文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.190134
中文引用格式： 俞洋，陳佐政，陳祝洋，等. 機器視覺在電容器外觀缺陷檢測中的應用[J].電子技術應用，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.
0 引言
隨著我國工業(yè)的發(fā)展壯大，如今各行各業(yè)對電子元器件的需求也越來越大。電容器作為使用最普遍的電子元器件之一，各大生產(chǎn)廠家面對其日益增長的市場需求，早已實現(xiàn)了電容器規(guī)?；?、批量化生產(chǎn)。但是對于電容器外觀缺陷，大部分生產(chǎn)廠家還是采用人工檢測，效率低下，出錯率高，成本也日益增加。近年來，機器視覺技術日益成熟，在工業(yè)自動化方面發(fā)揮著舉足輕重的作用[1-3]。機器視覺技術可以應用在電容器外觀缺陷的檢測中，能夠模擬人眼進行外觀缺陷檢測，效率更高，準確性更加可靠，成本更低，能夠適應惡劣工作環(huán)境，加快電容器生產(chǎn)效率，提高電容器的質(zhì)量。
本文設計了一套高效率、高精度的電容器外觀缺陷檢測系統(tǒng)。該系統(tǒng)首先采集圖像，并對圖像進行預處理，其次匹配定位到電容區(qū)域，然后針對其溢膠缺陷和環(huán)氧面氣孔氣泡，采用閾值分割處理；針對其字符缺陷和外殼破損缺陷，采用模板匹配處理；最后通過Blob分析，提取電容器外觀缺陷區(qū)域的特征，設定閾值參數(shù)，方便更改參數(shù)，滿足不同標準的檢測要求。
1 電容器外觀缺陷分析
目前電容器的制造工藝水平不夠高，在裝殼灌膠、烘烤、激光打標[4]過程中，會不可避免地產(chǎn)生存在外觀缺陷的電容器。圖1展示了幾種典型類型的電容器外觀缺陷：電容器外觀破損缺陷、溢膠缺陷、環(huán)氧面氣孔缺陷、字符缺陷等。電容器在使用中應滿足外殼無破損、表面無溢膠、環(huán)氧面無氣孔氣泡劃痕、字符正確等標準要求。因此，電容器外觀缺陷檢測系統(tǒng)應能準確高效地完成對電容器外觀以上缺陷的檢測。
2 電容器外觀缺陷檢測系統(tǒng)硬件設計
本文所提出的電容器外觀缺陷檢測系統(tǒng)主要由檢測傳送帶、執(zhí)行機構、控制器、工業(yè)相機、照明系統(tǒng)和PC系統(tǒng)組成[5]，檢測系統(tǒng)結構如圖2所示。該檢測系統(tǒng)有6個相機，沿著傳送帶依次采集電容器的6個表面。每個相機配有一個光源，負責照亮電容器。工業(yè)相機采集到的灰度圖傳送至PC系統(tǒng)，PC系統(tǒng)對電容器外觀圖像進行缺陷檢測，并根據(jù)檢測結果向控制器發(fā)送信號，控制執(zhí)行機構剔除不良品。同時，在每個相機處安裝光電傳感器，當電容器被傳送至相機拍照處，光電傳感器便動作，輸出一個開關控制信號至PC系統(tǒng)和控制器，分別控制相機拍照和光源工作，節(jié)省電能，延長光源使用壽命。
2.1 相機的選型
工業(yè)相機主要分為面陣相機和線陣相機，線陣相機適合于高速運動的物體，一般建議40 km/h運動的物體可以采用線陣相機拍攝，而面陣相機適合于低速運動的物體。在相機選型時，首先，成像的視場必須大于物體的物理尺寸；其次，要選擇足夠高的分辨率，以滿足精度要求；然后要考慮曝光時間和物體運動速度，防止成像出現(xiàn)拖影。為了能夠保證更好的成像效果和檢測準確度以及降低成本，選擇一款合適的相機是研發(fā)機器視覺檢測系統(tǒng)的基本。本系統(tǒng)選擇了?？低暤腗V-CA030-10GC工業(yè)相機。
2.2 鏡頭的選型
