魏艷艷

摘要：為了解決當前PCB板基準點識別算法在基準點尺寸變化和存在污痕的情況下易產(chǎn)生較高的誤識別率等問題，提出主動搜索耦合圖案匹配的PCB基準點識別算法。首先，引入高斯中值濾波對圖像進行平滑處理，采用閾值處理與形態(tài)學分割圖像，通過搜索符合特征標準的基準點輪廓，設(shè)計主動搜索算子，完成對基準點的首輪識別。然后，通過基準點模板圖像和Aforge.NET匹配函數(shù)，在圖像中定位基準點目標，返回中心點坐標與匹配度，完成對基準點的精準識別。實驗結(jié)果顯示：與當前識別技術(shù)相比，本文算法具有更高的識別精度與抗干擾性。

關(guān)鍵詞：基準點輪廓；主動搜索；圖案匹配；形態(tài)學；平滑處理

中圖分類號：TP391文獻標識碼：A

Abstract：The benchmark size change and the presence of a stain easily produce the problem such as high recognition， and in order to solve this problem， this paper put forward the active search coupling PCB reference point pattern matching recognition algorithm. First of all， the Gaussian median filter was introduced to smooth the image， the active search operator was designed by image segmentation threshold processing and morphology， the features of standard benchmark outline were searched， and the reference point of the first round of recognition was completed. Then， by benchmark template image and Aforge.NET matching function， and by locating datum targets in the image and then returning to the center coordinates and compatibility， the accurate identification of reference point was completed. Experimental results show that， compared with the current recognition technology， this algorithm has higher identification accuracy and antiinterference.

Key words：reference point identification；active search；pattern matching；morphology；smooth treatment

1引言

在“智能工廠”、“工業(yè)4.0”等全新理念提出的大背景下，將具有人眼人腦功能的機器推進工廠，代替人力，提高產(chǎn)品科技含量、制造水平，已經(jīng)是大勢所趨[1-2]。PCB板上的貼片工序是3C制造流程重中之重，也是要求最復雜精細，消耗人力最多的工序，而決定這道工序作業(yè)質(zhì)量的首要條件是準確的找到基準點位置，完成對位[3]。以往國內(nèi)很多廠家采用依靠人力加物理對位的方式完成基準點尋找和對位，因此不僅人力成本消耗大，而且對位穩(wěn)定性易受來自人員、治具和材料的個體差異影響。對此，部分廠家推進自動識別PCB基準點設(shè)備，在一定程度上提高了對位識別精度[4-5]。但是，當PCB板零件復雜，存在與基準點相似的目標干擾時，識別精度大大降低，影響設(shè)備的使用。

國內(nèi)專家學者已將計算機視覺技術(shù)與基準點相結(jié)合，如姜建國[5]提出了基于機器視覺電子元器件組裝結(jié)果檢測系統(tǒng)，利用邊緣檢測實現(xiàn)目標邊緣定位，然后通過目標顏色分析，最后達到了基準點識別目的。但是，此技術(shù)依靠邊緣信息和顏色信息，而在PCB上有干擾目標在邊緣和顏色特征接近標準基準點時，往往影響了識別精度，導致誤識別。田甜[6]提出了基于OpenCV的貼片機基準點定位系統(tǒng)，基于類電磁機制算法的電子元器件組裝結(jié)果檢測方法，該方法利用開源視覺函數(shù)庫的強大功能，通過模板匹配等方法函數(shù)完成基準點定位，最后達到基準點識別目的。然而，這種定位技術(shù)在基準點大小或者位置發(fā)生較大偏移的情況下，往往不能準確區(qū)分識別基準點位置，導致對位存在誤差。

對此，為了提高PCB基準點識別算法的準確性，使其在干擾物明顯且位置多變的情況下，仍然能夠精確識別出基準點位置。本文提出了耦合主動搜索與圖案匹配的PCB板基準點識別算法，針對圓形基準點，先設(shè)計基于圖像處理與特征分析的主動搜索算子，完成目標首輪識別。然后耦合Aforge.NET模板定位函數(shù)，作為二次識別，綜合兩次識別，進一步確?；鶞庶c識別精度。最后，測試了本文基準點識別技術(shù)的精度與抗干擾性。

2本文PCB板基準點識別算法

本文算法流程見圖1。該算法首先對包含基準點的PCB板進行圖像信息采集，并保存到到算法中。隨后，引入高斯中值濾波，對圖像進行高斯平滑處理，提高圖像質(zhì)量。然后進行閾值分割和形態(tài)學閉運算，得到包含基準點的二值圖像。接著，提取二值圖像中輪廓幾何特征，并與標準基準點幾何特征進行匹配，完成第一輪基準點識別。為了提高算法的識別成功率，減少誤識別，本文算法提出了二次識別定位，首先制作基準點模板圖像，然后基于Aforge.NET中的圖案匹配函數(shù)，完成基準點圖案匹配。如果兩次識別的中心點坐標差距超過1個像素，則判為識別失誤并重新識別；反之判為識別成功，坐標點取兩次識別均值。PCB基準點圖像如圖2所示，中間的金屬色圓形即為待識別的基準點，本文主要研究圓形基準點。2.1基于圖像處理與特征分析的主動搜索算子

