工业视觉与MATLAB在PCB缺陷检测中的实践

1. 项目概述：工业视觉在PCB检测中的应用价值

在电子制造业中，印刷电路板（PCB）的质量控制一直是生产环节的重中之重。一块手机主板可能包含上千个焊点和微米级线路，传统的人工检测方式不仅效率低下（每分钟仅能检查2-3块板卡），且人眼持续工作30分钟后检测准确率会从98%骤降至85%以下。这正是我们开发这套工业视觉检测系统的核心驱动力。

本系统通过高分辨率工业相机（通常选用500万像素以上）采集PCB图像，结合MATLAB实现的图像处理算法，能在0.8秒内完成一块标准尺寸板卡的全面检测。系统主要解决三类典型问题：

• 几何尺寸缺陷：如线路宽度偏差超过±10%、钻孔位置偏移等
• 外观缺陷：包括短路、断路、焊盘氧化等
• 装配错误：元件漏贴、错贴、极性反接等

关键指标：在实验环境中，系统对2mm以上缺陷的识别率达到99.6%，误报率控制在0.3%以下，相比人工检测效率提升15倍。

2. 核心算法设计原理

2.1 多尺度边缘检测融合策略

传统Canny算子采用固定阈值，难以适应PCB图像中不同区域的对比度变化。我们改进的算法实现如下：

matlab复制function edges = multiScaleCanny(img, scales)
    edgePyramid = cell(1,length(scales));
    for i = 1:length(scales)
        sigma = scales(i);
        blurred = imgaussfilt(img, sigma);
        edgePyramid{i} = edge(blurred, 'canny', [0.1 0.2]);
    end
    edges = any(cat(3, edgePyramid{:}), 3);
end

这种多尺度融合方式能同时保留：

• 大尺度下的稳定轮廓（如板边）
• 小尺度下的精细特征（如0.1mm线宽）

2.2 基于HSV空间的动态颜色阈值

PCB元件的颜色检测面临两个挑战：

1. 不同批次元件的色差
2. 光照不均匀导致的颜色偏移

我们采用动态阈值方法：

matlab复制hsvImg = rgb2hsv(rgbImg);
% 动态计算参考区域颜色均值