电气焊点

电气焊点（精选4篇）

电气焊点 篇1

摘要：DW设备中电气焊点的形状很多, 为了实现其焊接过程的自动化, 必须能准确地定位和识别这些焊点。出于对实际情况的考虑, 本文提出了一种基于图像处理的自动定位和识别方法。首先, 采用自适应阈值分割技术实现对图像特征区域的增强;其次, 采用Canny边缘检测算子精确定位特征区域边缘;再次, 在特征区域边缘内执行膨胀算法获得闭合完整的特征区域;最后, 利用模板匹配技术实现焊点特征的定位和识别。实验结果表明, 本文提出的方法有效地解决了DW设备中焊点的定位和识别问题。

关键词：电气焊点,定位识别,膨胀算法,边缘检测

0 引言

DW设备是用于多纤维物质干燥处理的常用设备, 对其进行电气组装的时候经常要面对形状各异的焊点。为了提高DW设备的组装过程的速度, 需要实现其电气组装的自动化。这个自动化的过程, 就涉及到计算机的自动控制和焊点的自动识别与定位, 尤其是焊点的准确识别与定位非常关键。

对于计算机而言, 为了实现电气组装的自动化, 一般需要以摄像机为传感器获取焊点图像, 并经过一系列图像处理操作最终识别和定位焊点。目前, 对于不同形状的特征识别和定位, 可以采用基于灰度统计的模板匹配技术。但是, 焊接现场拍摄回的图像, 受到各种噪声的干扰往往无法对焊点特征形成清晰的表达。如何在模板匹配前, 强化图像中的特征、确定各个特征的准确区域, 才能确保定位和识别结果的准确性。

目前, 应用于特征增强、区域分割的图像处理方法很多, 比如阈值分割、边缘检测等技术[8]。因此, 对于本文要处理的焊点自动识别来讲, 可以考虑将图像处理中常用技术进行有效的组合, 以期突出图像特征、准确匹配焊点并确定其位置。

1 焊点定位识别的总体构思

在现场拍摄的含有焊点特征的原始图像, 含有圆形、方形、扇形、圆矩角、朵头型等形状信息。要实现其电气连线焊接的自动化, 需要靠计算机视觉及图像处理技术完成不同形状焊点的自动识别与定位。在大量的实验中我们发现, 原始图像中各特征区域 (焊点特征和非焊点特征) 与背景之间的对比度并不显著, 因此需要采用一定的图像增强操作来突出特征。经过增强后的图像中, 特征区域变得明显, 但其中仍有一些细碎区域, 使得特征区域无法形成统一完整的闭合形状。为了解决这个问题, 进一步考虑采用膨胀算法消除细碎区域, 但是膨胀算法会使得边界向外扩张。为此, 在执行膨胀算法前, 最好能通过边缘检测技术准确确定边缘, 使得膨胀算法只在边缘区域内进行。闭合完整的各特征区域确定以后, 就可以执行模板匹配技术, 实现焊点形状的识别和定位了。基于这个整体思路, 我们确定的焊点定位识别方法框架如图1所示。

焊点定位识别的方法设计

2.1 自适应阈值分割粗定特征区域

阈值分割技术是区分特征目标和背景区域的常用方法。但是, DW设备电气连接图像中, 各个特征区域以及背景区域之间无法用单一的阈值实现准确的分割。这里, 考虑使用一种更加有效的自适应阈值分割方法。自适应分割中的阈值, 是依靠待处理像素周围邻域的像素灰度确定的。比如, 在一个3*3的处理模板中, 中心像素是待处理像素, 分割阈值可以用整个邻域的均值来表达, 这样分割过程就比较好地反映了图像局部的灰度分布特征。阈值的计算和最终的分割处理公式如下所示。

2.2 Canny边缘检测定位特征轮廓

通过自适应阈值分割技术, 可以获得比较明显的特征区域。但是特征区域之内存在细碎的不同像素分布, 为了便于后续的模板匹配, 需要将特征区域完整填充。一般来讲, 可以采用膨胀算法填充细碎区域。这里, 借助边缘检测技术定位特征轮廓, 以便确定膨胀算法的执行区域。Canny算子同其它边缘检测算法相比, 不但边缘定位准确, 而且可以获得单像素边缘。Canny算子的边缘检测过程如下:

首先, 用高斯滤波器平滑图像。分别用g (x, y) 、f (x, y) 表示平滑前后的图像, 具体处理如公式 (2) 所示。

其次, 通过求取平滑后图像偏导数, 计算边缘强度和边缘方向, 如公式 (3) 所示。

式中, 分别代表图像的方向一阶偏导数、方向一阶偏导数、图像边缘的强度、图像边缘的方向。

再次, 对强度为非极大值的边缘进行抑制。经过偏导求解, 大量的边缘信息将会生成。但是, 其中有很多并非真正边缘的伪边缘信息。对于这样的边缘, 是需要去除的。Canny算子的处理方法是, 比较待处理像素和邻域梯度极值, 如果它不超过邻域梯度极值, 就应该去除。

