机器人视觉技术在电路贴装生产中的应用研究

刘振国，曹 翀，郭 瑞，曹云翔，金武飞

（北京机械工业自动化研究所，北京 100120）

0 引言

在电子产品大规模贴装生产中，主流生产方式是采用贴片机，但是贴片机目前无法实现腔体类工件内部的贴装与检测。随着机器视觉技术日趋成熟，因其获取的信息量大、更直接反应工件的位置偏差状况[1]，将其与机器人集成一体，这为上述问题提供了有效的解决途径。因而在实现机器人智能化贴装的过程中，如何将视觉技术与机器人技术准确、可靠集成，使图像分析结果参与机器人的控制决策[2]是解决此问题的关键。从某种程度上讲，二者融合是衡量设备智能化水准的一个主要标志。

1 贴装机器人系统构成与功能

通常机器人与视觉系统搭建的智能工作站，根据视觉系统安装的位置不同，主要可归结为以下两种[3,4]：

1）移动式：视觉系统直接安装在机器人法兰上，与执行手爪设计为一体。该系统的典型特点是柔性更大，借助机器人的可达半径，在较大范围内可对不同工件进行识别定位，特别适合装配贴装领域。

2）固定式：视觉系统安装在外部机架上，不直接安装在机器人上。该系统的典型特点是特别适合机器人仅作为准确拾取工件的场合。与移动式相比，若达到既准确拾取又精确装配的目标，通常需配置多台固定相机且分布在不同位置，故投资成本较大。

针对腔体类工件贴装的典型问题，本文构建了一套移动式视觉导引机器人系统，主要由1台6轴工业机器人，1套Cognex视觉系统，1支可控LED光源，1套机器人专用手爪，1套PLC控制系统等组成，其中机器人末端工具如图1所示。基于本系统，可实现如下关键功能：

1）自动计算各电路位置偏差，准确地定位电路并可识别电路；

2）将偏差准确转化为机器人的运动补偿量，可靠地抓取电路；

3）自动计算壳体位置偏差，将电路准确地贴装到壳体内部；

4）对贴装后各电路的相对位置进行AOI检测与判断。

图1 机器人末端工具

2 系统关键技术分析

2.1 坐标系标定

机器人侧坐标系应合理选取壳体与电路的特征位置，通过示教准确建立工件坐标系，本文建立的坐标系如图2(a)所示。相机侧主要是指相机坐标系的建立与参数标定，本文选用2mm靶纸进行标定，结果如图2(b)。注意工件坐标系方向须与相机坐标系x、y方向一致。

图2 工件坐标系与相机坐标系标定

2.2 图像信息处理

图像信息处理是本系统的核心，直接关系到系统的贴装精度。在尽可能保证获取高质量灰度图像的前提下，充分利用图像预处理、图像分割与增强、特征提取等手段，提取所需特征信息。需要强调的是，在获取图像前要充分考虑实际工件背景，选取合适的背光[5]。本案中工件为铝合金壳体，电路为深棕色附金色印制线，综合分析后选用白色背光。获取的电路与工件图像如图3所示。

图3 电路与壳体原始图像

处理电路图像前，必须要确定所提取的特征信息（本例中为两线交叉点），围绕此特征进行分析处理。先建立一个搜索定位模板，模板选择时必须取一个能代表此种电路的唯一性图案。模板选定后，对获取的一帧图像可快速准确地搜索到感兴趣的窗口区域。待窗口确定后，为进一步提高图像处理的效率，同时结合图像的自身特点，在此窗口中进一步分割小窗口。对本案而言拟提取的特征信息为电路的线性偏差与角度偏差，因此可选定电路的一个直角区域作为识别特征即可得到上述偏差。其中两个直角边的交点可确定电路的线性位移量偏差，任一直角边与坐标轴的夹角可以确定电路的角度偏差。电路图像的处理流程如图4所示，实际处理结果如图5、图6所示。

图4 视觉图像处理流程

图5 建立匹配模板与定义搜索区域

图6 水平边与特征点提取(交叉点)

其中，图6(a)沿白到黑方向搜索，筛选特定散点灰度图像，通过最小二乘原理拟合出最优直线y =kx +b，设图像像素点为（xi，yi）。为求得k、b，根据数学原理，须使：

