智能电能表印刷电路板一致性检测系统的开发

李少腾，姚 力，胡瑛俊，吴 幸，楼 轶

（浙江省电力公司电力科学研究院，杭州 310014）

0 引言

随着智能电能表的推广应用，智能电能表的质量一致性问题日益受到关注。质量一致就是要求招标样表和现场运行表的质量状况一致，包括PCB（印刷电路板）质量、电能表软件质量和电能表材质质量。智能电能表PCB的一致性是质量一致性的关键组成部分，当前PCB一致性的主要检测方法是人工目测，使用放大镜辅助检测被检表的PCB是否与招标样品一致。生产技术的不断提高，使PCB朝着多层数、高密度的方向发展，加上智能电能表的需求大幅度增加，相应提出了快速批量检测的要求。

现有的人工检测方法存在诸多缺点，如：人工检测存在人为误判；检测手段的单一性造成了检测效率低下；人工检测不便于计算机的统一管理等。因此，基于计算机技术与图像处理技术的PCB智能识别系统研究成为重要课题。当前PCB的自动检测主要使用以下3种技术：

（1）AXI技术（自动X射线检测），应用范围还不够广，技术也不很成熟，存在速度慢、成本高和开发时间长等缺点。

（2）激光检测技术，能够快速预置并编程，检测速度快并且可检验各种不同类型的缺陷，包括偶然缺陷，但成本太高。

（3）AOI技术（自动光学检测），基于光学原理，通过摄像头扫描采集PCB图像，提取测试特征参数并与数据库中的标准图形进行比较，经过图像处理，检测被检PCB与标准板的差异。

AOI技术操作简易、生产成本相对较低，在功能上能满足智能电能表的检测需求，故选择应用AOI技术，开发智能电能表的PCB一致性检测系统。

1 系统的总体设计

系统结合机器视觉和智能控制技术，利用图像处理技术进行分析，得到PCB正面尺寸、电路布线、焊点质量、正反面及侧面的元器件的位置及规格数据，形成样本库，然后将被检PCB与样本库的标准信息进行比较，实现PCB的一致性检测。

整个检测系统由硬件及软件2个部分构成。硬件主要包括定位平台（机械传动部分和载物台）和图像采集部分，用来构造PCB水平移动及旋转环境，实现图像采集以及数据传输，图1为系统的硬件架构；软件实现驱动轴移动控制、图像分析与处理。

图1 系统硬件组成

系统工作流程如下：

（1）将标准的电能表PCB放入载物台上，并用定位部件让其保持水平并固定。启动驱动轴将PCB移到摄像机正下方采集图像，利用算法软件对采集到的图像进行处理，得到PCB的尺寸及板上定位片的元器件信息。

（2）将PCB按一定角度水平旋转并改变其仰角及俯角至设定角度。

（3）用摄像机采集侧面图像，用算法软件对得到的图像进行处理，获取平面扫描无法得到的信息，例如电解电容的信息。

通过以上方法建立标准的电能表PCB样本库，将待测电能表PCB放入检测平台，按上述方法通过摄像机采集图像，得到待测电能表PCB的特征信息，再和样本库中的相同规格的PCB进行比较，以确定待测PCB的一致性是否合格。

通过管理软件将检测结果形成标准数据，并上传数据库，可生成报表。系统配有报警保护装置，在操作过程中若出现异常，报警保护装置将自行启动。系统的功能模块结构如图2所示。

图2 系统功能模块结构

2 五轴联动控制子系统

设计五轴联动控制子系统的目的是使摄像机不仅能够对PCB进行平面扫描，还能够进行侧面和多角度扫描，是电能表PCB智能识别系统硬件的关键部件。子系统在工控机的驱动下，按照设定的定位要求进行工作，移动与控制的精度直接关系到图像的采集及后期的处理，必须精确控制。

五轴联动控制子系统包括机械传动部分和载物台，通过5个步进电动机驱动，定位平台能够实现X，Y及Z轴方向移动和水平旋转、摆动，即能够实现五轴运动。其位移大小可由程序自行控制。整个定位平台由这五个轴依次从下而上叠加而成，模型如图3所示。

机械传动部分用来实现X，Y，Z 3个轴的移动位移和2个角度转动，X，Y，Z移动位移分别是200 mm，100 mm，50 mm，精度是0.005 mm；水平旋转角度达到0～360°，精度达到0.005°；水平摆动角度为±45°，精度达到 0.005°。

载物台用来放置PCB，由于PCB的尺寸大小不一致，按照PCB最大尺寸300 mm×250 mm设计载物台平面，为了方便放置PCB，在上面打5行6列共30个螺纹孔，间距为50 mm，螺纹孔用来将不同尺寸大小的PCB进行固定。

