焊接(jie)，也稱作熔接(jie)，是(shi)一種以加熱(re)、高(gao)溫或(huo)者高(gao)壓的方式接(jie)合(he)金(jin)屬或(huo)其(qi)他熱(re)塑(su)性材料(liao)如塑(su)料(liao)的制造工藝及(ji)技術。

現代焊接(jie)(jie)的(de)能量(liang)來源有很多種，包括氣體焰、電(dian)(dian)弧、激光、電(dian)(dian)子(zi)束(shu)、摩擦和(he)超聲波等，隨著工業的(de)發展和(he)科技的(de)不斷進步，焊接(jie)(jie)智能裝備憑借其輸出能量(liang)大、焊接(jie)(jie)速(su)度快(kuai)、適(shi)用性強的(de)優勢(shi)已在航空(kong)航天(tian)、汽(qi)車(che)、3C電(dian)(dian)子(zi)等制造業中得到廣泛應用。

在這(zhe)些行(xing)業應(ying)用過程中，市場也不斷對焊(han)接加工品(pin)質提(ti)出(chu)了更(geng)高的需求，例如(ru)更(geng)多類型材料的焊(han)接能(neng)力、焊(han)點焊(han)面(mian)的完整度與連續性、焊(han)接品(pin)質的檢測(ce)效率等。

焊接焊點外觀檢測的必要性

焊(han)接(jie)作(zuo)為(wei)工(gong)業(ye)生產中(zhong)不(bu)可或缺(que)的(de)環節(jie)，對產品質(zhi)量有(you)著重(zhong)要的(de)影響(xiang)。焊(han)接(jie)過程中(zhong)由于參(can)數設置和運行(xing) 過程等因素影響(xiang)焊(han)接(jie)部件的(de)缺(que)陷(xian)難以(yi)避免。

如裂(lie)紋、夾渣 、氣孔 、未(wei)焊(han)透 、未(wei)熔合等，這些缺陷對(dui)(dui)安全生產以及產品質量(liang)構成嚴(yan)重(zhong)威脅。因此，有效地檢測出焊(han)接(jie)過程中(zhong)出現(xian)的缺陷對(dui)(dui)產品質量(liang)和生產制造都(dou)十分重(zhong)要。

傳統的缺陷(xian)檢測(ce)(ce)方式采用人工檢測(ce)(ce)，缺點(dian)是成本高(gao)，且檢測(ce)(ce)效率隨用工時間的延長(chang)迅速降低。后來，X射線探(tan)(tan)傷(shang)和超(chao)聲波探(tan)(tan)傷(shang)的引(yin)入對于(yu)焊接缺陷(xian)檢測(ce)(ce)提供了新的方法，這些方法有易于(yu)檢測(ce)(ce)內部缺陷(xian)的優點(dian)，但成本高(gao)，成像欠清晰等問題始(shi)終困擾著這些檢測(ce)(ce)方法。因此(ci)如何盡(jin)可能(neng)減少在生產過程中人工評定法的主觀性、差異性成為各個行(xing)業及客戶(hu)的主要訴求。在此(ci)背景下，配備高(gao)效智(zhi)能(neng)的外(wai)觀缺陷(xian)檢測(ce)(ce)系統變得尤為重要。

隨著工業機器視(shi)覺的發展，深度學(xue)習在(zai)圖像特征學(xue)習中的獨特優勢使其在(zai)表面(mian)缺陷(xian)檢測(ce)中具備重(zhong)要的實用價值(zhi)，成為了工業智能(neng)檢測(ce)領域的主流研究(jiu)方(fang)向。

基于深度學習的焊接焊點缺陷檢測

深度學習(xi)主要包(bao)含卷積神經網(wang)絡和Faster R-CNN兩種網(wang)絡模(mo)型(xing)，通過利用算法模(mo)型(xing)自動學習(xi)的特點，不再受限于復雜(za)多變的環(huan)境，可自動提取缺陷特征(zheng)，最終實(shi)現自動檢測。

一方面，避免了傳(chuan)統算法中人工提取特(te)征的局限(xian)性和復雜性；

另一方面(mian)，深度學習在(zai)自然語言處理(li)、圖像分類(lei)和(he)圖像分割等領(ling)域(yu)已獲(huo)得了廣泛應用，為外觀缺陷(xian)檢測系統的研發奠定了堅實基礎。

基(ji)于深(shen)度學習的焊(han)接、焊(han)縫(feng)、焊(han)點(dian)等缺陷自動檢測系統如圖所示 ，由工(gong)(gong)業攝像機(ji) 、計算機(ji) 、采集卡 、光(guang)源 、工(gong)(gong)件及(ji)工(gong)(gong)件運動控制裝置組成 。

