基于轮廓矩的热敏电阻封装质量检测研究-刘碧俊.pdf

《基于轮廓矩的热敏电阻封装质量检测研究-刘碧俊.pdf》由会员分享，可在线阅读，更多相关《基于轮廓矩的热敏电阻封装质量检测研究-刘碧俊.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于轮廓矩的热敏电阻封装质量检测研究 45基于轮廓矩的热敏电阻封装质量检测研究刘碧俊(江苏食品药品职业技术学院机电工程学院，江苏淮安223003)摘要：针对热敏电阻封装质量检测问题，设计了基于阈值分割及轮廓矩识别的自动检测方法。该方法首先对封装热敏电阻进行灰度化处理，再利用最大类间方差法对图像进行阈值分割，进一步通过形态学运算得到不合噪声的目标二值图像，并采用Canny算子提取到封装热敏电阻的连续轮廓，然后根据轮廓矩理论提取了封装热敏电阻边缘图像的前三阶轮廓矩，最后得到与模板的欧氏距离，通过阈值比对实现了封装质量识别。实验验证表明该方法对几种封装不合格产品的固定样本检测准确率都在90以上，对随

2、机样本的检测准确率接近人工检测的准确率，且单根检测耗时220 ms远远小于单根平均5 S的人工检测耗时。关键词：热敏电阻；封装质量；机器视觉；阈值分割；轮廓矩中图分类号：THl61 文献标识码：A 文章编号：10008829(2017)1l一004505Research on Package Quality Detection of Thermistor Based onContour MomentLIU Bi_jun(School of Mechanical and Electrical Engineering，Jiangsu FoodPharmaceutical Science Cofie

3、ge，Huaia11 223003，China)Abstract：An automatic detection method based on threshold segmentation and contour moment recognition isdesigned to solve the problem of thermistor packaging quality identificationFirst，the package thermistor isconverted to gray scale and the threshold is segmented by the Ots

4、u method，after that，the target binary imagewith noise is obtained by morphological operation and continuous contour of the package thermistor is extractedby means of the Canny operatorThen the first three-order contour moments of the edge image of the packagethermistor are calculated according to th

5、e contour moment theoryPackage quality identification of thermistor isfinally realized through the calculation of Euclidean distance from the template and threshold determinationItis shown that fixed sample detection accuracy is more than 90for several packages of substandard products，the detection

6、accuracy of random samples is close to the accuracy of manual detection，and single detectiontime takes 220 ms，which is far less than the single average of 5 S of manual detection timeKey words：thermistor；package quality；machine vision；threshold segmentation；contour moment热敏电阻阻值对温度变化十分敏感，是一种传感器电阻。热敏电

7、阻属于可变电阻的一类，广泛应用于各种电子配件中u J。热敏电阻这类高精度、高灵敏度的电子元器件在应用中容易受到外界因素的影响，为保证其正常工作，一般都需要对其进行封装。从热敏电阻的整个制造流程来看，封装费用是仅次于元器件本身的重要开支，封装材料费占到全部材料费的20收稿日期：20170517基金项目：淮安市科技支撑计划(工业)项目(HAG2013029)作者简介：刘碧俊(1965一)，男，江苏淮安人，硕士，副教授，高级工程师，主要研究方向为机械工程及CADCAM。一252|。环氧树脂是使用最为广泛的热敏电阻封装材料。目前国内热敏电阻生产企业大都采用手工侵入式封装的方法，即将热敏电阻批量装夹后浸

8、入热融的环氧树脂中，做一定的往复运动后取出自然风干H J。然而由于热融环氧树脂较为黏稠，这种封装方法容易造成热敏电阻发生移位继而产生碰撞和粘连，进一步造成热敏电阻封装废品率较高，且封装后的质检工作量大，人工成本居高不下，实现热敏电阻封装质量的自动检测迫在眉睫。随着机器视觉软、硬件技术的高速发展，其在电子元器件质量检测领域得到了越来越广泛的应用。李本万方数据46 测控技术)2017年第36卷第11期红等H1采用数学形态学及迭代阈值二值分割算法提取了IC引脚图像，通过检测引脚中心点的灰度跃变识别引脚缺陷。蒋建东等o通过模板匹配提取了IC引脚区域图像并进一步通过连通区域的面积计算实现了对轻触开关引脚

