一种RFID标签天线视觉检测方法与实现

摘 要： 在此提出了一种RFID电子标签天线瑕疵逐片高速检测方法。该方法对工业相机拍摄的RFID天线图像进行模板图像与目标图像的对齐，利用图像差分输出两者的残余图像，通过对残余图像进行连通域分析实现对天线图像的高精度瑕疵检测。本检测方法的精度可达2×2 pixels，并已成功应用到RFID天线检测设备上，天线瑕疵尺寸检测精度可达0.2 mm×0.2 mm。

关键词： RFID天线； 图像匹配； 图像差分； 瑕疵检测

中图分类号： TN405?34 文献标识码： A 文章编号： 1004?373X（2013）20?0113?05

无线射频识别（Radio Frequency Identification，RFID）是一种利用射频通信实现的非接触式自动识别技术，具有识别距离远、识别速度快、抗干扰能力强以及多目标同时识别等优点，被认为是21 世纪的最有发展前途的信息技术之一[1]。RFID电子标签作为信息载体，具有条形码所不具备的防水、防磁、耐高温、使用寿命长、读取距离大、可加密、存储数据容量大优点，在物流、制造、交通、军事等领域具有广泛的应用前景。据咨询机构IDTechEx统计，2012年全球RFID及应用的市场价值为76.7亿美元，我国2012年RFID的市场规模是270亿元人民币。RFID电子标签多以印刷天线为柔性基底，其天线布线图案的加工质量直接决定着标签与读写器之间信息传递的可靠性[2]。常见的天线瑕疵包括线宽过大或过小，断线或粘连，毛刺和污点等，如图1所示。

它们会影响天线的电学性能、品质因数或标签谐振频率，甚至造成天线线路的短路或断路[3]。因此，在RFID标签封装过程中，能否有效检测印刷天线的瑕疵成为RFID封装设备的一项关键技术[4?5]。

目前市面上对标签天线的质量检测主要分为外观缺陷检测和电性能检测。外观缺陷检测常见于国内中小型标签生产厂家，指通过人眼直接观察标签天线基板图像来判断此标签是否合格。该检测方法效率低，误检率高。电性能检测是指对标签产品进行抽样，并对样品的电性能进行检测，使用样品的检测结果来评估标签天线产品。P.V. Nikitin等人对标签的电性能检测方法进行了深入研究[6]。这类检测方法主要对标签的带宽、传输速度、灵敏度及稳定性进行测试。该方法准确率相对人工检测有所提高，但抽样检测只能描述产品的整体质量状况，无法输出每个标签的质量检测结果，因此无法将不合格天线从大批量产品中剔除。近年来，由于机器视觉的飞速发展，基于机器视觉的缺陷检测方法在很多传统工业领域得到应用，如工件表面缺陷检测[7]、印刷品质量检测[8]以及PCB板质量检测[9]等，取得了良好的效果。相比于传统的人工检测，基于机器视觉的缺陷检测在精度、可靠性以及实现检测自动化等方面有着巨大的优势。对比瑕疵检测的几类应用对象，可知RFID标签天线瑕疵检测在原理与检测精度要求方面与PCB板印刷质量检测十分类似。然而，由于PCB板可通过机械卡角对齐，而RFID标签天线由于其柔性基板的特殊性，不能靠机械方式进行对齐，因而对图像对齐的要求更为严格，因此需要针对RFID标签天线的特性提出一种有效的检测方法。

本文提出一种基于机器视觉的RFID标签天线瑕疵检测方法，该方法使用标准天线印刷图像作为模版，对输入的待检测天线印刷图像先进行模板图像与目标图像的匹配，获取旋转角和x，y方向的偏移量，再将经过对齐的两幅图像进行差分，输出两者的残余图像，最后通过对残余图像进行连通域分析实现对天线图像的高精度瑕疵检测，以获取瑕疵是否存在、瑕疵位置及面积等信息。该方法具有实时性强、结果精确等优点，可以实现对大批量产品进行连续、高速、精确的检测。

1 检测方法原理

本检测系统由视觉检测模块和运动模块构成。视觉检测模块包括工业相机，光源和工业PC组成。运动模组可完成x?y?z三自由度运动，以实现对视觉系统检测位置的调节功能。硬件的型号如图2所示，检测对象为透明基板的HF/UHF标签天线。本检测方法的基本思想是利用图像处理手段来检测外形上存在缺陷的标签天线。检测流程如图2所示。

