《基于数字图像处理的电子元器件引脚缺陷检测算法设计》11000字【论文】

基于数字图像处理的电子元器件引脚缺陷检测算法设计摘要：在现代电子产品的生产中，检测电子元件的引脚是生产过程中的重要环节。传统的人工检测方法由于速度和准确性的缺陷，已不能适应大批量生产。传统的人工检测技术正在被不断变化的基于图像的光学检测技术所取代。基于数字图像处理技术构建了一套完整电子元器件引脚缺陷检测方案。本系统主要由AOI照明装置、AOI图像采集装置、引脚图预处理模块、引脚图滤波模块和引脚图颜色提取模块等组成。其中图像处理部分是实现引脚缺陷检测的核心部分。本文根据引脚检测的特点，对采集到的图像进行增强处理，然后使用中值滤波器，最后对引脚进行锐化和颜色提取，检测出缺陷引脚。在MATLAB2016上进行相应的仿真实验。本文设计的基于数字图像处理的电子元器件引脚缺陷检测方案，通过利用图像处理技术检测出板的引脚缺陷问题。利用图像处理技术能够大大的高生产效率节省了人力。同时机械检测比人工更加精确。关键词：引脚检测；光学检测；数字图像处理；MATLAB目录TOC\o"1-3"\h\u1绪论 11.1课题的研究背景与现状 11.2研究目的及意义 21.3研究内容及思路 22AOI系统结构系统 42.1AOI照明系统 42.2AOI图像采集系统 52.2.1图像的采集设备 52.2.2图像系统及灰度图 52.2.3图像采集的计算方式 62.3运动控制模块 62.4AOI图像处理系统 73数字图像处理算法 83.1图像预处理 83.1.1数字化 83.1.2几何变换 93.1.3图像归一化 93.1.4图像平滑 93.1.5图像增强 93.2图像中值滤波 103.3图像的锐化 114电器元件引脚缺陷检测技术实现 134.1引脚颜色提取算法 134.1.1彩色图像分割概述 134.1.2算法实现 134.2引脚相似度分析算法 144.2.1图像相似度概述 154.2.2算法实现 154.3引脚颜色与相似度算法比较比较好的 164.4图像平滑技术 175实验结果与分析 185.1引脚颜色提取算法实验结果 185.2检测速度实验结果 195.3图像平滑检测结果 196结论 21参考文献 221绪论近年来，我国大力发展电子制造业，在电子行业中针对PCB电路板的图像的引脚检测是当前科学研究的热门课题。随着全球科技行业的不断发展，在PCB电路板的图像引脚检测技术的精度也越来越高，难度也在不断的加强。同时，在电子元器件引脚的检测过程算法程序显得极为重要。一般大量的电路板进入车间生产，由于PCB电路板的量很大，其中难免存在很多劣质电路板，如果劣质电路板一旦流入市场，将会对后期的电路设计导致整个器件烧坏。对生产与生活带来巨大的损失。因此对于电子元器件引脚缺陷的检测是非常有必要的。1.1课题的研究背景与现状由于近些年来我国大力发展电子科学技术，在电子科学中印刷电路板是在设计电路系统中最为重要的一个环节。在整个产业链之中，印刷电路板在其中的地位是非常高的。众所周知，电路板里面是由复杂的电路组成，通过里面的导线进行连接。对于产品的PCB板在出厂之前都会进行检测。这样是为了防止劣质的电路板流入市场。导致在使用过程中造成电子元器件的损坏。为提高整个电路板出货的良率。通过数字图像处理技术来检测电子元器件引脚缺陷的问题是当前研究的热点，由于现在的电路板设计的非常的精密。同时也非常的细小为了集成更多的电子元器件。同时又要使PCB板保持在一定体积的大小，这就对电子元器件的大小有了更高的要求。同时对于电子元件的引脚部分的要求就更高，那么就更容易产生问题。为了加快PCB板检测的工作效率。对于通过图像处理的方式来检测电子元器件引脚缺陷的问题会是未来发展的重点。由于我国对于图像处理技术研究较晚，落后于西方的发达国家。