1、精選優(yōu)質(zhì)文檔-傾情為你奉上PCB金手指瑕疵檢測指導教授：蔡篤銘 教授               研究生：林伯聰1.研究動機與目的  印刷電路板（Printed Circuit Board）瑕疵自動檢測在工業(yè)應(yīng)用上是十分重要與必要的，利用自動檢測的穩(wěn)定性，取代人工操作因疲勞所造成的誤判、標準不一等主客觀因素，提高檢驗品質(zhì)與降低生產(chǎn)成本。目前PCB表面的瑕疵檢驗系統(tǒng)，主要是針對線路幾何瑕疵檢測與表面黏著點檢測這二個方向，甚少對PCB電鍍表面進行瑕疵

2、檢測的工作，且僅利用灰階影像信息進行影像處理過程，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（R, G, B）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。  目前的紋路瑕疵檢測技術(shù)多采用樣本比對(pattern match)或紋路特征萃取（feature extraction）這兩大方向進行檢測的工作。樣本比對法需要事先選定一標準影像（model），與待測樣本（scene）利用相關(guān)系數(shù)（correlation）或影像相減（subtraction）的計算，進行比對檢測的工作，此法缺點為比對效果會受旋轉(zhuǎn)、位移與光源的影響，所以進行檢測時需要先定位

3、。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（spatial domain）與頻域法（frequency domain）兩大領(lǐng)域。在空域法中最具代表性之技術(shù)為依據(jù)二維影像中像素點在特定鄰近位置之灰階變化的機率密度函數(shù)來建立空間灰階之相關(guān)矩陣（dependence or co-occurrence matrix），并以此相關(guān)矩陣建立統(tǒng)計指針以評估紋路特征，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（Fourier transf

4、orm）與賈柏轉(zhuǎn)換（Gabor transform）為常見之做法，但此法于轉(zhuǎn)換的計算復雜導致計算時間長，不適合于實時性的生產(chǎn)檢測工作，因此本研究將利用信息論（information theory）中用于評估信息內(nèi)涵復雜度之衡量指針（熵, entropy），進行紋路規(guī)則性量測。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，與熵算法結(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. 金手指瑕疵分類簡介  本研究針對PCB之金手指（edge connector）表面瑕疵進行檢測的工作。在本節(jié)中將對金

5、手指表面常見的瑕疵進行分類（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準，通常金手指表面瑕疵都是以顏色變異瑕疵居多數(shù)，有時會因刮傷嚴重導致同時發(fā)生結(jié)構(gòu)性變異與顏色變異（如圖1-(g)刮傷露銅）。圖1為常見之金手指表面瑕疵，圖1-(a)為金手指表面凹陷瑕疵；圖1-(b)為金手指表面針點狀凹陷瑕疵；圖1-(c)為金手指表面破洞瑕疵；圖1-(d)為金手指表面刮傷瑕疵；圖1-(e)為金手指表面邊緣受損瑕疵；圖1-(f)為金手指表面露銅瑕疵；圖1-(g)為金手指表面氧化瑕疵；圖1-(h)為金手指表面粗糙瑕疵；圖1-(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

6、標準顏色變異圖例結(jié)構(gòu)變異圖例表面凹陷瑕疵表面針點狀凹陷瑕疵表面破洞瑕疵表面邊緣受損瑕疵表面露銅瑕疵表面氧化瑕疵表面粗糙瑕疵表面結(jié)塊瑕疵（圖1-(a)）（圖1-(b)）（圖1-(c)）（圖1-(e)）（圖1-(f)）（圖1-(h)）（圖1-(i)）（圖1-(j)）表面刮傷瑕疵表面刮傷露銅瑕疵（圖1-(d)）（圖1-(g)）專心-專注-專業(yè)  (a) 凹陷瑕疵  (f) 露銅瑕疵  (b) 針點狀凹陷瑕疵  (g) 刮傷露銅瑕疵  (c) 破洞瑕疵  (h) 氧化瑕疵  (d) 刮傷瑕疵  (i) 粗糙瑕疵 

7、 (e) 邊緣受損瑕疵  (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熵算法結(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（homogenous texture），即紋路具有規(guī)則之周期重復性與自我相似之特征，例如電鍍表面、切削工件表面等，本研究即針對物體表面為規(guī)則而同構(gòu)型之紋路，利用熵規(guī)則性之衡量，將破壞表面紋路規(guī)則性的瑕疵檢測出來。  4. 研究方法簡介  本研究主要的目標是發(fā)

8、展一套適合于線上實時檢測的PCB金手指表面瑕疵檢測技術(shù)。做法為利用信息論中評估信息內(nèi)函復雜度的量化衡量指針（熵），對金手指表面瑕疵進行瑕疵檢測的工作，熵的定義如下： （1）  其中 為熵， 為訊號 發(fā)生機率，當 值愈大表示影像信息愈復雜， 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熵結(jié)合，提出一個偵測色彩變異之雙色彩特征熵（ ）和一個偵測結(jié)構(gòu)性變異之方向特征熵（ ），探討上述二種熵之檢測衡量指針對于金手指表面之色彩和結(jié)構(gòu)瑕疵的檢測能力并進行分析比較。本研究對PCB影像采用同步進行相鄰多根金手指的檢測以降低噪聲的干擾，利用統(tǒng)計制程管制技術(shù)，將具有局

9、部變異較大或較小的瑕疵熵值凸顯出來。(b) 色彩復雜度與熵計算趨勢圖圖2 熵的色彩規(guī)則性量測（ ）圖2呈現(xiàn)的是五張色彩信息復雜度不同的彩色影像，利用雙色彩特征指針之組合進行熵（ ）色彩規(guī)則性檢測，實驗結(jié)果發(fā)現(xiàn)色彩信息愈一致，所計算的熵值愈?。▓D2-(a1)），色彩信息愈復雜，所計算的熵值愈大（圖2-(a5)），熵值隨色彩復雜度增加而遞增。  圖3呈現(xiàn)的是五張方向信息復雜度不同的彩色影像，觀察利用熵（ ）進行方向規(guī)則性計算的差異。發(fā)現(xiàn)方向信息愈一致，所計算的熵值愈?。▓D3-(a1)），方向信息愈復雜，所計算的熵值愈大（圖3-(a5)），熵值隨方向復雜度增加而遞增。(b) 方向復雜度與熵

10、計算趨勢圖圖3 熵的方向規(guī)則性量測（ ）5. 瑕疵檢測實例  圖4與圖5分別為利用 與 進行瑕疵檢測工作，目的在說明瑕疵會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 檢測，瑕疵部份的熵值會遠高于正常部份的熵值；利用 檢測，瑕疵部份的熵值會遠低于正常部份的熵值。圖6與圖7分別為利用 與 進行連續(xù)多根金手指影像之檢測工作，以將色彩變異瑕疵與結(jié)構(gòu)變異瑕疵偵測凸顯出來。（在內(nèi)含Pentium-400中央處理器的個人計算機處理下，對影像中連續(xù)7根金手指進行檢測，檢測時間為1.3秒）  (a)待測瑕疵影像(b)以雙色彩特征值進行熵（ ）檢測結(jié)果（以二極影像表示）(c)熵3D分布圖，突起部份為瑕疵部份圖4 彩色影像熵（ ）檢測  (a)待測瑕疵影像(b)以方向規(guī)則性特征進行熵（ ）檢測結(jié)果（以二極影像表示）(c)熵3D分布圖，凹陷部份為瑕疵部份圖5 彩色影像熵（ ）檢測