摘要：常见电路板故障的发生都会伴随着电子元件温度的变化，利用观测到的电路板及电子元件的红外热像图温度变化可以检测电路板的故障以及确定大致的故障位置。结合电路板元件工作温度变化的特点，结合多种算法研究综合，基于MATLAB GUI建立了一个利用红外热图像分析来检测电路板故障的系统。
关键词：红外热成像；PCB板；故障检测；图像处理
0.引言
随着电子设备结构和功能的日趋复杂，电子设备的检测诊断技术和设备维护变得越来越困难，针对电子设备的特点有很多电路板的故障检测和诊断方法。例如传统的在线监测方法，以及专家诊断法错误！未找到引用源。。传统测试方法需要接触电路板上的元件，对待测设备和部件会有一定的影响。
经研究表明，电路板封装元件和组件大多数故障都与温度有关，即我们可以根据检测到的电路板上元件温度的变化异常判断元件故障，此为红外热成像检测电路板故障的前提。近几年，红外热成像技术发展迅速，其精度已能满足观测普通电路板的需求，再综合多种图像处理技术就能检测出电路板故障的大致区域。
1.红外成像原理
红外热成像运用光电技术检测物体热辐射的红外线特定波段信号，将该信号转换成可供人类视觉分辨的图像和图形，并可以进一步计算出温度值。红外热成像技术使人类超越了视觉障碍，由此人们可以看到物体表面的温度分布状况。
物体表面温度如果超过绝对零度即会辐射出电磁波，随着温度变化，电磁波的辐射强度与波长分布特性也随之改变，波长介于0.75μm到1000μm间的电磁波称为"红外线"，而人类视觉可见的可见光介于0.4μm到0.75μm。
照相机成像得到照片，电视摄像机成像得到电视图像，都是可见光成像。自然界中，一切物体都可以辐射红外线，因此利用探测仪测定目标的本身和背景之间的红外热差并可以得到不同的红外图像，热红外线形成的图像称为热图。
物体的热辐射能量的大小，直接和物体表面的温度相关。热辐射的这个特点使人们可以利用它来对物体进行无接触温度测量和热状态分析，从而为工业生产，节约能源，保护环境等等方面提供了一个重要的检测手段和诊断工具。
2.图像处理
2.1图像预处理
在图像分析中，对输入图像进行特征抽取、分割和匹配前所进行的处理称为预处理。图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。预处理过程一般有数字化、几何变换、归一化、平滑、复原和增强等步骤。
图1 正常PCB板红外热图
图2 故障PCB板红外热图
Canny边缘检测算子是John F.Canny于 1986 年开发出来的一个多级边缘检测算法。更为重要的是 Canny 创立了边缘检测计算理论解释这项技术如何工作。
Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是：好的检测算法能够尽可能多地标识出图像中的实际边缘。好的定位标识出的边缘要尽可能与实际图像中的实际边缘尽可能接近。最小响应图像中的边缘只能标识一次，并且可能存在的图像噪声不应该标识为边缘。为了满足这些要求 Canny 使用了变分法，这是一种寻找满足特定功能的函数的方法。
图3 正常PCB板预处理图像
图4 故障PCB板预处理图像
2.2图像配准
图像配准就是将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。
采用的配准算法步骤流程如下图所示：
本文采用基于SIFT算法的配准方法，其基本内容如下：
（1）构建LOG图像
多尺度空间表示由不同的高斯核平滑卷积得到，在所有尺度上具有相同的分辨率。而金字塔多分辨率表示每层分辨率减少固定比例。图像尺度空间的形成是通过将图像与具有可变核的高斯滤波器进行卷积，从而得到图像的高斯金字塔 LOG。高斯卷积核是实现尺度变换的唯一线性变换核，一幅图像在尺度空间中可表示为图像和可变高斯核函数的卷积，采用高斯金字塔（Laplacian of Gaussian，LOG）算子表示如下：
其中，
为输入的二维图像，
为可变高斯核函数，σ 为可变核。高斯金字塔 LOG共分为O 组，每组 S +3 层，S 为σ 与 2σ 之间的层数，S 一般取 2 或 3。在这里我们构建5层多尺度空间，即S=2。
高斯金字塔组数一般为：
高斯模糊参数σ，计算公式如下：
其中，