相機和鏡頭缺一不可，兩者都是機器視覺檢測系統(tǒng)的基本部件，前者相當于視網(wǎng)膜，用來成像；而后者則是晶狀體，聚集用來成像的光線。在鏡頭選型時，需要根據(jù)電容器的大小、特點及放大倍數(shù)等參數(shù)進行選擇[6]。本系統(tǒng)主要是根據(jù)電容器的實際尺寸、工作距離和相機CCD的尺寸來計算鏡頭焦距，同時保證相機和鏡頭的接口為同一類型，最終選擇了海康威視的HV3816D-8MPIR鏡頭。
2.3 光源的選擇
電容器外觀缺陷檢測系統(tǒng)首要就是獲取優(yōu)質(zhì)圖像，正確的光源和照明方式能夠突出電容器缺陷特征，減少后續(xù)圖像處理的負擔，提高缺陷檢測的準確度[7]。本系統(tǒng)選擇LED光源，其照明效果好，使用壽命長。針對電容器兩個較大的側面，結合工業(yè)相機安裝位置，本系統(tǒng)選擇LED環(huán)形光源，用低角度暗場方式照明；針對剩下的4個面，本系統(tǒng)選擇LED條形光源，并保證條光長度大于檢測距離，避免造成亮度差。
3 電容器外觀缺陷檢測系統(tǒng)軟件部分
在本文提出的電容器外觀缺陷檢測系統(tǒng)中的軟件部分，首先將工業(yè)相機采集到的電容器圖像進行處理，識別外觀缺陷，并向PLC發(fā)送信號，控制執(zhí)行機構剔除不良品。圖3是電容器外觀缺陷檢測流程圖，開始將工業(yè)相機采集到的電容器圖像進行預處理，包括圖像濾波、形態(tài)學處理；其次，進行模板匹配，定位到整幅圖像中的電容區(qū)域，檢測外觀破損、缺角等，也可以用來匹配定位電容器上的字符，檢測字符遮蓋/位置不正等缺陷；然后針對溢膠缺陷和環(huán)氧面氣孔氣泡，采用閾值分割處理；最后通過Blob分析，提取電容器外觀缺陷區(qū)域的特征，設定閾值參數(shù)，方便工作人員更改設定，滿足不同的檢查要求。
3.1 圖像采集
電容器外觀缺陷檢測首先要采集圖像，使用工業(yè)相機獲取圖像，最好是用相機本身的API接口采集圖像，這樣更加穩(wěn)定。SDK是相機廠家提供的環(huán)境開發(fā)包，里面的函數(shù)供開發(fā)者在不同環(huán)境下(VC、VB、C#等)進行函數(shù)調(diào)用，采集圖像。?？倒I(yè)相機調(diào)用SDK采集圖像主要按照枚舉相機、創(chuàng)建句柄、打開相機、開始抓圖、獲取圖像、停止抓圖、關閉相機、銷毀句柄等步驟。每獲取一張電容器外觀圖像，就對該圖像進行缺陷檢測。
3.2 圖像濾波
使用SDK，通過工業(yè)相機獲取電容器外觀圖像之后，首先要對圖像進行濾波。因為鏡頭、電容器表面的灰塵等都會使圖像模糊，造成缺陷檢測的準確性降低，嚴重的噪聲會使電容器外觀缺陷的特征不明顯，所以在缺陷檢測之前要進行圖像濾波[8]。本系統(tǒng)采用均值濾波器尺寸為3×3，如式(1)所示，即以一個像素周圍方塊區(qū)域內(nèi)像素灰度值的平均數(shù)作為該點的灰度值。均值濾波不需要大量頻譜轉換，所以實時性較好，滿足電容器外觀缺陷檢測的速度要求。
3.3 形態(tài)學處理
形態(tài)學的基本操作包括腐蝕和膨脹，是圖像處理中應用最為廣泛的技術之一，主要用于從圖像中提取對表達和描繪區(qū)域形狀有意義的圖像分量，使后續(xù)的識別工作能夠抓住目標對象最為本質(zhì)的形狀特征，如邊界和連通區(qū)域等。腐蝕操作掃描二值圖像的每一個像素，用結構元素與其覆蓋的二值圖像做與運算，如果都為1，則結果圖像中值為1，否則為0，刪除了對象邊界的某些像素。而膨脹操作掃描二值圖像的每一個像素，用結構元素與其覆蓋的二值圖像做與運算，如果都為0，則結果圖像中值為0，否則為1，給圖像中的對象邊界添加元素。
由工業(yè)相機獲取的電容器外觀圖上可能存在某些噪聲，這些噪聲無法通過濾波處理，可以用形態(tài)學中的腐蝕來處理。在計算電容器外觀缺陷特征時，可能會出現(xiàn)一塊缺陷區(qū)域連通、無法整合，或者幾塊缺陷區(qū)域相互黏連、無法分割，可以用形態(tài)學來處理[9]。同時，形態(tài)學處理能夠配合匹配定位，將電容器區(qū)域從原圖摳出，方便后續(xù)處理等。
