LabVIEW 做 PCB 空板 AOI 检测

LabVIEW 做 PCB 空板 AOI 检测

461 个圆孔 0.164 秒，识别率 92.8% 背后的流水线

一块 PCB 空板进贴片机前，焊盘缺孔、空洞靠谁把关？人工目检靠不住，LabVIEW+IMAQ Vision 给出了答案。

预计阅读约 4 分钟
01 贴片前的最后一道人眼关，卡在了漏检上

PCB 空板，也就是还没贴元器件的裸板，在进入 SMT 贴片工序之前，焊盘、插孔、导通孔都必须是完好的。焊盘缺一个孔、孔里残留杂质、钻刀打偏留下毛边------这些缺陷在视觉上都不起眼，可一旦带着缺陷过了回流焊，损失的就不只是一块板，而是整条产线的节拍和口碑。

产线对这个环节的现状很无奈：很多工厂还在靠人工目检顶这一道工序。老师傅拿着放大镜一块一块翻，效率低是其次，漏检率完全看人的状态------连续盯上两小时，眼睛一花，缺陷就从眼皮底下溜过去了。质检不是没有标准，而是人眼的稳定性跟不上标准。尤其在批量换型、赶交期的生产节奏下，人工检查的瓶颈会被放得更大。

这也是自动光学检测（AOI）在 PCB 行业越来越普及的根本原因。AOI 的底层逻辑其实很朴素：把"人眼+经验"换成"相机+算法"，让检查这件事变得可重复、可量化、可追溯。本文介绍的这套基于 LabVIEW 和 IMAQ Vision 的 PCB 空板检测方案，就是一个很典型的落地案例------硬件怎么搭、图像怎么处理、缺陷怎么判定，一步步拆给你看。
02 系统架构：龙门架 + X-Y 平台 + 环形光源，先把图像拍干净

机器视觉圈有句老话：图像质量决定算法上限，打光比调参更重要。这套系统在硬件端就把功夫下在了前面。

• 运动控制单元：高精度 X-Y 移动平台载着待检 PCB 往复移动，龙门架上固定 CCD 相机与光源，相机不动、板子动，逐区扫描，保证整块板在视场内被完整、等距地拍到。- 照明单元：白色无频闪 LED 环形光源，与相机同轴布置，把环境光的干扰压到最低，焊盘与背景的对比度因此稳定可控。环形光源对圆孔类特征尤其友好，成像阴影小、轮廓锐利，后续处理省力。- 图像采集单元：CCD 相机负责原始图像的采集，通过采集卡把画面送入上位机软件。

软件端走的是纯 LabVIEW 路线，采集、处理、判定、结果输出全部在一个开发环境里闭环，省去了跨语言拼接和联调的麻烦。IMAQ Vision 提供了 400 多种现成的图像处理函数，从相机取流到特征分析一站式覆盖；开发阶段还可以用 NI Vision Assistant 搭建视觉模型、自动生成程序框图，先把流程跑通，再回到 LabVIEW 里精调。

03 干货核心：图像处理流水线，每一步都在解决一个实际问题

这套系统的识别能力，本质上来自一条环环相扣的流水线。我们把它逐级拆开，每一步都有明确的工程目的。

灰度化：先把数据减下来

相机拿到的彩色图像数据量大、冗余多，而后续判定主要依赖亮度分布，所以第一步用加权平均法把彩色图压成单通道灰度图。加权平均不是简单求平均，而是按人眼对 R/G/B 三通道的敏感度分配权重，结果更接近人眼观感，后续特征也更稳定。

局部阈值：专治光照不均

这是整条流水线最见功力的一步。全局阈值最怕光照不均------板面反光、边缘阴影会让同一幅图里"该黑的不黑、该白的不白"，一刀切阈值必然误判。Local Threshold 局部阈值函数不看整幅图的统计，而是由每个像素周边邻域的灰度分布自动算出该位置的门限，相当于对"暗处的暗"和"亮处的亮"各自做了归一化。对 PCB 这种表面反光复杂的对象，局部自适应阈值几乎是必选项。

形态学：把特征修成干净的连通域

二值化之后图像里仍残留噪声和毛刺，需要 IMAQ Morphology 函数做膨胀、腐蚀和空洞填充：膨胀补齐细小断裂，腐蚀削掉边缘毛刺，填充操作把焊盘内部的小气孔闭合。三步下来，每个待检特征都变成完整、独立的连通域，为后面的定量分析铺路。

标定与模板匹配：把像素对齐到物理世界

相机安装误差和平台运动都会引入畸变与位置偏差，标定就是把像素坐标和实际物理尺寸对齐，让测出来的面积、半径有物理意义。模板匹配负责定位，在图像中找到目标特征的参考位置，为后续测量提供稳定基准。

粒子分析与混合判定：像不像、对不对双重把关

以接插孔检测为例：系统用圆形搜索锁定圆孔区域，再用粒子分析提取每个圆孔的面积、圆心坐标、半径等参数。缺陷判定采用"模板匹配 + 设计规则"的混合法------模板匹配管"像不像"，连通域数量与圆形特征是否符合设计规则管"对不对"，两者互为兜底，比单一方法抗干扰能力强得多。

结果也说明了这套方案的成色：10 片 PCB 空板共 461 个圆孔，总识别率达到 92.8%，平均单孔检测时间仅 0.164 秒。识别率说明混合判定在真实工况下站得住脚，速度则说明逐板扫描不会拖慢产线节拍。
04 几条能直接复用的工程经验

案例做下来，沉淀了几条可复用的经验，对任何视觉检测集成项目都有参考价值。

■ 打光优先 图像质量决定算法上限。先解决光源选型、环形光、无频闪、照度均匀性，再谈算法调参，顺序不能反。

■ 光照不均就上局部阈值 被检表面反光不一致时，优先试 Local Threshold 这类局部自适应阈值，硬调全局阈值往往事倍功半。

■ 形态学是连通域质量的关键 膨胀、腐蚀、填充三步做扎实，后面的粒子分析才有干净输入，省下的调试时间远超这三行函数本身。

■ 混合判定兜底 模板匹配负责"像不像"，设计规则负责"对不对"，两条腿走路，单点失效也不会全面崩盘。
05 写在最后

从打光到流水线、再到混合判定，这套方案把 AOI 里"稳定成像、可靠判定"两个核心问题都落到了工程实处。对大多数中小型 PCB 工厂来说，与其在检测环节继续拼人力和状态，不如让机器把重复劳动接过去------92.8% 的识别率和 0.164 秒的单孔耗时，已经把答案写在了那里。