随着我國工業的發展壯大，如今各行各業對電子元器件的需求也越來越大。電容器作為使用最普遍的電子元器件之一，各大生産廠家面對其日益增長的市場需求，早已實現了電容器規模化、批量化生産。但是對于電容器外觀缺陷，大部分生産廠家還是采用人工檢測，效率低下，出錯率高，成本也日益增加。近年來，機器視覺技術日益成熟，在工業自動化方面發揮着舉足輕重的作用^[1-3]。機器視覺技術可以應用在電容器外觀缺陷的檢測中，能夠模拟人眼進行外觀缺陷檢測，效率更高，準确性更加可靠，成本更低，能夠适應惡劣工作環境，加快電容器生産效率，提高電容器的質量。

本文設計了一套高效率、高精度的電容器外觀缺陷檢測系統。該系統首先采集圖像，并對圖像進行預處理，其次匹配定位到電容區域，然後針對其溢膠缺陷和環氧面氣孔氣泡，采用處理；針對其字符缺陷和外殼破損缺陷，采用處理；最後通過Blob分析，提取電容器外觀缺陷區域的特征，設定阈值參數，方便更改參數，滿足不同标準的檢測要求。

1 電容器外觀缺陷分析

目前電容器的制造工藝水平不夠高，在裝殼灌膠、烘烤、激光打标^[4]過程中，會不可避免地産生存在外觀缺陷的電容器。圖1展示了幾種典型類型的電容器外觀缺陷：電容器外觀破損缺陷、溢膠缺陷、環氧面氣孔缺陷、字符缺陷等。電容器在使用中應滿足外殼無破損、表面無溢膠、環氧面無氣孔氣泡劃痕、字符正确等标準要求。因此，電容器外觀缺陷檢測系統應能準确高效地完成對電容器外觀以上缺陷的檢測。

2 電容器外觀缺陷檢測系統硬件設計

本文所提出的電容器外觀缺陷檢測系統主要由檢測傳送帶、執行機構、控制器、工業相機、照明系統和PC系統組成^[5]，檢測系統結構如圖2所示。該檢測系統有6個相機，沿着傳送帶依次采集電容器的6個表面。每個相機配有一個光源，負責照亮電容器。工業相機采集到的灰度圖傳送至PC系統，PC系統對電容器外觀圖像進行缺陷檢測，并根據檢測結果向控制器發送信号，控制執行機構剔除不良品。同時，在每個相機處安裝光電傳感器，當電容器被傳送至相機拍照處，光電傳感器便動作，輸出一個開關控制信号至PC系統和控制器，分别控制相機拍照和光源工作，節省電能，延長光源使用壽命。

2.1 相機的選型

工業相機主要分為面陣相機和線陣相機，線陣相機适合于高速運動的物體，一般建議40 km/h運動的物體可以采用線陣相機拍攝，而面陣相機适合于低速運動的物體。在相機選型時，首先，成像的視場必須大于物體的物理尺寸；其次，要選擇足夠高的分辨率，以滿足精度要求；然後要考慮曝光時間和物體運動速度，防止成像出現拖影。為了能夠保證更好的成像效果和檢測準确度以及降低成本，選擇一款合适的相機是研發機器視覺檢測系統的基本。本系統選擇了海康威視的MV-CA030-10GC工業相機。

2.2 鏡頭的選型

相機和鏡頭缺一不可，兩者都是機器視覺檢測系統的基本部件，前者相當于視網膜，用來成像；而後者則是晶狀體，聚集用來成像的光線。在鏡頭選型時，需要根據電容器的大小、特點及放大倍數等參數進行選擇^[6]。本系統主要是根據電容器的實際尺寸、工作距離和相機CCD的尺寸來計算鏡頭焦距，同時保證相機和鏡頭的接口為同一類型，最終選擇了海康威視的HV3816D-8MPIR鏡頭。