3.4 匹配定位
電容器外觀缺陷檢測首先要在整幅圖中找到電容區(qū)域，這就用到了模板匹配算法。模板匹配理論是按照相關策略，根據(jù)已知模板在搜索圖像中尋找逼近模板匹配的過程，是一種簡單有效、使用廣泛的圖像處理方法。本系統(tǒng)采用基于形狀的模板匹配，該算法的相似度量考慮的是模板內(nèi)像素的梯度向量[10]，首先提取一個電容器良品的外輪廓和字符部分的輪廓，并保存為模板。然后，在每次電容器外觀缺陷檢測時，根據(jù)模板匹配待檢測的電容器外觀圖。當匹配定位到電容區(qū)域時，才能針對電容區(qū)域進行圖像處理；同時，針對電容器的外殼破損、字符缺陷也可以用模板匹配來檢測。為了提高電容器外觀缺陷檢測的速度，將模板圖像和待搜索圖像進行抽樣，減少需要檢查的位姿數(shù)量以及模板中點的數(shù)量，圖4所示為圖像抽樣金字塔示意圖。金字塔每升高一層，圖像的數(shù)據(jù)量就會減少為1/4，圖像分辨率下降，但是圖像處理速度會提高4倍。同時，將模板輪廓拆分，首先匹配第一部分，然后在匹配結果的相對位置處再次匹配第二部分，這樣兼顧了匹配準確性和匹配速度。
3.5 閾值分割
閾值分割是利用圖像中前景和背景在灰度特性上的差異，將圖像分割成兩類圖像[11]。假如電容器外觀圖像為f(x，y)，缺陷區(qū)域圖像為g(x，y)，設定閾值t將電容器外觀缺陷區(qū)域提取出來：
在保證光源穩(wěn)定的情況下，電容器外觀缺陷中的溢膠、劃痕、環(huán)氧面氣孔氣泡等都可以用閾值分割識別出來。
3.6 Blob分析
Blob分析是對圖像中相同像素的連通域進行分析，即經(jīng)過預處理、匹配定位和圖像分割后，用Blob分析對提取到的電容器外觀缺陷區(qū)域進行特征分析，計算缺陷的數(shù)量、位置、形狀、方向和大小等，設定某些缺陷特征閾值參數(shù)，方便工作人員更改設定，滿足不同標準的檢查要求。
4 電容器外觀缺陷檢測系統(tǒng)的實現(xiàn)與驗證
本文以CBB61S電容器為例(具體如圖1所示)，實現(xiàn)電容器外觀缺陷檢測系統(tǒng)并進行驗證。
4.1 電容器外觀缺陷檢測系統(tǒng)的實現(xiàn)
電容器外觀缺陷檢測系統(tǒng)的結構簡圖如圖5所示。電機和PLC控制器控制傳送帶的轉動，而5號位相機拍攝的是電容器底面，所以在5號位相機處由左右兩條傳送帶夾緊電容器向前傳送。電容器在傳送帶上勻速向前運動，當電容器被傳送至相機拍照處，光電傳感器動作，輸出一個開關控制信號至PC系統(tǒng)和控制器，分別控制相機拍照和光源工作，節(jié)省電能、延長光源使用壽命。電容器依次經(jīng)過6個相機，PC系統(tǒng)依次對電容器的6個表面進行缺陷檢測，只要檢測到缺陷，PC系統(tǒng)就會通過6號位相機的信號線向PLC控制器發(fā)送信號，控制執(zhí)行機構剔除不良品。
本文選擇的視覺軟件為Halcon 12.0，其具有眾多的圖像處理算子和強大的計算分析能力。同時，利用C#語言進行二次開發(fā)，設計出良好的人機交互界面，如圖6所示。在實時圖像區(qū)有6個圖像窗口，分別顯示6個相機實時拍到的圖像；下方的缺陷圖像區(qū)，6個圖像窗口分別顯示對應的6個相機拍到的缺陷部分；右上方為按鍵功能區(qū)，其中數(shù)據(jù)查詢按鈕可以查詢每次開機檢測的員工信息、產(chǎn)品信息、檢測結果等；權限管理按鈕則提供了管理員和操作員兩種登錄模式，其中管理員權限較大，可以修改相機參數(shù)；每個相機的相機參數(shù)按鈕則是根據(jù)缺陷的特征設定閾值參數(shù)，方便管理員更改設定，滿足不同標準的檢查要求；清除計數(shù)按鈕則是清除本次檢測結果計數(shù)；在按鍵功能區(qū)下方的是產(chǎn)品參數(shù)和幫助，供檢查人員選擇本次所檢測電容器的型號和員工編號；右下方為結果顯示區(qū)，顯示每個相機的不良計數(shù)，方便檢查人員統(tǒng)計主要缺陷類型，有利于針對性改進電容器制造工藝。