通过图像处理技术或算法将相关的技术应用在测试设备上是非常困难的。在2000年以前，我国的AOI系统主要是通过进口设备来实现PCB板的检测。近些年来，我国已经开始研究属于我国自研的AOI系统通过近些年的努力得了相关的研究成果，但是由于我国对技术的整体水平不高，对于检测设备的核心技术还是需要依靠进口。同样由于国内的一些工厂资金不足，工厂的规模较小，以及技术储备力量的缺失。导致相关的企业一直没有机会采购国外的先进设备。在这些比较小规模的企业之中，依然还是使用传统的检测方法来对PCB板电子元器件引脚的检测。这种传统的引脚检测方法检测效率非常的低，导致人工成本非常高，也一直无法扩大工厂的发展。由于近些年来我国政府的大力支持。在国家大基金的大力扶持我国相关的产业也在不断的完善。同时随着我国技术的发展对于检测技术的要求不断提高，针对当前的发展情况来下，我国的AOI图像处理技术在电子元器件的引脚检测上面取得了巨大的进步。1.2研究目的及意义通过研究数字图像处理技术从而将其应用在电子元器件引脚缺陷的检测上面，有利于提高我国图像检测技术的发展。通过图像处理的方式来检测电子元器件引脚缺陷的问题。有助于提高我国印刷电路板生产效率，对于PCB板中劣质的产品。更快的排除出来，对提高我国科学生产水平的提高有一定的积极意义。本文通过研究数字图字图像处理技术在电子元器件引脚缺陷中的应用。可以提高我国工厂的生产效率。同时为后期的电子科学技术的发展做了一定的铺垫。从另外一方面来讲，通过研究数字图像处理技术，有利于个人学习能力的提高。对于个人未来的发展有一定的积极作用。通过将书本知识与实际应用结合起来可以让我学有所成。1.3研究内容及思路本文的主要研究内容是基于数字图像处理技术在电子元器件引脚缺陷检测中的应用。在研究过程中，通过对图像处理技术在电子元器件引脚缺陷检测发展背景进行分析。了解研究该技术在当前环境下的研究目的与研究意义。在对系统结构的介绍过程中主要通过照明系统。AOI图像采集系统运动模块的控制。AOI图像处理系统等四个方面来进行介绍。然后再结合具体的图像处理算法。在数字图像处理算法中首先是对图像的预处理。在预处理的过程中，主要是用到数字化，几何变换，归一法，图像平滑，图像增强等相关的处理步骤对图像预处理完毕后，则对图像中值滤波。进行比对完成图像中值滤波的过程，再进行图像锐化技术。图像锐化技术主要是让图像保持清晰光滑的界面。然后再通过介绍电器器件引脚缺失。检测技术的实现首先通过引脚颜色提取算法将有缺陷的颜色提取出来，然后再通过彩色图像将其分割开，利用算法来实现分隔。再根据颜角相似度分析算法。对于有缺陷的引脚部分，通过图像相似。相似的算法来实现。然后再对提取的引脚颜色算法进行比对，将将缺陷的引脚与待测引脚的颜色进行比较。通过两者比较两者的差异来判断相关引脚是否是缺陷。最后再使用图像平滑技术完成整个图像处理技术在电子元器件缺陷应用。最后介绍的是实验的结果与分析。主要是以三个实验来进行分析，通过引脚颜色提取算法实验分析，检测速度实验结果分析，图像平滑检测结果分析，最后总结全文。2AOI系统结构系统在对系统结构进行介绍的时候，首先要了解AOI系统在检测PCB电路板贴片中的工艺。查阅资料了解到，在传统的电路板生产的过程中，主要流程有锡膏板印刷，切片机的贴片装回流焊接和波峰焊接板的印刷质量。通过将待测电路板与良品电路板进行比较，从而检测待测电路板。引脚是否出现不良。AOI系统结构分析，在整个检测过程中，主要是在光学系统下进行。在这种条件下，对电路板的处理速度与准确性有非常高的要求。在本次论文中研究的是数字图像处理技术在电子元器件引脚缺陷检测中的应用。在检测过程中，主要是通过识别电子元器件的引脚进行检测。他主要包含照明图像采集，运动管理和图像处理系统。通过这些系统将它组合成一台能够自动完成PCB板质量检测的系统。