2.3 光源的選擇

電容器外觀缺陷檢測系統首要就是獲取優質圖像，正确的光源和照明方式能夠突出電容器缺陷特征，減少後續圖像處理的負擔，提高缺陷檢測的準确度^[7]。本系統選擇LED光源，其照明效果好，使用壽命長。針對電容器兩個較大的側面，結合工業相機安裝位置，本系統選擇LED環形光源，用低角度暗場方式照明；針對剩下的4個面，本系統選擇LED條形光源，并保證條光長度大于檢測距離，避免造成亮度差。

3 電容器外觀缺陷檢測系統軟件部分

在本文提出的電容器外觀缺陷檢測系統中的軟件部分，首先将工業相機采集到的電容器圖像進行處理，識别外觀缺陷，并向PLC發送信号，控制執行機構剔除不良品。圖3是電容器外觀缺陷檢測流程圖，開始将工業相機采集到的電容器圖像進行預處理，包括圖像濾波、形态學處理；其次，進行模闆匹配，定位到整幅圖像中的電容區域，檢測外觀破損、缺角等，也可以用來匹配定位電容器上的字符，檢測字符遮蓋/位置不正等缺陷；然後針對溢膠缺陷和環氧面氣孔氣泡，采用阈值分割處理；最後通過Blob分析，提取電容器外觀缺陷區域的特征，設定阈值參數，方便工作人員更改設定，滿足不同的檢查要求。

3.1 圖像采集

電容器外觀缺陷檢測首先要采集圖像，使用工業相機獲取圖像，最好是用相機本身的API接口采集圖像，這樣更加穩定。SDK是相機廠家提供的環境開發包，裡面的函數供開發者在不同環境下(VC、VB、C#等)進行函數調用，采集圖像。海康工業相機調用SDK采集圖像主要按照枚舉相機、創建句柄、打開相機、開始抓圖、獲取圖像、停止抓圖、關閉相機、銷毀句柄等步驟。每獲取一張電容器外觀圖像，就對該圖像進行缺陷檢測。

3.2 圖像濾波

使用SDK，通過工業相機獲取電容器外觀圖像之後，首先要對圖像進行濾波。因為鏡頭、電容器表面的灰塵等都會使圖像模糊，造成缺陷檢測的準确性降低，嚴重的噪聲會使電容器外觀缺陷的特征不明顯，所以在缺陷檢測之前要進行圖像濾波^[8]。本系統采用均值濾波器尺寸為3×3，如式(1)所示，即以一個像素周圍方塊區域内像素灰度值的平均數作為該點的灰度值。均值濾波不需要大量頻譜轉換，所以實時性較好，滿足電容器外觀缺陷檢測的速度要求。

3.3 形态學處理

形态學的基本操作包括腐蝕和膨脹，是圖像處理中應用最為廣泛的技術之一，主要用于從圖像中提取對表達和描繪區域形狀有意義的圖像分量，使後續的識别工作能夠抓住目标對象最為本質的形狀特征，如邊界和連通區域等。腐蝕操作掃描二值圖像的每一個像素，用結構元素與其覆蓋的二值圖像做與運算，如果都為1，則結果圖像中值為1，否則為0，删除了對象邊界的某些像素。而膨脹操作掃描二值圖像的每一個像素，用結構元素與其覆蓋的二值圖像做與運算，如果都為0，則結果圖像中值為0，否則為1，給圖像中的對象邊界添加元素。

由工業相機獲取的電容器外觀圖上可能存在某些噪聲，這些噪聲無法通過濾波處理，可以用形态學中的腐蝕來處理。在計算電容器外觀缺陷特征時，可能會出現一塊缺陷區域連通、無法整合，或者幾塊缺陷區域相互黏連、無法分割，可以用形态學來處理^[9]。同時，形态學處理能夠配合匹配定位，将電容器區域從原圖摳出，方便後續處理等。