9、缺陷的识别。殷苏民1对获得的电池封装图像进行了滤波及二值化处理后，提取了联通区域边缘并对边缘形状匹配进行了研究实现了封装质量检测。本文针对封装热敏电阻结构特点，在获取封装热敏电阻图像的基础上，应用阈值分割、形态学运算及边缘检测等图像处理手段，结合轮廓矩作为特征识别方法，为热敏电阻封装质量的自动检测提供了有效的方法。1 检测原理由于热敏电阻尺寸较小，本检测首先采用2倍物镜获取热敏电阻的放大彩色图像，进而对其进行灰度化转换，然后采用最大类间方差(Otsu)法对图像进行阈值分割，得到含有少量噪声的热敏电阻二值图像，再通过形态学闭运算与开运算去除图像噪声并利用Canny算子检测得到目标连续轮廓，最后计

10、算轮廓矩并与模板进行比对，最终得到封装质量检测结果，具体算法流程如图1所示。图1 封装质量检测流程图2阈值分割与轮廓提取热敏电阻在封装的过程中由于热融环氧树脂的黏滞性，所以容易产生封装过厚、封装过薄以及封装折断三种封装不合格的情况，具体如图2所示。为后续的检测需要，首先需要将封装热敏电阻与背景进行分离。对于封装热敏电阻这种背景单一且目标较少的图像来说，阈值分割就能满足对图像的分离要求，而阈值分割法实现准确分离的关键是对阈值的选择一“J。为实现封装热敏电阻图像中目标的自动分一 一 ，(a)封装合格 (b)封装过厚图像 图像(C)封装过薄 (d)封装折断图像 图像劁2热敢电阻1、川封装状凡，瑟H离

11、，要求能够实现阈值自适应设定。在自适应阈值分割领域，日本学者Otsu于1978年提出的最大类间方差法(又称Otsu法)，由于其良好的分割效果，一直应用较为广泛一。11|。Otsu法首先将图像像元分为两组，然后通过计算两组像元的类内方差得到最大值来确定分割的最佳阈值，具体原理如下1 2。：设图像八i，)的灰度级为，大小为x像素X Y像素，某点(i，J)的灰度值为k，八i，J)上的灰度取值范围为0，1，L一1，则某一点处灰度值为k的概率pi可以表示为Po-面k (1)Ll 一l其中，PF=1。设待处理图像像素以灰度值r为阈值分成两类，一类像素灰度值取值范围为0，1，T一1，另一类像素灰度值取值范围

12、为丁，丁+1，L一1。将这两类像素的灰度均值分别记为p。(r)和1t。(T)，出现的概率分别记为。(r)和。(丁)，则too(r)=Pi (2)。(丁)=P。=1一。(71) (3)go(r)=kPitO。(7) (4)肛。(r)=kPitO(r) (5)设整幅图像的灰度总均值为肛：肛=o(r)go(71)+l(T)xl(71) (6)Otsu法图像最佳阈值g为92。嬲一。tOo(r)Uo(7)一肛+-(71)ut(r)一p(7)为了验证Otsu法阈值分割的有效性，在MatlabR2013b仿真环境下，对578像素X 194像素大小的封装热敏电阻2倍放大图像进行Otsu法阈值分割，并将分割结果

13、与传统的阈值分割进行对比，两种方法的分；_了万方数据基于轮廓矩的热敏电阻封装质量检测研究 47割结果如图3所示。(a)传统方法阂值分割 (b)Otsu法|阂值分割图3封装热敏电阻阈值分割效果图从结果可以看出，传统的阈值分割目标区域不完整性较为明显，且尾部金属片伪目标残留较多，未能实现有效分离，不利于进一步进行处理。而Otsu法能够有效抑制光反射噪声及尾部伪目标，得到的分割结果能够满足进一步处理需要。虽然Otsu法较其他方式阈值分割效果较好，但仍存在少量噪声干扰，影响下一步的轮廓提取，可进一步采用形态学运算的方法过滤杂质干扰。形态学处理采用33单位矩阵的结构分子及腐蚀膨胀运算来过滤噪声，其过滤效

