《电子技术应用》
您所在的位置:首页 > 嵌入式技术 > 设计应用 > 机器视觉在电容器外观缺陷检测中的应用
机器视觉在电容器外观缺陷检测中的应用
2019年电子技术应用第9期
俞 洋,陈佐政,陈祝洋,沈威君
江苏理工学院,江苏 常州213001
摘要: 传统的电容器外观缺陷检测采用人工检测,效率低、出错率高、成本高。为了克服人工检测的缺点,提高电容器生产的自动化程度,设计基于机器视觉的电容器外观缺陷检测系统。首先采集图像、预处理,匹配定位到电容区域;然后采用阈值分割检测溢胶、环氧面气孔气泡缺陷,采用模板匹配检测字符、外壳破损缺陷;最后通过Blob分析,提取缺陷特征,设定阈值参数,以满足不同标准的检测要求。根据样机实验结果显示,检测系统大大提高了检测效率和精度。
中图分类号: TP278
文献标识码: A
DOI:10.16157/j.issn.0258-7998.190134
中文引用格式: 俞洋,陈佐政,陈祝洋,等. 机器视觉在电容器外观缺陷检测中的应用[J].电子技术应用,2019,45(9):97-100,105.
英文引用格式: Yu Yang,Chen Zuozheng,Chen Zhuyang,et al. Application of machine vision in capacitor appearance defect detection[J]. Application of Electronic Technique,2019,45(9):97-100,105.
Application of machine vision in capacitor appearance defect detection
Yu Yang,Chen Zuozheng,Chen Zhuyang,Shen Weijun
Jiangsu University of Technology,Changzhou 213001,China
Abstract: The traditional capacitor appearance defect detection adopts manual detection, which has low efficiency, high error rate and high cost. In order to overcome the shortcomings of manual detection and improve the automation of capacitor production, a machine vision based capacitor defect detection system is designed. Firstly, the image is collected, pre-processed, and matched to the capacitor area. Then the threshold segmentation is used to detect the defects of the overflow and epoxy surface pores. The template matching is used to detect the characters and the shell damage defects. Finally, to meet the testing requirements of different standards,the Blob analysis is used to extract the defect features and set the threshold parameters. According to the experimental results of the prototype, the detection system greatly improves the detection efficiency and accuracy.
Key words : machine vision;capacitance appearance;defect detection;threshold segmentation;template matching

0 引言

    随着我国工业的发展壮大,如今各行各业对电子元器件的需求也越来越大。电容器作为使用最普遍的电子元器件之一,各大生产厂家面对其日益增长的市场需求,早已实现了电容器规模化、批量化生产。但是对于电容器外观缺陷,大部分生产厂家还是采用人工检测,效率低下,出错率高,成本也日益增加。近年来,机器视觉技术日益成熟,在工业自动化方面发挥着举足轻重的作用[1-3]。机器视觉技术可以应用在电容器外观缺陷的检测中,能够模拟人眼进行外观缺陷检测,效率更高,准确性更加可靠,成本更低,能够适应恶劣工作环境,加快电容器生产效率,提高电容器的质量。

    本文设计了一套高效率、高精度的电容器外观缺陷检测系统。该系统首先采集图像,并对图像进行预处理,其次匹配定位到电容区域,然后针对其溢胶缺陷和环氧面气孔气泡,采用阈值分割处理;针对其字符缺陷和外壳破损缺陷,采用模板匹配处理;最后通过Blob分析,提取电容器外观缺陷区域的特征,设定阈值参数,方便更改参数,满足不同标准的检测要求。

1 电容器外观缺陷分析

    目前电容器的制造工艺水平不够高,在装壳灌胶、烘烤、激光打标[4]过程中,会不可避免地产生存在外观缺陷的电容器。图1展示了几种典型类型的电容器外观缺陷:电容器外观破损缺陷、溢胶缺陷、环氧面气孔缺陷、字符缺陷等。电容器在使用中应满足外壳无破损、表面无溢胶、环氧面无气孔气泡划痕、字符正确等标准要求。因此,电容器外观缺陷检测系统应能准确高效地完成对电容器外观以上缺陷的检测。

