机电生产工业中质量检测的优化控制方法

刘 琨

LIU Kun

（沈阳职业技术学院，沈阳 110045）

0 引言

机电加工制造业是作为国民经济的支柱产业，对于机电产品质量检测过程会对整个加工过程以及成品的检测合格率产生影响，因而对于产品质量检测过程的优化不仅有助于提高生产效率，同时为国家工业化和生产现代化提供了有力保障。

随着现代电子技术的不断发展，电子器件已经从最初的小规模集成电路（small scale integrated circuit-SSIC）发展到大规模（large scale integrated circuit LSIC）甚至超大规模集成电路（very large scale integrated circuit VLSIC），其制造工艺也从最初的微米级尺寸过渡到现今的纳米级尺寸。在大批量电子产品的生产工业中，为了有效的避免废品率和返修率，对整个生产加工过程以及成品的检测都至关重要。

本文将以印刷电路板的质量检测为例，对于机电产品质量检测过程的优化控制方法进行研究。

1 问题描述

印刷电路板，简称PCB（Printed Circuit Board）是指在绝缘材料上，按照预先设计规范制成连通的线路，或将电子器件组合而形成导电的图形[1]。PCB作为电子系统中不可缺少的重要组成部分，其缺陷检测技术是关系到整个电子系统质量和生产周期的重要环节，这一点已经得到了国内外专业人士以及企业技术人员的共同的重视。PCB检查过程的关键是使用表面封装设备（SMD）进行检查，如排布错误、放置颠倒、元件缺失都是导致产品缺陷的重要原因。为了避免损失，要确保在焊接之前发现缺陷。这就要求生产商在PCB生产过程中要进行不断检测，如图1所示。

图1 PCB检测系统图

目前的PCB生产线上常用检测方法主要包括以下几类：1）传统的人工检测方法，PCB自动检测方法。2）PCB自动检测方法。这种方法主要包括电气或接触方式和非电气或非接触方式两种类型[2]。3）自动X光检查（AXI，Automatic X—Ray Inspection）。AXI技术在检测超细间距和超高密度电路板方面有很重要的应用[3]。AXI主要用于电路组装工艺过程中产生的桥接、丢片、对准不良等缺陷的检测。4）激光检测系统。它是PCB测试技术的最新发展，它利用激光束扫描印制板，收集所有测量数据,并将实际测量值与预置的合格极限值进行比较[4]。5）基于机器视觉的检测方法。机器视觉是一种以计算机视觉方法为基础，综合运用图像处理、精密测量以及模式识别、人工智能等技术的非接触检测方法[5,6]。其基本原理是对由计算机视觉系统得到的被测目标图像进行分析，从而得到所需要的测量信息，并根据已有的先验知识，判断被测目标是否符合规范，或者是否到达质量控制要求。

2 模板匹配技术

在本文中，提出了一种模板匹配技术。模板匹配（Templates matching-MTM）技术是在模版匹配技术上发展而来一种“并行”标定多个待检测目标的方法。对于每个像素（x,y），通过使用多个待检测图像的模板，可以计算出一系列NCC值，用 代表其中的最大值。例如，对于点（x,y），根据相应的模板No.1和No.2可以分别计算出NCC1和NCC2的值。（x,y）的 可以通过如下公式求得

图2 多模版匹配方法

当采用多模板匹配的方法时，各种不同方位的物体可以同时与最相近的模板进行匹配，因而需要对所有元件进行检测。Crispin等[7]提出了基于GA的PCB检测方法，该方法通过提取一系列模板图像，然后计算产生一个通用模板图像。对于所有需要被确定识别的元件，将通用模板与原始图像进行匹配验证。显然这种方法要求所有的元件必须具有相同的方向及大小尺寸，也就是说元件必须垂直或水平安放，并且需要计算每个模板图像中像素的平均值，否则产生的模板就没法用于进行最大的相似度搜索。当元件部分水平安放部分垂直安放时，需要多模板匹配而不是单一的模板。我们提出的MTM方法可以用来求解这类问题，无论元件如何安放，MTM方法都可以找出最相似的模板。

对于每个像素，通过MTM方法不断计算其NCC值。在搜索空间中，存在七个全局最优值以及多个局部最优解（主要分布于搜索空间的upper potion），每个全局最优值表示模板的完好匹配以及目标元件，只有找到全局峰值，才能解决多个电阻的检测问题。

3 质量检测中的优化控制方法

本文中提出了一类基于Speciation的遗传算法用来求解上面描述的模板匹配问题，进而对整个机电生产过程中的质量检测过程进行控制。

基于小生境的遗传算法（Speciation-GA）通过同时用不同的个体追踪多个（全局或局部）最优解进而来弥补GA在求解多峰优化问题中的不足。在这里，小生境代表具有相同性质，通过半径rs来度量的一组个体。小生境种子（个体的中央）是当前子种群中的最优个体。通过半径rs可以确定出species中的所有个体，通过在二维图像（搜索空间）中初始化每个个体代表的位置，用个体所处的位置，即相应的像素坐标来表示解。对于给定的目标函数，个体从随机初始化的位置出发，在搜索空间中不断向最优值移动。对每个个体按照遗传算法的交叉和变异算子进行更新，pid表示个体最优位置，pilbest表示个体 所在Species中的最优解，即Species种子。

将算法的性能同基本遗传算法（GA）的性能进行比较。对于两个算法，平均结果来自于算法的30次独立运行。基本GA和Speciation-GA的计算结果分别如表1和2所示。

通过表1以及表2可以看出基于Speciation的GA算法的运行时间，以及检测到的像素的个数都明显优于基本的GA。因而能够有效提高机器视觉检测的准确率和效率，更适合于实际应用。

表1 基于GA方法检测7个电阻的运行结果

表2 基于Speciation-GA方法检测7个电阻的运行结果

4 结论

由于机电产品加工过程的质量检测在整个生产过程中起到关键作用，因而对质量检测过程的优化控制就显得尤为重要。本文提出了一个基于Speciation方法的遗传算法（Speciation-GA）来接解决机电生产过程中质量检测问题的优化控制。通过PCB仿真实验（如表1和表2所示）能够看出基于Speciation-GA算法的有效性。我们所提出的算法还可以应用于实时物体追踪以及机器人视觉。今后还将对Speication-GA方法在其他各种机电生产工业，图像处理以及机器视觉方面的应用进行深入的研究。

[1]West G.A System for the Automatic Visual Inspection of Bare Printed Circuit Boards[J].IEEE Transaction on System,Man and Cybernetics,1984,14（5）：767-773.

[2]Wang D Z,Wu C H,Ip A et al.Fast multi-template matching using a particle swarm optimization algorithm for PCB inspection[C].In the Proceeding of Applications of Evolutionary Computing- EvoWorkshops 2008,LNCS 4974：365-370.

[3]王彩萍.电路组装的检测技术[J].电子工艺技术,2000,21（4）：21-23.

[4]徐胜海.印刷电路板在线自动视觉检测系统的分析研究[D].合肥工业大学,2001.

[5]张文景,张文渊,苏键,等.计算机视觉检测技术及其在机械零件检测中的应用[J].上海交通大学学报,1999,33（5）：129-132.

[6]张亚鹏，何涛,文昌俊,等.机器视觉在工业测量中的应用与研究[J].光学精密工程,2001,9（4）：324-332.

[7]Crispin A J,Rankov V.Automated inspection of PCB components using a genetic algorithm template-matching approach [J].International Journal Advanced Manufacturing Technology,2007,35（4）：293-300.