视觉检测在电装行业手工插装工序的应用

Application of machine vision for the inspection of through-hole component mounting in the field of electronic assembly

周 晓，谢明明，田方斌，唐 皓ZHOU Xiao， XIE Ming-ming， TIAN Fang-bin， TANG Hao（株洲中车时代电气股份有限公司，株洲 412001）

视觉检测在电装行业手工插装工序的应用

Application of machine vision for the inspection of through-hole component mounting in the field of electronic assembly

周 晓，谢明明，田方斌，唐 皓
ZHOU Xiao， XIE Ming-ming， TIAN Fang-bin， TANG Hao
（株洲中车时代电气股份有限公司，株洲 412001）

在电装行业中，通孔元器件一般采取人工方式进行插装，由于工作量大，工作重复性高，容易产生疲劳，造成各类人为质量问题（如极性器件装反、器件漏装等）。如果单纯依靠人工目检方式进行检查，效率低下，管控效果差，不能很好的保证产品过程质量。笔者结合工作实际，分析了电装行业手工插装工序中常见的问题类型，针对不同的问题类型，采用对应的视觉工具进行分析、检测，并将检测结果集成至统一的用户程序中进行分析、显示。同时，检测结果可以保存至数据库中，满足其他生产管理系统进行后续的统计分析。

机器视觉；电子装配；插装；检测

0　引言

手工插装之后，通常采取人工目检方式进行质量检查。由于电子元器件的尺寸较小，形状相似，长时间检查非常容易形成视觉疲劳，造成漏检，影响检查效果，而机器视觉有着检查效率高、检查一致性好、不产生视觉疲劳等优势，在检测领域得到越来越广泛的应用。本文主要就机器视觉在手工插装工序元器件“漏”、“反”质量问题的自动检测应用进行相关探讨。

1　手工插装工序常见质量问题

手工插装工序中，较为常见的问题主要是二极管、电容、极性IC反装、器漏装等，根据质量部门的统计，这二类问题在所有通孔电路板质量问题中的占比大约为30%左右，比例较高，对正常生产造成了较大影响。

2　视觉检测系统简述

视觉检测系统采用美国康耐视公司的VisionPro软件包作为图像处理、分析工具，使用VS 2010进行用户程序开发。用户程序的主要功能包括检测结果显示、控制串口通信（与伺服系统通信）、检测过程控制、检测数据存储及查询（与数据库交互）等。

3　检测算法实现

3.1二极管数量及极性检测

图1　二极管

图2　电解电容

图3　极性IC

由于批次不同、厂家不同，同种型号二极管的特征存在一定差异（如负极黑色条纹的粗细程度不同），在电路板插装过程中，二极管可能产生移位、倾斜等现象。因此，在系统开发过程中，应考虑上述因素，一定程度上排除这些差异干扰。

综合对比各种工具后，笔者采取VisionPro工具包中的CogCNLSearchTool工具进行二极管搜索、极性判定。利用二极管负极的黑色块作为特征，判断色块的位置和数量，即可得到二极管的数量和极性（如图5所示）。

图4　特征训练

图5　检测结果

3.2电容数量及极性检测

由于批次不同、厂家不同，同种型号电解电容的负极特征存在一定差异（如负极白班中可能存有部分黑色条纹），电路板插装过程中，电容可能产生倾斜现象，在系统开发过程中，应考虑上述因素，排除这些差异干扰。

图6　电容中心定位

综合对比各种工具后，笔者采取CogCNLSearchTool工具进行电容中心定位，然后采用直方图工具CogHistogramTool分别对电容中心两侧的灰度平均值进行检测，灰度值高（白斑）的即为电容负极（如图7所示）。

图7　负极直方图（均值：221）

图8　正极直方图（均值：90）

3.3极性IC检测

系统的另一功能是检测部分集成芯片（芯片顶部有明显标识、极性特征）的有无、极性，该功能采用模式匹配工具CogPMAlignTool进行特征提取、分析。将极性IC的顶部字符或者极性特征作为输入，从而分析IC的数量和极性。

4　用户程序开发

采用VS 2010作为用户程序开发平台。用户程序获取VisionPro工具的结果数据，进行逻辑判断，并将结果显示至用户界面中。如有必要，将检测数据（包括检测图片）保存至数据库中，方便后续统计分析。

图9　IC特征识别

部分代码如下。

1）读取VisionPro文件并初始化Job信息

2）运行Job并获取检测结果数据

3）更新UI并显示结果

4）界面效果

用户程序的整体效果如图10所示。

图10　用户界面

5　结束语

笔者针对生产现场的实际情况，利用视觉检测工具进行针对性的算法设计并优化用户程序，提高了检测效率和检查效果。后续，将完善数据存储及统计分析功能，利用统计分析信息进一步优化检测算法，降低检测误报率和漏检率。

［1］ E.R.Davies.计算机与机器视觉理论、算法与实践［M］.北京：机械工业出版社，2013.

［2］ 伯特霍尔德.霍恩（著） ，王亮，蒋欣兰（译）.机器视觉［M］.北京：中国青年出版社，2014.

［3］ 张洪刚，陈光，郭军.图像处理与识别［M］.北京：中国邮电大学出版社，2006.

［4］ 章毓晋.图像工程［M］.北京：清华大学出版社，2007.

［5］ 乔维维，秦小文，陆静逸.印刷电路板图像模式识别研究［J］.电子测试，2011，（7）：114-117.

［6］ 杨子琦，许黎明，解斌，罗睿，朱子馨.柱塞式汽车制动器总泵活塞表面缺陷视觉检测的光源优化［J］.上海交通大学学报，2014，48（1）：64-68.

TP271

B

1009-0134（2016）08-0055-04

2016-05-04

周晓（1984 -），男，工程师，本科，主要从事变流器产品集成工艺及工装开发工作。