PCB缺陷检测（精选5篇）
PCB缺陷检测 篇1
摘要：针对目前工业领域对多层电路板缺陷检测高效高精度的要求,设计了一种基于分层层析成像技术的多层电路板缺陷自动检测系统,并对电路板中常见的缺陷类型进行分析和研究。针对不同的缺陷类型提出了不同的数学形态学识别方法,并对缺陷类型进行了相应的标记,解决了传统DR(Digital Radiography)和传统X射线CT(Computed Tomography)技术对多层电路板无法进行内部电路分析的问题。将分层层析成像技术应用于多层电路板的缺陷检测,对检测系统性能的改进具有重要的意义。
关键词：层析成像,多层电路板,缺陷检测,数学形态学
0 引言
随着电子工业和表面贴装技术的发展,对PCB制造工艺要求也越来越高,PCB板正向着小元件、小体积、高密度、细线条、多层板的方向发展。随着PCB板制造工艺的改进,对其检测技术提出了更高的要求。传统的人工视觉检测逐渐被自动光学检测(AOI)[1,2]、自动X射线检测(AXI)[3,4]等新兴检测技术所代替。对于多层印刷电路板的仿制与检测,AOI技术仅仅能检测产品的外部特性,在生产过程中每完成一层的生产需要进行一次检测。较早应用的X射线DR(Digital Radiography)检测尽管可以提供高清晰度的透视图像,但由于深度方向上的信息重叠而无法对结构缺陷进行定位。随着X射线CT技术在医学领域的出现,研究者们也将类似的方法Computer Laminography(简称CL)应用于工业领域部件缺陷的检测。德国的S.Gondrom等人[5]将计算机层析成像技术应用于工业板状结构的检测,可检测出铝壳焊接缺陷,以及印刷电路板不同断层的线路分布。FuJian等人[6]也研究了计算机分层层析成像技术,采用非对称旋转扫描和滤波反投影层析成像的方法对内存条和CPU芯片等进行了分层成像。由于CL技术在检测多层部件内部缺陷方面具备突出的优势,因而在电子行业日益受到重视,国际上的知名检测设备制造商纷纷对其进行开发,但国内目前对于此技术在多层电路板缺陷检测上的分析和应用软件还比较少。
本文利用计算机分层成像技术得到多层印刷电路板各层图像,然后对电路板各层图像分别处理,最后针对各缺陷不同的特点分别采用不同的数学形态学方法对多层印刷电路板的缺陷检测进行研究。
1 多层电路板缺陷检测系统设计
1.1 检测系统总体结构
使用X射线层析成像检测系统对多层印刷电路板的缺陷进行识别和判定的过程如图1 所示。由X射线图像采集设备采集到PCB板的投影数据,投影数据通过各种算法进行层析成像,得到PCB板的各层断层图像,这样可以分别对PCB板的每一层进行图像增强、去噪、滤波等预处理,之后分析缺陷特征进行特征提取,最后对存在的缺陷进行识别。
1.2 层析成像
本实验中采用X射线对电路板长宽表面倾斜入射,电路板绕旋转轴等角度(0.3°)旋转一周,在厚度方向上得到1 200张的投影图像。与本文从厚度方向扫描得到的投影相比,传统的CT设备对于长宽尺寸大、厚度小的检测物而言,其扫描投影数据灵敏度和空间分辨率要低得多。得到的投影图像通过板状结构的滤波反投影FDK(Feldkamp-Davis-Kress)重构算法,重构出电路板的各层断层图像,如图2所示。本实验选用的是4层电路板,从图2中可以看出该方法能够无损地再现电路板内部几何结构和物理形态。
1.3 缺陷识别
针对层析后的图像特点,首先对各层图像进行了中值滤波,然后采用大津法(OTSU)算法对滤波后的图像进行分割,最后采用数学形态学结合模式识别的方法进行缺陷的识别和判定。数学形态学的基本运算包括腐蚀、膨胀、开运算、闭运算。利用数学形态学对分割后的图像进行开闭运算得到一个标准图像作为参考。
短路、毛刺缺陷的识别过程如下:首先遍历分割后图像的所有连通区域,将环形焊盘等连通区域进行填充,同时将面积较小的区域去除,以保证空洞等连通区域被填充,这样进行形态学处理时就不需要考虑空洞缺陷对连通域个数的影响;然后对处理后的图像先进行腐蚀,再进行膨胀操作,以消除该图像上的多余连接部分,实际上就是去除PCB电路板上短路和毛刺缺陷,从而得到一个二值参考图像;最后将填充后的图像和二值参考图像进行异或操作后,通过使用3*3的中值滤波将杂点去除,通过连通区域个数变化来判断缺陷是短路还是毛刺。如果连通区域个数增加,则说明此缺陷为短路缺陷;反之,如果连通区域个数不变,则说明此缺陷为毛刺缺陷。识别完成后将缺陷位置及名称在原图像中标出。
断路、空洞和缺损缺陷的识别过程如下:运用数学形态学方法对图像分割得到的二值图像进行闭操作,也就是用同一个结构元素先膨胀后腐蚀,可以填充线路断路、空洞和缺损的部分,这实际上就可以去除PCB线路板上的断路、空洞和缺损缺陷,从而得到一个二值参考图像,然后利用图像对比的方法对分割得到的二值图像与参考二值图像进行相减,从而得到形态学处理后的缺陷图像。用这个处理后的缺陷图像与分割的二值图像相加,如果连通区域个数减少,则说明此缺陷为断路缺陷;反之,如果连通区域个数不变,则说明此缺陷为缺损或者空洞缺陷。缺损和空洞缺陷可以通过分析周围区域进行识别,空洞缺陷所在轮廓外围区域灰度值均为255,而缺损所在轮廓外围区域灰度值有可能是0,识别完成后将缺陷位置及名称在原图像中标出。
