盤區(qū)域的矩形度在0.8～1之間，所以設(shè)置矩形度小于0.8即可篩除大部分的非焊盤區(qū)域。

4 LED定位

4.1 獲取焊盤輪廓模板

根據(jù)預(yù)處理獲得的焊盤形狀的共性將焊盤邊緣輪廓作為定位匹配模板，對(duì)圖3（e）分別使用Canny邊緣檢測(cè)、Sobel 邊緣檢測(cè)[7]和使用ZS 算法[8]細(xì)化Sobel 檢測(cè)的邊緣作為焊盤的邊緣輪廓，Canny邊緣檢測(cè)算子具有去除偽邊緣和響應(yīng)度小等特點(diǎn)，Sobel 算子對(duì)二值圖像的邊緣檢測(cè)效果好，但對(duì)于細(xì)節(jié)不明顯的灰度圖像會(huì)產(chǎn)生偽邊緣，Zhang 和Suen 提出的ZS 算法在二值圖像的骨架提取中應(yīng)用廣泛。對(duì)三種方法檢測(cè)并放大90°拐角的局部邊緣信息分別如圖5中（a）～（c）紅色框中的邊緣所示。圖5（a）雖然無毛刺影響，邊緣平滑程度高，但丟失了焊盤邊緣的真實(shí)拐角信息；圖5（b）雖然保證了焊盤邊緣的拐角信息，但卻存在大量的毛刺突起像素點(diǎn)影響；圖5（c）既有前兩者的優(yōu)點(diǎn)，又克服其缺點(diǎn)。ZS 細(xì)化邊緣保證了制作模板的優(yōu)點(diǎn)，既保證匹配的信息量也保證模板中的干擾信息少。

圖4 焊盤區(qū)域的最小外接矩形

圖5 焊盤邊緣局部放大信息圖

但是ZS 細(xì)化的焊盤邊緣并非單一像素，圖5（c）中ZS 細(xì)化結(jié)果使焊盤邊緣在90°拐角處成非單一像素寬度，這些像素重疊點(diǎn)也會(huì)降低匹配返回的相似度分?jǐn)?shù)，本文利用圖6中的模板來消除4個(gè)方向上的重疊像素點(diǎn)。

圖6 四個(gè)重疊點(diǎn)模板

對(duì)8 領(lǐng)域像素點(diǎn)（如圖7）使用模板1 進(jìn)行像素單一化分析可知，得出模板1 所在方向的重疊點(diǎn)判斷條件為：設(shè)P1為當(dāng)前像素點(diǎn)，P1、P2和P4的值同時(shí)為1構(gòu)成該方向的像素重疊點(diǎn)，同時(shí)像素點(diǎn)P6、P7和P8的值必定為0。其余3個(gè)方向的判定與模板1同理，得出判定重疊點(diǎn)如式（11）所示：

圖7 重疊點(diǎn)8領(lǐng)域

對(duì)ZS 細(xì)化后的焊盤邊緣如圖8（a）所示，使用圖6中的模板進(jìn)行并行判定，即同時(shí)使用四個(gè)重疊點(diǎn)模板對(duì)當(dāng)前點(diǎn)P1進(jìn)行式（11）判定，只要滿足四個(gè)條件中之一就將像素點(diǎn)P1變?yōu)? 像素點(diǎn)，細(xì)化焊盤邊緣后的單一像素如圖8（b）所示，最終通過細(xì)化焊盤邊緣獲得的焊盤輪廓模板如圖8（c）所示。

圖8 焊盤區(qū)域的最小外接矩形

4.2 基于異步縮放的模板匹配定位焊盤區(qū)域

焊盤輪廓模板匹配是基于形狀特征匹配的一種，將焊盤輪廓模板和待匹配圖中焊盤輪廓分別看作是兩個(gè)點(diǎn)的集合，通過計(jì)算兩個(gè)點(diǎn)集之間的hausdorff 距離[9]判斷匹配程度。

工業(yè)現(xiàn)場(chǎng)生產(chǎn)的LED 形狀大小并不完全相同，存在X 軸和Y 軸方向的壓縮或拉伸；底板位置和材料位于底板上都會(huì)存在一定的角度傾斜。如果采用單一特殊的模板匹配，則會(huì)導(dǎo)致上述情況下的焊盤定位失敗，若減少匹配分?jǐn)?shù)來獲得焊盤區(qū)域的定位，則會(huì)誤檢定位到非焊盤區(qū)域，為了解決上述問題，本文提出基于異步縮放的模板匹配定位焊盤，其示意圖如圖9所示。