最后, 边缘特征的连接。经过上述3个步骤的处理, 很多边缘特征还是断续的情况。这时, 可以通过判断一个邻域内是否存在不连续的两个非0像素, 完成边缘连接。

2.3 边缘内膨胀精确定位特征区域

为了实现特征区域内的完全填充, 我们采用膨胀算法弥合区域内的非主流像素。用F表示图像中的一个特征区域, 在整幅图像中移动事先设定的结构元素S到a个单位后, 形成新的结构元素Sa。如果Sa恰好击中F, 则膨胀后的特征区域表达如公式 (4) 所示。

但是, 膨胀操作不但会弥合特征区域内的非主流像素, 也会扩展特征区域的边界。所以, 我们用上一步骤Canny算子得到的边缘, 限制膨胀算法的执行范围不超过特征区域的边界, 也不允许向其外扩展。

2.4 模板匹配识别定位焊点特征

通过以上操作, 我们就获得了每一幅DW设备电气连接图像的清晰的特征图。这时, 我们通过事先构建的焊点特征模板图像, 和待检测图像进行模板匹配, 来确定其中焊点的类型和位置。设模板图像T的大小为M*N, 待检测图像为Q, 则二者之间相似度比较的公式如下:

待检测图像中, 检测到那幅模板, 就确定了特征的类型。其检索到的位置, 也就是特征所在的位置。

3 实验与实验分析

为了验证本文方法的有效性, 我们根据DW设备电气连接的实际图像进行了焊点检测实验。实验结果如图2所示。

图2中, 第一行图像是根据DW设备常见的焊点形状提取出的基本模板图像, 在模板库中我们还对它们进行了水平镜像、垂直镜像等操作, 以获得更多方向上模板。图2中第二行、第三行分别是带有朵头形状焊点、跑道形状焊点的原始图像及其实验结果。其中的第二列是执行自适应阈值分割效果, 第三列是执行Canny边缘检测的效果, 第四列是执行边缘内膨胀的效果, 第五列根据第一列模板图像展开的模板匹配结果, 最终的定位位置用红色十字进行标注。

通过图2的结果不难看出, 我们设计的检测方法实现了对朵头形状焊点、跑道形状焊点的准确识别和定位。对于其它类型焊点的查找也取得了不错的效果, 但因为篇幅所限没有全部给出。

4 结论

针对DW设备的电气焊接的自动化问题, 提出了一种基于图像处理的焊点定位与识别方法。这种方法通过自适应阈值分割, 可以更加完整地保留各个区域的特征信息;而Canny算子的使用, 准确地确定了各个区域的边缘, 为后续的膨胀算法实施奠定了基础;膨胀算法的执行, 有效地消弭了各个特征区域内的细碎信息;在此基础上的模板匹配, 准确地完成了焊点特征的识别与定位。

本文提出的这种方法, 虽然是针对DW设备提出的, 但是对于类似的电气焊点识别问题具有普遍的意义, 可以在同类研究中推广使用。

参考文献

[1]周颖, 赵海凤, 郝红敏.基于图像处理的焊点缺陷识别方法的研究[J].计算机工程与应用, 2011, 10 (24) :1-6.

[2]Joseph LaDou.Printed circuit boardindustry[J].International Journal ofHygiene and Environmental Health, 2006, 209:211-219.

[3]Chwee Liong Tee, Andy Pascual.Impact of quad flat no lead packageon automated X-ray Inspection[C].International Test Conference, 2007:1-10.

[4]赵鑫.基于能量的图像分割的应用及研究[D].江南大学, 硕士学位论文, 2012.

[5]王子须, 于素萍.一种避免颜色失真的图像增强算法[J].计算机工程与应用, 2012, 3 (21) :1-4.

[6]王学伟, 于锴峰, 王琳.红外图像锁相滤波去噪算法的研究[J].电测与仪表, 2008, 45 (6) :38-42.

[7]宁志刚, 汪仁煌, 张艳玲, 谭义.基于图像识别的指针式仪表阻尼时间测量方法[J].电测与仪表, 2005, 42 (11) :49-52.

[8]张思俊, 王乐乐, 陆振宇.一种基于Canny算子边缘检测的车牌图像增强方法[J].重庆交通大学学报 (自然科学版) , 2012, 4 (1) :1-5.