jsj5-t1.gif

2 电容器外观缺陷检测系统硬件设计

    本文所提出的电容器外观缺陷检测系统主要由检测传送带、执行机构、控制器、工业相机、照明系统和PC系统组成[5],检测系统结构如图2所示。该检测系统有6个相机,沿着传送带依次采集电容器的6个表面。每个相机配有一个光源,负责照亮电容器。工业相机采集到的灰度图传送至PC系统,PC系统对电容器外观图像进行缺陷检测,并根据检测结果向控制器发送信号,控制执行机构剔除不良品。同时,在每个相机处安装光电传感器,当电容器被传送至相机拍照处,光电传感器便动作,输出一个开关控制信号至PC系统和控制器,分别控制相机拍照和光源工作,节省电能,延长光源使用寿命。

jsj5-t2.gif

2.1 相机的选型

    工业相机主要分为面阵相机和线阵相机,线阵相机适合于高速运动的物体,一般建议40 km/h运动的物体可以采用线阵相机拍摄,而面阵相机适合于低速运动的物体。在相机选型时,首先,成像的视场必须大于物体的物理尺寸;其次,要选择足够高的分辨率,以满足精度要求;然后要考虑曝光时间和物体运动速度,防止成像出现拖影。为了能够保证更好的成像效果和检测准确度以及降低成本,选择一款合适的相机是研发机器视觉检测系统的基本。本系统选择了海康威视的MV-CA030-10GC工业相机。

2.2 镜头的选型

    相机和镜头缺一不可,两者都是机器视觉检测系统的基本部件,前者相当于视网膜,用来成像;而后者则是晶状体,聚集用来成像的光线。在镜头选型时,需要根据电容器的大小、特点及放大倍数等参数进行选择[6]。本系统主要是根据电容器的实际尺寸、工作距离和相机CCD的尺寸来计算镜头焦距,同时保证相机和镜头的接口为同一类型,最终选择了海康威视的HV3816D-8MPIR镜头。

2.3 光源的选择

    电容器外观缺陷检测系统首要就是获取优质图像,正确的光源和照明方式能够突出电容器缺陷特征,减少后续图像处理的负担,提高缺陷检测的准确度[7]。本系统选择LED光源,其照明效果好,使用寿命长。针对电容器两个较大的侧面,结合工业相机安装位置,本系统选择LED环形光源,用低角度暗场方式照明;针对剩下的4个面,本系统选择LED条形光源,并保证条光长度大于检测距离,避免造成亮度差。

3 电容器外观缺陷检测系统软件部分

    在本文提出的电容器外观缺陷检测系统中的软件部分,首先将工业相机采集到的电容器图像进行处理,识别外观缺陷,并向PLC发送信号,控制执行机构剔除不良品。图3是电容器外观缺陷检测流程图,开始将工业相机采集到的电容器图像进行预处理,包括图像滤波、形态学处理;其次,进行模板匹配,定位到整幅图像中的电容区域,检测外观破损、缺角等,也可以用来匹配定位电容器上的字符,检测字符遮盖/位置不正等缺陷;然后针对溢胶缺陷和环氧面气孔气泡,采用阈值分割处理;最后通过Blob分析,提取电容器外观缺陷区域的特征,设定阈值参数,方便工作人员更改设定,满足不同的检查要求。

jsj5-t3.gif

3.1 图像采集

    电容器外观缺陷检测首先要采集图像,使用工业相机获取图像,最好是用相机本身的API接口采集图像,这样更加稳定。SDK是相机厂家提供的环境开发包,里面的函数供开发者在不同环境下(VC、VB、C#等)进行函数调用,采集图像。海康工业相机调用SDK采集图像主要按照枚举相机、创建句柄、打开相机、开始抓图、获取图像、停止抓图、关闭相机、销毁句柄等步骤。每获取一张电容器外观图像,就对该图像进行缺陷检测。