1. 圖像獲取：①工業(ye)相(xiang)機與光(guang)學鏡頭、②照明光(guang)源、③傳感器、④圖(tu)像采(cai)集卡；

2. 圖像處理：⑤PC平(ping)臺、⑥視(shi)覺處理(li)軟件、⑦控制單元。

工業相(xiang)機(ji)和(he)圖像(xiang)采(cai)集(ji)(ji)卡(ka)采(cai)集(ji)(ji)目標(biao)區(qu)域的圖像(xiang) ，在(zai)(zai)計算機(ji)中(zhong)進(jin)行實時自動(dong)處理和(he)分析，系統的核心在(zai)(zai)于圖像(xiang)處理。

工(gong)業現(xian)(xian)場中(zhong)，采集的(de)圖像并(bing)非僅限于缺陷存在(zai)的(de)區(qu)(qu)域(yu)，往往是待檢(jian)(jian)對象(xiang)所處的(de)整個(ge)區(qu)(qu)域(yu)，這個(ge)區(qu)(qu)域(yu)通常包括(kuo)光(guang)源、背景(jing)工(gong)件、背景(jing)板等諸多(duo)因素(su)，尤其是某些(xie)情況下，實(shi)際檢(jian)(jian)測對象(xiang)需(xu)要與光(guang)源 “交叉 ” 。因此，為(wei)了得到最(zui)終(zhong)的(de)檢(jian)(jian)測結 果需(xu)要諸多(duo)步驟實(shi)現(xian)(xian)目標區(qu)(qu)域(yu)的(de)逐步鎖 定，并(bing)最(zui)終(zhong)利用缺陷檢(jian)(jian)測的(de)相關技術對感興趣區(qu)(qu)域(yu)進行(xing)最(zui)終(zhong)檢(jian)(jian)測以判斷(duan)是否存在(zai)缺陷問題。

為了實現這樣的目(mu)(mu)(mu)標(biao)(biao)，首先需(xu)要(yao)考(kao)慮(lv)將目(mu)(mu)(mu)標(biao)(biao)對象與背景進行分割，得到初步目(mu)(mu)(mu)標(biao)(biao) (預定(ding)位(wei) )，通過具體檢測目(mu)(mu)(mu)標(biao)(biao)的相關特征進一(yi)步鎖定(ding)檢測對象，然后在得到檢測對象的基 礎上鎖定(ding)感(gan)興趣(qu)區域，最后對感(gan)興趣(qu)區域進行檢測判斷是否(fou)存在缺陷并標(biao)(biao)記(ji)。

以PCB焊點缺陷檢測為例

針對 PCB 板(ban)的(de)正反面(mian)進行檢測(ce)，PCB 焊點缺陷檢測(ce)主要有四種類型(xing)：多錫(xi)、少錫(xi)、焊錫(xi)合適和漏焊。

照明方式的設計

考慮到光(guang)源與鏡頭的相對(dui)位置(zhi)以及(ji)相關的光(guang)學原理等因(yin)素，照(zhao)明方式(shi)有(you)很多種，常用的方式(shi)有(you)同軸光(guang)源照(zhao)射(she)、背(bei)光(guang)光(guang)源照(zhao)射(she)等，下(xia)面對(dui)照(zhao)明方式(shi)進行設計比較。

考慮到 PCB 板(ban)特點以(yi)及(ji)環形(xing)照射(she)(she)優點：PCB 基板(ban)對(dui)光(guang)線(xian)反射(she)(she)能力弱(ruo)，焊點反射(she)(she)能力強；焊點分(fen)布(bu)有一定的范(fan)圍(wei)；環形(xing)照射(she)(she)會減弱(ruo)陰影出現。因此選用的光(guang)源為環形(xing)光(guang)源， 每個 LED 燈珠向內側傾斜 30 度， 減弱(ruo)了反光(guang)影響。

機器視覺檢測方案總體設計

采用機器視覺和圖像處理技術對 PCB 焊點缺陷進行檢測， 機器視覺檢測系統的重要(yao)組成(cheng)部(bu)分如下：

1、運動系統：由控制器、驅動器、電機、導軌等組(zu)成；

2、光學系統：由圓環形光源、圖像(xiang)采集卡、工業相(xiang)機(ji)、光學鏡頭、實驗支架以及實現相(xiang)機(ji)采集圖像(xiang)的控制軟件等組成；

3、圖像處理檢測系統：主要(yao)是 PCB 焊點(dian)圖(tu)像(xiang)檢測識別算法，包括多曝光圖(tu)像(xiang)融合(he)、圖(tu)像(xiang)預處理、特征提(ti)取、焊點(dian)缺陷檢測分類(lei)等；

4、系統軟件：在 PC 機上，根據相關系(xi)統(tong)軟件(jian)，對采集到的焊點圖(tu)像進行(xing)一系(xi)列圖(tu)像處理(li)， 得出測試數據并進行(xing)分析。