基于机器视觉技术的连接器缺陷特征检测

连接器是电脑、数码产品、电视等不可缺少的部件，主要由塑料本体、金手指与金属外壳组成。 本文检测对象为未装配金属外壳的半成品，注塑成型的塑料本体在生产中不可避免会有少量外表面刮伤，金手指由自动机械机构插入本体内部，装配时难免出现漏针、堵孔、缺针、翘针、本体刮伤等质量问题。 人工目检方法，容易出现视觉疲劳，造成误检及漏检，且人工检测需要投入人力、物力及场地。 因此，连接器采用非接触式自动检测，并取代人工检测，而基于图像处理技术的机器视觉检测尤其适合。

1、缺陷类型

根据生产实际统计,连接器缺陷特征主要包括：

 ① 漏针：本体槽内无针，金属物缺失； 

② 堵孔：本体槽内填充有异物，针被遮挡；

 ③ 缺针：个别本体槽无针；

 ④ 翘针：针弹起高度超过允许值； 

⑤ 本体刮伤：本体端面受机械损伤。

2、缺陷检测

连接器被送至检测区域作短暂停留后，传感器发送信号至检测程序，开始检测。同时将检测合格的器件放在包装的槽中，对于不合格的器件，启动剔除装置进行剔除，就不会进行包装。 

检测原理如下：在照明系统、图像采集系统和运动控制系统的帮助下获取图像，把获取到的电子连接器图像信号传输到PC机，在PC上进行图像处理与检测，完成缺陷检测任务，将检测结果在显示器上进行显示，并传动给执行单元执行相应的操作。

3、检测系统

由于缺陷位置包括端面及针，为能照射到连接器槽里的针，并凸显表面的缺陷，连接器图像采集系统硬件主要包括摄像机、镜头、图像采集卡、光源及工控机等。 软件部位为矩视智能低代码平台，检测软件包含视觉系统所需要的各种功能模块，可以实现非接触、准确、快捷的自动化测量任务。

硬件设备选择

CCD摄像机

CCD摄像机是按照芯片类型进行分类的，其可分为线阵CCD和面阵CCD。其中线阵CCD摄像机的成像元件是线阵的CCD探测器，因为每次只能拍摄物体的一个条状部分，如果要想实现物体成像，必须使摄像头和物体之间经过相对运动完成物体扫描，并把每次拍摄到的结果拼接起来才能得到完整的拍摄图像。 

这就需要满足两个基本条件: 一是在相对运动过程中光源的强度不能发生变化，二是摄像头和物体相对运动时的速度一定是均匀的。 然而面阵的CCD摄像机利用的是二维的CCD芯片，拍摄一次就可以实现成像。 对于获取二维图像来说，线阵CCD就必须要配合扫描运动了，而且为了能够对被测件上每一像素点所相对应的位置进行确定，还需要用到光栅等器件来进行配合以记录扫描的每一行的线阵CCD坐标。 这样的话就会出现以下缺点：图像获取时间长，测量效率低；图像精确度会随着扫描精确度的影响而降低，最终影响到测量的精度；系统也因为增加了扫描运动以及相应位置的反馈环节，从而加大了复杂性以及使用成本。 因为在本系统中，相机和被测连接器的位置是相对固定的，对于选取线阵CCD来说是不合适的， 所以在本系统中选择了面阵CCD。

光源

在实际进行图像获取时，采用了前光照的照射方式：

在测试系统中，即使背照方式可以提高图像对比度，更好地获取图像的质量，但由于被测零件的非直轴性，所以只能采用光源正照方式，这就对图像特征提取和边缘检测算法设定了较高的要求。

系统软件

通过使用AI深度学习检测技术，提供非接触式检测，精确地呈现连接器Pin针的变形、偏斜等重要信息，及时发现连接器缺陷，有效剔除不合格产品。

 ● 检测主角 连接器 

 ● 连接器检测的复杂性 Pin针数量多、缺陷形态多变、检测区域背景复杂。 

 ● 检测原理 根据上传图片，对给出缺陷进行了归纳分类并打标签处理，针对不同的缺陷类别检测需求给出了相应的AI处理方案； 使用标注工具，将缺陷类型根据标签进行标注； 使用矩视低代码平台中【训练】和【测试】功能模块，进入深度学习阶段，实现检测需求。

使用前VS使用后

第1排第5个向右偏斜

第1排第11个向下轻微偏斜

第1排右数第5个向左下方偏斜

第1排第9个向上偏斜第2排第8、9个向上偏斜

第2排倒数第1个向左上方偏斜

第1排第13个向上方偏斜第2排第13个向上方偏斜 根据连接器的实际检测需求，选择合适的硬件设备及检测软件，研究连接器缺陷特征检测技术，以数字图像处理为基础，开发了机器视觉自动检测系统，降低人力成本，大大提高生产效率，并使检测正确率得到保证。 检测结果表明，本文提出的检测方法稳定性高，无误检，是一种可行的连接器检测方法。

文章来源：机器视觉