电气焊点 篇2

在新形式下的模拟表明配置技术所形成对电路板的控制技术被称为SMT, 它是在电路板的表面进行焊接, 使用这种技术可以很好的保证电子线路的整体性, 和线路在使用中的电气性能更加有优势, 以后后期电路维修, 机械养护方面较为简答。为了更好的提升SMT技术在使用中的可靠性能, 技术人员在研究中对于该技术的检测方法上做出了技术革新, 使用了图像甄别系统, 这样就能保证SMT技术的使用, 以及危害机械原件的使用寿命。采用的图像采集技术是在原有二维的基础上, 转换为了三维图像收集, 将信息的面层拓宽, 对于模型的重新构建有着积极的作用。也有助于指导和改良SMT焊点的质量精度, 更好的推进焊接技术的发展。下面我们就SMT焊点图像处理及焊点三维质量信息提取技术进行讨论。

2 SMT焊点图像处理技术的使用原理

SMT焊点的图像处理是一种构建方式, 通过对于基础原件中获取的二维数据图像进行处理, 得到的高清晰度的焊点示意图像后, 根据图像中显示的原件与焊点之间的情况不同做出分析。其中包括焊点的位置出现偏差、焊接方向出现错位、焊接点的上下平整度不够告, 以及焊接处出现了异物。这些情况都可以在图像中明显的表现出来。根据得到的信息在进行三维技术的重新构建, 得到了关于换点的三维质量图形, 提取出一些关于焊点的质量和设计焊点形状的图示, 对两者进行比较, 得出相关的技术参数和理想状态下焊点的成型状态, 进而为下一步的工作做准备。

使用SMT技术对于焊点的技术保证在构造方法上有一定的优势, 一来是得到的三维质量信息的准确度较高, 对于系统的检测程度更加彻底, 再就是操作中较为简单, 单一取象多元使用, 通过二维的图像采集再进行处理就可以得到三维的质量分析, 实现了以往无法达到的质量信息快速获取的情况。同时, SMT焊点图像收集的技术还在很大程度上减轻了技术人员在辨别机械故障方面的工作任务, 大大的改观了工作的质量, 对于机械的维护和使用起到了积极的作用。

3 焊点三维图像质量信息提取技术

在SMT焊点表面图像采集系统中, 在要求获得图像的速度上有这明确的要求, 以及在清晰度上也做出了相关的规定, 基于获取信息在使用中较为复杂, 完全可以考虑使用二维图像对于焊点的图像生产, 都需要通过计算机对于数据进行采集, 利用视觉信息处理的加工方法, 对SMT焊点进行完善, 这就在很大程度上解决了在焊点图像采集中出现图片不清晰的问题。在所提到的视觉计算机图像采集装置中最为主要的原件就是高灵敏度的光学构件, 它使用的是光学的耦合技术, 在QQSDE模式下快速的采集图片, 形成的图像与摄像机所拍摄的大致相同。再把光学元件收集的检测信息发送到信号转换装置当中, 利用信号发射的原理将图像转变成图像信号, 。在计算机接收信号的同时, 对于信号进行分析, 把原有的加密进行破解, 快速的从信号当中需找焊点信息, 并将破解出的信息提取出来再次转换成模型, 对于目标表征较为明显的图片可以直接进行知道焊接。如果遇到较为辅复杂的表征形式, 可以将数据的格式存储记录到数据库中, 与原有数据进行比对, 得出最为相似的数据进行分析提取, 并将最终得到的数据指令下达到每一个数据终端当中。

用数据线连接机械设备的数据初口。初口连接的是两个识别卡系统。这里所说的识别卡都是在末端安装了高灵敏度的传感器, 当机械在使用中焊点的位置以及使用方式出现了异常, 识别卡就会在第一时间将数据传输到计算机信息终端, 技术人员就可以根据数据的变化, 即时的分析出此刻电子机械使用的相关情况, 作出应急方案。在这里, 系统两端的读卡器会一起将数据传输出去, 不会引起任何的干扰。

在具体使用中先是打开电路, 系统会自动更新, 将上次的数据自动保存在硬盘中, 然后自身启动重启格式化的功能。这时系统会提示是否将采集的焊点的图像信息的及时情况监控与计算机网络系统连接。一旦系统连接了就会跳转到ARP模式中, 选择HCP和HTTP处理。正常情况下, 这些选择都会将及时数据以绿色文字、符号的形式显示在电子显示屏上, 但是有异常工作状况, 系统会跳转成红色字体, 切断工作机械的电源, 打开图像采集关闭保护系统, 并且停止收集图像和转换图像信息, 根据提取出来的三维质量信息做出相应的-判断和对设备进行处理。

4 三维质量信息提取的细则

在一些基本图像采集功能之外还有辅助功能, 这些功能在三维模型中也有重要的变现。它可以实现焊点之间的自动对接和安装, 将单一的焊点在SMT下通过物理的方法连接在一起, 使前后的焊点信息能够相互的联系在一起, 共同辅助电子元件的焊接的工作。扩展临界面也需要一些特殊焊点进行改变性能。

在整个焊点三维信息采集中, 构造形态清晰是采集的关键。设计中的降速矩阵在简化比的作用下, 计算出数值的共轭值, 数据再通过调制解调器进行输入。焊接式的设计还有一部分是用来传动的, 将化学能转成动能, 将转换来的能量带动机械的转动, 其中最为关键的因素就是防止滑焊的作用。如果一旦焊接中一旦出现焊错或者焊空, 整个系统将不能发生可逆, 对于焊接式的系统也起不到保护的作用。另外, 支承中也需要有一定的防止滑焊效果。将电机在一个密闭的环境下, 通过改变压强的方式, 做有用功, 保障焊接点连接的顺畅。

