广东美的厨房电器制造有限公司
摘要：随着现代科学技术水平的不断提高，各种电子设备的更新换代速度日益加快，其内部结构也是日益复杂，尤其是电路板结构，这无形中对电路板故障的检测方法提出了更高的要求。基于这种现状，红外技术越来越被广泛的应用于电路板故障的检测当中且取得了很好的成效。对此，本文重点分析和探讨了红外技术在电路板故障检测中的具体应用。
关键词：红外技术；电路板故障；检测方法
1.前言
不断发展的科学技术使得电路板的结构构成更加的复杂化，传统的电路板故障检测方法已经无法全面的对电路板进行有效的检测，甚至还会忽略一些潜在的故障，这大大降低了检测结果的准确性[1]。基于这种原因，人们开始寻找更加有效的电路板故障检测方法，其中，红外技术以其独特的技术优势逐渐被人们所熟知并开始广泛应用于电路板故障检测当中且取得了很好的成效。
2.基于红外技术的电路板故障检测原理及基本构成
电路板故障红外检测涉及到很多的科学技术，比如人工智能、图像信号识别和处理等，它的主要检测原理是依靠红外热像仪来对电路板上的各个元件的温度进行精准测量[2]，并通过温度来判别各项元件的工作状态，具体来说，它是通过提取红外信息、处理红外图像以及识别图像状态来实现对电路板故障的检测，其基本构成图如图1所示。
3.红外信息提取技术
电路板工作的过程中，用热像仪对其进行拍摄所形成的热图就是常说的红外信息提取，其中热像仪是提取红外信息的核心器件。红外热图能否用于相关分析直接由热像仪性能的优劣性所决定的。近几年，红外热像仪的硬件性能随着半导体技术和计算机技术的迅速发展在不断提高，软件功能也得到了相应的完善。红外热像仪除了在测温分辨率和测温范围上能够适应电路板故障检测的需要外，还带有完备的图像分析与处理能力，比如图像的预处理、分割以及增强等，而基于红外技术的电路板故障检测恰好需要用到这些功能。
事实上，拍摄时所处的环境温度、电路板上电子器件辐射率的变化等因素都会对实际检测过程造成一定影响。在实际检测过程中，可使用以下的公式来获取物体表面的实际温度[3]
4.红外图像处理技术
目前对红外图像的相关处理大多还是在利用可见光图像的处理方法，如图像预处理、图像配准等。随着图像研究的快速发展，我国已经形成了一套较为系统的图像处理技术，各种处理算法也日益成熟。
对图像的滤波和增强处理即是所谓的图像预处理。其中，图像滤波处理是为了对待处理图像中的噪声进行有效的抑制。由于环境等各种因素的影响，图像在拍摄和传输过程中会产生多种噪声，将这些噪声按照与信号
独立时，认为其是加性噪声，此时可以在图像中两者直接相加；在计算时，我们通常以加性噪声的计算方法来近似计算乘性噪声[4]。空域滤波和频域滤波是滤波处理的两种形式，前者采用的是间接处理方法，需先把图像转到频率域上，然后针对图像中的不同噪声采用不同的频域滤波算法进行处理，处理完再从频域上把图像变换到空域上。而后者是不需要在时域、空域上进行来回变换，针对图像空间中的像素点，可以直接对其进行平滑处理，这使得系统在处理时间性能上的要求得到了极大的满足，领域均值法及中值滤波法都是较为常用的空域滤波处理方法。为了满足强化图像边缘和突出细节信息的需要，则应对图像进行对比度增强处理，常用的增强对比度方法有直方图均衡化、非线性变换增强等。
图像配准的目的在于完成拍摄到的红外图像与实际电路板上各电子器件对应点之间的匹配。因为每相邻点温度在电路板上没有明显的差异，高温器件在红外图像中会有较大的红外热点，但低温器件却没有较为显著的表示，这便不能准确地反映出各电子器件在红外图像中的位置。从目前来说，为了在红外图像上精确地识别各电子器件的位置，主要还是利用配准可见光图像和所拍摄的红外图像来完成，事实证明该方法的效果也比较令人满意。
若想进行一幅图像的拍摄，就必须要保证所拍摄的电路板与红外热像仪所拍摄的视场相一致，若前者大于后者，则就需要拍摄更多的图像，此时只有将这些图片拼接起来才能完整的表现出整个电路板热图。具体的拼接步骤包括三个部分，分别为图像的投影变换、图像的匹配以及图像的融合，其中最为重要的就是图像的匹配，这是由于从不同的角度和方位进行图像拍摄会产生不同程度的图像重叠现象，图像匹配难度加大，针对这一情况，相关技术人员必须要对图像间的变换关系进行准确定位，进而确定各图像之间的像素点对应关系，完成此步骤之后就需要对图像进行融合以消除拼接缝隙，需要特别注意的是只有在拼接步骤当中采用科学合理的算法才能拍出完整清晰的全景图像。
5.红外图像的状态识别技术
由于红外图像处理技术能够有效的识别电路板上各种元件的温度发生异常变化的预备信息，因此相关检测人员就可以通过特定的算法来具体分析各元件的相关性能。目前，这种技术主要用来检测神经网络以及故障树的智能故障，其中美国军方对于F-16战斗机内PCB板卡的检测就是属于神经网络检测的一种[5]。21世纪以来，国内外许多红外研究人员和技术专家都一直在探讨和研究局域神经网络的故障识别技术。一般来说，可以将基于神经网络的故障识别定性为一种模式识别，它的主要技术原理是对参与其中的过程参量进行一系列的检测和处理，然后再利用神经网络将这些检测结果从测量空间映射到故障空间，从而实现对电路板故障的检测。神经网络诊断技术主要起源于传统的机器学习理论，它必须要以充足的样本数量作为研究前提，只有样本足够多，才能为各种技术提供可靠的理论保障，但是由于电路板故障检测中样本数据较少，因此就会大大降低神经网络对于电路板故障检测的精准度。
利用故障树模型来寻找电路板故障具有很多的优点，比如它不仅能够综合规则和定量模型检测的优势，而且还可以快速的查找到潜在故障源，但这种技术的唯一不足之处就在于它的建立过程十分复杂并且常常受人为因素的干扰，对于一些较为复杂的电路板结构难以做到故障源的精准查找。
6.结语
通过以上的分析，我们可以看出红外技术对于电路板故障检测的巨大影响和作用，它主要通过红外信息的提取、红外图像的处理以及红外图像状态的识别来实现对电路板故障的检测。目前，由于检测技术的不断发展，其故障检测结果也更加的精确和可靠，这极大的提高了电路板的结构质量，促使电子设备行业朝着更加健康、更加专业的方向不断发展。
参考文献：
[1]宫明文，李云霞，蒙文，李达，魏新.浅析国内基于红外技术的电路板故障检测方法[J].红外，2012，07：6-10.
[2]崔伟.电路板故障红外热像检测关键技术研究[D].南京航空航天大学，2011.
[3]王敏.基于红外图像和Labview的电路板故障测试方法[D].中国民航大学，2016.
[4]吴迎昌.基于红外热像技术的电接触故障检测方法研究[D].湖南大学，2015.
[5]莫影.电路故障红外实时检测系统研究[D].电子科技大学，2004.