1.1 边缘检测及匹配对齐

模版图像和目标图像由于拍摄时间、光照条件、拍摄角度及天线表面平整情况等不尽相同，会给图像带来亮度、对比度以及局部灰度的变化，目前最常用的依赖于图像灰度值的灰度匹配方法将不可避免地受到影响。边缘匹配在对抗图像的比例、旋转和透视失真等方面相对于灰度匹配具有其独特优势[10]。常用的边缘检测算子有：Roberts算子，Sobel算子，Prewitt 算子以及Laplace算子，Canny算子等，本文采用Canny算子提取图像的边缘信息进行图像匹配获得图像的旋转角、横纵向偏移量得到边缘图像E。

设待匹配图像I的像素大小为M×N，模板T的像素大小为m×n，由上述边缘提取得到的模版边缘为ET。从图像I在旋转角为θ（由于旋转角度过大即可认为天线质量不合格，因此认为检测中θ一般极小，认为在±3°以内）下的旋转图像中任意选取一块像素大小为m×n的子图，其在实际θ的旋转角下的边缘为Ex，y，θ，其左上角在旋转图像中的坐标为（x，y）。由于旋转角度很小且模版制作不应过于接近边缘，仍可认为0≤x≤M-m，0≤y≤N-n，其中M，N分别为待匹配图像像素的行数和列数，m，n分别为模板像素的行数和列数。子图Ex，y和模板ET的归一化互相关值R（x，y，θ）定义为：

所有的归一化互相关值构成归一化互相关矩阵[11]R。对待匹配天线的x，y，θ值三个参数进行遍历，得到互相关矩阵R。R值最大时对应的x，y，θ值即为对准程度最大的待检测图片输入位置参数。

1.2 差分图像分析

根据互相关求取的偏移量和角度，可以确定待测图像的最佳输入位置。经过匹配对齐，两幅图像已经完成了pixel?to?pixel的对齐过程。由于天线中有些区域的打印质量不影响天线的使用性能，例如字符打印区域等，因此我们对关心的区域进行ROI（Region of Interest）设置，即对模版和待检测图像设定对应图像区域进行分析。图3为模版及待检测图像上的ROI区域经过处理后的标准二值图像M和T。

差分运算类似于布尔运算逻辑中的异或逻辑。若输入变量为A和B，定义异或运算符为[]，则异或运算：

对于两幅像素均为m×n的标准二值图像M和T，设两幅图中位置为（x，y）（0≤x≤m，0≤y≤n且m，n均为整数）的两个像素值分别为M（x，y）和T（x，y），则对于所有的（x，y），定义差分运算：

差分图像（Difference）仍是一副标准二值图像，它直观地体现了图像M和T形态学上不相同的部分。

1.3 连通域分析及结果输出

对于差分图像进行Blob分析，即计算该图像中连通域的面积信息，其中面积超过阈值的Blob区域定义为瑕疵。将该区域的中心点位置信息记录下来，就可以知道天线上存在毛刺或打印污染的区域所在的坐标。而残余图像中并不是所有Blob区域均表示瑕疵缺陷。图像对齐中还可能引入一定误差，而采用腐蚀和膨胀将有效的缩减残余图像中由于图像对齐引入的误差，并能将在容忍范围内的一部分残余图像消除。此外还需要为残余图像的评估建立一定的筛选条件，这样可以避免将合格的天线误判为有瑕疵的天线。经过最终筛选处理，得到输出图像。

2 算法实现及应用

2.1 边缘检测

常用的边缘检测算子有：Roberts算子，Sobel算子，Prewitt 算子以及Laplace算子，Canny算子等。对主流的五种边缘检测算子取有毛刺的天线图像进行试验，效果如图4所示。

从检测效果图可以看出，Roberts算子检测出的图像轮廓边缘较细，但连续性较差，边缘信息有一定丢失，出现的噪点较多。Sobel和Prewitt两个算子效果几乎一致，边缘较为连续，但是线条稍粗，出现了一些伪边缘。Laplace算子检测出来的图像边缘更加连续，边缘也比较细，但是由于二阶算子的特性，会出现零星的假边缘或边缘间断现象。Canny算子由于采用了最优边缘检测原则，使提取的边缘十分完整，细节表现明晰，边缘的连续性也很好，效果明显优于其他算子。

2.2 匹配对齐

以标准天线边缘图像制作的模板为基准图，以待检测天线边缘图像为目标图像，如图5所示。

使用归一化互相关技术进行R值的寻优，利用这三个参数遍历获得R值最大时对应的旋转角θ、横向偏移量x和纵向偏移量y三个参数，此时两幅图的对准程度达到最大。对角度偏差测试结果进行统计，结果表明测量偏差不超过±0.1°，角度检测的平均检测时间为3.718 ms。对平移偏差测试结果进行统计，x，y向平移测量偏差均不超过±0.5 pixel，平移检测的平均检测时间为2.687 ms。