圖9 異步縮放示意圖

在X 軸和Y 軸方向加入縮放因子，縮放的比例范圍0.8～1.2 倍，圖10（a）～（d）所示為焊盤邊緣輪廓在X軸和Y 軸方向上壓縮0.8倍和拉伸1.2倍之后的輪廓形狀，為了獲得較高的精確度，設(shè)置了較少的縮放步長為0.05，匹配時(shí)生成8個(gè)縮放模板。對(duì)于LED存在角度偏差的問題，加入旋轉(zhuǎn)角度因子，角度設(shè)置為?10°～10°，圖10（e）和（f）所示為角度?10°和10°的焊盤輪廓，角度步長設(shè)置為0.5°，匹配時(shí)生成40個(gè)旋轉(zhuǎn)模板?；诋惒娇s放的模板匹配定位可以很好地解決LED中焊盤產(chǎn)生的縮放和角度偏差問題，獲得精確的焊盤中心坐標(biāo)，防止因焊盤形變漏檢LED。

圖10 異步縮放的焊盤輪廓模板

5 獲取LED燈芯坐標(biāo)及質(zhì)量判斷

5.1 高斯雙邊濾波去噪

根據(jù)焊盤中心坐標(biāo)截取燈芯區(qū)域，由于設(shè)備和現(xiàn)場(chǎng)環(huán)境等因素導(dǎo)致貼片圖像存在高斯噪聲，如圖12（a）噪聲較少，圖12（b）噪聲較多。為了保留圖像的邊緣信息并取得較好的去噪效果，采用高斯雙邊濾波去噪[10]。雙邊濾波加入灰度信息的權(quán)重，貼片的灰度值越接近模板中心點(diǎn)的灰度值權(quán)重越大，通過計(jì)算空間距離函數(shù)如式（12）和灰度距離函數(shù)如式（13）的乘積并歸一化后作為卷積核模板。式中，p 點(diǎn)的坐標(biāo)為(x,y)，q 點(diǎn)的坐標(biāo)為(u,v)，Ip是中心點(diǎn)的灰度值，Iq是鄰域的灰度值。取燈芯邊緣點(diǎn)（32，63）的3×3 區(qū)域進(jìn)行高斯雙邊濾波，示意圖如圖11所示，將坐標(biāo)數(shù)據(jù)和像素值帶入高斯濾波函數(shù)后計(jì)算得到該點(diǎn)的值為52，取非邊緣點(diǎn)（61，47），像素86 的鄰域進(jìn)行高斯雙邊濾波得到（61，47）點(diǎn)的像素值為87，證明了高斯雙邊濾波具有保留燈芯的邊緣信息。

圖12（a）和（b）高斯雙邊濾波的結(jié)果如圖12（c）和（d）所示。

5.2 自適應(yīng)參數(shù)的Canny檢測(cè)燈芯邊緣

本文采用具有定位精度高的Canny算子[11-12]進(jìn)行燈芯邊緣的檢測(cè)，Canny算子主要是參數(shù)σd、TL和TH的選擇。σd決定了圖片的平滑程度，TL和TH則直接決定了邊緣信息的保留。對(duì)圖12（c）和（d）使用不同參數(shù)的檢測(cè)結(jié)果如圖13（a）～（d）所示。當(dāng)使用σd=2、TL=2和TH=15 時(shí)圖13（a）獲得了較清晰的燈芯真實(shí)邊緣，效果好，而圖13（b）中的檢測(cè)效果就不佳。當(dāng)參數(shù)σd=7、TL=4 和TH=20 時(shí)圖13（d）獲得了真實(shí)邊緣，但是圖13（c）卻得不到真實(shí)的邊緣。Canny邊緣檢測(cè)的缺點(diǎn)就是檢測(cè)對(duì)比度不一致的圖像，易丟失局部邊緣或檢測(cè)虛假邊緣，自適應(yīng)性差，難以滿足檢測(cè)要求。針對(duì)Canny 邊緣檢測(cè)算子的缺點(diǎn)，本文根據(jù)燈芯區(qū)域的圓度[13]自適應(yīng)地選擇不同的參數(shù)去檢測(cè)對(duì)比度不同的燈芯邊緣。

由于貼片灰度值不均勻和局部區(qū)域的模糊程度高，采用單一閾值無法兼顧以上情況，所以使用動(dòng)態(tài)閾值[14]獲得燈芯區(qū)域，圖12（c）和（d）動(dòng)態(tài)閾值的結(jié)果如圖13（e）和（f）所示，并利用公式（14）計(jì)算燈芯區(qū)域的圓度。式中C 為所求圓形度，A 是燈芯區(qū)域的面積，D 是燈芯區(qū)域中兩點(diǎn)間最大的距離，本文提出通過區(qū)域投影的方法近似計(jì)算D，計(jì)算區(qū)域在X 軸上投影值的示意圖如圖14所示。