为初始尺度因子，S为每组层数，s为每组内具体哪一组。在罗伊的算法实现中，以上参数的取值
与相邻组间尺度关系为：
总结：相邻两组的同一层尺度为2倍的关系。相邻层之间为k倍的关系。
S为每组的层数。在我们的程序中S为2。
（2）构建DOG图像
DOG--Difference of Gaussian，差分金字塔。DOG算子定义为两个不同尺度的高斯核的差分，它是归一化高斯拉普拉斯（LOG）算子的近似。
（3）空间极值检测
检测DOG局部极值点。使用Laplacian of Gaussian能够很好地找到图像中的兴趣点，但是需要大量的计算量，所以使用Difference of Gaussian图像的极大极小值近似寻找特征点DOG算子计算简单，是尺度归一化的LOG算子的近似。
（4）关键点的精确定位
利用已知的离散空间点插值得到的连续空间极值点的方法叫做子像素插值。
（5）特征方向赋值
为实现图像旋转的不变性，需根据检测到的特征点的局部图像结构求得一个方向基准。我们使用图像梯度的方法求取该局部结构的稳定方向。
（6）特征点特征矢量（方向描述子）生成
特征描述符大致包含三个步骤，即校正旋转主方向、生成描述子、归一化处理。其中旋转主方向就是将坐标轴旋转为关键点的方向，以确保旋转不变性。
图5 故障PCB板红外图与正常PCB板红外图配准后图
2.3图像融合
图像融合是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。
小波变换是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，是进行信号时频域分析和处理的理想工具，它的主要特点是通过变换能够充分突出问题某些方面的特征。
图6 故障PCB板红外热图配准后与正常PCB板红外热图相融合的图像
2.4差分热图检测
差分热图检测法是指通过将 PCB 的标准热图与待测 PCB 的热图做差分运算，分析它们温度特征量的差值来确定产生故障的元件。差分热图检测法利用的是 PCB 某时刻的瞬时热图像信息，比较适合故障元件温度与正常相比有明显变化的故障类型。
通常情况下，为了得到所有存在异常温度变化的元件，采取的方法是将两幅热图之间的差值图像做加权平均后的新图像作为最终的差分图像。在差分热图中，若某元件颜色越亮，则说明该元件在标准热图和故障热图中温度的差异越大，越有可能存在故障。在实际检测中，只根据图示的 PCB 热图，只能得到异常元件在PCB中的粗略位置，可以将PCB差分热图与可见光图像融合，以获得异常元件的位置、编号等信息，然后可以结合元件的温度等其他信息，对故障进行分析。
图7 故障PCB板与正常PCB板差分热图
3 基于红外热成像的PCB故障检测系统
3.1开发环境及工具
3.1.1 MATLAB介绍
本文所述的软件系统是在MATLAB环境下使用guide框架开发。MATLAB是在Windows平台下用于算法开发、数据可视化、数据分析以及数值计算的一个强大的数学软件，是目前使用最广泛的开发工具之一。
MATLAB是Matrix与Laboratory两个词的组合，意为矩阵工厂（矩阵实验室）。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，大大提高了程序的开发速度和效率。MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，并且MATLAB也吸收了像Maple等软件的优点，使MATLAB成为一个强大的数学软件。同时MATLAB也有对C，FORTRAN，C++，JAVA的支持。
3.1.2 MATLAB在系统中的应用
本文应用MATLAB处理的对象为图像及其相关的数据信息。由于MATLAB拥有高级数学计算函数及基本的图像处理算法，故使用其进行图像处理方面的工作非常方便。本章介绍的基于红外热成像的 PCB故障检测软件系统使用MATLAB R2015b 软件。另外，在应用MATLAB处理图像的基础上我们还将所编写的程序封装到了图像用户界面（GUI）中，从而使编写的软件更加的系统。
