羅文?鄒湘軍?陳建明?梁添貴?丁惠英?倪沁心

開發(fā)設(shè)計

基于機器視覺的Mini LED背光板PCB焊盤檢測系統(tǒng)*

羅文?鄒湘軍?陳建明?梁添貴?丁惠英?倪沁心

（1.華南農(nóng)業(yè)大學(xué)工程學(xué)院，廣東 廣州 510642 2.廣東華恒智能科技有限公司，廣東 東莞 523575）

針對Mini LED背光板PCB焊盤檢測精度和效率低的問題，提出一種基于機器視覺的Mini LED背光板PCB焊盤檢測系統(tǒng)。首先，對采集的Mini LED背光板PCB焊盤圖像進行預(yù)處理；然后，通過閾值分割法進行PCB焊盤粗分割，采用模糊C均值聚類算法進行PCB焊盤細分割；接著，利用Canny算子進行像素精度邊緣提??；最后，采用基于Zernike矩的亞像素邊緣檢測方法提高邊緣檢測精度。實驗結(jié)果表明，該系統(tǒng)具有較高的檢測精度和效率，PCB焊盤尺寸測量誤差在±8 μm以內(nèi)，位置測量誤差在12 μm以內(nèi)。

機器視覺；Mini LED背光板；PCB焊盤；圖像處理；邊緣提取；亞像素邊緣檢測

0 引言

近年來，隨著顯示產(chǎn)業(yè)的蓬勃發(fā)展，以Mini LED為代表的微米級背光板芯片更是發(fā)展迅速[1]，其需求也隨之增加。目前，Mini LED顯示技術(shù)已實現(xiàn)商業(yè)化[2]，但仍然面臨諸多挑戰(zhàn)，其背光板的印刷電路板（printed circuit board, PCB）焊盤檢測就是難點之一。PCB雖然具有高韌性，但存在尺寸穩(wěn)定性、基板平整性差等缺點。隨著Mini LED產(chǎn)業(yè)技術(shù)的發(fā)展，LED芯片的面積越來越小，其PCB設(shè)計制作的要求也越來越高，檢測精度一般要求在50 μm以內(nèi)。高精度的線路檢測成了Mini LED產(chǎn)業(yè)發(fā)展的技術(shù)瓶頸[3]。目前，Mini LED背光板PCB焊盤檢測主要有人工目檢、掃描探針和視覺檢測[4]3種方法，其中應(yīng)用最為廣泛的是視覺檢測。

國內(nèi)外學(xué)者對基于機器視覺的檢測技術(shù)進行了大量的研究[5-10]。萬杰等[11]利用光線追跡算法，在高溫環(huán)境下對物體進行視覺三維測量。鄒湘軍等[12]針對非結(jié)構(gòu)化環(huán)境下零件識別與定位精度低的問題，提出改進迭代最近點的亞像素級配準(zhǔn)算法。許斌等[13]針對基片表面特征尺寸測量復(fù)雜以及精度低的問題，提出基于區(qū)域灰度梯度差異的基片特征尺寸測量方法。這些研究雖然在機器視覺檢測領(lǐng)域取得了一定的成果，但仍然停留在理論和試驗階段，較少應(yīng)用到實際工業(yè)生產(chǎn)領(lǐng)域。

本文提出基于機器視覺的Mini LED背光板PCB焊盤檢測系統(tǒng)，通過對PCB焊盤的尺寸、焊盤中心與Mark點位置關(guān)系進行測量，提高Mini LED背光板PCB焊盤的檢測精度和效率。

1 系統(tǒng)架構(gòu)

基于機器視覺的Mini LED背光板PCB焊盤檢測系統(tǒng)由圖像采集系統(tǒng)、運動控制系統(tǒng)和圖像處理系統(tǒng)組成，如圖1所示。

圖1 基于機器視覺的Mini LED背光板PCB焊盤檢測系統(tǒng)框圖

圖像采集系統(tǒng)包括工業(yè)相機、鏡頭、光源等。根據(jù)視野范圍、工作距離和測量精測要求進行系統(tǒng)硬件選型。其中，工業(yè)相機選用DALSA黑白線陣相機，分辨率為2 048×1像素，行頻為52 kHz，像元尺寸為7.04 μm；鏡頭選用1.5倍遠心鏡頭；根據(jù)PCB焊盤和開窗特征，選用紅色環(huán)形LED光源。