如下图2-1所示为AOI系统结构框图。图2-1AOI检测电器元件引脚系统框图2.1AOI照明系统在AOI系统中包含光学系统，光学系统在系统中主要起的作用是提供光源，从而保证系统检测到的图像为明亮清晰的。图像从而提高图像检测过程中的准确率，可以更好的对引脚部位进行识别与处理。在执行电子元器件的检测过程中，其中的运动控制机制主要是负责对PCB电路板引脚的固定工作台的作用与控制相机的调动。在运动机制执行过程中对于控制相机的调动是一项非常精密的技术，对于先进工艺相机的移动应该是在微米级这样才能将光源能够非常完整的照射在放有PCB电路板引脚的工作台。通还可以通过旋转固定工作台的位置与方向。对PCB电路板引脚的照射位置进行调动。以获取最优的电子元器件引脚的检测位置。从而进行比对。再进行二者的一个检测报告，如果报告没有任何问题，则进入下一道工序，若报告产生异常相关报告记录在机台磁盘里。方便工作人员进行提取与比对。在确定检测的电子元器件符合工艺的要求。简单的说。通过系统来检测电子元器件引脚缺陷的问题。就是一个利用机器人来实现检测的过程相比于人工具有更加自动化，智能化，更加有效率。2.2AOI图像采集系统AOI图像采集系统。主要是实现对电子元器件引脚的采集工作。在实现电子元器件检测的过程中提取。电子元器件引脚的照片是一项非常重要的步骤。这决定着取得的影像资料。对后面的图像分析结果是否正确？起决定性的作用。这个图像采集的过程被称为ccd。图像采集过程中主要用到的有摄像机，图像采集卡和LED。程控光源组成。图像采集的步骤主要是通过相机光源映射在电子元器件的工作台上。再通过内部图像处理技术将图像存储到专用组下的采集卡，从而完成整个图像采集步骤。在图像采集过程中，主要是用的是计算机技术来实现通过编程语言来对图像采集的控制。2.2.1图像的采集设备在AOI图像采集系统中。对图像采集设备的作用主要是对图像进行采集的工作，他的工作原理主要是将光信号转换为电信号。在选择光信号转换为电信号，我们常用的器件为ccd器件。根据ccd器件的特性，它具有灵敏度。低噪音，低的优点。常见的ccd。分为面证和县证在本次AOI图像采集实验中选用的是平面结构的ccd。一般将划分为存储区和信息的发散区，感光区。在光信号转换为电信号，主要利用感光区采集到的光源进行转化。最后通过信息的转换输出电信号。2.2.2图像系统及灰度图在介绍图像系统与灰度图，根据图像的组成原理，了解到图像本身就是由一个个的像素的点进行聚合。划分的点数越多，图像就越清晰。在这个划分区域的风格点就被叫做像素。我们了解到所有的颜色都是由三颜色进行叠加组成。通过红绿蓝三种颜色的叠加，就可可以调制出1600万种颜色。对于AOI图像采集系统的原理就是通过I系统中的黑白ccd。灰度图的建立，从而将电子元器件的引脚上的点进行信号的传递。通过黑白信号传递的ccd的像素。他的解析度是比彩色图像的像素要高。因此在本次图像处理实验中我们将图像都全部建立在黑白图像上。在根据灰度图的分析原理分别建立二维的方向坐标系。以x为横坐标以Y为做纵坐标。在假设一个地址来描述。准确的灰度值假设本次实验中灰度值在0~255之间，因此这种图像模拟结构就被称为二维阵列。他的像素公式可以满足如下公式(2-1)：fX，Y=D在该公式中，xy都表是该点的坐标。D则表示该坐标的灰度值。在本次实验中，我们将收到的图像数据全部以这种方式进行保存。2.2.3图像采集的计算方式图像的计算方式是以像素pix来计算的，换算关系为1mm=48pix。就黑白的CCD摄像头而言，采集到的一帧frame图像的像素为4008pix×2672pix。这样编程时，对一帧图像的像素可以有这样的定义，如表2-1所示表2-1图像像素计算定义为了进一步了解AOI系统工作模块的结构处理，需要进行一次完整的图像采集实验。