CN107610085A - 一种基于计算机视觉的焊点缺陷检测系统 - Google Patents
一种基于计算机视觉的焊点缺陷检测系统 Download PDFInfo
- Publication number
- CN107610085A CN107610085A CN201610540672.0A CN201610540672A CN107610085A CN 107610085 A CN107610085 A CN 107610085A CN 201610540672 A CN201610540672 A CN 201610540672A CN 107610085 A CN107610085 A CN 107610085A
- Authority
- CN
- China
- Prior art keywords
- welding point
- point defect
- detecting system
- computer vision
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
在点焊机的焊接生产线上,由于焊接工艺的不成熟,往往会导致虚焊、漏焊、焊穿等现象,会极大地影响产品的使用寿命、美观等,需要对其进行质量检测。针对传统检测方法的低效率,发明了一种基于计算机视觉的焊点缺陷检测系统,提出采用机器视觉的方法来对焊点进行检测,并给出一种图像处理方法;对图像进行平滑处理,然后使用Otsu方法对图像进行阈值分割,并对得到的图像做倒三角距离变换,将像素点信息转化为灰度信息,采用分水岭算法准确地分割出焊点,最后通过面积等特征计算对焊点缺陷进行分类。实验证明,该夏天较传统的检测仪器,能有效地检测出多种不同排列的焊点,提高了工业生产效率。
Description
所属技术领域
本发明涉及一种检测系统,尤其涉及一种基于计算机视觉的焊点缺陷检测系统。
背景技术
近年来,基于计算机视觉的检测技术在工业检测领域得到迅速发展,它将现代光学、计算机技术、图像处理与分析技术等现代科学,组成光机电一体化的综合检测系统,具有在线检测、实时分析与控制、精度高、连续工作等特点,能广泛用于各种特殊场合。点焊机主要用于电子行业的设备上,有较高的质量需求,因此,需要对焊点的质量进行检测。由于实际工艺的不成熟,以及人工操作的失误,往往会产生一些缺陷,比如焊料过多、焊料过少、松香焊、过热焊、冷焊、虚焊、不对称、松动、拉尖、桥接、针孔等。常见的缺陷主要有虚焊和焊穿。造成虚焊的原因一般有:两侧电极的压力过小导致焊件没有很好的贴紧,电流过小等。造成焊穿的主要原因是电流过大,直接导致焊件穿孔。
有学者通过预先对几种焊点建立相应的模板,采用特征匹配算法对焊点进行分类。有学者提出了一种焊点检测算法,通过对焊点定位,提取其形状和颜色、面积占有率、重心和像素的连通性等特征,并提取出三层特征对焊点缺陷进行正确判别,能很好地对焊点进行分类,但检测效率不高,同时会导致错判。有学者采用基于模式匹配及其参数自适应的PCB焊点检测,通过提取图像关键子区域的面积特征,对焊点建立特征矩阵模型,采用同类焊点最大相似度原则,设计模式匹配算法进行焊点检测,该算法检测速度快,但是阈值参数的人工设定,降低了检测效率。有学者采用神经网络对焊点缺陷进行分类检测,该算法的缺点是参数设置困难,结果稳定性差。有学者通过Log—Gabor滤波器、离散小波变换和离散余弦变换提取焊点特征,通过马氏距离对不同的焊点进行分类。文献[7]通过形态学方法将焊点图像提取出来,通过计算区域的重心,对图像进行X-Y方向的投影得到分割图像。有学者采用贝叶斯和支持向量机对焊点图像进行分类,图像的识别率提高,但是提取的特征过多,加大了计算复杂度。
发明内容
本发明的目的是针对传统检测方法的低效率,设计了一种基于计算机视觉的焊点缺陷检测系统。
本发明解决其技术问题所采用的技术方案是:
基于计算机视觉的焊点缺陷检测系统主要由视频采集设备、控制单元、上位机(Pc)以及上位机检测软件构成。本焊点缺陷自动检测系统,主要是针对某电子产品上的焊点缺陷进行检测,其原材料为不锈钢,长为100mm,宽为40mm。经过点焊机焊接后,会在不锈钢金属上产生排列不规则的圆。
所述的视频采集设备由工业数字摄像机、光学镜头和光源构成。
所述的工业数字摄像机及镜头用于被测对象的图像采集,通过1394接口与上位机相连,将采集的图像数据传输给上位机供其处理。