4.2 電容器外觀缺陷檢測系統(tǒng)的驗證
本文選取了人工檢測后的200個電容器為實驗樣本來驗證電容器外觀缺陷檢測系統(tǒng)，其中缺陷電容器和良品電容器各100個。最終檢測結果如表1所示。
由表1看出，本文設計的電容器外觀缺陷檢測系統(tǒng)對缺陷電容器的檢測正確率達到100%，漏殺率為零；而對良品電容器的檢測正確率也達到了96%，說明該系統(tǒng)在檢測精度上是可靠的，但其中也出現(xiàn)了誤判，仔細觀察誤判的電容器，分析得出由于電容器上存在的污漬，導致檢測系統(tǒng)將其誤判為溢膠缺陷。兩個樣本的檢測時間都為72 s，即該系統(tǒng)大約0.7 s就可以完成對一個電容器的外觀缺陷檢測，相比于人工檢測大約5 min 200個，極大地提高了檢測速度，可以滿足工業(yè)要求。
5 結束語
本文針對CBB61S電容器生產(chǎn)制造過程中出現(xiàn)的外觀缺陷，利用機器視覺技術，設計了一套高效率高精度的在線檢測系統(tǒng)。該系統(tǒng)主要分為機械平臺的搭建和PC系統(tǒng)的設計，機械平臺的搭建包括了檢測傳送帶和執(zhí)行機構的安裝、相機鏡頭的選型、光源和照明方式的選擇等；PC系統(tǒng)主要是利用C#語言對視覺軟件Halcon進行二次開發(fā)，經(jīng)過圖像采集、圖像濾波、形態(tài)學處理、匹配定位、閾值分割、Blob分析等，最終完成對電容器外觀缺陷的檢測。實驗結果顯示，電容器外觀缺陷檢測系統(tǒng)具有較高的檢測速度和可靠的檢測精度，解決了人工檢測效率低下、準確率較低的問題，也降低了生產(chǎn)成本。
參考文獻
[1] 洪天勤.電容器外觀檢測系統(tǒng)中圖像處理算法的研究[D].長沙：中南大學，2012.
[2] 陳星.電解電容器外觀自動檢測系統(tǒng)執(zhí)行機構應用設計[J].現(xiàn)代制造技術與裝備，2016(11)：4-5.
[3] 何騰鵬，張榮芬，劉超，等.基于機器視覺的智能導盲眼鏡設計[J].電子技術應用，2017，43(4)：58-61.
[4] 周曉航，方鯤，李玫.國內(nèi)外超級電容器的研究發(fā)展現(xiàn)狀[J].新材料產(chǎn)業(yè)，2015(3)：61-68.
[5] 田原嫄，潘敏凱，劉思陽.電容器鋁殼表面缺陷檢測的CCD圖像處理[J].組合機床與自動化加工技術，2013(5)：73-75.
[6] 張五一，張繼超，侯遠韶，等.機器視覺系統(tǒng)中鏡頭的選擇[J].中原工學院學報，2011，22(6)：18-21.
[7] 尚會超，楊銳，段夢珍，等.機器視覺照明系統(tǒng)的關鍵技術分析[J].中原工學院學報，2016，27(3)：16-21.
[8] 許少尉，陳思宇.基于深度學習的圖像分類方法[J].電子技術應用，2018，44(6)：116-119.
[9] 鄧彩霞，王貴彬，楊鑫蕊.改進的抗噪形態(tài)學邊緣檢測算法[J].數(shù)據(jù)采集與處理，2013，28(6)：739-745.
[10] 楊亞飛，鄭丹晨，韓敏.一種基于多尺度輪廓點空間關系特征的形狀匹配方法[J].自動化學報，2015，41(8)：1405-1411.
[11] 朱磊，白瑞林，吉峰.光照不均勻圖像的灰度波動局部閾值分割[J].計算機工程與應用，2015，51(12)：144-149.
作者信息:
俞 洋，陳佐政，陳祝洋，沈威君
(江蘇理工學院，江蘇 常州213001)