基于机器视觉的散热器钎焊缺陷检测方法研究

为了实现钎焊工业现场复杂环境下散热器缺陷的在线检测，文章提出了基于机器视觉的散热器钎焊缺陷检测方法。采用灰度化和高斯滤波对图像进行预处理，使用Canny边缘检测算子获取边缘图像；利用八邻域连通域分析方法查找所有边缘连通域，使用边界清除算法剔除边界处边缘轮廓的干扰，进而实现散

散热器作为汽车发动机冷却系统的重要零部件之一，其性能的好坏直接影响发动机的散热效果。铝质汽车散热器的各部件经钎焊炉高温钎焊而成，在整体成型的过程中主片钎焊处钎缝往往会遭到破坏， 导致散热器出现泄漏[1]，从而降低了散热器的使用性能，严重时可能会产生一定的安全隐患。目前散热器钎焊缺陷检测主要依靠人眼观察，检测人员在散热器底部打光，观察钎缝是否透光，实现缺陷检测。

人工检测方法可以满足散热器缺陷检测，但是其中也存在一些不足：首先，人眼在长时间工作状态下效率会明显下降，易造成误判；其次，在高亮度打光状态下，人眼持续工作影响检测人员视力健康。为了解决人眼观察方法的局限性，很多无损检测技术开始用于金属表面缺陷检测，较为常见的方法有超声波检测、X 射线检测和机器视觉[2]。

机器视觉方法首先采集待检测物体的图像，然后采用图像处理算法实现缺陷检测，是目前较为新兴的非接触无损缺陷检测技术[3]。该技术在工业生产中可以快速地实现产品的分类和质量检测，在散热器生产中，钎缝处的密封性影响散热器的散热效果和使用性能，因此采用视觉方法实现散热器质量检测。

视觉检测方法不仅效率高、误判低，而且有效地解决了对人眼伤害的问题。

为了实现散热器钎焊缺陷检验，本文提出了基于机器视觉的散热器钎焊缺陷检测方法。文章着重介绍了图像处理算法部分，通过预处理、图像分割、缺陷提取等检测钎焊缺陷，识别出不合格的产品，降低产品的报废率。

2. 检测系统 系统设计 本系统的检测对象是散热器芯体，如图1 所示。检测区域是图中散热器的各个钎缝，其中个别钎缝处会有泄漏。

Figure 1. Radiator core 图1. 散热器芯体