首先准备好需要采集的图像。将需要采集的图像与比对图像都一一的采集完。再结合图片格式进行设置相关不同的分类。两组数据的分类都必须满足存储关系，从而形成一个完整的图像单元。实验过程中可以选择公式(2-2)获得图像坐标X,Y处的像素点的灰度值D:在本次实验中，主要是使用六帧的图像进行对比。D=bufferx+y∗XAXIS2.3运动控制模块AOI系统结构中的运动模块是非常重要的，在进行图像采集作业的过程中，采集到的电子元器件引脚图像主要放在固定的工作台上。运动控制模块主要通过y轴的移动，将ccd的摄像机固定在一个支架上。再结合歪轴的移动，从而对待测的电子元器件的引脚进行。扫描与采集。这种线性采集的方式在移动过程中会进行连续的采集。运动模块对待测电子元器件的引脚图像的采集局主要有两种办法，一种是直线不进间接扫描拼接法，另外一种是直接不禁连续扫描法（1）直线步进间断扫描拼接法根据运动原理，直线步进间断扫描拼接法是？确定扫描图像的原始坐标系。结合镇现阵ccd相机的移动从而控制工作台的水平距离与垂直距离在采集过程中确保了水平距离与垂直距离驱动工作台移动，从而完成整个电路板电子引脚图像的采集作业。（2）直线步进连续扫描法直线步进连续扫描法与直线步进间断扫描法存在一些区别。连续扫描法可以在水平与垂直两个维度进行确定。他是以ccd相机位置为原位置。在推动。工作台的移动使他的水平位移发生方向，在快要到达移动平台时，他的速度会逐渐减慢。最终移动到Ccd相机的位置。沿垂直的方向进行扫描。2.4AOI图像处理系统AOI图像处理系统是当前发展的热门话题，它是检测电子元器件引脚关键技术系统。在本次论文的书写过程中主要是利用AOI系统。结合MATLAB仿真,从而检测电子元器件的引脚缺陷。这种方式大大的提高了工作效率，减少了人人为检测的成本也降低了，检测错误的概率。在搭建图像处理系统需要涵盖图像识别，图像定位。还包括相关的计算机技术。完整的系统主要由如下图2-3几个重要模块组成。图2-3系统总体组成图3数字图像处理算法3.1图像预处理为了保证在图像检测过程中保证图像的保真度。在对图像检测过程中，保真度作为判断图片重要标准。在检测过程中影响图像保真度的因素主要是在电子元件引脚检测过程中噪音导致的图片保真度出现问题。在检测过程中相机的移动产生的噪音还有相机的电子环境，光照等相关的因素都会产生噪音，导致图片的质量下降无法获取准确的图片进行比对。为了提高在检测过程中图像的保真度，可以通过降噪的方式来提高图片的保真度。研究表明，通过降噪的方式虽然能够处理噪音问题，但是在降噪过程中，会导致图像本身的一些细节会改变。再为了排除这些影响在对，电子元器件引脚降噪部分主要利用的是椒盐降噪与高斯降噪。由于这两种降噪方式存在一定的区别。在降噪过程中，应该根据不同的情况使用不同的方法进行降噪。这样才可以在最小化的减少对图像的损坏。在经过降噪环节在后期图像处理的部分还可以采用数字化，几何变换，归一化恢复和图像增强损坏图片。3.1.1数字化在对图像的灰度值创建连续函数，对原始的数字图像信号的图像重排至少需要确定M,N,B信号的频谱大小,在接收机设定的空间分辨率范围和灰度分辨率范围内,M,N,B信号的幅值都越大,图像被重建前的图象质量才越好,选择比较合适的M、N、B值可以获得最佳的处理效果。图像为l级灰度(一般l=256)，也就是说，对于8位灰度，可以计算如下:（1）初始化数据并删除表格中的所有内容。（2）计算图像的像素灰度级，并计算对应于该灰度级的像素。（3）横轴显示图像的各个像素的灰度，垂直轴表示各个灰度的频率或概率。用代码生成图3-1的直方图，结果如图3-2所示。图3-1电器元件引脚图图3-2处理后的灰度直方图3.1.2几何变换对图像预处理过程中，几何变换是采用纠正图像的系统误差的一种变换，可以理解为随机的修正误差。