最小，即 φ(k ,b)分别对k、b求偏微分，且满足：

便可拟合出所需水平直线。垂直直线提取与此类似，不再赘述。图6(b)可由前述的两条直线计算出交点坐标，并给出一条直线相对于x轴的角度。

获取壳体的偏差信息，亦与电路侧类似，机器人持视觉系统运动至壳体上方获取图像，图像处理后，将处理结果通过坐标系转化，即可对电路原放置点进行修正。实际处理结果如图7所示。

图7 壳体处理结果

2.3 坐标系转化

因只涉及工件平面拾取，对于z向偏差不敏感，所以标准工件坐标系可归结为Cw0（xw0，yw0，aw0），其中xw0、yw0、aw0分别代表工件xy平面线性位移与角度偏差，示教机器人时先对标准工件坐标系进行归零化处理，xw0=0，yw0=0，aw0=0。

视觉获取的标准工件坐标系为Cv（xv，yv，av），假定视觉标定的转化关系为V，则Cv（xv，于是，工件的实际拾取坐标系Cw（xw，yw，aw）变为：

假定机器人工具坐标系为T，电路侧工件坐标系为Cwchip，壳体侧工件坐标系为Cwshell，则应在Cwchip与T坐标系下，示教电路拾取点Ppick；在Cwshell与T坐标系下，示教电路在壳体中的放置点Pput。

对于图6(b)，视觉系统提取电路的特征点位置偏差Cv（847.835pixel，755.332pixel），角度偏差359.798°，经过坐标转化，电路坐标系的偏差应为ΔCwshell（6.579mm，-1.821mm），角度偏差359.798°。同样，图7(a)中提取壳体的特征点位置偏差Cv（705.825pixel，984.467pixel），角度偏差0.568°，经过坐标转化，壳体坐标系的偏差应为ΔCwshell（2.734mm，-4.732mm），角度偏差0.568°。

2.4 成品AOI检测

壳体内电路贴装完毕后，为提高系统的智能化水平与自诊断能力，需对贴装的电路进行初步AOI达标检测，主要检测电路相对于壳体的位置度。检测前，须先确定一个参考基准，本例选取壳体上的两个螺纹孔，建立两孔圆心的连线，以此作为检测基准线，检测原理如图8所示。

图8 AOI检测原理

选取上方电路的一条水平印制线，计算此线特定端点离基准直线间的距离，以此作为位移偏差；计算此线与基准直线的夹角，以此作为角度偏差。通过统计分析，设定合理的距离与角度经验阈值，超过此阈值为贴装合格，反之为不合格并报警。下方电路检测与上方相同，且可通过一次拍照，判定两个电路的贴装质量，识别效率高。实际处理结果如图9所示。

图9 建立基准线与计算上方电路位置度

2.5 错误处理

电路拾取可能出现的问题主要是电路印制条纹存在瑕疵、电路在料盘中错放、料盘当前位置电路空缺等，机器人持视觉系统移至料盘上方拾取电路前，先对当前电路进行模板对比，即可对上述问题反馈，并及时报警，但机器人无法主动纠正上述偏差。

贴装过程可能存在的主要问题是壳体初始位置超差、壳体反光严重等，其中位置超差系统无法主动纠正，壳体反光问题可通过视觉系统进行自适应曝光控制来解决。

3 结论

通过生产线反复试生产，文中构建的机器人视觉系统在电路自动贴装生产中发挥了重要作用，结合工件特点设计的各类图像处理算法较好适应了图像处理的需求，解决了以往实际生产中全部依靠手工操作的问题，提高了生产效率，优化了生产工艺，改善了生产环境。特别是视觉技术与机器人技术的成功引入，为提升行业自动化水平具有重要借鉴意义。

[1]颜发根,刘建群,陈新,丁少华.机器视觉及其在制造业中的应用[J].机械制造,2004,42(11)：28-29.

[2]倪受东,刘洋,袁祖强.机器人视觉伺服综述[J].机床与液压,2007,35(9)：227.

[3]黄孝明,陈锡爱.应用于自动化生产线的视觉机器人系统[J].可编程控制器与工厂自动化,2005,12：104.

[4]黎志刚,段锁林,赵建英,毕友明.机器人视觉伺服控制及应用研究的现状[J].太原科技大学学报,2007,28(1)：25.

[5]顾寄南,樊帆,关号兵,陈艳,沈巍.上下料机器人视觉控制系统的研究[J].机械设计与制造,2013,8：150.