14、果虽然较其他滤波方式有一定优势，但其结构分子并不具有完全的普适性3|。针对此问题，本文提出一种新的结构分子，再通过高帽运算消除干扰lI 4|。具体步骤如下：首先定义腐蚀与膨胀运算：(徊剐(算，)，)=，唧n瞰戈+k，Y+f)一日(k，f) (8)L EJ ED(厂曰)(z，y)=，婵聱n以戈一k，Yz)+口(后，f) (9)tj E D式中以z，Y)为定义在二维离散空间z2(表示整数集合)上的数字图像，结构元B(k，Z)c矛。再定义开运算与闭运算：f。B=(徊B)o B (10)fB=(，oB)0口 (11)最后定义高帽运算：h=f-(内8) (12)式中。厂为原图像，h为高帽运算后图像。封装

15、热敏电阻外形为光滑过渡，如果直接采用传统的33结构分子进行运算，容易损失热敏电阻细节特征，造成检测误差。但由于热敏电阻为对称结构，结构分子的选择应为对称结构，且考虑圆弧过渡特征，故改进传统33结构分子，保留对称结构但对角取一1，可以减少圆弧型轮廓损失，改进后形态学运算结构分子曰如F：曰：1经本文改进结构分子形态学运算后的封装热敏电阻二值图像如图4所示。得到封装热敏电阻二值图像后需进一步提取目标的连续轮廓曲线，而轮廓曲线提取的准确性和快速性与边缘检测算子的特性有直接关系。近年来，许多学者针对数字图像的轮廓提取提出了大量的边缘检测算子，其基本原理都是通过一阶或二阶微分运算求得图像像素小邻域的梯度最

16、大值或二阶导数过零点来实现边缘的检测。具体有Sobel算子、Prewitt算子、Robert算子、Log算子、Canny算子等。在众多的边缘检测算子中，Canny算子由于其良好的信噪比及较快的计算速度，在较为简单的目标边缘提取中应用较为广泛。经过前期处理后获得的封装热敏电阻二值图像效果较好，因此本文边缘提取使用了计算速度较快Can-ny算子。边缘是在形态学处理后进行的，提取到的轮廓有较好连续性与完整性，Canny算子提取的边缘图像如图5所示。3轮廓矩识别待检测的热敏电阻由于包含有不合格产品，所以其轮廓较为复杂。而且由于检测速度需要其摆放的位置及角度并不能保证有较为理想的同一性。在此情形下，常规

17、的图像识别手段如：外接矩、偏心率、面积及周长面积比等都不能得到良好的识别效果。矩是基于统计的一种图像特征，不同阶次的矩中包含有图像的尺度、位置和方向变换参数，图像的矩特征分为全局矩特征与局部矩特征两类。在热敏电阻封装质量检测中，需要识别的是目标的形状，所以选取基于热敏电阻轮廓的局部矩特征即可实现，且计算量较小。轮廓矩以万方数据48 测控技术2017年第36卷第11期Chen对HU全局矩的改进最为成熟，其将区域积分替换为曲线积分5|。对于大小为x像素Y像素的图像以i，J)，定义其像素灰度值函数是其在目标轮廓曲线C上的函数，则其(p+q)阶矩定义为mw=I xPy9 ds (13)式中，J为沿曲线

18、c的线性积分；ds=J(d石)2+(dy)2；p，q=0，1，2，3，；p+g=2，3，。可以定义其(p+g)阶轮廓中心距为p。=JJ(戈一i)(Yy-)4ds (14)式中，x=mlom00，歹=m01m00，其中poo=moo为零阶中心距。对于数字图像中心距可以定义为=(zi)9(yy-)9 (15)【J-yl E o轮廓中心距具有平移不变性，进一步引入尺度规范化矩可实现尺度不变性，即77。=肛。j墙 (16)式中，7=p+g+1，P+g=2，3，。组合规范化的二阶和三阶轮廓矩可得到以下7个对平移、旋转和尺度变换不变的矩：f垂2叩20+田02 ， ，l西2=(叼20一叼02)2+4叼jII

