Avec le développement de l'industrie de l'électronique, les produits électroniques de carte de circuit imprimé jouent un rôle important dans . De nombreuses entreprises ont introduit un pipe-line machine de placement, machine à souder, remplacer la plupart du patch manuel traditionnel et travaux de soudage , mais les erreurs de placement des composants se produisent encore, en particulier pour le patch artificielle. Étant donné que la fatigue visuelle humaine, la fatigue mentale et d'autres raisons, les composants peuvent provoquer des erreurs, des problèmes tels que la position ne correspond pas à , et donc, pour la détection des composants de circuits imprimés sont essentiels . Système Raspberry Pi utilise la plate-forme matérielle, a un faible coût et facile à utiliser, et d'envoyer l'installation du système est la plate-forme complète de développement de framboise avec Python, raccourcir le temps de développement, réduit les coûts de développement du système.

1 conception globale

Système Raspberry Pi comme plate-forme matérielle, l'acquisition d'images de carte de circuit imprimé, prétraiter l'image acquise par la technologie de traitement d'image numérique; PCB fichier de coordonnées est ensuite lue, automatiquement en fonction des coordonnées de pixels, la taille et l'angle de rotation des composants pour achever la production de la bibliothèque de gabarits; les dernières informations d'angle d'extraction de points d'angle de l'élément d'adaptation d'image de modèle , il est déterminé si les composants corrects, en outre propose ici également un procédé de segmentation d'image en utilisant la surface du condensateur du texte est extrait, puis l'identification, la capacité de surface caractères identifiés correctement. schéma fonctionnel du système global illustré à la figure 1.

2, le système de détection mis en oeuvre de composants

Module d'image 2.1 Prétraitement

Les algorithmes de traitement d'image nécessite généralement la collecte d'images de haute qualité d'image peut être bon de réduire le temps de traitement d'image, le traitement d'image pour améliorer l'efficacité. Image algorithme utilisé prétraiter ici comprennent: l'image conversion de l'espace couleur et binarisation .

RGB espace de couleurs est un modèle de couleurs basé sur la base de la perception de l'oeil humain en dehors de la couleur établie, dans lequel les valeurs de luminance rouge représentés par R, la valeur d'intensité verte représenté par G, la valeur d'intensité bleu est représenté par B, le modèle comme représenté sur la figure 2 (a) représenté sur la figure. En l'espace de couleur RVB, l'affichage d'image équivaut à la machine est superposé sur une plaque noire de couleurs rouge, verte et bleue, dans lequel les trois valeurs de couleur sont des changements intermédiaires de 0 à 255, si une image en trois couleurs 255 valeurs sont superposés, l'image est d'un blanc pur.

HSV espace de couleur comprenant la teinte (Hue), la saturation (saturation) et la luminosité (la valeur), que le modèle représenté sur la figure 2 (b), l'il humain qui est intuitive selon une couleur prédéterminée. Par rapport à la composition de l'espace couleur RVB, l'espace couleur HSV peut être affichée plus proche de l'il humain perçoit la couleur, la gamme de traitement d'images numériques dans une application plus large espace colorimétrique HSV.

Il peut être facilement établi conformément à l'image de modèle de couleur RVB de l'image obtenue, puis terminer la conversion entre RGB et HSV deux modèles. Un espace de couleur RVB pixel représenté VR pour le rouge, VG représentée représenté par par le vert, le bleu VB, selon la valeur maximale appelée MAX = max {VR, VG, VB}, prenant note de la valeur minimale entre à min = min {VR, VG, VB}, pour obtenir ainsi la formule de conversion d'espace de couleur pour deux le modèle de couleur:

image binaire de l'objet cible est un tapis, une étape d'extraction de caractéristique importante, l'image binarisée est principalement image binaire est convertie en niveaux de gris, l'image ne montre que l'effet noir et blanc.

localisation d'image de 2,2 PCB

Pour l'acquisition d'image, il faut d'abord déterminer la position du point d'ancrage. 2 à 4 est consigne ensemble Généralement, le point de positionnement ponctuel et est une condition préalable pour que le traitement d'image. Ancre conçue ici comme étant un diamètre de trou traversant de 3 mm, un point de vue théorique, la distance de pixel et des dimensions physiques réelles peuvent réaliser un positionnement précis, mais il faut tenir compte dans la conception de l'erreur de détection. Ici transformée de Hough procédé de détection de cercle pour le positionnement du point de . Lieu organigramme de détection représenté sur la figure.