運動控制系統(tǒng)包括運動控制卡、板卡、伺服電機、伺服驅(qū)動器、滾軸絲桿、光柵尺、機械平臺、抽真空機組等。其中，運動控制卡和板卡用于控制系統(tǒng)動作；伺服驅(qū)動器和伺服電機負責(zé)完成各軸的精確位置矯正；滾軸絲桿作為傳動機構(gòu)，帶動放置工件的機械平臺到達指定位置；光柵尺對各軸位移進行檢測，補償運動誤差；抽真空機組用于吸附工件，防止工件在運動過程中發(fā)生偏移。

圖像處理系統(tǒng)包括圖像預(yù)處理、圖像分割、邊緣提取、特征尺寸和位置測量等。

2 PCB焊盤檢測

Mini LED背光板PCB焊盤尺寸和間隔一致，呈線性排列分布，實物圖如圖2所示。

圖2 Mini LED背光板PCB實物圖

基于機器視覺的Mini LED背光板PCB焊盤檢測過程：

1）通過工業(yè)相機采集PCB焊盤圖像，并進行濾波處理；

2）利用閾值分割法和圖像形態(tài)學(xué)膨脹法粗分割PCB焊盤區(qū)域；

3）采用模糊C均值聚類（fuzzy C-means, FCM）算法進行PCB焊盤區(qū)域細分割；

4）利用Canny算子進行PCB焊盤像素精度邊緣提?。?/p>

5）采用基于Zernike矩的亞像素邊緣檢測法進行PCB焊盤邊緣檢測；

6）通過標(biāo)定板標(biāo)定，將像素坐標(biāo)轉(zhuǎn)換為實際物理坐標(biāo)系下的像素當(dāng)量，進行圖像像素坐標(biāo)拼接，進而檢測PCB焊盤。

2.1 圖像采集

PCB焊盤圖像采集過程如下：PC端通過運動控制卡發(fā)出運動控制指令給伺服驅(qū)動器；伺服驅(qū)動器將PC端的電信號轉(zhuǎn)換成脈沖信號，并發(fā)送給伺服電機；滾軸絲桿驅(qū)動機械平臺和工業(yè)相機運動到拍照位置，完成PCB焊盤圖像的采集[14]。

2.2 圖像預(yù)處理

圖像在采集和傳輸過程中，由于受到工作環(huán)境、電路結(jié)構(gòu)以及傳輸介質(zhì)等因素的影響，通常會引入噪聲。需先對采集的PCB焊盤圖像進行預(yù)處理，否則會對圖像的特征提取造成干擾。本文采集的PCB焊盤圖像主要包括椒鹽噪聲。目前，常用的濾波方法主要有均值濾波、中值濾波和高斯濾波。其中，高斯濾波適用于消除高斯噪聲，對椒鹽噪聲作用并不明顯；均值濾波雖能夠消除椒鹽噪聲，但會使圖像邊緣變得模糊；中值濾波不但能夠消除椒鹽噪聲，而且較好地保留了邊緣信息。故本文采用中值濾波對PCB焊盤圖像進行平滑濾波，效果如圖3所示。

圖3 PCB焊盤圖像中值濾波效果

2.3 圖像粗分割

中值濾波后的PCB焊盤圖像先進行閾值分割，得到PCB焊盤和開窗區(qū)域。閾值分割法步驟為：

1）計算PCB焊盤圖像的灰度直方圖，如圖4所示；

圖4 PCB焊盤圖像灰度直方圖

3）利用形狀特征，根據(jù)矩形度和面積大小去除干擾，經(jīng)過圖像閉運算和形態(tài)學(xué)膨脹PCB焊盤和開窗區(qū)域，獲得PCB焊盤圖像粗分割效果如圖5所示。

圖5 PCB焊盤圖像粗分割效果

2.4 圖像細分割

由于光照等環(huán)境因素影響，采用閾值分割法較難確定合適的閾值，PCB焊盤分割效果不是很理想。為更準(zhǔn)確地提取PCB焊盤的邊緣信息，根據(jù)圖像的像素灰度級特征，利用FCM算法，將PCB焊盤圖像的粗分割區(qū)域細分割為焊盤區(qū)域和背景區(qū)域[15]，如圖6所示。

圖6 PCB焊盤圖像區(qū)域劃分

式中：

——迭代次數(shù)；

式中：

——樣本數(shù)。

式中：

——聚類中心數(shù)。

式中：

PCB焊盤圖像經(jīng)過聚類分割后劃分為焊盤區(qū)域和背景區(qū)域，如圖7所示。

圖7 PCB焊盤圖像聚類分割效果

2.5 像素精度邊緣提取

邊緣定義了圖像中對象的邊界，通常是灰度變化較大的部分。本文利用Canny算子提取PCB焊盤圖像邊緣。

梯度的大小（長度）表示為

梯度的方向表示為

式中：

根據(jù)公式(6)，利用Canny算子提取PCB焊盤邊緣。先利用高斯濾波器進行圖像平滑和噪聲抑制；再基于滯后閾值法濾除低梯度邊緣像素（由噪聲引起）。PCB焊盤圖像Canny算子提取效果如圖8所示。