3.4 匹配定位

電容器外觀缺陷檢測首先要在整幅圖中找到電容區域，這就用到了模闆匹配算法。模闆匹配理論是按照相關策略，根據已知模闆在搜索圖像中尋找逼近模闆匹配的過程，是一種簡單有效、使用廣泛的圖像處理方法。本系統采用基于形狀的模闆匹配，該算法的相似度量考慮的是模闆内像素的梯度向量^[10]，首先提取一個電容器良品的外輪廓和字符部分的輪廓，并保存為模闆。然後，在每次電容器外觀缺陷檢測時，根據模闆匹配待檢測的電容器外觀圖。當匹配定位到電容區域時，才能針對電容區域進行圖像處理；同時，針對電容器的外殼破損、字符缺陷也可以用模闆匹配來檢測。為了提高電容器外觀缺陷檢測的速度，将模闆圖像和待搜索圖像進行抽樣，減少需要檢查的位姿數量以及模闆中點的數量，圖4所示為圖像抽樣金字塔示意圖。金字塔每升高一層，圖像的數據量就會減少為1/4，圖像分辨率下降，但是圖像處理速度會提高4倍。同時，将模闆輪廓拆分，首先匹配第一部分，然後在匹配結果的相對位置處再次匹配第二部分，這樣兼顧了匹配準确性和匹配速度。

3.5 阈值分割

阈值分割是利用圖像中前景和背景在灰度特性上的差異，将圖像分割成兩類圖像^[11]。假如電容器外觀圖像為f(x，y)，缺陷區域圖像為g(x，y)，設定阈值t将電容器外觀缺陷區域提取出來：

在保證光源穩定的情況下，電容器外觀缺陷中的溢膠、劃痕、環氧面氣孔氣泡等都可以用阈值分割識别出來。

3.6 Blob分析

Blob分析是對圖像中相同像素的連通域進行分析，即經過預處理、匹配定位和圖像分割後，用Blob分析對提取到的電容器外觀缺陷區域進行特征分析，計算缺陷的數量、位置、形狀、方向和大小等，設定某些缺陷特征阈值參數，方便工作人員更改設定，滿足不同标準的檢查要求。

4 電容器外觀缺陷檢測系統的實現與驗證

本文以CBB61S電容器為例(具體如圖1所示)，實現電容器外觀缺陷檢測系統并進行驗證。

4.1 電容器外觀缺陷檢測系統的實現

電容器外觀缺陷檢測系統的結構簡圖如圖5所示。電機和PLC控制器控制傳送帶的轉動，而5号位相機拍攝的是電容器底面，所以在5号位相機處由左右兩條傳送帶夾緊電容器向前傳送。電容器在傳送帶上勻速向前運動，當電容器被傳送至相機拍照處，光電傳感器動作，輸出一個開關控制信号至PC系統和控制器，分别控制相機拍照和光源工作，節省電能、延長光源使用壽命。電容器依次經過6個相機，PC系統依次對電容器的6個表面進行缺陷檢測，隻要檢測到缺陷，PC系統就會通過6号位相機的信号線向PLC控制器發送信号，控制執行機構剔除不良品。

本文選擇的視覺軟件為Halcon 12.0，其具有衆多的圖像處理算子和強大的計算分析能力。同時，利用C#語言進行二次開發，設計出良好的人機交互界面，如圖6所示。在實時圖像區有6個圖像窗口，分别顯示6個相機實時拍到的圖像；下方的缺陷圖像區，6個圖像窗口分别顯示對應的6個相機拍到的缺陷部分；右上方為按鍵功能區，其中數據查詢按鈕可以查詢每次開機檢測的員工信息、産品信息、檢測結果等；權限管理按鈕則提供了管理員和操作員兩種登錄模式，其中管理員權限較大，可以修改相機參數；每個相機的相機參數按鈕則是根據缺陷的特征設定阈值參數，方便管理員更改設定，滿足不同标準的檢查要求；清除計數按鈕則是清除本次檢測結果計數；在按鍵功能區下方的是産品參數和幫助，供檢查人員選擇本次所檢測電容器的型号和員工編号；右下方為結果顯示區，顯示每個相機的不良計數，方便檢查人員統計主要缺陷類型，有利于針對性改進電容器制造工藝。