根据单维度的图像构建出的三维图像在信息上更加的全面, 对于视觉的计算模型也更加方面, 但是这也是从一个二维空间中直接转换为三维模型, 有些信息不是直接对应过去的, 而是采用的经验公式, 构建出来的模型往往达不到设计的要求, 但是在焊点的图像的采集中与三维信息大致相符, 还是可以起到指导的作用。一般在研究中认为, 焊接的三维信息就是焊接点的质量信息分析, 对于异常情况下的焊点进行判断就是提高质量, 安全检测的最重要的方法。从焊点三维图像中获取焊点形态参数的过程, 实质是一个图像测量的过程, 主要涉及到图像的面积、长度、高度等基本内容的计算, 一般可以通过对焊点三维重构中的计算公式计算获得。

5 结束语

在本文中相对较为全面地介绍了基于图像采集方式下的SMT焊点三维质量信息提取技术是工作原来, 已经在使用当中的具体步骤。同时应用该技术和方法对多种类型焊点进行了检测和分析实验, 结果证明了其有效性。根据二维模式的转变为三维的信息处理重置后的SMT焊点三维图像, 可通过数学形态学的方法得到焊点的面积、周长和焊点边缘等一些信息, 可以对SMT焊点做更多的研究。同时将质量信息的检测中使用的图像引入三维数据采集技术, 提取SMT焊点质量信息, 对改善SMT焊点质量及其焊接工艺有一定的指导意义和参考价值。但是由于SMT产品在使用的过程中质量受到影响的情况比较多, 焊点的种类难以具体分析, 要在上述理论和方法基础上形成一套更为实用操作系统, 这就必须做出更多的努力。焊点三维质量信息提取技术和焊点图像处理技术也还有很多改进的空间

摘要：基于结构物的焊点表面组成部分多用形状原理进行组成, 在焊接中, 使用的过程是使用基础设备对图像进行采集, 再根据采集到的SMT焊点的信息图像进行技术性处理。鉴于单点和多点的空间化模式下的信息进行提取, 形成具体的模型, 结合数据的约束条件得出关于焊点的三维质量信息成果。在文中还提到了关于使用SMT图像处理技术时, 采集图像的清晰度不好的情况下, 如何多缺点进行改进。实现焊点图像的获取和处理完全在三维条件下进行。

关键词：SMT焊点,三维质量,信息提取,图像处理

参考文献

[1]Zhang Ruo, Tsai Ping-Sing, Cryer J E, et al.Shape from Shading:A Survey[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 1999, 21 (18) :119-131.

[2]周德俭, 黄春跃, 吴兆华, 等.SMT焊点虚拟成形和SMT产品虚拟组装技术研究[J].计算机集成制造系统, 2006, 12 (8) :1267-1272.

电气焊点 篇3

印刷电路板(PCB)制造业是电子工业中最基础、最活跃的产业之一。随着PCB制造朝着高密度、多层数、高性能方向发展,为了提高生产率、保证加工质量和节省成本,其质量检测手段必然要求由人工检测转向自动检测。其中,机器视觉是自动检测的主要手段之一。

与工业应用相呼应,PCB的机器视觉定位检测技术也成为学术界的研究热点,涉及PCB光板缺陷检测[1]、边缘检测[2]、圆形焊点定位[3,4,5,6,7]、不同形状的电路元件检测[8,9,10]、标志点及各种用途孔的定位[11]等。例如,文献[1]着眼于PCB光板几种常见缺陷的检测,搭建了硬件平台,设计了识别算法;其中,硬件平台由照明系统、图像采集系统以及控制台系统构成,识别算法由图像预处理、分割、描述、数学形态学以及模式识别等算子构成。文献[2]针对BGA(球栅阵列结构的PCB)表面贴片安装问题,介绍了BGA定位系统的结构及其组成原理,提出了基于灰色系统理论的BGA图像边缘检测算法。文献[5]针对半导体封装问题,提出了一种基于图像匹配的焊点快速定位算法,通过对相似性度量准则、搜索策略、模板图像处理等关键因素的优化处理,使系统能够满足实时性(50 ms)和定位精度(1个像素)的要求。文献[6]将Hough变换圆检测与最小二乘圆检测相结合,提高了圆检测的抗噪声能力和精度,并使提出的算法对异型孔检测具有扩展能力。

对PCB焊点的精密定位问题也进行了研究。通过设计并搭建机器视觉精密定位系统,采集芯片图像,进行像素级别和亚像素级别的图像处理与分析,拟合多焊点的圆形轮廓与圆心坐标,并将焊点定位结果传送给运动台控制系统和执行机构开展作业。

1 机器视觉精密定位系统构成

1.1 系统硬件构成

机器视觉精密定位系统如图1所示,包括3个子系统:1)四自由度/四轴联动运动台,其主要部件为:具有x、y水平方向运动自由度的2个电控平移台;具有z垂直方向运动自由度的电控升降台;具有绕z轴360°旋转自由度的电控旋转台,以及四轴联动控制器;2)图像采集-处理子系统,其主要部件为:DH-GV400UC相机、Computar镜头和PC机;3)执行机构,在不同应用下可采用焊枪、钻头、机械手抓等,装配在运动台上。