圖8 PCB焊盤圖像Canny算子提取效果

2.6 亞像素邊緣檢測

利用Canny算子提取的PCB焊盤邊緣仍存在較大的誤差，無法滿足高精度檢測的要求。采用亞像素邊緣檢測法可提高檢測精度：首先，利用整數(shù)像素邊緣檢測法將圖像邊緣粗略定位到像素級；然后，以像素為基本單元，對整數(shù)像素周圍的灰度值進行細分，使邊緣定位到子像素級，如圖9所示。

圖9 亞像素邊緣定位圖

亞像素邊緣提取方法主要包括插值法、擬合法、矩量法[16]。其中，插值法簡單、快速、高效，但易受噪聲影響；擬合法提取邊緣效果較好，但需要大量的計算和復(fù)雜的模型；矩量法速度快、對噪聲不敏感、精度高，尤其是Zernike矩因耗時短、抗干擾能力強，得到廣泛應(yīng)用。

Zernike矩的理想邊緣模型如圖10所示[17]。

圖10 Zernike矩的理想邊緣模型

式中：

基于Zernike矩的閾值條件為

基于Zernike矩的亞像素邊緣檢測效果如圖11所示。

圖11 基于Zernike矩的亞像素邊緣檢測效果

由圖11可以看出，利用Zernike矩進行亞像素邊緣檢測可獲得清晰的PCB焊盤輪廓，在減少計算以及噪聲干擾的同時，還可以保證檢測精度。

3 實驗分析

3.1 焊盤尺寸檢測精度試驗

為驗證本文方法的邊緣提取精度，分別用二次元和本文方法測量5組PCB焊盤的寬、高尺寸，并利用兩者測量結(jié)果的差值評估檢測精度，測量結(jié)果如表1所示。

表1 PCB焊盤寬、高測量結(jié)果 單位：mm

由表1可知，本文采用的亞像素邊緣提取方法提取PCB焊盤邊緣，平均測量精度在±8 μm以內(nèi)，提高了測量精度。

3.2 PCB焊盤位置檢測精度試驗

選取20組PCB焊盤圖像，計算PCB焊盤中心與Mark點在軸方向和軸方向的距離，測量原理如圖12所示。將本文方法與二次元方法的測量結(jié)果進行對比，測量精度如圖13所示。

圖12 PCB焊盤中心位置測量原理

圖13 PCB焊盤中心位置測量精度

由圖13可知，PCB焊盤在軸方向距離的測量誤差在12 μm以內(nèi)，在軸方向的測量誤差在6 μm以內(nèi)。

4 結(jié)論

本文提出一種基于機器視覺的Mini LED背光板PCB焊盤檢測系統(tǒng)。首先，采用閾值分割法進行PCB焊盤粗定位，去除大部分背景區(qū)域；然后，利用模糊C均值聚類算法進一步細分PCB焊盤和背景區(qū)域；接著，利用Canny算子有效提取PCB焊盤邊緣；最后，采用基于Zernike矩的亞像素邊緣檢測法，將檢測精度提升至亞像素級。該系統(tǒng)測量的PCB焊盤尺寸誤差在±8 μm以內(nèi)，焊盤位置在軸方向測量誤差在12 μm以內(nèi)，在軸方向的測量誤差在6 μm以內(nèi)，滿足Mini LED背光板PCB焊盤檢測精度要求。在未來的研究中，將通過減少測量誤差和提高實時計算速度來改進機器視覺的檢測方法。

[1] XUAN T, GUO S, BAI W, et al. Ultrastable and highly efficient green-emitting perovskite quantum dot composites for Mini-LED displays or backlights[J]. Nano Energy, 2022, 95:107003.

[2] 季洪雷,陳乃軍,王代青,等. Mini-LED背光技術(shù)在電視產(chǎn)品應(yīng)用中的進展和挑戰(zhàn)[J].液晶與顯示,2021,36(7):983-992.

[3] 向華,余小豐,楊俊,等.小型LED燈印制板要求介紹[J].印制電路信息,2020,28(5):26-29.

[4] 林宗沛.基于改進Faster-RCNN的高密度柔性電路基板缺陷檢測研究[D].廣州:華南理工大學(xué),2020.

[5] 宋帥帥,黃鋒,江燕斌.基于機器視覺幾何量測量技術(shù)研究進展分析[J].電子測量技術(shù),2021,44(3):22-26.

