一種pcb瑕疵檢測的aoi算法

一種pcb瑕疵檢測的aoi算法

隨著電子制造業(yè)的精細(xì)、小型方向的發(fā)展，自動光學(xué)檢測不足，這是避免對后續(xù)自動生產(chǎn)過程的影響的重要因素之一。最重要的檢測環(huán)節(jié)是涂料板（pc）的自動光學(xué)檢測。自動光學(xué)pc檢測（aoi）的關(guān)鍵是快速分析和識別pc圖像的差異。現(xiàn)有的相關(guān)算法可分為三種類型：參考法、基于參考的方法和混合法。參考法速度快，但需要經(jīng)過嚴(yán)格控制，因此不能忽視不屬于缺陷的小變形?；趨⒖紖?shù)的檢測方法用于檢測裸板的缺陷。在文獻中，假設(shè)1b板的樣式是空心圓形的焊接盤，并且無法檢測使用表面活性劑（smd）的1b裸板。同時，該算法將比參考法和基準(zhǔn)法進行比較。在比較后，基于參考規(guī)則的評估將變得更快、更靈活。本文提出一種基于連通分量分析的PCB瑕疵檢測與分類算法,屬于混合法的一種.在檢測出瑕疵的同時直接完成瑕疵的分類,用于PCB斷路、短路、局部短路,電路漏印、針孔、缺孔、脫孔等典型PCB瑕疵的快速分析和辨識.本文算法以連通分量為基準(zhǔn),不需要對PCB進行很嚴(yán)格的對準(zhǔn),并允許PCB圖像有一定量的變形.1pcb瑕疵檢測算法PCB自動光學(xué)瑕疵檢測首先在AOI檢測臺上通過CCD獲取參考PCB與被測PCB數(shù)字圖像,并保存在計算機中.其次通過濾波去噪,二值化預(yù)處理后,得到高對比度的二值化圖像.一般二值化圖像背景值為0,圖案樣式值均為1,如圖1(a)與圖1(b)分別為計算機模擬的二值化之后的參考圖像f(x,y)與被測圖像g(x,y),相對參考圖像,被測圖像中包含有短路、斷路、局部短路、脫孔、丟失孔、針孔等瑕疵.本研究提出的PCB瑕疵檢測算法基于圖像的連通分量標(biāo)記及連通分量影響區(qū)域分割,獲得參考圖像的特征和被測圖像的特征,并進行特征比對來完成.該算法由3步完成:a.參考圖像的特征提取,主要是連通分量的標(biāo)記.b.被測圖像的特征萃取,萃取出與參考圖像特征對應(yīng)的被測圖像特征.c.基于特征的比對,通過比對參考圖像與被測圖像的特征來完成瑕疵的檢出.1.1連通分量標(biāo)記算法采用文獻中的連通分量標(biāo)記算法,可實現(xiàn)參考圖像連通分量的標(biāo)記,得到連通分量標(biāo)記圖像,由下式表示,l(x,y)=b(f(x,y)),(1)l(x,y)=b(f(x,y)),(1)式中b是連通分量標(biāo)記函數(shù).圖2為參考圖像與被測圖像的處理結(jié)果.圖2(a)所示為由參考圖像f(x,y)采用連通分量標(biāo)記算法得到的連通分量標(biāo)記圖像l(x,y),包含5個連通分量,分別標(biāo)識為連通分量1,2,…,5.于是得到參考圖像的5個特征(連通分量).1.2連通分量影響區(qū)域的特征被測圖像中的特征是通過與被測圖像比對而得到的,可以說是被測圖像中與參考圖像特征對應(yīng)的特征.同時為避免因為對準(zhǔn)誤差與導(dǎo)線樣式的微小變形而導(dǎo)致的比對差異(這是參考法無法解決的問題),這里引入了連通分量影響區(qū)域的概念.連通分量影響區(qū)域,可以結(jié)合表面形態(tài)學(xué)圖像處理中的距離變換與分水嶺算法得到.對圖1(a)參考圖像f(x,y)進行由下式表示的距離變換操作,得到其距離變換圖像d(x,y)(如圖2(b)所示),即d(x,y)=bw(f(x,y)),(2)d(x,y)=bw(f(x,y)),(2)式中bw是距離變換算法.分水嶺算法用來找出距離變換圖像的分水線,即連通分量影響區(qū)域的邊界.圖2(b)所示距離變換圖像d(x,y)是灰度級的圖像矩陣,其分水線位置就是距離變換圖像d(x,y)中灰度值為極大值的像素點.對距離變換圖像d(x,y)進行分水嶺變換,便可得到參考圖像的連通分量影響區(qū)域圖像w(x,y)(如圖2(c)所示),即w(x,y)=wa(d(x,y)),(3)w(x,y)=wa(d(x,y)),(3)式中wa是分水嶺變換.在w(x,y)中可見,參考圖像f(x,y)可分為5個影響區(qū)域,每個影響區(qū)域都包含一個惟一的連通分量.若應(yīng)用參考圖像連通分量影響區(qū)域w(x,y)將被測圖像圖1(b)分割成5個區(qū)域(如圖2(d)所示),則被測圖像中某一區(qū)域的圖案樣式就是與參考圖像在該區(qū)域的特征對應(yīng)的特征,特征得到萃取,從而得到參考圖像f(x,y)與被測圖像g(x,y)的特征對照圖,如圖3所示.