造成这种现象的原因主要是地球的自转图像采集。等相关因为高度产生误差的影响。这种影响很难采用模型来表示。通过在几何？图形中利用几何位置在一定数量的地面为控制点，从而开始进行修正。3.1.3图像归一化在对图像预处理的过程中有一项最标准的处理办法这就是归一法。归依法是通过一系列的标准化，针对每一个图像形成一定的标准特征，在不改变图像的像素的前提下，再选择图像的标准测量。在归依法中主要常见的有灰度归一法、几何归一法、变换归一法。3.1.4图像平滑在对图像检测过程中会遇到系统运动产生的噪声这个对图像会产生一定的干扰和失真。可以利用图像平滑技术对图像中的噪声进行消除。平滑处理是解图像噪声的一个。最好的方式。比较常见的平滑技术主要包含K近邻平均法，局部法和中值法。利用这些方法对图像进行降噪，能够完整的保留图像原本的清晰线条与像素，可以提高图像识别的准确率。3.1.5图像增强图像的增强技术可以去除图像中隐含的信息，使图像达到一个明显的视觉效果。这样有利于提高图像在后期的检测提取与识别。在图像增强方法中，比较常见的方法有对比增宽。对数变换，密度分层等相关的方法。在相关的实验中，可以结合实际的图像检测情况采用不同的方法，从而达到自己预期的效果。3.2图像中值滤波为了去除图像中的中值滤波，因此提出了像素灰度值m的概念。用于模拟所有灰度值Ai,进而搭建了一个窗口平台。在Matlab函数的执行中值函数滤波函数实现方式:1.调用函数:A=medflt1(B,n)其中,B即为控制滤波输入信号的输出信号,A则为经过滤波处理运算后所获得结果的输出信号,即为输出滤波结果n即为控制滤波区间的参数。具体区间的定义及方法说明如下:若取第n次方个为基数,区间即为[k-(n-1)/2,k+(n-1)/2]。2.若实数n次方为一偶数,区间值为[k-n/2,k+n/2+1],中值滤波表示用在这个整数区间点内的一个中间点值去代替这-点内的值。对于输入信号(顶部图像),以下图是分别是通过设置间隔n=8和间隔N=16后获得的滤波图像。图像波形经过中值滤波校正后,可以直接去除尖峰脉冲波的干扰影响,最大程度地保持原始图像不失真。如图3.3，图3.4为经过中值滤波之后的电子元器件引脚的图像图3.3n=8时，中值滤波图像图3.4n=16时，中值滤波图像3.3图像的锐化图像锐化技术(Imagesharpening)其基本原理是对图像轮廓进行补偿，增强图像的边缘部分和图像灰度的过渡部分，使图像细节平滑清晰，可分为空域处理和频域处理。采用各向同性的处理，使得图像的边缘和轮廓处理更加清晰，图像向任何一个方向的延展性都良好，下面的公式（3-1）用来证明偏导的算法方向性：（3-1）旋转前图像坐标位置，是处理之后的坐标。后续还有一个是关于梯度的计算。一般而言，图像梯度值的定义，设点（x，y）：（3-2）梯度改进算法就是为了使得图像的边缘更加清晰，通常来说，大于阈值该点的灰度值用梯度来代替，如果低于阈值的话，则代替不了，习惯采用高频滤波的方式对图像进行增强处理。（3-3）其中的f，g一个是没有锐化的图像还有一个是锐化后的图像，是扩散系数。代表着对没有锐化的图像的拉普拉斯算法，由此可以得到清晰的图像乘上一个拉普拉斯算法之后，可以模糊化。可以用下面的模板H={{1，4，1}，{4，-20，4}，{1，4，1}}来近似。在实际情况下，其中H里面的各个参数都会改变的，还有里面的参数的选取尤为关键，如果过大过小都会导致图片处理的欠佳。过大的话会导致轮廓失真，过小的话则锐化不明显。通过对本次实验的多次测试得出，只有在选取在2-8之间的时候，都会得到比较不错的图像，如下图给出的是等于4的时侯就会得到电子元件引脚的锐化图像。图3-5拉普拉斯算法下锐化图图3-6边缘提取后图像通过对比上图3-5与3-6图锐化和边缘提取的效果图，可以清晰的看到两者明显的区别。