19、西3=(叼303q12)2+(3772l一叼03)2I蛾=(730+叼12)2+(叼03+叩21)2I咖5=(叼303,12)(730+叼12)(叼30+叼12)23(，2l+叩03)2+(3田21一可03)(72l+703)3(叩30+叼12)2一(叼2I+r03)l哦=(叼20一叼02)(叼30+可。2)2一(叩2l+田03)2+4叼ll(，712+叩30)(r2l+叼03)l西7=(3田2l一可03)(叼12+叼30)(叼12一叼30)23(可2I+田)2一L (叼3037712)(叼2l+叼03)3(叩12+叼30)2一(r2l+叼03)2(17)未经处理的七阶矩不变量数值变化范围较大

20、，以对数形式对其进行处理，即西。=IlogIoI咖。I m=1，2，7 (18)从轮廓矩的实际应用来看，其高阶矩受微小噪声影响变化较大，低阶矩受影响较小。为最大程度减少计算量，本文选取中。、痧：和垂，作为封装热敏电阻形状特征。在接下来的轮廓相似程度判定中，距离相似度为应用最为广泛的方法，在距离判定中又以欧氏距离的应用最为成熟，欧氏距离计算公式如下：厂了一中：厂(A，曰)=(中?一中?)2 (19)Y I 21式中，A为待检测封装热敏电阻图像；B为完好封装热敏电阻模板图像；中：、中：分别为待检测封装热敏电阻图像的第m个矩不变量的值和完好封装热敏电阻模板图像的第m个矩不变量的值。4实验及分析根据实

21、际需要，选择丹麦JAI公司的RMC一4200CL型CCD工业数字相机配合2倍放大镜头作为本次实验的图像采集设备，该相机分辨率为400万像素，帧率为15s，像元大小为74斗m74斗m，光源为白色LED同轴光源。实验样本为封装完好、封装过厚、封装过薄、封装折断热敏电阻各15根。根据公式18分别计算各样本的函。、咖：、咖，得到各样本的前三阶边缘不变矩曲线如图6所示。6#=哮=j暑三F；j；iE=；=i=覃苎j=#s；=z仁=j一=鼻皇jI=；高；=；=：=)-=_-_一卜d-、_二j=l=二二#-。=卜_J 2 j 4 ， 6 ， 8 v IU J2 1j 4 3、轴电Iql序号 +完好田+折断c，

22、1一过薄垂，过厚呜)釉边缘不变矩值 +完好嘿+折断幔过薄唆一过厚峻完好也+折断m， 过薄它+过厚呶图6 ij；介轮廓矩折线【￥1从图6曲线分布可以看出，三阶数据折线图基本呈三组排列。在一阶和二阶矩曲线组中，封装折断一阶矩与封装过厚一阶矩数据曲线较为接近，封装完好和封装过薄一阶矩较为接近；在三阶矩曲线组中，几条曲线波动较大，其中封装过厚与其余三条曲线距离都较远。进一步选择1根封装完好热敏电阻作为模板，依据公式19可计算出其余4组各样本与模板间的欧氏距离，如表1所示。从表1可以看出，封装折断样本欧氏距离值与封装过薄样本欧氏距离值很接近，封装过厚样本欧氏距离值曲线与其余样本值差值较大，其中虽然与封装

23、过薄和封装折断与封装完好样本欧式距离值较为接近，但最小值11900也大于封装完好样本最大值05392两倍以上。所以，完全可以通过设定阈值来排除封装过薄、封装过厚与封装折断。经测算，封装完好欧氏距离最大值为05392，考虑到实验样本不是很大，将阈值上浮10，即欧式距离大于05931的都认定为不合格封装产品。万方数据基于轮廓矩的热敏电阻封装质量检测研究 49表1 各种封装与模板间的欧氏距离正常热敏电阻封装检测方法为取封装头部过渡位置直径，约12 mm。按照企业生产标准，检测位置直径超过标准直径03 mm为封装过厚，检测位置直径小于标准02 mm以上为封装过厚，而封装折断由于热敏电阻结构特性一般在中

