PCB金手指瑕疵检测.docx
《PCB金手指瑕疵检测.docx》由会员分享,可在线阅读,更多相关《PCB金手指瑕疵检测.docx(12页珍藏版)》请在冰豆网上搜索。
PCB金手指瑕疵检测
PCB金手指瑕疵检测
指导教授:
蔡笃铭教授研究生:
林伯聪
i•研究动机与目的
印刷电路板(PrintedCircuitBoard)瑕疵自动检测在工业应用上是十分重要与必要的,利用自动检测的稳定性,取代人工操作因疲劳所造成的误判、标准不一等主客观因素,提高检验品质与降低生产成本。
目前PCB表面的瑕疵检验系统,主要是针对线路几何瑕疵检测与表面黏着点检测这二个方向,甚少对PCB电镀表面进行瑕疵检测的工作,且仅利用灰阶影像信息进行影像处理过程,由于灰阶影像所能提供的影像信息(gray-value)不
如彩色影像信息(R,G,B)丰富,无法像彩色影像信息能更完整的将影像信息特征呈现出来。
目前的纹路瑕疵检测技术多采用样本比对(patternmatch)或纹路特征萃
取(featureextraction)这两大方向进行检测的工作。
样本比对法需要事
先选定一标准影像(model),与待测样本(scene)利用相关系数
(correlation)或影像相减(subtraction)的计算,进行比对检测的工
作,此法缺点为比对效果会受旋转、位移与光源的影响,所以进行检测时需要先定位。
而特征萃取法则是由纹路影像中萃取纹路的特征指针,其中
常用的技术包括利用空域法(spatialdomain)与频域法(frequency
domain)两大领域。
在空域法中最具代表性之技术为依据二维影像中像素点在特定邻近位置之灰阶变化的机率密度函数来建立空间灰阶之相关矩阵
(dependenceorco-occurreneematrix),并以此相关矩阵建立统计指针
以评估纹路特征,但此法易受环境光源变化及噪声影响,而无法提供一个
比较可靠的表现;在频域法则是将空间域影像转换为频率域之功率频谱,
再由功率频谱撷取纹路或瑕疵的特征,因此可降低噪声之影响,如傅立叶
转换(Fouriertransform)与贾柏转换(Gabortransform)为常见之做法,但此法于转换的计算复杂导致计算时间长,不适合于实时性的生产检测工作,因此本研究将利用信息论(informationtheory)中用于评估信息
内涵复杂度之衡量指针(熵,entropy),进行纹路规则性量测。
本研究利
用彩色影像信息,藉由色彩模型转换后的色彩特征值选取,与熵算法结
合,衡量PCB电镀表面(金手指)纹路的规则性与一致性,将破坏纹路规则性与一致性的瑕疵凸显出来。
2.金手指瑕疵分类简介
本研究针对PCB之金手指(edgeconnector)表面瑕疵进行检测的工
作。
在本节中将对金手指表面常见的瑕疵进行分类(表1),利用瑕疵所造
成的颜色变异或结构性变异作为分类的标准,通常金手指表面瑕疵都是以
颜色变异瑕疵居多数,有时会因刮伤严重导致同时发生结构性变异与颜色变异(如图1-(g)刮伤露铜)。
图1为常见之金手指表面瑕疵,图1-(a)为金手指表面凹陷瑕疵;图1-(b)为金手指表面针点状凹陷瑕疵;图1-(c)为金手指表面破洞瑕疵;图1-(d)为金手指表面刮伤瑕疵;图1-(e)为金手指表面边缘受损瑕疵;图1-(f)为金手指表面露铜瑕疵;图1-(g)为金手指表面氧化瑕疵;图1-(h)为金手指表面粗糙瑕疵;图1-(i)为金手指表面结块瑕疵。
表1金手指表面瑕疵分类表
瑕疵分类标准
颜色变异
图例
结构变异
图例
表面凹陷瑕疵
(图1-(a))
表面刮伤瑕疵
(图1-(d))
表面针点状凹陷瑕疵
(图1-(b))
表面刮伤露铜瑕疵
(图1-(g))