GUIDE（Graphical User Interfaces Development Environment）是由窗口、光标、按键、菜单、文字说明等对象（Objects）构成的一个用户界面。使用用户界面开发环境可方便的创建GUI应用程序，它可以根据用户设计的GUI布局，自动生成.M文件的框架，用户使用这一框架编制自己的应用程序。
3.2基于红外热成像的PCB故障检测系统
整个电路板故障红外热像检测系统可分为硬件、软件两个部分。硬件部分包括：激励源红外热像仪，此部分主要功能是采集PCB的各种热图像；软件部分即PCB故障检测系统，是整个系统的核心。系统按照功能的不同可分为4个部分，下面分别进行介绍。
图8 SC-ITD系统首页
3.2.1图像选取部分
由于红外相机与数码相机所得到的可见光图像和红外图像的分辨率不同，所以还必须预先通过软件系统统一图像的分辨率；另外，系统本身无法自动将所得的照片正确分类，所以需要手动选择图片，如图10所示。
图9 图像选取界面一
图10 图像选取界面二
3.2.2图像预处理部分
由于红外热像仪采集的PCB红外热图像通常无法直接使用，因此有必要采用一些方法对其进行预处理，以利于后续的处理操作。canny预处理，主要用于对PCB热图像进行元器件的提取，以提高图像配准环节的精度，是PCB热图像主要的预处理方法，其结果如图11所示。
图11 图像预处理界面
3.2.3图像配准部分
图像配准部分运行时的界面如图12所示。系统提供的配准方法为基于SIFT的自动选取特征点方法。
图12 图像配准界面
3.2.4图像融合与故障分析部分
在PCB故障红外检测过程中，可以将PCB的标准红外图像与故障红外图像融合在一起用于故障位置的定位。最后对融合后的图像进行差分运算，比较差分结果，判断可能存在故障的位置，如图13所示。
图13 图像融合与故障分析界面
PCB故障检测的主要环节都集中于这个系统中完成，这样对于用户来说，使用方便、简单。故障分析模块的主要操作流程是：先通过选取待检测PCB板的图像，之后按前文介绍的功能模块分别进行相应的操作，最终对图像进行差分运算，判断可能存在故障的位置。
4.总结
基于红外热成像的PCB故障检测方法对于电路板故障检测具有直观的特性，仿真测试证明，在保证红外温度采集设备的热灵敏度和空间分辨率的前提下，利用红外热图的差异经处理融合后判断电路板故障的方法是可行的。同时，此方法具有系统简单，操作过程直观，易于实现自动诊断等优点。进一步实验下发现对于元器件老化这样的电路板存在潜在故障，在其带电情况下，有些元件温度也会明显变化，红外检测系统可以监测这样的变化，对于设备的预防性维修也是一种很有潜力的技术。
参考文献：
[1] 何慧敏.一种基于红外热图的温度提取方法〔J〕.计算技术与自动化，2016，（3）：85-89.
[2] 朱立芳，罗来平.基于形态滤波的PCB图像增强方法研究[J].光电技术应用.2013（04）
[3] 杨江平.电子装备维修技术及应用〔M〕；主编：国防工业出版社；北京；2006.3
[4] 兰景.PCB红外图像增强技术研究〔D〕.天津：中国民航大学，2015.
[5] 祁芳芳.PCB 检测中的红外热成像检测仪的设计〔J〕.机电技术，2011，（3）：118-119.
[6] 季虎.图像边缘提取方法及展望[DB/OL]，2004.4
[7] 龚镇．红外检测技术应用于电路预防性维修的研究．电子技术，2010，4（25）：52~54．
[8] 刘文霞，张焱，沈京玲，等．红外热成像技术在PCB板过孔
质量检测中的应用[J]．激光与红外．2010（3）：254-256.
[9] 吕一凡，王月海，白文乐.基于红外图像处理的电路板故障诊断算法研究[A].第20届测控、计量、仪器仪表学术年会论文集[C].2010.
作者简介：
刘宇琦（1997-），男，山东淄博人，民族：汉，职称：无，学历：在读大学生。研究方向：基于红外热成像得PCB故障检测。
张晓庆，北京林业大学工学院电气工程及其自动化系
朱双彤，北京林业大学工学院电气工程及其自动化系
张晟，北京林业大学工学院电气工程及其自动化系.
论文作者:刘宇琦,张晓庆,朱双彤,张晟
论文发表刊物:《电力设备》2018年第9期
论文发表时间:2018/7/2
标签：图像论文; 故障论文; 电路板论文; 热图论文; 温度论文; 方法论文; 元件论文; 《电力设备》2018年第9期论文;