基于VisionMaster的网络模块插针视觉检测研究 .pdfVIP

基于VisionMaster的网络模块插针视觉

检测研究

摘要：针对网络模块产品人工检测方法存在劳动量大、检测效率和自动

化程度低、质量管控弱等问题，研究基于VisionMsater算法软件平台的视觉检

测方法。针对检测对象插针，充分分析检测特征，制定检测标准，设计检测算法

及整体方案。试验结果表明，该方案不存在插针不合格漏检，插针检测误报率控

制在1.5%以下。

关键词：VisionMaster；网络模块；插针检测

1引言

《中国制造2025》明确指出传统制造业向着自动化、网络化、智能化的结构

调整和转型升级是实现中国制造由大变强的必由之路。其中，自动化生产线是制

造业转型中不可或缺的生产组织形式，随着工业机器人、传感器、电子计算机、

机器视觉等技术发展，自动化生产线灵活性日益提升，可实现多品种、中小批量

产品生产的自动化，并满足现代化装配精度、生产效率等指标。在自动化生产线

上安装机器视觉系统，不仅可以实现对零部件的精准定位和正确组装，还可以对

产品缺陷、尺寸精度等各种质量指标进行监测，在提升生产效率和质量，降低生

产成本方面具有重要意义[1]。

以网络模块自动化生产线为例，可生产百余图号类别的网络模块产品，其中

机器视觉技术被应用到产品定位、机器人控制、质量检测等方面，是实现实物流

转与作业主要过程无人化的关键[2]。对比传统密集型手工生产，新生产组织形

式能实现自动上料、自动紧固、视觉检查及自动测试，达到过程数据采集监控、

质量追溯和可视化目标。

首先，人工质检会消耗人力成本；其次，网络模块产品种类多，细微差异人

工难以准确识别；再而，连接器插针、面板字符、定位孔、螺钉等数量多、特征

小的检测项存在，对人工专注力要求高且效率低[3]。特别在大批量生产检测时，

难以兼顾产品质量和交付及时性。因此，视觉检测的引入不仅可以降人力、提产

能，还可以改善产品质量波动问题，满足客户对产品质量越来越高的要求。

2连接器插针检测特征分析

针对不同连接器的插针进行光学特性分析，发现其成像效果差异较大，如表

2.1所示，主要由于供应商不同，采用的结构及加工形式、表面处理和接触件材

料存在差异，因此插针的光学特性不一致。

从表2.1可看出，矩形插座(DB-25PLS冲制\\25芯\\M3)的插针光学特征最

不明显。主要原因是该插针针头是中空的且外观光泽度低，反光效果不好，而其

他插针针头为实心且光泽度较高一些。针对检测特征不明显问题，一般采用形态

学处理方法进行图像处理。其次，第二排插针相对第一排插针成像效果更差，特

征不明显，需要调整光源补光方式进行优化。

表2.1插针光学特性对照表

物料描述实物图成像图

D-SUB连接器

(J18EK-9PM-01)

D-SUB连接器

(J18EK-9PM-01)

矩形插座

(J18CK25PX3HWVP\\25

芯)

矩形插座(DB-

25PLS冲制\\25芯

\\M3)

***********\\48

芯

3基于VisionMaster的视觉检测方案设计及应用

3.1视觉检测方案设计

VisionMaster算法平台集成机器视觉多种算法组件，其优势在于无需视觉算

法编程，对于检测方案中复杂的数据处理和功能实现，可使用软件自带的脚本组

件进行自定义开发。

插针检测主要检测插针有无以及插针是否歪斜。在像素是有限灰度级的图像

区域中检测、定位或分析微小目标物体时，常用到Blob（Binarylargeobject）

分析算法。Blob分析是对图像中相同像素的连通域进行分析，该连通域称为

Blob，可采用Blob分析组件进行插针有无检测[4]。插针是否歪斜，人工检测难

以准确判定歪斜标准，检测算法需要利用脚本组件编程实现，首要问题是对插针

歪斜标准的定义。最初采用相邻插针间距进行判定，但是验证效果不理想，主要

缺点在于不能检测出连续插针歪斜的缺陷。最后确定将插针没有发生歪斜定义为

插针理论点和实际点之间距离小于等于0.4mm，算法逻辑流程图如图3.1所示：

图3.1插针歪斜检测算法流程

算法中的K值是物理长度与像素长度的比值，常采用标定块进行计算，应用