包含基準點的PCB板隨滾輪移動到工業(yè)相機鏡下，對其圖像采集與保存后，首先對原圖進行高斯平滑處理，效果是灰度化與噪聲弱化，從而達到減少圖像運算量、提高識別精度的目的。高斯平滑處理計算公式如下[7]：

2.2基于Aforge.NET的圖案匹配算子

完成主動搜索算子處理，為了進一步確保識別正確，規(guī)避識別誤差，本文算法在主動搜索機制運行處理時，同步進行另外一個算子，即圖案匹配算子，不僅提高了識別正確率，而且不增加算法處理時間。首先選擇一張標準基準點圖像，截取基準點區(qū)域，并保存系統(tǒng)，作為后續(xù)圖案匹配的模板，如圖8所示。由于Aforge.NET為開源免費函數(shù)庫[10]，在實現(xiàn)功能的前提下，不會增加項目開發(fā)的成本，同時該庫基于微軟.NET平臺實現(xiàn)，具有易開發(fā)易維護擴展的優(yōu)點。本系統(tǒng)利用Aforge.NET的MatchTemplate（）函數(shù)，將待識別圖像與模板進行匹配，函數(shù)返回匹配度。接著基于MinMaxLoc （）函數(shù)實現(xiàn)匹配區(qū)域與中心點坐標提取。

3實驗與討論

為了體現(xiàn)本文算法的優(yōu)勢，將當前基準點識別性能較好的技術(shù)-文獻[5]、文獻[6]設(shè)為對照組。算法部分實驗參數(shù)設(shè)置為：閾值（210）、匹配度（0.8）、面積（30-45）、長寬比（0.9-1.1）。

以圖11為識別對象，其包含圓形基準點待識別。本文采用圖像處理與特征分析，建立主動搜索算子，完成一次識別，如圖12所示，得到包含基準點的二值圖像。同時基于Aforge.NET實現(xiàn)的模板匹配與定位函數(shù)，精準定位出基準點目標，完成二次識別，綜合兩次識別，如圖13所示，準確的定位識別到基準點位置，可見本文算法不僅包含識別顯示功能，還有中心點坐標、匹配度等計算顯示功能，充分體現(xiàn)用戶友好性與專業(yè)性。圖11原圖

而利用對照組文獻[5]技術(shù)處理圖11時，由于單純依靠邊緣信息和顏色信息，而在PCB上有干擾目標在邊緣和顏色特征接近標準基準點時，往往影響了識別精度，導致誤識別，如圖14所示，存在基準點誤識別，把左上角的矩形干擾物判為基準點。利用對照組文獻[6]技術(shù)處理圖11時，由于定位技術(shù)在基準點大小或者位置發(fā)生較大偏移的情況下，往往不能準確區(qū)分識別基準點位置，導致對位存在誤差，如圖15所示，存在基準點識別誤差，距離基準點有明顯偏移。由此，文獻[5]、[6]的基準點識別技術(shù)易導致PCB板基準點對位錯誤。

4結(jié)論

為了解決PCB基準點背景干擾影響基準點識別的問題，本文設(shè)計了基于主動搜索與圖案匹配的基準點識別算法，實現(xiàn)對基準點圖像的平滑處理、閾值處理、形態(tài)學處理、特征分析和Aforge.NET匹配函數(shù)處理，同步運行兩種算子，耦合處理結(jié)果。實驗結(jié)果表明：與當前基準點識別技術(shù)相比，在面對存在PCB個體差異與背景干擾的需求下，本文方法具有更好的精度和抗干擾性，為PCB板精確對位提供技術(shù)保障。

參考文獻

[1]STANESCU A，KARAGIANNIS D.Towards a Holistic Approach for Intelligent Manufacturing Systems Synthesis[J]. IFAC Proceedings Volumes， 2010， 41 （3）： 193-198.

[2]LEMU H G.Current status and challenges of using geometric tolerance information in intelligent manufacturing systems[J]. Advances in Manufacturing， 2014， 2 （1）：13-21.

[3]范靜. 基于圖像定位的PCB板級EMI自動監(jiān)測系統(tǒng)[D]. 蘇州：蘇州大學，2015： 19-33.

[4]郭亞娟. 基于圖像處理的PCB焊點定位研究[D]. 武漢：武漢工程大學，2015： 25-36.

[5]姜建國. 一種電子元器件組裝結(jié)果檢測方法[J]. 西安電子科技大學學報，2015，21（21）：283-287.

[6]田甜.基于OpenCV的貼片機基準點定位與實現(xiàn)[J]. 機床與液壓， 2015，18（15）：16-19.

[7]XIN Y L.Curvature estimates for submanifolds with prescribed Gauss image and mean curvature [J]. Calculus of Variations and Partial Differential Equations， 2010， 37（3）： 385-405.

[8]VAN BREEMEN A，ZABA T. Surface Directed Phase Separation of Semiconductor Ferroelectric Polymer Blends and their Use in Non‐Volatile Memories[J]. Adv. Funct. Mater，2015，25（2）：278-286.

[9]張大坤， 羅三明. 形態(tài)學中閉運算功能的擴展及其應用[J]. 計算機工程與應用， 2012，46（27）：185-187.

[10]樓亮亮， 金彥亮. 基于AForge.NET類庫的視頻移動目標檢測[J].現(xiàn)代電子技術(shù)， 2015，8（17）：58-60.