PCB金手指瑕疵檢測(cè)

1、PCB金手指瑕疵檢測(cè)PCB金手指瑕疵檢測(cè)指導(dǎo)教授：蔡篤銘教授研究生：林伯聰L研究動(dòng)機(jī)與目的印刷電路板(PrintedCircuitBoard)瑕疵自動(dòng)檢測(cè)在工業(yè)應(yīng)用上是十分重要與必要的，利用自動(dòng)檢測(cè)的穩(wěn)定性，取代人工操作因疲勞所造成的誤判、標(biāo)準(zhǔn)不一等主客觀因素，提高檢驗(yàn)品質(zhì)與降低生產(chǎn)成本。目前PCB表面的瑕疵檢驗(yàn)系統(tǒng)，主要是針對(duì)線路幾何瑕疵檢測(cè)與表面黏著點(diǎn)檢測(cè)這二個(gè)方向，甚少對(duì)PCB電鍍表面進(jìn)行瑕疵檢測(cè)的工作，且僅利用灰階影像信息進(jìn)行影像處理過程，由于灰階影像所能提供的影像信息(gray-value)不如彩色影像信息(RG皮豐富，無法像彩色影像信息能更完整的將影像信息特征呈現(xiàn)出來。目前的紋路瑕

2、疵檢測(cè)技術(shù)多采用樣本比對(duì)(patternmatch)或紋路特征萃取(featureextraction)這兩大方向進(jìn)行檢測(cè)的工作。樣本比對(duì)法需要事先選定一標(biāo)準(zhǔn)影像(model),與待測(cè)樣本(scene)利用相關(guān)系數(shù)(correlation)或影像相減(subtraction)的計(jì)算，進(jìn)行比對(duì)檢測(cè)的工作,此法缺點(diǎn)為比對(duì)效果會(huì)受旋轉(zhuǎn)、位移與光源的影響，所以進(jìn)行檢測(cè)時(shí)需要先定位。而特征萃取法則是由紋路影像中萃取紋路的特征指針，其中常用的技術(shù)包括利用空域法(spatialdomain)與頻域法(frequencydomain)兩大領(lǐng)域。在空域法中最具代表性之技術(shù)為依據(jù)二維影像中像素點(diǎn)在特定鄰近位置之灰

3、階變化的機(jī)率密度函數(shù)來建立空間灰階之相關(guān)矩陣(dependenceorco-occurrencematrix),并以此相關(guān)矩陣建立統(tǒng)計(jì)指針以評(píng)估紋路特征，但此法易受環(huán)境光源變化及噪聲影響，而無法提供一個(gè)比較可靠的表現(xiàn)；在頻域法則是將空間域影像轉(zhuǎn)換為頻率域之功率頻譜，再由功率頻譜擷取紋路或瑕疵的特征，因此可降低噪聲之影響，如傅立葉轉(zhuǎn)換(Fouriertransform)與賈柏轉(zhuǎn)換(Gabortransform)為常見之做法,但此法于轉(zhuǎn)換的計(jì)算復(fù)雜導(dǎo)致計(jì)算時(shí)間長(zhǎng)，不適合于實(shí)時(shí)性的生產(chǎn)檢測(cè)工作，因此本研究將利用信息論(informationtheory)中用于評(píng)估信息內(nèi)涵復(fù)雜度之衡量指針(窗,ent

4、ropy),進(jìn)行紋路規(guī)則性量測(cè)。本研究利用彩色影像信息，藉由色彩模型轉(zhuǎn)換后的色彩特征值選取，與燧算法結(jié)合，衡量PCB電鍍表面(金手指)紋路的規(guī)則性與一致性，將破壞紋路規(guī)則性與一致性的瑕疵凸顯出來。2.金手指瑕疵分類簡(jiǎn)介本研究針對(duì)PCB之金手指(edgeconnector)表面瑕疵進(jìn)行檢測(cè)的工作。在本節(jié)中將對(duì)金手指表面常見的瑕疵進(jìn)行分類(表1),利用瑕疵所造成的顏色變異或結(jié)構(gòu)性變異作為分類的標(biāo)準(zhǔn),通常金手指表面瑕疵都是以顏色變異瑕疵居多數(shù)，有時(shí)會(huì)因刮傷嚴(yán)重導(dǎo)致同時(shí)發(fā)生結(jié)構(gòu)性變異與顏色變異(如圖l-(g)刮傷露銅)。圖1為常見之金手指表面瑕疵，圖l-(a)為金手指表面凹陷瑕疵；圖(b)為金手指表面

5、針點(diǎn)狀凹陷瑕疵；圖l-(c)為金手指表面破洞瑕疵；圖l-(d)為金手指表面刮傷瑕疵；圖l-(e)為金手指表面邊緣受損瑕疵；圖l-(f)為金手指表面露銅瑕疵；圖l-(g)為金手指表面氧化瑕疵;圖l-(h)為金手指表面粗糙瑕疵；圖l-(i)為金手指表面結(jié)塊瑕疵。表1金手指表面瑕疵分類表瑕疵分類標(biāo)準(zhǔn)顏色變異圖例結(jié)構(gòu)變異圖例表面凹陷瑕疵(Sl-(a)表面刮傷瑕疵(圖l-(d)表面針點(diǎn)狀凹陷瑕疵表面刮傷露銅瑕疵表面破洞瑕疵(Sl-(b)(圖-(g)表面邊緣受損瑕疵(0l-(c)表面露銅瑕疵表面氧化瑕疵(Sl-(e)表面粗糙瑕疵Ol-(f)表面結(jié)塊瑕疵(圖l-(h)（ai-（i）（0i-（j）(f)露銅瑕