所述的系统采用500万像素的工业面扫CCD,使得单个像素尺寸为0.04mm。
所述的光源用于照明并突出对象的特征,系统采用LED颗粒的同轴白色光源,采用正面打光的方式,使得背景亮度均匀,即像素灰度值保持一致。
所述的上位机是核心控制部分,负责摄像机图像的采集控制,上位机检测软件用于对采集到的图像进行处理,并输出信号给控制工作台,进行后续的操作。
所述的系统需要确保相机、镜头及光源由支架固定在产品上方,同时,确保其与产品水平面保持一致。
所述的上位机软件实现的焊点缺陷检测方法,主要实现焊点缺陷检测过程中的图像提取、距离变换、分水岭算法、圆拟合以及焊点缺陷判断等。
本发明的有益效果是:
基于计算机视觉的焊点缺陷检测系统实现了点焊机的自动缺陷检测,提高了检测速度,具有实用价值和一定的通用性。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是焊点缺陷检测软件流程。
具体实施方式
基于计算机视觉的焊点缺陷检测系统主要由视频采集设备、控制单元、上位机(Pc)以及上位机检测软件构成,视频采集设备由工业数字摄像机、光学镜头和光源构成。工业数字摄像机及镜头用于被测对象的图像采集,通过1394接口与上位机相连,将采集的图像数据传输给上位机供其处理。为了满足0.1 mm的检测精度,本系统采用500万像素的工业面扫CCD,使得单个像素尺寸为0.04 mm。光源用于照明并突出对象的特征,系统采用LED颗粒的同轴白色光源,采用正面打光的方式,使得背景亮度均匀,即像素灰度值保持一致。上位机是核心控制部分,负责摄像机图像的采集控制,上位机检测软件用于对采集到的图像进行处理,并输出信号给控制工作台,进行后续的操作。在实际场景中,不锈钢产品表面容易受外部环境变化的干扰,如光照的变化、目标位置的变化。因此,确保相机、镜头及光源由支架固定在产品上方,同时确保其与产品水平面保持一致。
如图1所示, 由于用户需求的不同,实际中的焊点呈多种排列形式,因此,如何有效地提取出焊点区域是本系统算法的关键。焊点区域的提取,比较常用的方法是直接对图像区域进行二值化,然后根据焊点特征,对其进行数学形态学操作,进而提取出焊点。但是,实际的焊点图像是由多个焊点相连或者粘连在一起,因此,传统的分割算法不能较好地适应此种情形。针对此种情况,本系统提出一种新的焊点缺陷检测方法,实现焊点缺陷检测过程中的图像提取、距离变换、分水岭算法、圆拟合以及焊点缺陷判断等,这些都由上位机软件实现。
在图像获取和传输的过程中,难免会存在噪声点,同时,焊点的背景部分也会存在一些焊渣,需要对其平滑处理,即借助卷积核与图像进行卷积来实现。对平滑处理后的图像,根据焊点的灰度值范围,采取大津法对图像进行处理。大津法 ,即最大类间方差法,该方法是选取合适的阈值,使得图像前景和背景两类间方差值最大,取当前阈值为最佳分割阈值,最终得到二值图像。
对二值图像,为了较好地分割出重叠的焊点,以便统计出精确的焊斑个数和形状,采用距离变换,即计算每一个像素与背景像素点间的最小距离值作为新的距离图像中对应点的像素值。理论上讲,距离变换相当于对图像进行全局操作运算,除非图像的尺寸非常小,否则全局操作的计算量是非常大的。因此,本文采用倒三角算法计算距离变换。倒三角法类似于卷积操作在图像中移动),以从左到右、自顶向下和以从右到左、自底向上做两次扫描。模板移动到某个位置时,模板中的每个像素与对应的像素值相加,得到两个和的集合,将位于模板中心下方的这些像素和中的最小值用这些和中的最小值代替。通过距离变换计算后,可以把图像中毫无关联的二值图像转换为灰度图像,其中每个像素值反映出图像骨架和边缘,即前景和背景中各像素间相对位置的远近。对于焊点图像的外部轮廓,可以近似地认为是“圆”,因此,所有前景像素点,从焊点中心开始,沿着径向,到边缘的距离是依次递增,形成一个辐射圆,将距离转为灰度后,形成一幅中心灰度值小、边缘灰度值大的图像。
针对距离变换后的图像,采用分水岭算法,将重叠的焊斑分开。分水岭算法,首先将灰度图像空间转化为梯度空间,然后将梯度图像进行二值化处理,从而将重叠的焊点分离开。由于重叠的图像部分,在经过距离变化后,其灰度值较大,趋近于背景图像。将其转为梯度图像后,边缘提取趋近于零,因此,二值化后就分成大于灰度阈值和小于灰度阈值的两部分,分别简称为陆地和水域,而陆地和水域之间的部分就称为分水岭。