各子系统之间的关系为:相机采集图像传送给PC机进行处理;在PC机软件系统中通过图像处理进行PCB焊点定位,根据定位结果对运动台实施控制。控制指令由PC机(作为上位机)发送给运动台控制器(作为下位机),由运动台控制器以四轴联动控制方式驱动四自由度运动台,进而带动执行机构开展作业(焊、钻、抓取等)。图像采集-处理子系统反馈作业精度,从而使整个系统构成闭环测控系统。

1.2 系统软件构成

机器视觉精密定位系统软件的主控程序和主界面在PC机上利用微软基础类库(MFC)建立,在VC++环境下编写应用程序框架和引擎。如图2所示,主界面下集成了Halcon图像处理程序和运动台控制器运动控制程序。其中,“图像采集-处理区”功能模块的实现方式为,通过设计VC++与Halcon的接口,在VC++主界面中调用Halcon函数完成相应功能,从而一方面利用Halcon强大的计算分析能力,另一方面弥补其没有完整开发界面的缺陷。例如,“读取图像”指令通过调用Halcon的Read Image函数实现,“中值滤波”指令通过调用Halcon的Image Median函数实现。类似地,“运动台控制区”功能模块的实现方式为,通过设计VC++与运动台控制器底层控制程序的接口,在VC++主界面中调用运动台底层控制函数完成相应功能。例如“返回机械原点”指令通过调用运动台控制器的底层控制函数Operation Manual实现。

2 机器视觉精密定位原理与实现

2.1 精密定位工作原理

利用机器视觉同时对PCB中多个焊点位置进行自动检测,流程图如图3所示,包括图像采集、图像处理、焊点中心位置坐标的提取与输出等3个步骤:1)图像采集:相机采集图像,在视场范围内自动提取涵盖主要焊点特征的目标区域,存储于PC机中;2)图像处理:利用1.2节中介绍的软件系统对采集到的图像进行处理,拟合出各个焊点的几何轮廓特征;3)焊点中心位置坐标的提取与输出:根据各个焊点的几何轮廓特征以及焊点轮廓与中心的几何位置关系,提取焊点中心位置坐标;传送给运动台控制器后,驱动执行机构到达操作位置。

2.2 图像处理算法

在机器视觉精密定位的3个步骤中,图像处理是要解决的核心问题。图4所示为图像处理流程,其各个步骤用到的算法及解决的问题介绍如下。

1)中值滤波

中值滤波是一种经典的平滑噪声的方法,可用于保护图像边缘信息,在研究中用于保留焊点轮廓图像。其基本原理为,将每个像素点的灰度值调整为该点邻域范围内所有像素点灰度值的中值,从而消除孤立的噪声点。邻域通常采用3×3或5×5区域。

2)阈值分割

阈值分割是一种经典的图像分割方法,适用于处理目标和背景具有不同灰度等级的图像,在研究中用于提高焊点轮廓的对比度。其基本原理为通过合理设置像素点灰度阈值,将原始图像进行二值化处理。

3)边缘检测

边缘检测的目的是找出图像中亮度变化明显的点,在研究中用于在像素级别上标识焊点轮廓。采用了改进的canny算法,这是属于“查找”一类的方法,其基本原理为利用图像亮度梯度(一阶导数)的极值来检测边缘。除“查找”类边缘检测算法之外,常用的还有基于“二阶导数零穿越”的一类方法。

4)亚像素轮廓检测

亚像素轮廓检测的目的是将焊点轮廓检测的精度由像素级进一步提高到亚像素级。采用高斯拟合亚像素边缘检测算法,其基本原理为:在边缘附近选取一系列点,求出这些点的灰度值及其梯度,运用高斯曲线进行灰度梯度值拟合,拟合得到的高斯曲线对称轴的位置即亚像素位置。

5)圆拟合与圆心坐标提取

在已知标准焊点轮廓为圆形的前提下,利用最小二乘法对检测到的焊点轮廓进行圆拟合,从而补充不完备的视觉信息,减小定位误差,进一步计算圆心位置坐标和圆半径。

需要指出的是,上述图像处理方法可以扩展应用于异型定位点检测。此时,“圆拟合”泛化为“几何轮廓特征拟合”,“圆心坐标提取”泛化为“几何轮廓中心坐标提取”。

3 机器视觉精密定位实验

3.1 机器视觉精密定位系统的精度标定实验

由于系统的硬件、软件、算法构成较为复杂,引起定位误差的可能因素较多,因此有必要对系统的定位精度进行标定。如图5所示,实验采用Halcon高精度圆形标定板作为实验对象。该标定板的规格为63 mm×63 mm,在中心区域均匀分布着7×7圆点阵列,各圆点的位置精度和尺寸精度均为2!m。