Pré-requis système de traitement d'image est l'information de position de positionnement précis de l'image, nous utilisons la méthode de détection de cercle Hough pour tester , d'abord trouver la position centrale et le rayon du cercle dans l'image à mesurer, autour du point d'ancrage moins d'interférence ou pas d'interférence , et le rayon du point de positionnement est relativement important, facile à identifier. Afin de simplifier le système de programmation, les deux points du système de positionnement, l'utilisation de la manière sélectionnée manuellement pour déterminer la position spécifique du point d'ancrage, afin d'éviter le point de positionnement erroné sélectionné dans la sélection multiple, ou analogue est erreurs déterminées. Une fois qu'un lot du même produit, vous ne pouvez pas changer le point d'ancrage pour déterminer. Par conséquent, la position du point d'ancrage doit être sélectionné manuellement que lorsque vous faites un modèle, le système génère automatiquement une base de données des informations de localisation sont stockées point d'ancrage. Pendant le traitement de l'essai de plaque de positionnement, que vous devez appeler le point d'ancrage de la base de données d'informations de localisation, puis trouver la position du point d'ancrage autour du point à mesurer pour déterminer la plaque de positionnement.

Avant la détection de cercle Hough doit être effectuée sur l'opération de prétraitement d'image, en utilisant la méthode d'ajouter manuellement partie de protection du masque peut affecter le résultat de traitement de l'image d'entrée de l'image d'entrée et l'image ajoutée après que le masque représenté à la Fig.

Après l'achèvement du masque d'image d'entrée manuelle est ajouté pour démarrer la gradation de traitement de l'image, et un procédé de détection d'image en utilisant les coordonnées du centre de Hough obtenues cercle et le rayon du trou circulaire au point d'ancrage. résultat de traitement représenté sur la figure.

De l'efficacité de l'exécution du programme, utilisez le module complémentaire manuel une méthode de masque peut considérablement réduire le temps de fonctionnement du système, et de meilleurs résultats d'exploitation conformes aux attentes du sexe. Le programme position détectée correctement du point d'ancrage, seules les coordonnées du centre et le rayon au niveau des points d'ancrage sont placés dans la mémoire de disque dur, le fonctionnement normal du système peut facilement créer le modèle et la détection ultérieure des composants.

La boîte de retour sur investissement d'image produit 2.3

Avant les tests de composants, ont besoin de produire de retour sur investissement pour boîte déterminer la position du composant, le processus de détection afin d'assurer que les composants des composants de détection de position correspondantes sont efficaces. Actuellement, la production de boîte sont essentiellement ROI sélectionnée manuellement, ce qui limite considérablement l'efficacité de fonctionnement du dispositif. Pour améliorer l'efficacité de fonctionnement, ce document papier lu directement des composants PCB de manière coordonnée des composants de positionnement, et en liaison avec les composants d'information de taille déterminée correspondant à des composants de la boîte de retour sur investissement.

Utilisation Altium Designer PCB composante logicielle sortie directe de coordonnées et le rapport de fichier de module correspondant obtient la position de pixel des composants dans le système de coordonnées, la taille de paquet et d'autres informations à partir de la relation de longueur de pixel et de la longueur physique obtenu dans l'enregistrement de l'image du PCB. paquet de rapport de composants, et les composants d'emballage de composants coordonnent la taille de fichier du fichier représenté sur la. figure 6 à. la figure 8.

ROI organigramme du système de boîte représenté sur la. Figure 9, une image de test des composants de la carte après la programmation, le système peut générer de préférence la zone de retour sur investissement, ce qui est l'effet représenté sur la figure 10. . La figure 10 (a) l'image d'origine,. La figure 10 (b) de la région d'intérêt obtenue après un condensateur de marche, afin d'afficher la limite de dessin de l'image en bordure noire autour de la périphérie ajoutée. Il suffit d'utiliser schéma de principe ROI d'une image sont accumulées pour les composants de l'extraction ultérieure, au-delà de la partie 255 peut être obtenu directement en une seule pièce 255 correspondant à l'image.

Cette méthode élimine la procédure de faire sélectionner individuellement le retour sur investissement, système de génération de boîte ROI n'a besoin que de courir pour générer le programme de génération de boîte de retour sur investissement est terminée, l'opérateur n'a pas besoin d'avoir une compréhension très détaillée du flux de fonctionnement du programme.

