Page 107 - 无损检测2023年第八期

税法典, 等:

基于机器视觉的数据线焊接缺陷检测

理, 去除干扰噪声; 其次利用平滑后图像的可用梯 图2所示。
度信息( 如亮度、 颜色等) 进行边缘检测处理, 得到
初步的边缘响应图像; 然后, 对轮廓点与非轮廓点
采用不同的处理方式来区分轮廓点与非轮廓点,
进而得到轮廓的边缘图像; 最后, 对轮廓进行精确
定位, 该过程又分为两步: 一是采用非最大值抑制
来保留局部变化最大的点达到细化边缘的效果,
一是利用递归跟踪算法处理图像, 以保证最后的
轮廓图像是连续的。
1.4 阈值分割

阈值分割是指去除图像内灰度值高于或者低于 图2 预处理结果示例
设定阈值的像素点, 其结果是将一幅灰度图像处理
2.1.2 图像增强
为一幅二值图像, 有效实现前景和背景的分离, 即
将预处理后的图像从 RGB ( 三原色) 色彩空间
0 , fij <T 转换到 HSV ( 色调 - 饱和度 - 亮度) 空间, 对 HSV 空
(,)
G ( i ,) fij >T ( 6 ) 间的 V 通道增加一个数值, 使得图像整体变亮, 便
j =
(,)
255 ,
j
式中: G ( i ,)为阈值分割后生成的图像; (,) 于后面利用颜色特征对图像的缺陷进行检测, 亮度
fij
为输入图像; T 为用于分割的阈值。
增强效果示例如图3所示。
2 检测算法的设计
数据线的虚焊检测算法流程图如图1所示。算
法首先使用工业相机采集数据线图像, 对采集的图
像进行预处理。预处理包括区域分割和图像增强,
区域分割的目的是找到需要检测的区域, 图像增强
的目的是使数据线焊接区域的图像更加清晰。接下
来, 对预处理后的图像进行焊料过少、 漏焊、 铜线裸
露、 焊膏越界的检测, 确认数据线焊接是否符合标 图3 图像增亮增强效果示例
准, 最后输出检测结果。如果在4次检测中没有发 2.2 焊料过少和漏焊检测
现缺陷, 则确定数据线焊接符合要求。 在进行焊接时, 可能会出现部分铜线焊接不牢
固或未焊接的情况, 从而影响数据线的正常使用。
未焊接区域为金黄色, 在 HSV 色彩空间中容易根
据色调( H )、 饱和度( S ) 和亮度( V ) 来确定该区域。
根据金黄色区域面积与整个线位区域面积的比例,
可判断是否存在缺陷。
RGB色彩空间是从硬件角度提出的颜色模型,
在与人眼匹配的过程中可能存在一定差异, HSV 色
彩空间是一种面向视觉感知的颜色模型 [ 13 ] 。根据
色调、 饱和度、 亮度的差异, 利用式( 5 ) 确定带焊接区
域的位置, 并将符合条件的区域设置为白色, 其他区
图1 数据线虚焊检测算法流程图
域设置为黑色。
2.1 图像预处理 轮廓的面积是笔者判断是否存 在 缺 焊 和 漏
2.1.1 区域分割 焊的指标, 在二值图像中轮廓面积的计算方法可
使用工业相机采集数据线图片后, 需要对图像 表示为
进行预处理, 采用角点检测的方法去除无关部分, 保 m n
(,) 255 , (,)
A = fij fij ≠0 ( 7 )
留焊接区域, 以降低检测难度, 预处理结果示例如 ∑∑
i = 1j = 1
9
6
2023年 第45卷 第8期
无损检测