基于机器视觉的FPC缺陷检测系统

眭石军，廖 平

(中南大学机电工程学院，湖南长沙 410083)

0 引言

FPC (flexible printed circuit)柔性印刷电路，是一种以有机薄膜为基材，并在其表面敷有能够挠曲的薄铜箔导体以制成的柔性电路板，具有质量轻、厚度薄、可弯曲、所占空间小等特点[1-2]。FPC可以在结构上实现三维互连安装，使得电子设备的体积得到有效减少，已经广泛应用于电脑、手机、LCD显示屏等产品[3-4]。与此同时，精密电子设备中对FPC的精度要求也越来越高，产品的质量检测在FPC 生产过程中越来越重要。

FPC的缺陷检测有电学性能检测以及外观检测等，前者主要使用探针对FPC进行短路或者断路检查；后者即表面缺陷检测，需要人工借助于显微镜或放大镜进行观察，这种方式比较灵活，但显然效率低下、成本过高[5]。因此本文基于机器视觉对FPC表面缺陷的检测方法进行了研究，能够有效提取缺陷并进行识别，提高缺陷检测效率[6]。

1 FPC缺陷检测硬件系统

FPC表面缺陷检测系统的主要硬件结构组成如图1所示，包括图像采集系统及图像处理系统。

图1 FPC表面缺陷检测系统

其中图像采集系统包括工业相机、镜头、光源及光源控制器，图像处理系统则为PC机，与相机通过千兆以太网进行通信。根据视野范围、工作距离以及检测精度的要求，对硬件进行选型，其中相机选用大恒的CMOS黑白相机，分辨率为2 448像素×2 048像素，帧率为20fps；镜头为远心镜头。根据缺陷特征需要低角度的环形光源照明，故选用拓视达的零角度环形LED光源。

2 基于Halcon的FPC表面缺陷检测

本文所做的工作主要是对FPC的表面缺陷进行检测，在高精度的电子产品中这些缺陷会严重影响FPC的性能及其使用寿命。Halcon是机器视觉软件，因其功能全面、效率高、项目开发周期短等优点，已经在工业生产中得到了广泛应用[7]。

2.1 油墨不良、版面污染缺陷检测

油墨不良、版面污染缺陷如图2所示，由于这两种缺陷的检测算法相似，可以一起分析。

(a)油墨不良

在规则、均匀的深色背景下，利用全局的阈值分割进行特征的提取。对于一副灰度图像，其上任意一点(x,y)的灰度值为f(x,y)，要从背景中提取对象，可以选择一个阈值T，然后进行阈值化分割，若处理后的图像为g(x,y)，则

(1)

在图像g(x,y)中标记为1的像素则为提取的对象，标记为0的则成为了背景，这样就实现了最基本的图像分割[8]。由于环境、设备等因素的影响，采集的图像通常会含有一些噪声，本文使用的滤波方法为中值滤波，对处理椒盐噪声非常有效[9]。

对于油墨不良检测设置的灰度阈值范围为[105,149]，对于版面污染缺陷检测阈值范围为[5,32]。图3为检测版面缺陷时阈值参数设置的灰度直方图(纵轴为像素点数量，横轴为灰度值)，其中缺陷的灰度值在[5,32]范围内，像素点较少，而FPC图像主体部分的像素点较多，因此可以将缺陷从图像中分割出来。

图3 FPC图像灰度直方图

图像经滤波、阈值化处理后，由select_shape算子(形状特征选择)即可提取特征点，如图4、图5所示。注意到FPC金面成像的灰度值与版面污染的缺陷灰度值相似，因此对于版面污染缺陷的提取要使用两次形状选择算子，第二次使用时除去形状规则的金面，即可提取不规则的缺陷。

图4 油墨不良缺陷

图5 版面污染缺陷

2.2 金面污染缺陷检测

FPC板上的金面污染缺陷只存在于FPC板的金面上，缺陷成像如图6所示。

图6 金面污染缺陷

本文提出了一种基于模板匹配来提取图像ROI的方法[10]，即先将标准金面图像作为感兴趣区域提取出来作为标准模板，然后再从待测图像中寻找相似区域以提取ROI，如图7矩形区域所示，进行Blob分析就可以有效提取缺陷，如图8所示。

图8 金面污染缺陷检测

可以看到创建的标准模板区域的宽要比金面区域稍大，这是因为如果只选择金面区域，在待测图像中寻找相似区域时可能会找到金面上部的线路区域，或者不完全匹配到金面区域。在Halcon中有多种模板匹配的方法，在这里适用的是基于形状和基于相关性的匹配方法，两种方法的性能对比如表1所示。

炽热的爱国爱民感情激发出无穷的创造力。赣东北苏区表现出“惊人的创造力量”。如同方志敏所说的：“想出许多有效的新方法来解决困难。如解决被敌人严密封锁的经济问题……还解决其他许多重大问题，都不是照抄前例的，而是用前所未有特创的新方法去解决的！”(《我从事革命斗争略述》)[1](P85-86)正因为如此，赣东北和闽浙赣苏区到处呈现“活跃跃”的创造：创造了勤勤恳恳为着苏维埃事业的赣东北党；创造了以“农民革命团”为组织形态的武装力量和红色政权；创造了作风过硬的红十军以及一整套机动灵活的战略战术原则；创造了富有成效的土地革命的方式策略以及经济文化建设成就。