4.2 電容器外觀缺陷檢測系統的驗證

本文選取了人工檢測後的200個電容器為實驗樣本來驗證電容器外觀缺陷檢測系統，其中缺陷電容器和良品電容器各100個。最終檢測結果如表1所示。

由表1看出，本文設計的電容器外觀缺陷檢測系統對缺陷電容器的檢測正确率達到100%，漏殺率為零；而對良品電容器的檢測正确率也達到了96%，說明該系統在檢測精度上是可靠的，但其中也出現了誤判，仔細觀察誤判的電容器，分析得出由于電容器上存在的污漬，導緻檢測系統将其誤判為溢膠缺陷。兩個樣本的檢測時間都為72 s，即該系統大約0.7 s就可以完成對一個電容器的外觀缺陷檢測，相比于人工檢測大約5 min 200個，極大地提高了檢測速度，可以滿足工業要求。

5 結束語

本文針對CBB61S電容器生産制造過程中出現的外觀缺陷，利用機器視覺技術，設計了一套高效率高精度的在線檢測系統。該系統主要分為機械平台的搭建和PC系統的設計，機械平台的搭建包括了檢測傳送帶和執行機構的安裝、相機鏡頭的選型、光源和照明方式的選擇等；PC系統主要是利用C#語言對視覺軟件Halcon進行二次開發，經過圖像采集、圖像濾波、形态學處理、匹配定位、阈值分割、Blob分析等，最終完成對電容器外觀缺陷的檢測。實驗結果顯示，電容器外觀缺陷檢測系統具有較高的檢測速度和可靠的檢測精度，解決了人工檢測效率低下、準确率較低的問題，也降低了生産成本。

參考文獻

[1] 洪天勤.電容器外觀檢測系統中圖像處理算法的研究[D].長沙：中南大學，2012.

[2] 陳星.電解電容器外觀自動檢測系統執行機構應用設計[J].現代制造技術與裝備，2016(11)：4-5.

[3] 何騰鵬，張榮芬，劉超，等.基于機器視覺的智能導盲眼鏡設計[J].電子技術應用，2017，43(4)：58-61.

[4] 周曉航，方鲲，李玫.國内外超級電容器的研究發展現狀[J].新材料産業，2015(3)：61-68.

[5] 田原嫄，潘敏凱，劉思陽.電容器鋁殼表面缺陷檢測的CCD圖像處理[J].組合機床與自動化加工技術，2013(5)：73-75.

[6] 張五一，張繼超，侯遠韶，等.機器視覺系統中鏡頭的選擇[J].中原工學院學報，2011，22(6)：18-21.

[7] 尚會超，楊銳，段夢珍，等.機器視覺照明系統的關鍵技術分析[J].中原工學院學報，2016，27(3)：16-21.

[8] 許少尉，陳思宇.基于深度學習的圖像分類方法[J].電子技術應用，2018，44(6)：116-119.

[9] 鄧彩霞，王貴彬，楊鑫蕊.改進的抗噪形态學邊緣檢測算法[J].數據采集與處理，2013，28(6)：739-745.

[10] 楊亞飛，鄭丹晨，韓敏.一種基于多尺度輪廓點空間關系特征的形狀匹配方法[J].自動化學報，2015，41(8)：1405-1411.

[11] 朱磊，白瑞林，吉峰.光照不均勻圖像的灰度波動局部阈值分割[J].計算機工程與應用，2015，51(12)：144-149.

作者信息:

俞 洋，陳佐政，陳祝洋，沈威君

(江蘇理工學院，江蘇 常州213001)

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!