2.3 图像差分及连通域分析

先对天线缺陷检测进行模拟试验，将标准天线图像上挖去像素值为103的一个圆形孔洞，如图6所示。然后按本方法处理步骤输出差分图像进行检测，如图6（a）所示。经过实验检测到的缺陷像素面积为107，可见以上步骤获取的差分图像很好的体现了待测天线与模板天线间存在的不同。对存在缺陷的待检测天线图片进行实验，效果如图6（b）所示。

2.4 检测方法的实践与应用

RFID标签天线检测设备如图8所示。工业相机固定于运动模组上，通过1 394 B数据传输线与工业PC相连，系统软件控制界面如图9所示。

通过对界面的操作可实现自动检测、手动检测及各模块调试等功能。相机CCD分辨率为200万像素（1 600×1 200 pixels），物距300 mm，视场范围约160 mm×120 mm，图像分辨率为0.1 mm×0.1 mm，在160 mm×120 mm视野内对应的最高的缺陷检测精度是0.2 mm×0.2 mm。对5 000片已知合格率的天线样品进行检测，设置检测到瑕疵面积超过4个像素为不合格天线（NG），检测结果如图10所示。

说明：将整个基板按运行方向编号，前进方向为列。每行检测分为三组，每组检测两列芯片。使用本检测该批次标签天线产品实测合格率为98.86%，与该批次产品标称合格率99%基本相符。实验结果表明，本检测方法能有效识别存在瑕疵的天线，且达到检测精度要求。

3 分析与讨论

分析本检测可知，在匹配对齐过程中可能引入误差，而且腐蚀和膨胀会使一部分图像信息损失。缺陷检测精度不但取决于检测方法，也受产品本身的一致性（如合格范围内允许的尺寸偏差）、被测单个产品在图像中所占的比例、图像分辨率、照明的稳定和均匀性以及镜头对图像的影响等因素制约。对设备运行结果数据进行统计和分析，再结合本方法实验过程中得到的有关实验数据（见表2、表3）来看，实际实验中可能会存在4 pixels左右的误差。因此本方法实际能达到最高精度为2×2 pixels。输出4 pixels以下的blob区域可认为该天线不存在瑕疵，而4 pixels以上的瑕疵区域是本方法可以辨别的。

4 结 语

本文提出的检测算法可对大量产品进行逐片高速检测，剔除不合格天线，并实现检测流程的自动化。另外，本方法还可根据质量标准对毛刺输出控制阈值进行调整。因此，本方法对于大部分天线的外观检测都可以达到检测要求。将本文所提出的瑕疵检测方法应用在工业生产中，可以有效地解决目前市场上缺乏天线标签逐片高精度检测设备的问题。目前，该方法已成功应用在武汉华威科智能装备有限公司研制的天线检查设备中。本方法在提高算法速度与精度方面仍有优化空间。提高边缘匹配的速度，优化基于边缘的匹配算法，将是下一步研究的目标。

参考文献

[1] 陈剑，冀京秋，陈宝国.我国射频识别（RFID）技术发展战略研究[J].科学决策，2010（1）：8?20.

[2] LEUNG S Y Y， LAM D C C. Geometric and compaction dependence of printed polymer?based RFID tag antenna performance [J]. IEEE Transactions on Electronics Packaging Manufacturing， 2008， 31（2）： 120?125.

[3] 王宜菲.超高频RFID天线设计技术研究[J].现代电子技术，2012，35（11）：113?114，119.

[4] RAO K V S， NIKITIN P V， LAM S. Antenna design for UHFRFID tags： A review and a practical application [J]. IEEE Transactions on Antennas Propag.， 2005，53（12）： 3870?3876.

[5] MARROCCO G. The art of UHF RFID antenna design： impedance matching and size?reduction techniques [J]. IEEE Antennas Propagation Magazine， 2008， 50（1）： 66?79.

[6] NIKITIN P V， RAO K V S. LabVIEW?based UHF RFID tag test and measurement system [J]. IEEE Transactions on Industrial Electronics， 2009， 56（7）： 2374?2381.

[7] 刘飞.基于图像处理的印刷质量自动检测算法研究[D].武汉：华中科技大学，2006.

[8] 何永辉，长胜标，彭铁根，等.带钢表面质量检测技术研究与实践[C].中国仪器仪表学会2007学术年会智能检测控制技术及仪表装置发展研讨会，2007.

[9] 王凡，姜建国，申洁琳.SMT 质量检测中的AOI 技术及应用[J].现代电子技术，2011，34（9）：180?182.

[10] SENTHILKUMARANL N， RAJESH R. Edge detection techniques for image segmentation?survey of soft computing approaches [J]. International Journal of Recent Trends in Engineering， 2009， 1（2）： 250?254.

[11] 谢维达，周宇恒，寇若岚.一种改进的快速归一化互相关算法[J].同济大学学报：自然科学版，2011，39（8）：1233?1237.