拟合是针对平面上离散点用连续曲线近似地刻画出其坐标之间的函数关系的一种数据处理方法。拟合圆,即用标准圆来近似表示样本点集坐标之间的函数关系。本系统中,采用最小二乘法来拟合圆,最小二乘法是一种数学优化算法,它通过计算最小化误差的平方和找到一组数据的最佳匹配函数。
图像特征提取的目的是提取图像中缺陷的独一无二的特征值,作为缺陷分类的标准。本文检测的缺陷主要针对虚焊和焊穿两种。通过比较发现,虚焊产生的焊点,相对于正常情况下打出的焊点而言,其面积较小;而焊穿产生的焊点,内部灰度均匀,无明显的亮色区域。因此,取图像的几何形状特征参数作为缺陷的分类标准,根据拟合出的焊点圆,求出其区域面积,即可判别正常焊点与虚焊;再通过焊点内部灰度值变化,可以区分出焊穿缺陷。
Claims (8)
1.一种基于计算机视觉的焊点缺陷检测系统,主要由视频采集设备、控制单元、上位机(Pc)以及上位机检测软件构成;本焊点缺陷自动检测系统,主要是针对某电子产品上的焊点缺陷进行检测,其原材料为不锈钢,长为100mm,宽为40mm,经过点焊机焊接后,会在不锈钢金属上产生排列不规则的圆。
2.根据权利要求1所述的基于计算机视觉的焊点缺陷检测系统,其特征是所述的视频采集设备由工业数字摄像机、光学镜头和光源构成。
3.根据权利要求1所述的基于计算机视觉的焊点缺陷检测系统,其特征是所述的工业数字摄像机及镜头用于被测对象的图像采集,通过1394接口与上位机相连,将采集的图像数据传输给上位机供其处理。
4.根据权利要求1所述的基于计算机视觉的焊点缺陷检测系统,其特征是所述的系统采用500万像素的工业面扫CCD,使得单个像素尺寸为0.04mm。
5.根据权利要求1所述的基于计算机视觉的焊点缺陷检测系统,其特征是所述的光源用于照明并突出对象的特征,系统采用LED颗粒的同轴白色光源,采用正面打光的方式,使得背景亮度均匀,即像素灰度值保持一致。
6.根据权利要求1所述的基于计算机视觉的焊点缺陷检测系统,其特征是所述的上位机是核心控制部分,负责摄像机图像的采集控制,上位机检测软件用于对采集到的图像进行处理,并输出信号给控制工作台,进行后续的操作。
7.根据权利要求1所述的基于计算机视觉的焊点缺陷检测系统,其特征是所述的系统需要确保相机、镜头及光源由支架固定在产品上方,同时,确保其与产品水平面保持一致。
8.根据权利要求1所述的基于计算机视觉的焊点缺陷检测系统,其特征是所述的上位机软件实现的焊点缺陷检测方法,主要实现焊点缺陷检测过程中的图像提取、距离变换、分水岭算法、圆拟合以及焊点缺陷判断等。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610540672.0A CN107610085A (zh) | 2016-07-11 | 2016-07-11 | 一种基于计算机视觉的焊点缺陷检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610540672.0A CN107610085A (zh) | 2016-07-11 | 2016-07-11 | 一种基于计算机视觉的焊点缺陷检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107610085A true CN107610085A (zh) | 2018-01-19 |
Family
ID=61054688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610540672.0A Pending CN107610085A (zh) | 2016-07-11 | 2016-07-11 | 一种基于计算机视觉的焊点缺陷检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107610085A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109142367A (zh) * | 2018-07-23 | 2019-01-04 | 广州超音速自动化科技股份有限公司 | 一种锂电池极耳虚焊检测方法及极耳焊接检测系统 |
CN109813727A (zh) * | 2018-12-25 | 2019-05-28 | 苏州江奥光电科技有限公司 | 一种基于深度信息的pcb板焊接缺陷检测方法 |