在对拉普拉斯算法下锐化图处理的图像他的像素点是非常的密集，像素点很难看清。而经过边缘提取处理后图片像素点之间非常清晰，对比图3-5与图3-6非常的明显可以清楚的看到每一个像素点。4电器元件引脚缺陷检测技术实现4.1引脚颜色提取算法引脚颜色提取算法是一种常见的算法，众所周知一块电路板它是有许多的电子元器件进行组合而成，同时这些元器件与形状有各不相同。元器件的颜色更是千差万别。为了更加快速的检测出电子元器件引脚是否有缺陷，因此对这些大小与颜色存在巨大差异的元气件的特征进行提取。这是一项非常重要还有关键的步骤。通过对电子元器件颜色的定位和该颜色的颜色范围可以分辨存在差异的电子元器件。4.1.1彩色图像分割概述（1）HSI空间在对彩色图像进行分隔的时候，主要是用到的HIS图像分割，将整个颜色定位在一个平面上。H，I，S三个方向的分量是可以相互独立的。在实际的分隔过程中，主要是通过将一个3—D的搜索更换为三个1-D的搜索。一般情况下，只有彩色图像才会有出现达到HIS的饱和度的情况。（2）RGB空间RGB空间是另外一种图像分隔的方法。在对彩色图像的提取过程中主要是通过对图像的关键部位进行处理分隔。这个常见的方法是欧式距离作为度量。其公式如（4-1）所示。DX,μ=XR−μR下标里的R、G、B表明是向量X和μ的R、G、B分量。D（X，12）≤Do的点的轨道是半径为D04.1.2算法实现为了实现彩色图像分隔技术，在实际的操作过程中，通过建立如下图4-1的颜色提取算法的流程图。在建立颜色提取算法流程图第一步就是ROI。在ROI这一步主要实现的是对颜色的定位。首先在确认了待测的模板，在进行对待测的电子元器件进行建模。一般常见的模板主要是3×3与5×5。在测试过程中需要对比的是待测图像与模块中的图像。为了保证检测的准确性，在对每一个模块都要保持大小一致。这是为了防止在后期图像检测的时候出现啊。通过对his颜色处理方法的运用，HIS表示三个方向。H表示水平方向I表示垂直方向S表示向上的方向的阈值。在对图像进行分割的时候，通过is三个方向上的阈值与原图中的阈值进行对比。再利用。CCD的黑白探测。如果在测试过程中电子元器件存在模板也存在。元期间上不存在，模板上也不存在。依据测试板中的切割进行阈值处理。从而判断电子元器件上的引脚是否有缺陷。图4-1颜色提取算法流程图4.2引脚相似度分析算法在对电子元器件引脚缺陷的检测过程中，利用引脚相似度的分析算法是另外一种。检测算法通过比较实际要测试的电子元器件的引脚图来建立相似的模板图来判断。模板图是否达到相似的阈值如果达到了则说明在引脚检测过程中不存在问题。如果没通过则说明电子元器件引脚缺陷存在问题。4.2.1图像相似度概述图像的相似度主要是利用两个图像之间的颜色与大小的相似性进行判断。在检测图像相似度的过程中，主要是使用计算机技术进行实现。计算机的视觉检测系统可以对目标图像进行检测，从而找出最接近于该图像的区域。通过将样本导入到系统模板中，经过计算机技术进行处理。就可以对待测电子元器件的图像进行检索。如果相似则判定为不合格产品。反之则为合格。对比两张图片的相似度，最主要的方式就是通过建立两个图像的灰度图，从而利用函数计算相关差距。线性相关系数计算公式如（3-6）所示：r=zxzyn4.2.2算法实现为了了解图像相似度检测算法的实现步骤。如下图3-10所示为图像相似度检测算法的实现框架图。在建立图像相似度分析流程图第一步就是ROI。在ROI这一步主要实现的是对颜色的定位。首先在确认了待测的模板，在进行对待测的电子元器件进行建模。一般常见的模板主要是3×3与5×5。在测试过程中需要对比的是待测图像与模块中的图像。为了保证检测的准确性。在对每一个模块都要保持大小一致。这是为了防止在后期图像检测的时候出现错误。