采用2.2节中提出的定位算法计算出49个圆点的圆心坐标和半径,精度的统计误差约为10!m(0.1个像素)。这满足了工业生产线上普通PCB焊点的定位精度要求(100!m),从而表明提出的机器视觉精密定位系统及算法的可行性。

3.2 PCB焊点的机器视觉精密定位实验

以普通PCB电路板为实验对象(图6(a)),利用第1.2节中开发的软硬件系统开展多焊点的机器视觉精密定位实验。实验中各步骤的输出图像及其分析如下:

1)图6(b)为采集的原始图像,视场范围内既有空白区域,也有焊点特征集中的区域。

2)系统自动将焊点特征集中的区域作为目标区域进行提取,得到图6(c)。

3)图6(d)为中值滤波后的图像。与图6(c)相比,以深色矩形框区域的局部放大图为例,中值滤波使图像变得平滑。下一步的“阈值分割”技术可以解决图6(d)对比度下降的问题。

4)图6(e)为阈值分割后的图像。与图6(c)相比,提高了图像对比度,有效实现了目标与背景的分离。此处采取了反二值化处理,将背景显示为白色,将目标显示为黑色。

5)图6(f)为边缘检测后的图像。由于检测目标为圆形焊点,因此,与图6(e)相比,图6(f)排除了矩形、线段等绝大部分非圆形对象。

6)图6(g)为亚像素轮廓检测后的图像。与图6(f)相比,以红色矩形框内的局部区域为例,亚像素轮廓检测使目标轮廓边缘检测更加精确,从而有利于减小下一步“圆拟合”的输入噪声。

7)图6(h)为圆拟合与圆心坐标提取后的图像。与图6(g)相比,补充了不完备信息,中和了噪声。拟合得到的焊点圆心坐标与半径如表1所示(由于篇幅所限,表1中仅列出部分焊点的数据)。

有必要指出的是,实验PCB焊点的定位速度在100 ms量级(包括图6中各幅图像的显示时间),满足工业生产要求。

mm

4 结语

针对PCB焊点机器视觉精密定位系统的研究与开发,设计了软硬件系统和图像处理算法。所做工作具有一定的先进性———硬件系统是具有上位机-下位机分层架构的高精度闭环测控系统;软件系统的主控程序和主界面以VC++为内核,便于扩展,且集成了主流图像处理软件Halcon以及运动台底层控制函数库;图像处理算法具有亚像素级边缘检测精度,且具有异型定位点检测的扩展能力。开展了精度标定实验和焊点定位实验,均取得了理想结果。

参考文献

[1]胡文娟.基于机器视觉的PCB光板缺陷检测技术研究[D].武汉:武汉理工大学,2007.

[2]魏巍.BGA集成电路精密视觉定位系统及图像处理技术[D].哈尔滨:东北林业大学,2008.

[3]鲁昌华,徐胜海,刘春.数字图像处理技术在PCB板检测中的应用[J].仪器仪表学报,2001,22(4):426-429.

[4]胡秀亮,高志,叶健敏,等.基于图像处理技术的PCB缺陷自动检测系统[J].微型机与应用,2010,25(1):24-27.

[5]张武昕,高隽,卢鹏,等.半导体封装中焊点快速定位算法[J].仪器仪表学报,2007,28(8):515-518.

[6]黄永林.PCB光电检孔机关键是技术研究及其系统实现[D].成都:电子科技大学,2010.

[7]熊光洁,马树元,刘瑞祯.PCB检测中圆Mark的快速精确定位[J].计算机工程,2012,38(11):211-213,216.

[8]梁忠伟.集成电路芯片机器视觉检测技术研究[J].中国设备工程,2006,33(10):53-55.

[9]BENEDEK C,KRAMMER O,JANOCZKI M,et al.Solder paste scooping detection by multi-level visual inspection of printed circuit boards[J].IEEE Transactions on Industrial Electronics,2013,60(6):2318-2331.

[10]MALGE P S,NADAF R S.A survey:Automated visual PCB inspection algorithm[J].International Journal of Engineering Research&Technology,2014,3(1):223-228.

电气焊点 篇4

1 焊点的形成原理和形成过程

1.1 焊点的形成原理

焊点是被焊板材组合装配成搭接接头后,通过电极相向垂直施加压力,同时利用电流通过两板的接触面及邻近区域所产生的电阻热使金属熔化,冷却后形成的结晶熔核,它能够使金属相互黏接并承受一定的外力。

焊点产生过程,能源是电流通过焊接区产生的电阻热。根据焦耳定律,总发热量W为:

式(1)中:Iw为通过焊接区的平均电流值,单位为A;R为两电极间总电阻的平均值,单位为Ω;tw为通过焊接电流的时间,单位为s;W为总发热量,单位为J。

通常,焊接电流Iw和通电时间tw都是选定的,而总电阻R与许多因素有关,它又是焊件内部热源的基础。

在焊接过程中,焊接区的电阻如图1所示,总电阻R为:

式(2)中:Rew为电极与焊件之间的接触电阻,单位为Ω;Rw为焊件内部电阻,单位为Ω;Re为焊件与焊件之间的接触电阻,单位为Ω。

1.2 焊点的形成过程

焊点的形成是一个复杂的过程,根据焊点的形成过程,可以把一个焊接循环分成4个主要阶段:预压阶段、焊接阶段、维持阶段和休止阶段,如图2所示。

(1)预压阶段:电极下降到电流接通阶段,确保电极压紧工件,使工件间有适当压力,形成合适的接触电阻,避免焊件烧穿或将电极工作表面烧坏。

(2)焊接阶段:在压力的作用下焊接电流通过工件,对工件进行加热,金属熔化并结晶形成熔核。

(3)维持阶段:切断焊接电流,电极压力继续维持至熔核凝固到有足够强度,此过程可改善焊点的金属组织性能。

(4)休止阶段:电极开始提起至电极再次下降,开始下一个焊接循环。

根据一个循环焊接过程的电流、焊接时间和电极压力作用的关系绘制出循环图如图3所示。可以看出,一个焊接循环的每一个步骤都有相应的影响因素。在预压阶段,预压时间和压力起着主要作用;在焊接阶段,焊接时间和焊接电流起主要作用;在维持阶段,压力保持时间起主要作用。从预压阶段后期和保持时间完成前,电极压力一直存在并保持不变。

2 影响焊点强度的主要因素和控制方法

2.1 焊接电流

焊接过程中,焊接电流是产生电阻热并对焊件做功的主要动力,是一个必须严格控制的参数。引起电流变化的主要原因是电网电压波动和交流焊机次级回路阻抗变化。因此,如何控制电网电压波动很重要。

根据对广西柳州市小规模的焊接生产制造商进行调查,其中有部分生产制造商所用变压器容量达不到要求,在大功率设备启动和运行时会导致公司电网电压波动很大,根据常态监控,电压波动值可达到20%甚至更多,这种现象可直接导致焊接电流随电网电压的波动而上下波动。当焊接电流达到设定值时,产生的电阻热能够使焊点熔核长大到合适的尺寸,焊点强度才可以达到要求,但当焊接电流不能满足设定值时,焊接过程由于受冷却水的作用,产生的电阻热很快被传导或被冷却,导致焊点熔核较小,甚至无熔核,此情况会使焊点强度减小而出现脱焊现象。因此,焊接生产中一定要用能够满足工厂运行要求容量的变压器,这需要在工厂建设时就考虑电网供电设计,全厂总降压变电所及配电子系统设计要根据各个车间的负荷数量和性质,生产工艺对负荷的要求,以及负荷布局的要求,并结合国家供电情况进行综合考虑[2]。另外,对大负荷设备采取分时间区域进行开机运行,可以有效减少公司电网电压的波动和电路的老化现象。阻抗变化是因为回路的几何形状变化或因在次级回路中引入不同量的磁性金属,此种现象可以采用直流焊接设备进行生产,避免交流产生的阻抗变化。

2.2 焊接时间

焊点是在稳定的电极压力和电阻热的作用下熔核逐渐长大形成的,为了保证焊点强度,焊接时间必须满足熔核长大到要求的尺寸。在焊点熔核的长大过程,电阻热主要作用在板材接触面的电极压力区内,熔核的温度场如图4所示。可见,熔核的形成是从受温度场影响最大的中心区域开始的,之后随焊接时间的增长而轴向和径向扩大。

参数设定时,焊接时间与焊接电流在一定范围内可以相互补充。为了获得一定强度的焊点,可以采用大电流和短时间焊接,即常说的硬规范,也可采用小电流和长时间焊接,即软规范。选用硬规范还是软规范,取决于金属的性能、厚度和所用焊机的功率。普通的薄板金属,采用软规范即可达到要求。高强钢板(如镀锌钢板),由于其导热性好,软规范焊接过程电极产生的热很快被传导到其他部位,很难形成熔核,因此需要采用硬规范焊接。另外,厚板焊接时层间搭接没有薄板,易实现好的贴合面,需采用一次加压多次焊接,即双脉冲或多脉冲。这种焊接第一个脉冲通常起到预热并软化金属的作用。

2.3 电极压力

电极压力的主要动力源为司服电机和压缩空气,目前笔者所在的工厂及本地区域的制造商均采用压缩空气作为电极压力的能源。工厂气路气体通过焊机减压阀限定压力,再通过焊钳气缸作用,最终导致焊钳两电极相互挤压,对搭接板材形成压力。由于焊钳气缸大小因各焊钳型号不同而不同,因此相同的气压通过不同大小的焊钳气缸对电极形成的压力是不相同的,不能将气管上的气压表读数混淆为电极压力大小,一定要通过专业的电极压力表测量两电极间的压力。

电极压力对两电极间总电阻R有明显的影响,在整个电极压力的作用过程,金属板材的内部电阻变化不大,无需考虑。电极和板材的接触电阻Rew以及板材之间的接触电阻Re会随着电极压力的增大而减小。在一个焊接循环初期,电极压力逐渐增大,板材表面的凸出点被压溃,接触点的数量和面积都随之增加,接触电阻Rew和Re均会变小。