值得注意的是,在圖2(d)的橢圓中的圖案與圖2(c)參考圖像連通分量影響區(qū)域w(x,y)的邊界線相交.出現(xiàn)這種情況的原因是該圖案連通了l(x,y)中的連通分量1和2.由于參考圖像的連通分量與PCB上的導(dǎo)線樣式對應(yīng),這種與w(x,y)的邊界線相交的圖案樣式是短路瑕疵,可以將其提取出來.1.3d.斷路瑕疵擔(dān)保通過比較如圖3所示參考圖像f(x,y)與被測圖像g(x,y)在各區(qū)域?qū)?yīng)的特征,由于連通分量的個數(shù)是非負(fù)整數(shù),按以下判斷來完成瑕疵的檢出:a.若被測圖像g(x,y)某影響區(qū)域的特征不存在,則說明該區(qū)域中存在電路漏印瑕疵.b.若g(x,y)中存在與參考圖像連通分量影響區(qū)域圖像w(x,y)的分界線相交的圖案,則該圖案為短路瑕疵,如圖3的與w(x,y)分界線相交的部分.c.若g(x,y)某特征的連通分量個數(shù)大于1,則說明該分量存在斷路瑕疵(圖4).如圖4(a)所示特征是被測圖像g(x,y)在該區(qū)域內(nèi)特征,由于該特征的連通分量個數(shù)為2,因此存在斷路瑕疵.d.通過連續(xù)的膨脹和腐蝕操作,可將該區(qū)域特征合并為由一個連通分量構(gòu)成的特征,如圖4(b)所示.在使用特征的合并操作之后,各區(qū)域的特征的連通分量個數(shù)均為1,以便進行其他瑕疵的檢測.在剩余的瑕疵檢測中,針孔以及局部短路瑕疵會導(dǎo)致特征的孔洞個數(shù)增加,丟失孔以及脫孔則會使特征的孔洞個數(shù)減少.通過檢測特征的歐拉數(shù)E可以實現(xiàn)針孔、丟失孔、局部短路和脫孔等瑕疵的檢測.此時特征歐拉數(shù)E與特征的孔洞總數(shù)H對應(yīng),歐拉數(shù)E是一種圖像的拓?fù)涮匦?E=C?H?E=C-Η?式中C是連通分量的個數(shù).將某連通區(qū)域內(nèi)f(x,y)與g(x,y)對應(yīng)的特征取邏輯“異或”,連通分量標(biāo)記算法標(biāo)記出結(jié)果的所有連通分量.將結(jié)果的每一連通分量分別與該區(qū)域f(x,y)與g(x,y)對應(yīng)的特征進行邏輯“或”操作,找出該區(qū)域f(x,y)與g(x,y)對應(yīng)特征的歐拉數(shù)E變化:a.若f(x,y)特征的歐拉數(shù)E變小,g(x,y)對應(yīng)的特征的歐拉數(shù)E不變,則表示該連通分量為局部短路瑕疵,如圖3(h)所示.b.若f(x,y)特征的歐拉數(shù)變大,g(x,y)對應(yīng)的特征的歐拉數(shù)E不變,則代表該部分為缺孔瑕疵,如圖3(b)所示.c.若f(x,y)特征的歐拉數(shù)不變,g(x,y)對應(yīng)的特征的歐拉數(shù)小,則代表該部分為脫孔瑕疵,如圖3(d)所示.d.若f(x,y)特征的歐拉數(shù)不變,g(x,y)對應(yīng)的特征的歐拉數(shù)大,則代表該部分為針孔瑕疵,如圖3(h)所示.以圖3(g)和(h)為例,f(x,y)特征與g(x,y)對應(yīng)的特征取邏輯“異或”,連通分量標(biāo)記之后的結(jié)果如圖5所示.點狀部分連通分量不改變f(x,y)特征的歐拉數(shù)E,但增大了g(x,y)特征的歐拉數(shù)E,因此是針孔瑕疵.折線部分連通分量不改變g(x,y)特征的歐拉數(shù),但減小了f(x,y)特征的歐拉數(shù),因此是局部短路瑕疵.而直線部分均不改變兩個特征的歐拉數(shù),因此不是以上4種瑕疵的一種,而是由對準(zhǔn)誤差或者導(dǎo)線變形等因素造成的.2檢測結(jié)果與分析為得到高對比度、照明均勻的PCB圖像,搭建了圖像采集系統(tǒng):通過遠心成像鏡組GCO-230204與CMOS相機MVC3000得到PCB的數(shù)字圖像,并存入計算機.光源選擇MLR25強度可調(diào)節(jié)環(huán)形燈照明來保證得到的圖像強度均勻.圖6是得到的高對比度照明均勻的參考PCB圖像與被測PCB圖像,其中(a)和(c)為參考PCB圖像,(b)和(d)為對應(yīng)的被測PCB圖像,分別存在短路與斷路及脫孔瑕疵.首先,采用直接比對法對圖6(d)進行瑕疵檢測,結(jié)果如圖7所示.圖中所有白色的分量均為檢測出來的差異,但是只有橢圓圈中的部分是實際存在的瑕疵,其他分量均是由于對準(zhǔn)誤差以及導(dǎo)線局部的微小變