如果在实际的检测过程中检测图与模板图之间的相似度很好，则说明该电子元器件存在缺陷。当元件不存在的时候，模块图像和待测图像的相似度会很高。说明电子元器件引脚没有缺陷问题。图4-2比较相似度算法流程图4.3引脚颜色与相似度算法比较比较好的为了比较电子元器件引脚缺陷检测中的使用方法，通过对引脚颜色提取算法与引脚相似度分析算法进行比较。对于大量的电子元器件检测来说，由于电子元器件数量大引脚缺陷的概率相对较低，同时为提高生产效率，一般使用引脚相似度的分析算法进行引脚检测。如果待测电子元器件的数量比较少，则就使用引脚。颜色提取的算法进行电子元器件引脚缺陷的检测。颜色提取算法是一种非常实用的算法，因为它的准确率相对来说较高，他在一定区域内对一定面积的颜色进行提取。相似度算法最大的缺点就是如果遇到电子元器件的引脚差别存在较小的时候，则会面临无法检测出引脚是否存在有问题。因此在实际的生产过程中，应该根据实际的生产情况进行。两种算法的综合考量，从而选择最适合本次检测的。电子元器件引脚检测的方法。4.4图像平滑技术图像平滑技术采用的是通过九个点的灰度值进行叠加。常见的平滑滤波是把拟合成九个点的灰度值叠加，这九个点分别是原图像素的中心点和在原图像素中心点附近环绕的8个采样点的像素灰度值的叠加。通过加权求和再求平均的操作处理，得到一个新值，这个新值就是该点像素的灰度值。一个模板的想法，这实现了一个邻居集的概念。这个概念意味着拟合的像素值不仅与点本身有关，还与周围区域的像素值有关。利用卷积运算公式和邻域平均法的思路，邻域平均法的数学表达式如下[9]：定义设为有噪声的函数图像，经过上述的叠加处理之后的图像为，则:,（4-3）其中代表周围采样的像素点的坐标，是整个邻域的像素点的总数。采用的是一个加权平均的模板域：，其中中心元素是图上一个黑色的显点，这个黑色的中心像素就是我们要重新拟合的像素点，一般来说，常见的拟合的模板有3×3、5×5、7×7、9×9等。5实验结果与分析5.1引脚颜色提取算法实验结果为了验证引脚颜色提取算法的实验结果，首先选取两张电子元器件引脚的图片。对一张引脚图做滤波处理另外一张图电子元器件引脚图做锐化处理。处理之后发现图像的杂质已经被清除。电子元器件的引脚部分能够被清晰的看见。这样为后期的提取颜色与分析引导缺陷做了重要的铺垫。如下图5-1所示为滤波后的引脚图，5-2所示为锐化之后的引脚图。图5.1滤波后的引脚图图5.2锐化之后的引脚图为了进一步验证颜色提取和相似度分析之后的引脚图，在对如下5-3所示的图片是经过颜色提取之后检测的引脚电路板图。在这个模块的电路板图里面像素的个数一共有12455个。在比较测试板上的二维图像像素点的个数要多一点。测试板上的像素点达到11930个。计算下来测试板上的像素点位大约为模块板上的95.7%。通过HIS的方法来计算白色部分的空板数量，通过计数发现白色部分的空板的数量大约有66个。这在总数上占到0.5%。由此来看，可以在测试的时候设定一个阈值,假设测试的时候检测值大于阈值，则表示这个元器件存在。假设测试的时候检测值小于阈值，则表示这个元器件不存在。通过HIS的颜色提取算法。我们可以得到很好的效果。HIS的颜色提取法是在引脚颜色提取很常见的一种方法。图5-3颜色提取和相似度分析之后的引脚图5.2检测速度实验结果为了检测测试的速度,通过对检测算法中不同步骤进行时间比对我们得到如下表5.1所示检测时间对比。表5.1检测时间对比表5.1可以看到通过对检测算法中步骤颜色提取的时间统计，我们可以干看到颜色提取的时间为1毫秒。计算相似度为2毫秒。模板匹配的时间最高为14毫秒。通过数据结果发现对于电子元器件引脚检测的速度还是算比较快。但是由于电子原器件的引脚比较密集。在实际的检测过程中还是以颜色提取与计算相似度为主。5.3图像平滑检测结果为了验