圖14 投影法求取區(qū)域距離

將燈芯區(qū)域的第J1到J2列進(jìn)行垂直投影，選取投影區(qū)域內(nèi)最大的投影值Px，Px=max(Pk)，Pk為第Xk列的投影像素點(diǎn)數(shù)，其中k 的范圍為{J1,J1+1,…,J2}。同理可以求出區(qū)域在Y 軸方向的最大投影值Py，取Px和Py的最大值作為D 值。

對(duì)圖13（e）和（f）計(jì)算圓形度分別為0.92和0.51，通過大量測(cè)試，選擇圓形度為0.82作為判斷條件。燈芯區(qū)域大于0.82的選擇邊緣檢測(cè)參數(shù)σd=2，TL=2，TH=15，小于0.82的選擇邊緣檢測(cè)參數(shù)σd=7，TL=4，TH=20。

5.3 擬合燈芯邊緣獲取燈芯坐標(biāo)

為了獲得較高精度的燈芯中心坐標(biāo)，本文采用基于幾何距離[15]來擬合燈芯的邊緣。原理是求取燈芯邊緣到幾何特征擬合點(diǎn)之間正交的最短距離，通過保持幾何空間變換的恒等性來避免擬合結(jié)果的偏差，圖13（a）和（d）擬合的結(jié)果如圖13（g）和（h）所示。

圖11 高斯雙邊濾波原理示意圖

圖12 高斯雙邊濾波去噪

圖13 獲取燈芯坐標(biāo)

5.4 LED缺陷質(zhì)量判斷

若未得到邊緣擬合的坐標(biāo)，則判斷焊盤區(qū)域存在漏貼貼片；計(jì)算擬合得到的燈芯坐標(biāo)與定位得到的焊盤坐標(biāo)的距離來判斷LED 的粘偏缺陷，從而將圖像的幾何缺陷轉(zhuǎn)為坐標(biāo)的數(shù)值判斷。已知焊盤的定位坐標(biāo)為(a,b)，擬合的燈芯坐標(biāo)為(c,d)，當(dāng) ||c-a ＞18 像素時(shí)，貼片粘貼存在上下粘偏，當(dāng) ||b-d ＞15 像素時(shí)，貼片粘貼存在左右粘偏，將圖2（c）使用本文算法處理返回焊盤區(qū)域的坐標(biāo)為（206，64），燈芯坐標(biāo)為（210，87）， ||b-d =23 大于15像素，所以存在左右粘偏，為不合格LED。

6 實(shí)驗(yàn)結(jié)果及分析

6.1 幾何特征篩除干擾區(qū)域分析

將FPC 大圖進(jìn)行二值化后使用區(qū)域的幾何特征篩除非焊盤干擾區(qū)域，并對(duì)型號(hào)為DK69的某板材料中四張大圖統(tǒng)計(jì)區(qū)域像素如表1 所示?？芍獛缀翁卣骱Y選后圖片中的區(qū)域大大減少，成為縮短定位算法處理時(shí)間和提高定位精度的關(guān)鍵。

表1 DK69材料幾何特征篩選后像素統(tǒng)計(jì)

6.2 三種模板匹配定位分析

任意挑選DK69 型號(hào)的6 個(gè)LED 區(qū)域，截取區(qū)域大小為340×280像素，首先標(biāo)定LED區(qū)域的焊盤中心點(diǎn)為(x,y)，再使用Canny 邊緣檢測(cè)、Sobel 邊緣檢測(cè)以及細(xì)化算法處理得到的輪廓模板匹配定位獲得焊盤的坐標(biāo)，分別計(jì)算三種焊盤模板在X 軸和Y 軸方向上的定位偏差結(jié)果Δx 和Δy，統(tǒng)計(jì)如表2 所示，根據(jù)檢測(cè)結(jié)果，采用本文提出的細(xì)化模板定位焊盤區(qū)域的最大坐標(biāo)偏差為4個(gè)像素，定位結(jié)果更加準(zhǔn)確。

6.3 定位算法的比較與分析

本文采用異步縮放的方法精定位LED 區(qū)域，并與文獻(xiàn)[4]直接定位法做實(shí)驗(yàn)分析。先制作7 類LED 的圖庫，每類LED圖庫各50張圖像，首先人工標(biāo)定LED的焊盤中心位置(M,N)，然后分別使用兩種方法定位獲得LED 的焊盤中心坐標(biāo)，記異步縮放定位得到的坐標(biāo)為(m,n)，定位準(zhǔn)確率L 如式（15）所示，同理可得直接定位的準(zhǔn)確率，并統(tǒng)計(jì)結(jié)果如圖15所示。

