一種fpc表面質量視覺智能檢測方法
【技術領域】
[0001] 本發(fā)明屬于電路板制造技術領域，設及一種FPC表面質量視覺智能檢測方法。
【背景技術】
[0002] 柔性印刷電路板(FlexiblePrintedCircuit,FPC)是W聚酷亞胺或聚醋薄膜為 基材制成的一種具有高度可靠性、絕佳的可曉性印刷電路，F(xiàn)PC技術作為一種特殊的電子互 連技術，有著十分顯著的優(yōu)越性。它具有輕、薄、短、小、結構靈活的特點，除可靜態(tài)彎曲外， 還能作動態(tài)彎曲、卷曲和折疊等，廣泛地應用于航天、軍事、移動終端、手機、數(shù)碼相機等多 個領域。隨著計算機圖像處理與識別技術的迅猛發(fā)展，使得基于機器視覺的FPC在線缺陷檢 測成為可能，并越來越受到人們的重視，漸漸成為質量檢測的一種趨勢。但是，目前FPC的自 動檢測系統(tǒng)的研究仍然停留在一個相對初期的水平，大多數(shù)FPC生產企業(yè)為節(jié)約生產成本， 仍主要依靠人眼輔助光學設備來檢測產品質量，但長時間、高度集中觀察圖像給檢測人員 帶來了極大的精神疲勞，難W保證產品質量。而隨著沿海等地區(qū)人力成本的不斷上升W及 招工困難的問題，使得FPC質檢自動化迫在眉睫。

【發(fā)明內容】

[0003] 本發(fā)明的目的在于提供一種FPC表面質量視覺智能檢測方法，解決了目前FPC檢測 主要依靠人工，效率低，成本高，檢測效果差的問題。
[0004] 本發(fā)明所采用的技術方案是按照W下步驟進行：
[0005] 步驟1:對采集的FPC圖像進行圖像預處理;采用窗口為3X3中值濾波器對FPC圖像 進行處理；
[0006] 步驟2:FPC輪廓提取;采用RGB顏色空間，在B通道提取片體的輪廓并對片體與背景 進行分割；
[0007] 步驟3:掩膜設計;將提取的FPC輪廓W像素精度畫在另一幅由內存開辟的與采集 圖像相同大小且像素灰度全為0的圖像上，作為缺陷識別掩膜的母體，分別填充掩膜母體輪 廓內部與外部區(qū)域，從而產生內外兩個圖像掩膜，分別用內外掩膜與原圖像進行數(shù)學運算， 得到內外感興趣區(qū)域圖像，WFPC輪廓為界，內掩膜與采集圖像處理后使FPC輪廓內部的圖 像得W全部保留，外部被忽略，若與外模板作用，處理效果正好相反；
[000引步驟4:缺陷提取;采用RGB顏色空間投影闊值算法對壓點與劃傷進行識別，得到輪 廓內部缺陷和輪廓外部缺陷；
[0009] 步驟5:缺陷識別與分類；
[0010] 依據(jù)內部缺陷的幾何特征將其區(qū)分為壓點與劃傷，采用缺陷輪廓面積S。。。與其最 小外接矩形面積Srect的比值來描述運種區(qū)分，將其定義為填充度，如下式所示；
[0011] R=Scon/Srect
[0012] 壓點的填充度化k較大，實驗發(fā)現(xiàn)都在0.7W上，而劃傷成條狀，填充度R較小，均在 0.3W下;綜合W上分析，缺陷分類準則為：
[OOU] (1)若輪廓外部有寬度大刊良定闊值Tw的白色區(qū)域，則為溢膠；
[0014] (2)若輪廓內部存在面積大于限定闊值Ts的白色區(qū)域，依據(jù)式R=Scon/Srect計算該 區(qū)域的輪廓填充度R，若R〉〇. 5，則為壓點；否則為劃傷。
[0015] 進一步，所述步驟4中，缺陷提取的方法為對輪廓內部感興趣區(qū)域圖像提取R通道 的圖像，選擇闊值化=60對其二值化處理；對輪廓外部感興趣區(qū)域圖像變換到HSV顏色空 間，提取Η通道的圖像，對其作闊值化處理，取闊值區(qū)間的中值Th=195。
[0016] 進一步，所述組合光源上端為紅色同軸光源，中間為白色環(huán)形光源，下端為白色條 形光源。
[0017] 本發(fā)明的有益效果是提供了一種FPC表面質量視覺智能檢測方法，檢測效率高，能 準確判斷FPC表面是否有質量缺陷。
【附圖說明】