6、疵(a)凹陷瑕疵(g)刮傷露銅瑕疵(h)氧化瑕疵(c)破洞瑕疵(d)刮傷瑕疵(e)邊緣受損瑕疵(i)粗糙瑕疵(j)結(jié)塊瑕疵圖1常見之金手指表面瑕疵3 .研究范疇與限制本研究是利用彩色機(jī)器視覺的方法來分析表面紋路的信息內(nèi)涵，研究中采用不同色彩模型之色彩特征值指針與烯算法結(jié)合，提出衡量紋路（包括色彩與結(jié)構(gòu)）規(guī)則性與一致性的量化指針。由于大多數(shù)工業(yè)產(chǎn)品的表面皆為規(guī)則而同構(gòu)型紋路（homogenoustexture）,即紋路具有規(guī)則之周期重復(fù)性與自我相似之特征，例如電鍍表面、切削工件表面等，本研究即針對(duì)物體表面為規(guī)則而同構(gòu)型之紋路，利用蠟規(guī)則性之衡量，將破壞表面紋路規(guī)則性的瑕疵檢測(cè)出來。4 .研究方法

7、簡(jiǎn)介本研究主要的目標(biāo)是發(fā)展一套適合于線上實(shí)時(shí)檢測(cè)的PCB金手指表面瑕疵檢測(cè)技術(shù)。做法為利用信息論中評(píng)估信息內(nèi)函復(fù)雜度的量化衡量指針（埔），對(duì)金手指表面瑕疵進(jìn)行瑕疵檢測(cè)的工作，嫡的定義如下：豆=-2,底2）（1）2其中為炳，4為訊號(hào)x發(fā)生機(jī)率，當(dāng)總值愈大表示影像信息愈復(fù)雜，總值愈小表示影像信息愈單純。本研究分別提出利用雙色彩特征信息、紋路之方向角度信息與墻結(jié)合，提出一個(gè)偵測(cè)色彩變異之雙色彩特征埔（7力和一個(gè)偵測(cè)結(jié)構(gòu)性變異之方向特征端（統(tǒng)），探討上述二種燧之檢測(cè)衡量指針對(duì)于金手指表面之色彩和結(jié)構(gòu)瑕疵的檢測(cè)能力并進(jìn)行分析比較。本研究對(duì)PCB影像采用同步進(jìn)行相鄰多根金手指的檢測(cè)以降低噪聲的干擾，利用統(tǒng)

8、計(jì)制程管制技術(shù)，將具有局部變異較大或較小的瑕疵嫡值凸顯出來。(b)色彩復(fù)雜度與端計(jì)算趨勢(shì)圖圖2燧的色彩規(guī)則性量測(cè)(%)圖2呈現(xiàn)的是五張色彩信息復(fù)雜度不同的彩色影像，利用雙色彩特征指針之組合進(jìn)行焙(%)色彩規(guī)則性檢測(cè)，實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)色彩信息愈一致，所計(jì)算的墻值愈小(圖2-(al),色彩信息愈復(fù)雜，所計(jì)算的埔值愈大(圖2-(a5),燧值隨色彩復(fù)雜度增加而遞增。圖3呈現(xiàn)的是五張方向信息復(fù)雜度不同的彩色影像，觀察利用場(chǎng)4)進(jìn)行方向規(guī)則性計(jì)算的差異。發(fā)現(xiàn)方向信息愈一致，所計(jì)算的燧值愈小(圖3-(al),方向信息愈復(fù)雜，所計(jì)算的烯值愈大(圖3-(a5),埔值隨方向復(fù)雜度增加而遞增。一息承費(fèi)次M%底置miss

9、(al)%=1.05(a2)7=2.30(a3)統(tǒng)=2.84(a4)紇=3.17(a5)紇=358(b)方向復(fù)雜度與嫡計(jì)算趨勢(shì)圖圖3牖的方向規(guī)則性量測(cè)(紇)5.瑕疵檢測(cè)實(shí)例圖4與圖5分別為利用名工與統(tǒng)進(jìn)行瑕疵檢測(cè)工作，目的在說明瑕疵會(huì)破壞原來正常影像的色彩或方向的規(guī)則性與一致性,利用紇口檢測(cè)，瑕疵部份的墻值會(huì)遠(yuǎn)高于正常部份的煩值；利用穌檢測(cè)，瑕疵部份的埔值會(huì)遠(yuǎn)低于正常部份的端值。圖6與圖7分別為利用名工與穌進(jìn)行連續(xù)多根金手指影像之檢測(cè)工作，以將色彩變異瑕疵與結(jié)構(gòu)變異瑕疵偵測(cè)凸顯出來。（在內(nèi)含Pentiumn-400中央處理器的個(gè)人計(jì)算機(jī)處理下，對(duì)影像中連續(xù)7根金手指進(jìn)行檢測(cè)，檢測(cè)時(shí)間為L(zhǎng)3秒）（a）待測(cè)瑕疵影像（b）以雙色彩特征值進(jìn)行墻（4口）檢測(cè)結(jié)果（以二極影像表示）(a)待測(cè)瑕疵影像(c)煙i3D分布圖，突起部份為瑕疵部份圖