3 基于分级模板匹配的PCB检测算法

目前关于PCB的检测算法，概括起来主要分两大类：参考图像法和非参考图像法。参考图像法是给定一个标准元器件的图像，在被检测图像中寻找该目标图像区域。该方法由于具有实现容易、识别率较高等特点，而被广泛使用。其缺点是算法复杂，不适合在检测效率要求很高的系统中应用。为此，提出一种快速图像模板匹配算法，以实现PCB一致性的快速检测。

算法的基本原理是将标准库的PCB图像作为模板，在被检测图像中安插区域搜索模板图像，从而对整个PCB进行分块检测，也可根据需求进行重点区域检测。先进行图像模糊匹配，然后进行图像精确匹配，根据标准模板图像与被测PCB图像的相似程度就可以判断该区域是否存在类型一致的元器件，并可进一步判断该区域的元器件焊接质量，整个检测流程如图4所示。

图4 检测算法流程

4 智能电能表PCB定位

4.1 PCB对象对齐

根据图像匹配的检测算法，在进行检测前必须对图像进预处理，使得待检测图像的PCB区域与标准图像尽量对齐。检测系统通过相机获得PCB的彩色图像，然后用“背景差法”获得前景对象，为了减少哈夫变换的计算量，提高处理速度，获取PCB的大致边缘后通过哈夫变换得到精确的边缘线，最后通过边缘线配准来校正PCB的上下、水平位置以及倾斜角度，使得它和标准模板尽量重合，处理效果见图5。

图5 PCB对齐

4.2 粗略匹配

这个匹配过程的目的是快速找到与目标图像大致相似的区域，以便实施下一步的精确匹配。设某一个标准元器件的大小为M×N，该元器件在标准PCB图像上的中心坐标为（x，y）。算法将围绕该中心点，在上下左右一定的空间里以窗口移动的方式进行搜索，为了加快速度，首先把图像从RGB（红、绿、蓝色彩模式）空间转换到灰度空间，然后采用1/9采样的方式，计算两个图像区域的相似度，见式（1）和式（2）。

式中：r，g，b分别表示彩色图像中红、绿、蓝分量；G表示转换后的灰度值；S1表示相似度；M，N分别为图像的宽度和高度；gs（i，j）表示标准元器件图像中点（i，j）的灰度值； gd（i，j）表示被检测区域中点（i，j）的灰度值。

当相似度达到一定标准的范围时，再进行精确匹配。

4.3 精确匹配

精确匹配在彩色空间RGB上进行，不再进行采样，而是进行逐点匹配，考虑到PCB板的底色以青绿色居多，在算法设计的时候对蓝色和绿色分量进行了抑制。

式中：S2表示彩色图像的相似度；M，N分别为图像的宽度和高度；r1，g1，b1分别表示原图像中的红、绿、蓝分量；r2，g2，b2分别表示目标图像中的红、绿、蓝分量。

由于PCB板的颜色特征，其r，g，b颜色分量的权值分别取0.6，0.3，0.1。当S2小于某个阈值的时候，认为匹配成功，即在被检测的区域，存在与标准板一致的元器件，否则认为不一致。

5 结语

智能电能表PCB一致性检测系统能有效地解决检测过程中的检测效率、人工误判和检测智能化等问题，随着智能电能表的推广应用，系统有较好的推广应用前景。

[1]谢宏威，张宪民，邝泳聪，等.印刷电路板焊点的智能检测[J].光学精密工程，2011，19（9）∶2154-2162.

[2]熊光洁，马树元，武思远，等.新型高密度电路板的自动光学检测系统设计[J].计算机工程与设计，2011，32（9）∶3218-3222.

[3]欧阳高飞，邝泳聪，谢宏威，等.电子元件焊接质量的自动光学检测系统研究[J].机械设计与制造，2011（7）∶122-124.

[4]王启宁，李永红.基于人工智能算法的印刷电路板测试与诊断系统研究[J].山西电子技术，2011（1）∶85-87.

[5]李旦，俞承芳.遗传算法在PCB板元件检测中的应用[J].复旦大学学报：自然科学版，2006，45（4）∶452-456.

[6]王涛，俞承芳.一种改进的粒子群算法在PCB板元件检测中的应用[J].微电子学与计算机，2007，24（12）∶213-216.

[7]吴福培，邝泳聪，张宪民，等.基于模式匹配及其参数自适应的 PCB 焊点检测[J].光学精密工程，2009，17（10）∶2586-2593.

[8]贺珍真，张宪民，邝泳聪.电子元件的特征建模与检查算法研究[J].机电工程技术，2008，37（6）∶58-61.