主动搜索耦合图案匹配的PCB板基准点识别算法

魏艳艳

摘要：为了解决当前PCB板基准点识别算法在基准点尺寸变化和存在污痕的情况下易产生较高的误识别率等问题，提出主动搜索耦合图案匹配的PCB基准点识别算法。首先，引入高斯中值滤波对图像进行平滑处理，采用阈值处理与形态学分割图像，通过搜索符合特征标准的基准点轮廓，设计主动搜索算子，完成对基准点的首轮识别。然后，通过基准点模板图像和Aforge.NET匹配函数，在图像中定位基准点目标，返回中心点坐标与匹配度，完成对基准点的精准识别。实验结果显示：与当前识别技术相比，本文算法具有更高的识别精度与抗干扰性。

关键词：基准点轮廓；主动搜索；图案匹配；形态学；平滑处理

中图分类号：TP391文献标识码：A

Abstract：The benchmark size change and the presence of a stain easily produce the problem such as high recognition， and in order to solve this problem， this paper put forward the active search coupling PCB reference point pattern matching recognition algorithm. First of all， the Gaussian median filter was introduced to smooth the image， the active search operator was designed by image segmentation threshold processing and morphology， the features of standard benchmark outline were searched， and the reference point of the first round of recognition was completed. Then， by benchmark template image and Aforge.NET matching function， and by locating datum targets in the image and then returning to the center coordinates and compatibility， the accurate identification of reference point was completed. Experimental results show that， compared with the current recognition technology， this algorithm has higher identification accuracy and antiinterference.

Key words：reference point identification；active search；pattern matching；morphology；smooth treatment

1引言

在“智能工厂”、“工业4.0”等全新理念提出的大背景下，将具有人眼人脑功能的机器推进工厂，代替人力，提高产品科技含量、制造水平，已经是大势所趋[1-2]。PCB板上的贴片工序是3C制造流程重中之重，也是要求最复杂精细，消耗人力最多的工序，而决定这道工序作业质量的首要条件是准确的找到基准点位置，完成对位[3]。以往国内很多厂家采用依靠人力加物理对位的方式完成基准点寻找和对位，因此不仅人力成本消耗大，而且对位稳定性易受来自人员、治具和材料的个体差异影响。对此，部分厂家推进自动识别PCB基准点设备，在一定程度上提高了对位识别精度[4-5]。但是，当PCB板零件复杂，存在与基准点相似的目标干扰时，识别精度大大降低，影响设备的使用。

国内专家学者已将计算机视觉技术与基准点相结合，如姜建国[5]提出了基于机器视觉电子元器件组装结果检测系统，利用边缘检测实现目标边缘定位，然后通过目标颜色分析，最后达到了基准点识别目的。但是，此技术依靠边缘信息和颜色信息，而在PCB上有干扰目标在边缘和颜色特征接近标准基准点时，往往影响了识别精度，导致误识别。田甜[6]提出了基于OpenCV的贴片机基准点定位系统，基于类电磁机制算法的电子元器件组装结果检测方法，该方法利用开源视觉函数库的强大功能，通过模板匹配等方法函数完成基准点定位，最后达到基准点识别目的。然而，这种定位技术在基准点大小或者位置发生较大偏移的情况下，往往不能准确区分识别基准点位置，导致对位存在误差。

对此，为了提高PCB基准点识别算法的准确性，使其在干扰物明显且位置多变的情况下，仍然能够精确识别出基准点位置。本文提出了耦合主动搜索与图案匹配的PCB板基准点识别算法，针对圆形基准点，先设计基于图像处理与特征分析的主动搜索算子，完成目标首轮识别。然后耦合Aforge.NET模板定位函数，作为二次识别，综合两次识别，进一步确保基准点识别精度。最后，测试了本文基准点识别技术的精度与抗干扰性。

2本文PCB板基准点识别算法

本文算法流程见图1。该算法首先对包含基准点的PCB板进行图像信息采集，并保存到到算法中。随后，引入高斯中值滤波，对图像进行高斯平滑处理，提高图像质量。然后进行阈值分割和形态学闭运算，得到包含基准点的二值图像。接着，提取二值图像中轮廓几何特征，并与标准基准点几何特征进行匹配，完成第一轮基准点识别。为了提高算法的识别成功率，减少误识别，本文算法提出了二次识别定位，首先制作基准点模板图像，然后基于Aforge.NET中的图案匹配函数，完成基准点图案匹配。如果两次识别的中心点坐标差距超过1个像素，则判为识别失误并重新识别；反之判为识别成功，坐标点取两次识别均值。PCB基准点图像如图2所示，中间的金属色圆形即为待识别的基准点，本文主要研究圆形基准点。2.1基于图像处理与特征分析的主动搜索算子