根据在20℃的条件下对不同电极压力作用测得的电阻值可以有效说明这一点,如图5所示。

另外,电极压力在焊点熔核长大的过程也起到非常大的作用。电极与板材边缘金属接合面受压力作用,加热时达到塑性温度区形成塑性环,在焊点熔核的形成和长大过程中紧紧包围着液态金属,防止了液态金属在加热及压力作用下向板缝中心飞溅,并避免了外界空气对高温液态金属的侵袭,有效提高焊点强度。因此,在焊接过程中选用适当的电极压力,既能有效保证焊点尺寸和焊接强度,又能保证有良好的焊点外观。

2.4 电极头尺寸

电极头尺寸就是常说的电极头修磨尺寸,这是常常被人们忽视的要素。在一个焊接循环中,焊接电流和焊接时间以及电极压力是相对稳定的,即使这些因素没有变化,一旦电极头大小发生变化,也会使焊点质量不稳定。首先,为避免接触电阻产生的电阻热把电极和板材黏接到一起,可以用冷却水冷却电极头,如电极头过大,电极与板材的接触面会增大,会导致焊点散热过快,没有足够的热量使熔核形成和长大。其次,当电极头增大时,由于作用在电极上的压力衡定,电极作用在金属表面的单位面积的压力则会降低。同样,电极头减小时,电极作用在金属表面单位面积的压力则会增大。单位面积的压力增大或减小,都会影响搭接金属板材的接触电阻,从而影响到焊接质量。在焊接生产中,电极会有少量与被焊板材黏连的现象而导致尺寸发生变化,因此要根据实际的焊接生产环境制定要求,焊接焊点达到一定的数量要修磨一次电极头尺寸,以保证焊接质量的稳定性。如焊件表面油污或杂质过多,或采用大电流焊接,通常电极头修磨频次要高于较理想的焊件表面和小电流焊接时。

2.5 冷却介质

目前国内外的焊接设备使用的冷却介质主要为水。影响冷却水冷却质量的因素有冷却水流量和冷却水温度。通常焊接设备冷却水流量达到6 L/min即可,冷却水入口温度低于25℃。日常工作中,人们在更换焊钳中冷却水水针时常忽视它的长度要求,随便把一段水针装上,只要不影响冷却水的流动就行,这种操作方式是错误的。焊钳中的冷却水水针到电极头有一个最合适的距离,通常是电极头直径的1/4。过长会使冷却水流受阻,过短时,虽然冷却水流动畅通,但电极头端部会有一部分冷却水得不到循环。这2种情况都不利于冷却水发挥其冷却作用,会引起焊接设备快速老化和电极头寿命降低,而且冷却效果下降会影响到焊点强度。另外,如果冷却水进水口温度过高,会导致相同流量的冷却水冷却效果达不到要求,同样会加快焊接设备老化,降低焊点强度。

2.6 焊接电流分流

焊接过程中,焊接电流通过两电极以外的地方形成循环,通常是相临近的焊点或焊钳臂与被焊接的板材接触。焊接电流分流会减少电流的有用功,焊点电流密度达不到相应的强度,产生热量不够,两板材金属无法形成熔核或形成熔核小,从而影响到焊点强度。因此,在工艺设计时要考虑实施焊接过程中可能产生的电流分流,选用操作空间合适的焊钳,两焊点之间的距离不得小于12 mm,最好焊点布置距离为30～50 mm。

3 合格焊点的验证方法

高质量的焊点能够承受较大的载荷,能使2层或多层板材完全熔合并黏接在一起。用试片检查时,在受到拉力或反复的剪切边后,被分离的2块试片中一片上有圆孔,另一片上有圆凸台,圆孔或圆凸台达到规定尺寸即认定焊点合格。厚板或淬火材料有时不能撕出圆孔和凸台,但可以通过剪切的断口判断熔核的直径。当检查试片时发现板与板之间没有完全熔合,只用很小的力就能把板材拉开,说明焊点起不到连接作用,也就是焊接生产中常遇到的焊点脱焊或虚焊现象。这样的焊点强度很小,无法承受赋予它的工作压力。

4 结语

通过对焊接生产中影响焊点强度的常见因素进行分析可知,在焊接生产中要想制造出结构稳定、强度满足要求的零件,需要控制的因素很多,而且要从工厂的设计阶段开始考虑其中的某些因素,并且在工艺确定时综合考虑各种影响因素,通过反复验证和分析,得出最稳定的参数组合,最终达到输出高质量的焊点强度,满足客户的安全需求。

摘要：文章介绍了车身焊接中焊点的形成过程和影响焊点强度的常见因素,并且介绍了针对这些影响因素的控制方法。

关键词：车身焊接,焊点强度,影响因素,控制方法

参考文献

[1]戴绍基.工厂供电[M].北京:机械工业出版社,2002.