2.4 L'algorithme de détection de composants

nom EIPD algorithmes Transform invariant d'échelle, algorithme de correspondance d'image point caractéristique EIPD peut être résolu à partir de deux images d'un objet ont le même déplacement, la rotation, la mise en correspondance d'image dans le cas où la transformation affine, l'effet d'avoir un bon match. détection de point caractéristique EIPD est basée sur la partie caractéristique de la clé d'objet, et donc la taille de l'objet cible quelle que soit la rotation de l'image et que l'image de l'intensité lumineuse, l'influence du bruit ou le changement de l'angle de vision du résultat de détection de caractéristiques EIPD n'est pas évident. L'algorithme pour extraire des informations de caractéristique d'une image, correspondant, ce qui réduit efficacement la quantité de calcul. Par conséquent, l'algorithme SIFT avec un espace d'application plus large.

EIPD points caractéristiques de l'image extraite peut être divisée en quatre étapes. Tout d'abord détecter extrema échelle de l'espace, puis les points caractéristiques de positionnement, et détermine enfin la direction du point caractéristique et le descripteur de point caractéristique .

La figure 11 montre le processus de génération des vecteurs de caractéristiques, la figure sélectionnés taille de la fenêtre est de 8 × 8, le point le plus caractéristique est le point milieu des besoins décrits, autour du petit carré représente un pixel adjacent au point correspondant au point. . La figure 10 (A) dans de nombreuses petites flèches indiquent la direction du gradient des pixels correspondant à la taille du module du gradient est déterminée par la longueur de la flèche. calcul pondérée gaussienne sur la base de la gamme (a) de. la figure 10, dans un cercle, de sorte que. la figure 10 (b). . La figure 10 (b) dans une direction de gradient et le gradient de chaque moule carré est. La figure 10 (a) des huit pixels valeur cumulative, pour obtenir la synthèse de quatre points de sommation un point clé a été décrite, qui est formé le vecteur de caractéristique d'un 32 SIFT = 4 × 8 dimensions. La méthode du processus d'intégration de l'information pour améliorer la direction de voisinage capacité algorithme SIFT contre le bruit de , ce qui réduit la possibilité d'une meilleure erreur provoquée par le positionnement d'une fausse correspondance.

3 l'image test de concordance

Une fois le processus EIPD fonction algorithme d'extraction complet de point, en utilisant l'image de test algorithme de correspondance, et correspondant à l'image détectée par le nombre de points caractéristiques qui consomment des tests. Chacun des trois composants de la figure 12 ont été testés, les résultats représentés sur les figures. 13 à 15. Les résultats observés sont résumés SIFT algorithme peut être vu que le numéro du point caractéristique d'image augmente à mesure que l'image détectée et la croissance , ayant une certaine robustesse au déplacement de l'objet, la transformation affine, et une grande stabilité pour l'électronique composants du test match.

condensateurs à puce 4 de reconnaissance de caractère polaire

puce condensateurs de reconnaissance de caractères est basé cadre Tesseract-OCR, il peut être analysé automatiquement pour identifier l'image du texte et peut être extrait. Tesseract-OCR bien que le cadre peut identifier automatiquement les caractères dans l'image, mais l'image doit répondre aux exigences du texte et du fond de reconnaître le texte, sinon le résultat ne sera pas reconnu. Donc, pour des condensateurs à puce images ne peuvent pas être appelées directement cadre de reconnaissance de caractères Tesseract-OCR, doivent d'abord des condensateurs à puce images de caractères ont été extraites et ensuite synthétisés dans l'image, puis appeler la règle du cadre de reconnaissance de caractères Tesseract-OCR. image patch condensateurs électrolytique réel 16 représenté sur la figure.