表面破洞瑕疵
(图1-(c))
表面边缘受损瑕疵
(图1-(e))
表面露铜瑕疵
(图1-(f))
表面氧化瑕疵
(图1-(h))
表面粗糙瑕疵
(图1-(i))
表面结块瑕疵
(图1-(j))
(b)针点状凹陷瑕
(a)凹陷瑕疵
(f)露铜瑕疵
(g)刮伤露铜瑕疵
(h)氧化瑕疵
(i)粗糙瑕疵
(d)刮伤瑕疵
(j)结块瑕疵
图1常见之金手指表面瑕疵
3.研究范畴与限制
本研究是利用彩色机器视觉的方法来分析表面纹路的信息内涵,研
究中采用不同色彩模型之色彩特征值指针与熵算法结合,提出衡量纹路
(包括色彩与结构)规则性与一致性的量化指针。
由于大多数工业产品的表面皆为规则而同构型纹路(homogenoustexture),即纹路具有规则
之周期重复性与自我相似之特征,例如电镀表面、切削工件表面等,本研究即针对物体表面为规则而同构型之纹路,利用熵规则性之衡量,将破坏表面纹路规则性的瑕疵检测出来。
4.研究方法简介
本研究主要的目标是发展一套适合于线上实时检测的PCB金手指表
面瑕疵检测技术。
做法为利用信息论中评估信息内函复杂度的量化衡量指
针(熵),对金手指表面瑕疵进行瑕疵检测的工作,熵的定义如下:
(1)
其中丄为熵,訂为讯号.发生机率,当丄值愈大表示影像信息愈
复杂,匸值愈小表示影像信息愈单纯。
本研究分别提出利用双色彩特征
信息、纹路之方向角度信息与熵结合,提出一个侦测色彩变异之双色彩特征熵(二.)和一个侦测结构性变异之方向特征熵(丄」),探讨上述二
种熵之检测衡量指针对于金手指表面之色彩和结构瑕疵的检测能力并进行分析比较。
本研究对PCB影像采用同步进行相邻多根金手指的检测以降低噪声的干扰,利用统计制程管制技术,将具有局部变异较大或较小的瑕疵熵值凸显出来。
(b)色彩复杂度与熵计算趋势图
图2熵的色彩规则性量测(
图2呈现的是五张色彩信息复杂度不同的彩色影像,利用双色彩特
征指针之组合进行熵(,\)色彩规则性检测,实验结果发现色彩信息
愈一致,所计算的熵值愈小(图2-(a1)),色彩信息愈复杂,所计算的熵值愈大(图2-(a5)),熵值随色彩复杂度增加而递增。
图3呈现的是五张方向信息复杂度不同的彩色影像,观察利用熵
(_;)进行方向规则性计算的差异。
发现方向信息愈一致,所计算的熵
值愈小(图3-(a1)),方向信息愈复杂,所计算的熵值愈大(图
3-(a5)),熵值随方向复杂度增加而递增。
承■日■脉■空■■覇■虽■却■以£■盘■覇■总■■務■亦■日
艮■覇■覇■田■■凉■因■总■處空■肝■却■空■
(al)船=1.05(a2)爲二2.30(a3)%=284(a4)爲=117(a5)%=358
(b)方向复杂度与熵计算趋势图
图3熵的方向规则性量测(丄」)
5.瑕疵检测实例
图4与图5分别为利用匚与.进行瑕疵检测工作,目的在说明瑕疵会破坏原来正常影像的色彩或方向的规则性与一致性,利用
检测,瑕疵部份的熵值会远高于正常部份的熵值;利用丄检测,瑕疵
部份的熵值会远低于正常部份的熵值。
图6与图7分别为利用「「与
土进行连续多根金手指影像之检测工作,以将色彩变异瑕疵与结构变异瑕疵侦测凸显出来。
(在内含Pentiumn-400中央处理器的个人计算机处理下,对影像中连续7根金手指进行检测,检测时间为1.3秒)
结果(以二极影像表示)
(a)待测瑕疵影像
(c)熵3D分布图,突起部份为瑕疵部份
图4彩色影像熵^-)检测
(b)以方向规则性特征进行熵(丄」)检
测结果(以二极影像表示)
(c)熵3D分布图,凹陷部份为瑕疵部份
图5彩色影像熵(LQ检测
(b1)
图6不具方向性瑕疵(表面针点状凹陷)的熵检测
(⑴
图7具方向性瑕疵(表面刮伤)的熵检测