CN109829883A (zh) * | 2018-12-19 | 2019-05-31 | 歌尔股份有限公司 | 产品质量检测方法及装置 |
CN110910363A (zh) * | 2019-11-15 | 2020-03-24 | 上海交通大学 | 基于机器视觉和深度学习的虚焊检测方法、系统及介质 |
CN110929795A (zh) * | 2019-11-28 | 2020-03-27 | 桂林电子科技大学 | 高速焊线机焊点快速识别与定位方法 |
CN111080615A (zh) * | 2019-12-12 | 2020-04-28 | 创新奇智(重庆)科技有限公司 | 基于卷积神经网络的pcb缺陷检测系统及检测方法 |
CN111307812A (zh) * | 2019-03-05 | 2020-06-19 | 南昌工程学院 | 基于机器视觉的焊点外观检测方法 |
CN112101411A (zh) * | 2020-08-05 | 2020-12-18 | 复旦大学 | 一种基于模板匹配与分布特征的焊点识别与定位方法 |
CN112285114A (zh) * | 2020-09-29 | 2021-01-29 | 华南理工大学 | 一种基于机器视觉的漆包线点焊质量检测系统及检测方法 |
CN112802014A (zh) * | 2021-03-26 | 2021-05-14 | 惠州高视科技有限公司 | Led的漏焊缺陷的检测方法、装置、设备及储存介质 |
CN113030111A (zh) * | 2021-03-30 | 2021-06-25 | 山东大学 | 一种基于机器视觉的汽车油冷器虚焊检测系统及方法 |
CN117808814A (zh) * | 2024-03-01 | 2024-04-02 | 深圳市新技智能设备有限公司 | 基于机器视觉的焊接缺陷检测与识别方法及系统 |
-
2016
- 2016-07-11 CN CN201610540672.0A patent/CN107610085A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109142367A (zh) * | 2018-07-23 | 2019-01-04 | 广州超音速自动化科技股份有限公司 | 一种锂电池极耳虚焊检测方法及极耳焊接检测系统 |
CN109829883B (zh) * | 2018-12-19 | 2020-11-17 | 歌尔光学科技有限公司 | 产品质量检测方法及装置 |
CN109829883A (zh) * | 2018-12-19 | 2019-05-31 | 歌尔股份有限公司 | 产品质量检测方法及装置 |
CN109813727A (zh) * | 2018-12-25 | 2019-05-28 | 苏州江奥光电科技有限公司 | 一种基于深度信息的pcb板焊接缺陷检测方法 |
CN109813727B (zh) * | 2018-12-25 | 2021-08-03 | 苏州江奥光电科技有限公司 | 一种基于深度信息的pcb板焊接缺陷检测方法 |
CN111307812A (zh) * | 2019-03-05 | 2020-06-19 | 南昌工程学院 | 基于机器视觉的焊点外观检测方法 |
CN110910363A (zh) * | 2019-11-15 | 2020-03-24 | 上海交通大学 | 基于机器视觉和深度学习的虚焊检测方法、系统及介质 |
CN110929795A (zh) * | 2019-11-28 | 2020-03-27 | 桂林电子科技大学 | 高速焊线机焊点快速识别与定位方法 |
CN110929795B (zh) * | 2019-11-28 | 2022-09-13 | 桂林电子科技大学 | 高速焊线机焊点快速识别与定位方法 |
CN111080615A (zh) * | 2019-12-12 | 2020-04-28 | 创新奇智(重庆)科技有限公司 | 基于卷积神经网络的pcb缺陷检测系统及检测方法 |
CN111080615B (zh) * | 2019-12-12 | 2023-06-16 | 创新奇智(重庆)科技有限公司 | 基于卷积神经网络的pcb缺陷检测系统及检测方法 |