[6] 譚文,方淼,段峰,等.基于機器視覺的3D激光平面度測量系統(tǒng)的研究與應(yīng)用[J].儀器儀表學(xué)報,2020,41(1):241-249.

[7] MCGUINNESS B, DUKE M, AU C K, et al. Measuring radiata pine seedling morphological features using a machine vision system[J]. Computers and Electronics in Agriculture, 2021,189: 106355.

[8] JIANG Z, ZHOU C, ZHANG H. Automatic Measurement of Nanoimage Based on Machine Vision and Powder Metallurgy Materials[J]. Advances in Materials Science and Engineering, 2022,2022:1-11.

[9] 杜玉軍,高明,辛維娟,等.基于機器視覺的閉氣塞表面缺陷自動檢測系統(tǒng)[J].國外電子測量技術(shù),2011,30(4):13-16.

[10] 程佳兵,鄒湘軍,林桂潮,等.基于AdaBoost算法的級聯(lián)分類器對綠色荔枝的快速檢測方法[J].自動化與信息工程,2018, 39(5):38-44.

[11] 萬杰,張進,劉遠航,等.運用光線追跡算法的高溫物體視覺三維測量[J].電子測量與儀器學(xué)報,2022,36(8):122-131.

[12] 鄒湘軍,林桂潮,唐昀超,等.改進迭代最近點法的亞像素級零件圖像配準(zhǔn)[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報,2016, 28(8):1242-1249.

[13] 許斌,徐凡穎,辛若銘.基于區(qū)域灰度梯度差異的擺片基片特征尺寸視覺測量方法[J].儀器儀表學(xué)報,2022,43(5):128- 135.

[14] 王國琿,錢克矛.線陣相機標(biāo)定方法綜述[J].光學(xué)學(xué)報,2020, 40(1):181-193.

[15] 王驍,劉檢華,劉少麗,等.基于聚類分析的管路圖像亞像素邊緣提取算法[J].計算機集成制造系統(tǒng),2018,24(9):2201- 2209.

[16] 李開平,蔡萍.數(shù)字圖像相關(guān)方法的亞像素算法性能研究[J].儀器儀表學(xué)報,2020,41(8):180-187.

[17] ZHOU J, YU J. Chisel edge wear measurement of high-speed steel twist drills based on machine vision[J]. Computers in Industry, 2021, 128: 103436.

Inspection System for PCB Pad of Mini LED Backlight Board Based on Machine Vision

LUO Wen ?ZOU Xiangjun?CHEN Jianming LIANG Tiangui DING Huiying?NI Qinxin

(1.School of Engineering, South China Agricultural University, Guangzhou 510642, China 2.Guangdong Huaheng Intelligent Technology Co., Ltd., Dongguan 523575, China)

Aiming at the problem of low detection accuracy and efficiency of Mini LED backlight PCB pad, a machine vision based Mini LED backlight PCB pad detection system was proposed. First, preprocess the acquired PCB pad image of Mini LED backlight board; Then, the threshold segmentation method is used to roughly segment PCB pads, and the fuzzy C-means clustering algorithm is used to finely segment PCB pads; Secondly, Canny operator is used to extract pixel precision edge; Finally, the sub-pixel edge detection method based on Zernike moment is adopted to improve the edge detection accuracy. The experimental results show that the system has high detection accuracy and efficiency, and the PCB pad size measurement error is within ± 8 μm, the position measurement error is within 12 μm.

machine vision; Mini LED backlight board; PCB pad; image processing; edge extraction; sub pixel edge detection

TP391

A

1674-2605(2022)06-0004-08

10.3969/j.issn.1674-2605.2022.06.004

羅文,鄒湘軍,陳建明,等.基于機器視覺的Mini LED背光板PCB焊盤檢測系統(tǒng)[J].自動化與信息工程,2022, 43(6):20-26;40.

LUO Wen, ZOU Xiangjun, CHEN Jianming, et al. Inspection system for PCB pad of Mini LED backlight board based on machine vision[J]. Automation & Information Engineering, 2022,43(6):20-26;40.

廣東省東莞大專項（20211800400092）；廣東省科技廳佛山大專項（廣東省科技計劃項目）（2120001008424）。

羅文，男，1993年生，碩士研究生，主要研究方向：機器視覺與圖像處理。E-mail: 1102059569@qq.com

鄒湘軍（通信作者），女，1957年生，工學(xué)博士，教授，博士生導(dǎo)師，主要研究方向：機器視覺與圖像處理、智能機器人、虛擬現(xiàn)實仿真技術(shù)等。E-mail: xjzou1@163.com

陳建明，男，1974年生，本科，工程師，主要研究方向：計算機與電子軟件應(yīng)用技術(shù)、菲林對位曝光設(shè)備等。