包含基准点的PCB板随滚轮移动到工业相机镜下，对其图像采集与保存后，首先对原图进行高斯平滑处理，效果是灰度化与噪声弱化，从而达到减少图像运算量、提高识别精度的目的。高斯平滑处理计算公式如下[7]：

2.2基于Aforge.NET的图案匹配算子

完成主动搜索算子处理，为了进一步确保识别正确，规避识别误差，本文算法在主动搜索机制运行处理时，同步进行另外一个算子，即图案匹配算子，不仅提高了识别正确率，而且不增加算法处理时间。首先选择一张标准基准点图像，截取基准点区域，并保存系统，作为后续图案匹配的模板，如图8所示。由于Aforge.NET为开源免费函数库[10]，在实现功能的前提下，不会增加项目开发的成本，同时该库基于微软.NET平台实现，具有易开发易维护扩展的优点。本系统利用Aforge.NET的MatchTemplate（）函数，将待识别图像与模板进行匹配，函数返回匹配度。接着基于MinMaxLoc （）函数实现匹配区域与中心点坐标提取。

3实验与讨论

为了体现本文算法的优势，将当前基准点识别性能较好的技术-文献[5]、文献[6]设为对照组。算法部分实验参数设置为：阈值（210）、匹配度（0.8）、面积（30-45）、长宽比（0.9-1.1）。

以图11为识别对象，其包含圆形基准点待识别。本文采用图像处理与特征分析，建立主动搜索算子，完成一次识别，如图12所示，得到包含基准点的二值图像。同时基于Aforge.NET实现的模板匹配与定位函数，精准定位出基准点目标，完成二次识别，综合两次识别，如图13所示，准确的定位识别到基准点位置，可见本文算法不仅包含识别显示功能，还有中心点坐标、匹配度等计算显示功能，充分体现用户友好性与专业性。图11原图

而利用对照组文献[5]技术处理图11时，由于单纯依靠边缘信息和颜色信息，而在PCB上有干扰目标在边缘和颜色特征接近标准基准点时，往往影响了识别精度，导致误识别，如图14所示，存在基准点误识别，把左上角的矩形干扰物判为基准点。利用对照组文献[6]技术处理图11时，由于定位技术在基准点大小或者位置发生较大偏移的情况下，往往不能准确区分识别基准点位置，导致对位存在误差，如图15所示，存在基准点识别误差，距离基准点有明显偏移。由此，文献[5]、[6]的基准点识别技术易导致PCB板基准点对位错误。

4结论

为了解决PCB基准点背景干扰影响基准点识别的问题，本文设计了基于主动搜索与图案匹配的基准点识别算法，实现对基准点图像的平滑处理、阈值处理、形态学处理、特征分析和Aforge.NET匹配函数处理，同步运行两种算子，耦合处理结果。实验结果表明：与当前基准点识别技术相比，在面对存在PCB个体差异与背景干扰的需求下，本文方法具有更好的精度和抗干扰性，为PCB板精确对位提供技术保障。

参考文献

[1]STANESCU A，KARAGIANNIS D.Towards a Holistic Approach for Intelligent Manufacturing Systems Synthesis[J]. IFAC Proceedings Volumes， 2010， 41 （3）： 193-198.

[2]LEMU H G.Current status and challenges of using geometric tolerance information in intelligent manufacturing systems[J]. Advances in Manufacturing， 2014， 2 （1）：13-21.

[3]范静. 基于图像定位的PCB板级EMI自动监测系统[D]. 苏州：苏州大学，2015： 19-33.

[4]郭亚娟. 基于图像处理的PCB焊点定位研究[D]. 武汉：武汉工程大学，2015： 25-36.

[5]姜建国. 一种电子元器件组装结果检测方法[J]. 西安电子科技大学学报，2015，21（21）：283-287.

[6]田甜.基于OpenCV的贴片机基准点定位与实现[J]. 机床与液压， 2015，18（15）：16-19.

[7]XIN Y L.Curvature estimates for submanifolds with prescribed Gauss image and mean curvature [J]. Calculus of Variations and Partial Differential Equations， 2010， 37（3）： 385-405.

[8]VAN BREEMEN A，ZABA T. Surface Directed Phase Separation of Semiconductor Ferroelectric Polymer Blends and their Use in Non‐Volatile Memories[J]. Adv. Funct. Mater，2015，25（2）：278-286.

[9]张大坤， 罗三明. 形态学中闭运算功能的扩展及其应用[J]. 计算机工程与应用， 2012，46（27）：185-187.

[10]楼亮亮， 金彦亮. 基于AForge.NET类库的视频移动目标检测[J].现代电子技术， 2015，8（17）：58-60.