Après l'opération de soustraction effectuée avant et après la corrosion de la surface binaire de condensateurs à puce de l'image peut être obtenue image binaire comprend un condensateur et un contour de la surface extérieure du caractère représenté sur la figure 17.

image binaire du caractère filtrage gaussien et de détection de bord de Canny, et extrait l'information de contour de l'image, la surface du filtre est trop faible et trop grand d'un domaine de communication de la zone de bord par la formule de calcul, les résultats montrés sur la figure 18. La Fig. 18 (a) est une zone de communication de tous diagramme à effet de bord détectée. La figure 18 (b) est une carte de bords de caractères obtenue après la zone de communication des algorithmes de filtrage.

zone de communication de caractères figure a été soumis au traitement de la segmentation de l'image, la région rectangulaire circonscrite divisée est déterminé sur la base de la zone de communication de chaque caractère, divisant l'ordre à partir du côté le plus haut à gauche, balayage progressif, jusqu'à l'achèvement de la dernière segmentation de caractères et divisant après réassemblés en une image de caractères, un effet d'image représenté sur la figure recombinant 19 (a) représenté sur la Fig. . La figure (A) en utilisant la trame d'image de caractères OCR-Tesseract résultats de reconnaissance de caractère peut être obtenu. La figure 19 (b) par le condensateur connu avec un modèle comparatif prédéfini, le correct capacitif.

5. Conclusion

Les utilisations du système Raspberry Pi comme la plate-forme matérielle, de petite taille, à faible coût, opération simple, réduire le temps de développement du système. Cette conception achevé l'acquisition d'images et de pré-stocké, terminé la production de la bibliothèque de gabarits; améliorer manuellement l'efficacité de fonctionnement en ajoutant un masque, un procédé utilisant la transformée de Hough détection des points de positionnement de l'image de localisation d'image de PCB, décrit la caractéristique d'image de détection de point l'algorithme de placement déterminée, le procédé de mise en correspondance de points caractéristiques pour déterminer une composante d'erreur positive; surface de condensateur de reconnaissance de caractères également complété par une méthode de segmentation d'image. Après plusieurs essais, le système d'identification peut obtenir une détection automatique des composants positifs erronés et le caractère de surface.

références

Kang Wei Wang, Ye Pengcheng. Processus de fabrication de PCB électronique hautement intégrée d'enquête l'innovation scientifique et technologique, 2018 (30): 178-179.

Liu Xi Division, processus de fabrication de la pile carte Conte Hui multicouche HDI Les informations sur les circuits imprimés, 2013 (S1): 282-289.

Kang Yu Xin, cher Hui Chen, Zhang Sanbing. Halcon résistances à puce en fonction du système de détection de direction Ingénierie Packaging, 2017 (23): 126-130.

Li Tianyu. Détection de ligne de composants PCB basée sur la vision de la machine Hangzhou: Zhejiang University of Technology, 2018.

rêve Yan Tao, Su Wei, semaines Ranhai. PCBA des composants des systèmes de détection en temps réel basé sur la vision de la machine . Ingénierie radio, 2018,48 (4): 272-277.

Zhao Xiangyu, avec des semaines d'éthylène, He Feng, et extraire de manière hiérarchique correspondant à une détection de défaut de carte de circuit imprimé de composants . Les capteurs et la technologie Instrumentation 2018 (8): 84-89.

Wang Xufeng, ROCKETS Procédé d'extraction à base de drogue ravitaillement en carburant, caractérisé en ce HSV espace colorimétrique Applications informatiques et logiciels, 2014,31 (6): 192-194.

Ren Xiaofeng, Bo Liefeng, l'étiquetage scène FOX D.RGB- (D): Caractéristiques et algorithmes 0,2012 Conférence IEEE sur l'ordinateur Vison et reconnaissance, 2012.

DJEKOUNE A O, MESSAOUDI K, cercle AMARA K.Incremental transformée de Hough: Une méthode améliorée pour la détection de cercle Journal .Optik-International pour la lumière et optique électronique, 2017.133: 17-31.

Étude YE Li Jie. Extraction de caractéristiques de l'image et de l'algorithme correspondant Fuxin: Liaoning Université technique 2017.

Fin Wen Tao, Yang Chengyu. Amélioration de match de point caractéristique de l'image EIPD algorithme Changchun Université de technologie (sciences naturelles), 2018,41 (1): 44-47,52.

ROQUETTES, Quan semaines, les symptômes reviennent. Algorithme d'enregistrement avec EIPD à base de détection de point caractéristique d'image de faible complexité Université Yangzhou (sciences naturelles), 2018,21 (4): 52-56.

Informations sur l'auteur:

Xu Yan 1, Meng Jun 1, Wang Zhiguo 2

(1. École de l'électronique et de l'Université d'instruments Nord, Taiyuan 030051, Chine; 2. Institut de technologie spatiale électronique Shanghai, Shanghai 201109)