24、间位置折断。为验证本文方法的有效性，分别取封装过厚、封装过薄及封装折断3种类型热敏电阻各100根，做固定样本检测试验，检测结果如表2所示。可以看出封装过薄误检率高于其他样本，分析其原因为封装过薄与标准尺寸相差较小，图像在滤波及形态学处理过程中容易与实物产生一定误差，导致误检率较高。解决的主要办法是光源及背景清洁及更大倍数放大镜，但要兼顾检测时间。表2固定样本检测结果类型检出数误检率|类型检出数误检率J|类型检出数误检率过厚 92 8lI过薄 91 90折断 95 5进一步随机抽取500根生产线上待检测热敏电阻与人工检测做随机样本检测对比，具体结果如表3所示。可以看出本文方法与人工方法检测次品率

25、较为接近，本文方法单根热敏电阻检测时间平均为220 ms，人工检测单根热敏电阻检测时间平均为5 s，本文方法耗时大大减少，能够满足实际生产的检测需求。表3对比检测结果5 结束语本研究以热敏电阻封装质量检测为研究对象，提出了基于轮廓矩理论的自动检测方法，经实验验证得到如下结论：Otsu法较迭代法更能抑制由封装热敏电阻表面光滑反光造成的图像噪声，实现阈值分割。形态学运算去除残存着噪声后的Canny算子边缘检测方式能够减小检测算法体积，且得到的图像边缘也较为理想。由前三阶轮廓矩得到的欧氏距离即能实现封装质量的较高检测准确率，不必引入高阶矩增加检测计算量。然而，本研究的检测方法对于热敏电阻封装过薄情况

26、的检测准确率稍低，针对这种情况可在提高系统性能的同时选择高倍镜头来获取更多的图像细节以提高检测准确率。对于由于封装表面光滑造成的图像噪声可进一步在今后的研究中针对封装热敏电阻自身的结构特点对光源进行改进设计。参考文献：1 刘碧俊，孙铁波，柳立新热敏电阻涂胶机自动压紧装置设计J汽车零部件，2015(2)：45472李本红，张淼，欧幸福基于机器视觉的SOP芯片引脚缺陷检测系统设计J电子器件，2017，40(1)：1711783 蒋建东，陈培余，童一珏，等基于机器视觉的轻触开关引脚缺陷检测算法研究J浙江工业大学学报，2015，43(1)：30334 殷苏民，胡乃龙一种基于机器视觉的电池涂胶缺陷检测方

27、法J机械制造，2016(1)：85875孙吉祥，梁敬东基于图像分割和轮廓矩的果蝇求偶行为识别方法J计算机应用与软件，2015(4)：1451486 张军，孙文本，杨正瓴基于轮廓矩和Harris角点混合特征的车型识别系统J计算机应用与软件，2016(2)：1421457 王仲，郑镕浩，付鲁华，等光照不均匀图像的阈值分割J计算机应用研究，2015(11)：346734708 陈广锋，黄青青，李江华，等基于机器视觉与最大熵的地毯断纱类疵点检测J计算机工程与设计，2015(4)：99l一9949何志勇，孙立宁，陈立国Otsu准则下分割阈值的快速计算J电子学报，2013，41(2)：26727210胡敏

28、，李梅，汪荣贵改进的Otsu算法在图像分割中的应用J电子测量与仪器学报，2010，24(5)：44344911彭红星，邹湘军，陈丽娟，等基于双次Otsu算法的野外荔枝多类色彩目标快速识别J农业机械学报，2014，45(4)：616812 陈峥，石勇鹏，吉书鹏一种改进的Otsu图像阈值分割算法J激光与红外，2012，42(5)：58458813杨福刚，孙同景，宋松林基于机器视觉的全自动灯检机关键技术研究J仪器仪表学报，2008，29(3)14 黄海龙数学形态学在图像边缘检测和机器视觉中的应用研究D沈阳：东北大学，201315刘亦书，杨力华，孙倩轮廓矩不变量及其在物体形状识别中的应用J中国图象图形学报，2004，9(3)口万方数据