3.2 图像滤波

    使用SDK,通过工业相机获取电容器外观图像之后,首先要对图像进行滤波。因为镜头、电容器表面的灰尘等都会使图像模糊,造成缺陷检测的准确性降低,严重的噪声会使电容器外观缺陷的特征不明显,所以在缺陷检测之前要进行图像滤波[8]。本系统采用均值滤波器尺寸为3×3,如式(1)所示,即以一个像素周围方块区域内像素灰度值的平均数作为该点的灰度值。均值滤波不需要大量频谱转换,所以实时性较好,满足电容器外观缺陷检测的速度要求。

    jsj5-gs1.gif

3.3 形态学处理

    形态学的基本操作包括腐蚀和膨胀,是图像处理中应用最为广泛的技术之一,主要用于从图像中提取对表达和描绘区域形状有意义的图像分量,使后续的识别工作能够抓住目标对象最为本质的形状特征,如边界和连通区域等。腐蚀操作扫描二值图像的每一个像素,用结构元素与其覆盖的二值图像做与运算,如果都为1,则结果图像中值为1,否则为0,删除了对象边界的某些像素。而膨胀操作扫描二值图像的每一个像素,用结构元素与其覆盖的二值图像做与运算,如果都为0,则结果图像中值为0,否则为1,给图像中的对象边界添加元素。

    由工业相机获取的电容器外观图上可能存在某些噪声,这些噪声无法通过滤波处理,可以用形态学中的腐蚀来处理。在计算电容器外观缺陷特征时,可能会出现一块缺陷区域连通、无法整合,或者几块缺陷区域相互黏连、无法分割,可以用形态学来处理[9]。同时,形态学处理能够配合匹配定位,将电容器区域从原图抠出,方便后续处理等。

3.4 匹配定位

    电容器外观缺陷检测首先要在整幅图中找到电容区域,这就用到了模板匹配算法。模板匹配理论是按照相关策略,根据已知模板在搜索图像中寻找逼近模板匹配的过程,是一种简单有效、使用广泛的图像处理方法。本系统采用基于形状的模板匹配,该算法的相似度量考虑的是模板内像素的梯度向量[10],首先提取一个电容器良品的外轮廓和字符部分的轮廓,并保存为模板。然后,在每次电容器外观缺陷检测时,根据模板匹配待检测的电容器外观图。当匹配定位到电容区域时,才能针对电容区域进行图像处理;同时,针对电容器的外壳破损、字符缺陷也可以用模板匹配来检测。为了提高电容器外观缺陷检测的速度,将模板图像和待搜索图像进行抽样,减少需要检查的位姿数量以及模板中点的数量,图4所示为图像抽样金字塔示意图。金字塔每升高一层,图像的数据量就会减少为1/4,图像分辨率下降,但是图像处理速度会提高4倍。同时,将模板轮廓拆分,首先匹配第一部分,然后在匹配结果的相对位置处再次匹配第二部分,这样兼顾了匹配准确性和匹配速度。

jsj5-t4.gif

3.5 阈值分割

    阈值分割是利用图像中前景和背景在灰度特性上的差异,将图像分割成两类图像[11]。假如电容器外观图像为f(x,y),缺陷区域图像为g(x,y),设定阈值t将电容器外观缺陷区域提取出来:

     jsj5-gs2.gif

    在保证光源稳定的情况下,电容器外观缺陷中的溢胶、划痕、环氧面气孔气泡等都可以用阈值分割识别出来。

3.6 Blob分析

    Blob分析是对图像中相同像素的连通域进行分析,即经过预处理、匹配定位和图像分割后,用Blob分析对提取到的电容器外观缺陷区域进行特征分析,计算缺陷的数量、位置、形状、方向和大小等,设定某些缺陷特征阈值参数,方便工作人员更改设定,满足不同标准的检查要求。

4 电容器外观缺陷检测系统的实现与验证

    本文以CBB61S电容器为例(具体如图1所示),实现电容器外观缺陷检测系统并进行验证。

4.1 电容器外观缺陷检测系统的实现

    电容器外观缺陷检测系统的结构简图如图5所示。电机和PLC控制器控制传送带的转动,而5号位相机拍摄的是电容器底面,所以在5号位相机处由左右两条传送带夹紧电容器向前传送。电容器在传送带上匀速向前运动,当电容器被传送至相机拍照处,光电传感器动作,输出一个开关控制信号至PC系统和控制器,分别控制相机拍照和光源工作,节省电能、延长光源使用寿命。电容器依次经过6个相机,PC系统依次对电容器的6个表面进行缺陷检测,只要检测到缺陷,PC系统就会通过6号位相机的信号线向PLC控制器发送信号,控制执行机构剔除不良品。