表1 两种匹配方法的性能对比

基于相关性的匹配方法创建模板的时间较长，但是平均匹配时间很短，而基于形状的匹配时间虽然需要30 ms，但是匹配成功率高，因此选用基于形状的匹配方法。

2.3 版面皱折缺陷检测

版面皱折缺陷在图像中并不明显，其灰度值与背景灰度值非常相近，所以运用全局检测很难将皱折缺陷提取出来。考虑使用局部检测，观察FPC板背面可以发现，如图9(a)所示，由于制造工艺的限制，背胶并不是一次成型的，故留有4条间隙，而间隙处一般就是发生皱折的地方。因此可以将间隙处的FPC作为感兴趣区域进行处理，如图9(b)所示，这样就不会被图像其他区域所干扰，有效提高检测精度。

(a)FPC背胶

在Halcon中提取ROI使用较多的方法是Blob分析逼近以及手动在图像中画矩形或者画其他形状来提取。在这里由于图像缺陷处的特征不明显，所以要通过画矩形区域来创建ROI。但是在自动化检测过程中就需要图像能够实现自动分割出ROI，那么可以先创建标准模板图像，在模板中手动创建ROI，再将待测图像与标准图像通过刚性的仿射变换对准，就可以自动在待测图像中创建ROI图像，程序流程如图10所示。

图10 版面皱折检测流程图

提高图像对比度的方法有很多种，图11为现存几种常用方法的对比。在Halcon中增强对比度使用较多的是emphasize算子，但是处理效果并不好。灰度拉伸与直方图均衡化是图像处理中比较常用的增强对比度的方法，虽然增强了缺陷特征，但同样也加强了图像中的干扰部分如电路等，使得后续检测结果不理想。

(a)原图像(ROI)

本文根据FPC缺陷特征提出了一种新的增强图像对比度的方法，即通过图像自乘来提高图像对比度。首先将图像灰度值反转，即：

g(x,y)=255-f(x,y)

(2)

然后再进行图像自乘操作，在Halcon中两图像相乘的算子为mult_image，可以用公式表示为

g(x,y)=g1×g2×Mult+Add

(3)

在程序中令g1等于g2，并等于灰度值反转后的图像，取Mult=0.006，Add=-50，图像处理后如图12所示。

图12 利用图像自乘增强对比度

在Halcon中Gauss线条检测算子为lines_gauss算子，其在使用前要先确定所检测线条的模型，即LineModel，主要有三种形式：条型bar_shaped、抛物线型parabolic以及高斯线型gaussian，如图13所示。条型对于大多数线条的提取都有比较好的效果，但是不适于提取背光照明的管状线型。抛物线型一般在线条十分清晰的情况下选用，高斯线型一般应用于线条边缘不清楚的场合。

(a)bar_shaped

lines_gausss算子在处理过程中先对图像进行高斯平滑，由参数σ来确定所需要的平滑量。算子在提取线条过程中使用了滞后阈值算法，即双阈值算法，这样在提取到线条的中心点后能够很快地将其连接成线[15]。故需要确定高阈值High和低阈值Low，这两个阈值要通过所提取对象的对比度来确定，若设线条的高对比度与低对比度分别为contrastHigh和contrastLow，那么高、低阈值的计算公式为

(4)

式中w为所检测线条的最大线宽。

对于高于High的点则被认为是线条上的点，低于Low的点则会立即舍弃，而介于Low和High之间的点，若这些点与已经被认为是线条上的点能够通过某一通路相连，并且通路距离小于w，那么这些点才会被接受。最终检测到的版面皱折缺陷如图14所示。

图14 版面皱折缺陷

3 FPC缺陷检测系统界面设计

系统使用Halcon联合MFC进行设计，在图像处理程序设计完成后，从Halcon将程序导出为C/C++代码。系统开发环境为Visual Studio 2015，并基于相机的SDK进行开发，可大大缩短开发周期，界面设计如图15所示。

图15 检测系统操作界面

4 实验与分析

将开发的检测系统对提供的80个样本进行检测，检测结果如表2所示。

由表2检测结果可以看到，所设计的检测系统对于这几种缺陷的识别有较高的准确率，但是油墨不良缺陷的准确率只有80%，这是因为图像中噪声与缺陷特征相似导致干扰噪声并不能完全去除，且实验无法保证无尘环境也会对检测有影响。实验的检测速度都在0.2 s每片左右，而由于皱折检测算法较复杂所以检测速度稍慢，但也满足生产要求。

表2 检测结果

5 结束语

本文基于机器视觉技术，对FPC的表面缺陷特征进行了研究，并基于Halcon研究了缺陷检测算法。能够对FPC上的油墨不良、污染等缺陷进行有效检测，对金面污染提出了一种基于模板匹配提取ROI的方法，有效提高了检测精度。在缺陷不明显的情况下，提出了一种通过图像自乘来提高图像对比度的方法，运用Gauss线检测实现了对表面皱折的有效提取。最后基于MFC开发了缺陷实时检测系统。实验结果表明，本文算法能够较好地识别FPC的表面缺陷。