[0018] 圖1從左至右是正常和含有Ξ種缺陷的FPC在光源下經預濾波后的圖像；
[0019] 圖2(a)采用otsu闊值對圖像進行分割；
[0020] 圖2(b)片體輪廓圖像；
[0021] 圖3左為內掩膜圖像，右為外掩膜圖像；
[0022] 圖4為FPC各特征在Η空間的分布圖；
[0023] 圖5為FPCS種缺陷的識別效果圖，從左至右依次為壓點、劃傷、溢膠。
【具體實施方式】
[0024] 下面結合【具體實施方式】對本發(fā)明進行詳細說明。
[0025] 本發(fā)明FPC表面質量視覺智能檢測方法步驟如下：
[0026] 步驟1:對采集的FPC圖像進行圖像預處理；圖像預處理的主要目的是消除圖像中 無關的信息，恢復有用的真實信息，增強有關信息的可檢測性和最大限度地簡化數(shù)據(jù)，從而 改進特征抽取、圖像分割、匹配和識別的可靠性，而圖像增強是圖像預處理的主要手段。根 據(jù)FPC質檢的實際需求，需消除因光照不均勻等原因產生的噪聲，所W需要對圖像進行增強 處理。在線缺陷檢測系統(tǒng)中遇到的大多是高斯噪聲與椒鹽噪聲，特別是椒鹽噪聲會對缺陷 的后續(xù)識別產生致命影響。本發(fā)明采用基于中值濾波的自適應濾波器。中值濾波是一種非 線性濾波器，對椒鹽噪聲具有良好的濾波效果，且同時為保留圖像的細節(jié)信息，故采用窗口 為3X3中值濾波器對FPC圖像進行處理，圖1從左至右是正常和含有Ξ種缺陷的FPC在特殊 設計的組合光源下經預濾波后的圖像。
[0027] 步驟2:FPC輪廓提取
[0028] 提取FPC輪廓是其缺陷識別算法中的一個重要環(huán)節(jié)。輪廓可W把視場圖像分割成 內外兩部分，使識別中內外空間區(qū)域的缺陷特征互不干擾，并行處理;可W通過缺陷在輪廓 內外的空間信息來區(qū)分其所屬類型。當內外區(qū)域的不同缺陷呈現(xiàn)相同描述特征時，輪廓成 為區(qū)分的最佳標準。提取輪廓采用RGB顏色空間，該空間中，任一顏色在紅、綠、藍Ξ個不同 通道的分量不同，運也是彩色圖像特征識別的基礎。在組合光源下，片體的各部分因材質不 同其顏色特征存在明顯差異。由于鏡面反射，片體具有明顯不同于其他區(qū)域的顏色特征，其 顏色在RGB通道所占分量分別約為0.005(R)、0.47(G)和0.98(B)。實驗數(shù)據(jù)表明，片體顏色 在B通道的分量最大，故在該通道提取片體的輪廓。由于在B通道背景與前景差別很大，采用otsu闊值對圖像進行分割如圖2(a)，片體輪廓圖像如圖2(b)所示。
[0029] 步驟3:掩膜設計
[0030] 掩膜可W控制任意形狀的感興趣區(qū)域。其原理是用預先制作的感興趣區(qū)掩膜與待 處理圖像進行數(shù)學運算，經過運算W后，感興趣區(qū)域內圖像特征保持不變，而區(qū)域外的圖像 將會被屏蔽。本發(fā)明WFPC輪廓設計區(qū)域掩膜，并將其用到缺陷識別算法中。具體實現(xiàn)為:將 提取的FPC輪廓W像素精度畫在另一幅由內存開辟的與采集圖像相同大小且像素灰度全為 0的圖像上，作為缺陷識別掩膜的母體，分別填充掩膜母體輪廓內部與外部區(qū)域，從而產生 內外兩個圖像掩膜，分別用內外掩膜與原圖像進行數(shù)學運算，就可W得到內外感興趣區(qū)域 圖像。WFPC的輪廓為界，內掩膜與采集圖像處理后可使FPC輪廓內部的圖像得W全部保留， 外部被忽略(處理中灰度值為0)。若與外模板作用，處理效果正好相反，提取的內外掩膜如 圖3所示。
[0031] 步驟4:缺陷提取，采用RGB顏色空間投影闊值算法對壓點與劃傷進行識別，得到輪 廓內部缺陷和輪廓外部缺陷；
[0032] 在組合光源下，壓點和劃傷呈白色，組合光源上端為紅色同軸光源，中間為白色環(huán) 形光源，下端為白色條形光源?；谌毕莸念伾卣?，采用RGB顏色空間投影闊值算法對壓 點與劃傷進行識別，并引入向量空間理論對缺陷