表2 定位焊盤區(qū)域的坐標(biāo)偏差統(tǒng)計(jì)pixel

圖15 兩種定位算法的平均準(zhǔn)確率

從實(shí)驗(yàn)結(jié)果可以得到兩種算法的定位準(zhǔn)確率都在90%以上，本文采用的異步縮放的方法的定位準(zhǔn)確率更高，達(dá)到97.5%，文獻(xiàn)[4]中的方法只有93.8%，異步縮放在尺寸與旋轉(zhuǎn)角度上都以細(xì)分并行搜索的方式定位原圖像中的焊盤模板，更高的準(zhǔn)確率更利于判斷LED 的缺陷情況。

6.4 整體算法測(cè)試分析

在工業(yè)現(xiàn)場(chǎng)采集不同型號(hào)的LED 建立圖庫，使用本文方案進(jìn)行測(cè)試，并統(tǒng)計(jì)了準(zhǔn)確率和時(shí)間如表3 所示。從表中數(shù)據(jù)看出，LED檢測(cè)算法對(duì)漏貼的檢測(cè)準(zhǔn)確率為100%，對(duì)粘偏的檢測(cè)準(zhǔn)確率為97.3%，由于線陣相機(jī)運(yùn)動(dòng)成像兩張大圖的時(shí)間間隔為2 100 ms，而平均每張8 192×70 000 圖片的檢測(cè)時(shí)間為1 538 ms，說明了本文所使用的算法在檢測(cè)準(zhǔn)確率和檢測(cè)效率方面取得了較好的效果。

對(duì)粘偏存在漏檢是由于材料堆疊時(shí)LED區(qū)域與背景灰度值高的區(qū)域相連接導(dǎo)致無法定位到焊盤區(qū)域，如圖16（a）所示。

表3 算法檢測(cè)準(zhǔn)確率和檢測(cè)時(shí)間統(tǒng)計(jì)

圖16 干擾檢測(cè)LED缺陷情況

表4 給出了本文方法和文獻(xiàn)[4]中獲取有效區(qū)域方法判斷LED粘偏缺陷的漏檢率ERR對(duì)比結(jié)果。

表4 本文方法與文獻(xiàn)[4]方法對(duì)比

由表4 可知，本文方法ERR 低達(dá)2.7%，相對(duì)于文獻(xiàn)[4]的方法，ERR值降低了11.5，展現(xiàn)出顯著的優(yōu)勢(shì)，本文算法的平均運(yùn)行時(shí)間沒有文獻(xiàn)[4]的時(shí)間低，但都小于貼片機(jī)的貼片時(shí)間，滿足實(shí)時(shí)性要求。相對(duì)于本文算法，文獻(xiàn)[4]判斷LED 的缺陷情況需要依賴貼片覆蓋焊盤區(qū)域的大小，如圖16（b）所示，焊盤區(qū)域被貼片覆蓋較多，文獻(xiàn)[4]方法在定位LED時(shí)就已失敗，文獻(xiàn)[4]的ERR計(jì)算包括此類LED，而本文算法檢測(cè)的LED 類型更廣泛，準(zhǔn)確率更高。

由于成像大圖的分辨率要遠(yuǎn)遠(yuǎn)大于電腦顯示屏的分辨率，為了方便觀察檢測(cè)結(jié)果，將定位的LED坐標(biāo)映射到人機(jī)交互界面上，將粘偏的LED位置進(jìn)行標(biāo)注排序，并顯示于界面右下角，如圖17所示，項(xiàng)目軟件于VS2012平臺(tái)上開發(fā)，人機(jī)交互界面使用C++類庫MFC設(shè)計(jì)。

圖17 LED粘貼質(zhì)量檢測(cè)人機(jī)交互界面

7 結(jié)束語

本文根據(jù)柔性印刷線路板中LED的位置分布設(shè)計(jì)了一套硬件成像系統(tǒng)，解決了面陣相機(jī)因視野范圍小存在的漏檢相鄰列LED的難題。算法上使用統(tǒng)計(jì)學(xué)中的矩計(jì)算最小外接矩形的面積，使用重疊點(diǎn)模板并行遍歷ZS 細(xì)化的焊盤邊緣，采用基于異步縮放的思想匹配定位LED，通過區(qū)域投影的方法計(jì)算圓度，并使用自適應(yīng)參數(shù)的Canny邊緣檢測(cè)獲得真實(shí)的燈芯邊緣，完成了對(duì)LED的定位和缺陷質(zhì)量的判斷。經(jīng)過測(cè)試，本文所提出的方案在檢測(cè)精度和速度上都滿足工業(yè)現(xiàn)場(chǎng)實(shí)時(shí)檢測(cè)的要求，為FPC 上LED 缺陷質(zhì)量檢測(cè)提供了新的方法和途徑，并根據(jù)工業(yè)現(xiàn)場(chǎng)需求設(shè)計(jì)了人機(jī)交互界面，具有實(shí)用性和實(shí)際意義。