jsj5-t5.gif

    本文选择的视觉软件为Halcon 12.0,其具有众多的图像处理算子和强大的计算分析能力。同时,利用C#语言进行二次开发,设计出良好的人机交互界面,如图6所示。在实时图像区有6个图像窗口,分别显示6个相机实时拍到的图像;下方的缺陷图像区,6个图像窗口分别显示对应的6个相机拍到的缺陷部分;右上方为按键功能区,其中数据查询按钮可以查询每次开机检测的员工信息、产品信息、检测结果等;权限管理按钮则提供了管理员和操作员两种登录模式,其中管理员权限较大,可以修改相机参数;每个相机的相机参数按钮则是根据缺陷的特征设定阈值参数,方便管理员更改设定,满足不同标准的检查要求;清除计数按钮则是清除本次检测结果计数;在按键功能区下方的是产品参数和帮助,供检查人员选择本次所检测电容器的型号和员工编号;右下方为结果显示区,显示每个相机的不良计数,方便检查人员统计主要缺陷类型,有利于针对性改进电容器制造工艺。

jsj5-t6.gif

4.2 电容器外观缺陷检测系统的验证

    本文选取了人工检测后的200个电容器为实验样本来验证电容器外观缺陷检测系统,其中缺陷电容器和良品电容器各100个。最终检测结果如表1所示。

jsj5-b1.gif

    由表1看出,本文设计的电容器外观缺陷检测系统对缺陷电容器的检测正确率达到100%,漏杀率为零;而对良品电容器的检测正确率也达到了96%,说明该系统在检测精度上是可靠的,但其中也出现了误判,仔细观察误判的电容器,分析得出由于电容器上存在的污渍,导致检测系统将其误判为溢胶缺陷。两个样本的检测时间都为72 s,即该系统大约0.7 s就可以完成对一个电容器的外观缺陷检测,相比于人工检测大约5 min 200个,极大地提高了检测速度,可以满足工业要求。

5 结束语

    本文针对CBB61S电容器生产制造过程中出现的外观缺陷,利用机器视觉技术,设计了一套高效率高精度的在线检测系统。该系统主要分为机械平台的搭建和PC系统的设计,机械平台的搭建包括了检测传送带和执行机构的安装、相机镜头的选型、光源和照明方式的选择等;PC系统主要是利用C#语言对视觉软件Halcon进行二次开发,经过图像采集、图像滤波、形态学处理、匹配定位、阈值分割、Blob分析等,最终完成对电容器外观缺陷的检测。实验结果显示,电容器外观缺陷检测系统具有较高的检测速度和可靠的检测精度,解决了人工检测效率低下、准确率较低的问题,也降低了生产成本。

参考文献

[1] 洪天勤.电容器外观检测系统中图像处理算法的研究[D].长沙:中南大学,2012.

[2] 陈星.电解电容器外观自动检测系统执行机构应用设计[J].现代制造技术与装备,2016(11):4-5.

[3] 何腾鹏,张荣芬,刘超,等.基于机器视觉的智能导盲眼镜设计[J].电子技术应用,2017,43(4):58-61.

[4] 周晓航,方鲲,李玫.国内外超级电容器的研究发展现状[J].新材料产业,2015(3):61-68.

[5] 田原嫄,潘敏凯,刘思阳.电容器铝壳表面缺陷检测的CCD图像处理[J].组合机床与自动化加工技术,2013(5):73-75.

[6] 张五一,张继超,侯远韶,等.机器视觉系统中镜头的选择[J].中原工学院学报,2011,22(6):18-21.

[7] 尚会超,杨锐,段梦珍,等.机器视觉照明系统的关键技术分析[J].中原工学院学报,2016,27(3):16-21.

[8] 许少尉,陈思宇.基于深度学习的图像分类方法[J].电子技术应用,2018,44(6):116-119.

[9] 邓彩霞,王贵彬,杨鑫蕊.改进的抗噪形态学边缘检测算法[J].数据采集与处理,2013,28(6):739-745.

[10] 杨亚飞,郑丹晨,韩敏.一种基于多尺度轮廓点空间关系特征的形状匹配方法[J].自动化学报,2015,41(8):1405-1411.

[11] 朱磊,白瑞林,吉峰.光照不均匀图像的灰度波动局部阈值分割[J].计算机工程与应用,2015,51(12):144-149.



作者信息:

俞  洋,陈佐政,陈祝洋,沈威君

(江苏理工学院,江苏 常州213001)