CN112101411A (zh) * | 2020-08-05 | 2020-12-18 | 复旦大学 | 一种基于模板匹配与分布特征的焊点识别与定位方法 |
CN112101411B (zh) * | 2020-08-05 | 2022-08-19 | 复旦大学 | 一种基于模板匹配与分布特征的焊点识别与定位方法 |
CN112285114A (zh) * | 2020-09-29 | 2021-01-29 | 华南理工大学 | 一种基于机器视觉的漆包线点焊质量检测系统及检测方法 |
CN112802014A (zh) * | 2021-03-26 | 2021-05-14 | 惠州高视科技有限公司 | Led的漏焊缺陷的检测方法、装置、设备及储存介质 |
CN112802014B (zh) * | 2021-03-26 | 2021-08-31 | 高视科技(苏州)有限公司 | Led的漏焊缺陷的检测方法、装置、设备及储存介质 |
CN113030111A (zh) * | 2021-03-30 | 2021-06-25 | 山东大学 | 一种基于机器视觉的汽车油冷器虚焊检测系统及方法 |
CN117808814A (zh) * | 2024-03-01 | 2024-04-02 | 深圳市新技智能设备有限公司 | 基于机器视觉的焊接缺陷检测与识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107610085A (zh) | 一种基于计算机视觉的焊点缺陷检测系统 | |
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
WO2017067342A1 (zh) | 板卡位置检测方法及装置 | |
CN113109348B (zh) | 一种基于机器视觉的桨影移印缺陷识别方法 | |
CN109993154B (zh) | 变电站单指针式六氟化硫型仪表智能识别方法 | |
CN106501272B (zh) | 机器视觉焊锡定位检测系统 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
WO2020110667A1 (ja) | 表面欠陥検出方法、表面欠陥検出装置、鋼材の製造方法、鋼材の品質管理方法、鋼材の製造設備、表面欠陥判定モデルの生成方法、及び表面欠陥判定モデル | |
CN110473184A (zh) | 一种pcb板缺陷检测方法 | |
CN109584215A (zh) | 一种电路板在线视觉检测系统 | |
CN109816627B (zh) | 平面玻璃元件油墨区弱小缺陷目标检测方法 | |
CN114897847A (zh) | 图像处理方法及装置、计算机可读存储介质、电子设备 | |
CN110108712A (zh) | 多功能视觉缺陷检测系统 | |
CN110096980A (zh) | 字符检测识别系统 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN114136975A (zh) | 一种微波裸芯片表面缺陷智能检测系统和方法 | |
JP2018096908A (ja) | 検査装置及び検査方法 | |
CN112304957A (zh) | 一种基于机器视觉的外观缺陷智能检测方法及系统 | |
CN111426693A (zh) | 一种质量缺陷检测系统及其检测方法 | |
CN111487192A (zh) | 一种基于人工智能的机器视觉表面缺陷检测装置及方法 | |
JP2007316019A (ja) | 表面欠陥検査装置 | |
CN110530894B (zh) | 导光板亮点缺陷检测方法 | |
CN111833350A (zh) | 机器视觉检测方法与系统 | |
CN115661110B (zh) | 一种透明工件识别与定位的方法 | |
CN115343313A (zh) | 基于人工智能的视觉识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180119 |
|
WD01 | Invention patent application deemed withdrawn after publication |