2 实验结果及分析
根据上述缺陷识别算法,利用Visual C++编写程序,以实现对4层电路板缺陷的自动检测和标记。由于采用层析成像技术对电路板各层分别成像,在缺陷识别和处理的过程中可以对4层电路板分层进行处理。通过上述缺陷识别算法对不同类型的缺陷进行了识别,存在缺陷部位的局部图如图3所示。从图3中可以看出该检测系统对图像中的缺陷进行了查找,并在相应位置进行了缺陷类型标记,可以检测出短路、断路、缺损、空洞、毛刺等缺陷,并通过图像标记直观地展示给检测员。
3 结论
本文采用层析成像和图像处理技术开发了一套多层电路板缺陷检测系统。由于采用层析成像技术对电路板内部结构进行层析,使得对多层电路板分层处理成为可能,解决了现有PCB板检测方式中对于中间层缺陷检测困难的问题。通过数学形态学结合模式识别的方法检测出电路板大部分的缺陷并以图形的方式直观地显示,该系统在电路板制造行业具有较强的实用性。
参考文献
[1]Mar N S S,Yarlagadda P K D V,Fookes C.Design and development of automatic visual inspection system for PCB manufacturing[J].Robotics and Computer-Integrated Manufacturing,2011,27(5):949-962.
[2]Hairulliza Mohamad Judi,Kumaran Kapoyah,Noraidah Sha’ari.Visualising automatic product inspection of PCB units[C]//2009International Conference on Electrical Engineering and Informatics.Selangor Malaysia:[s.n.],2009:204-207.
[3]Roh Y J,Park W S,Cho H.Correcting image distortion in the X-ray digital tomosynthesis system for PCB solder joint inspection[J].Image&Vision Computing,2003,21(3):1063-1075.
[4]Wang Yu,Wang Mingquan,Zhang Zhijie.Microfocus Xray printed circuit board inspection system[J].Optik,2014,125:4929-4931.
[5]Gondrom S,Zhou J,Maisl M,et al.X-ray computed laminography:an approach of computed tomography for applications with limited access[J].Nuclear Engineering&Design,1999,190:141-147.
[6]Fu Jian,Jiang BaiHong,Li Bin.Large field of view computed laminography with the asymmetric rotational scanning geometry[J].Technological Sciences,2010,53(8):2261-2271.
PCB缺陷检测 篇2
在现代电子产品世界中, PCB (印刷电路板) 成为电子产品的重要组成部分, 很难想象在一台电子设备中有不采用PCB的, 所以PCB的质量将对电子产品能否长期、正常、可靠的工作带来非常大的影响。目前检测系统处于实验阶段。
1 系统的硬件设计
1、1 照明系统
照明系统主要是产生合适的照明及确定准确的物像位置关系, 以保证得到足够对比度和清晰度的图像[1], 根据被检测物体的特征及安装位置的要求, 本系统选用的光源是东莞奥普特自动化设备有限公司出品的LED红色环形光源。光学镜头需要根据视场范围、物像间距、被照体景深等参数进行选择, 考虑到系统是用于高精度的测量, 为减少光学镜头畸变对测量的影响, 本系统选择了Computar公司出品的TEC-M55特写镜头[6]。
1、2 图像采集卡
图像采集卡的主要功能是把摄像机的连续模拟视频信号转换成为离散的数字量[1]。图像采集卡使用NI公司出品的PCI—1409黑白图像采集卡。
1、3 CCD摄像机
同其他类型的传感器相比, CCD传感器具有很多优点[2], 所以一般采用高分辨率CCD提高像素分辨率, 而当CCD确定后, 欲寻求高的分辨率, 可采取提高测量分辨率的方法, 即设法提取高质量的图像。这里采用了FOSUE公司FS一288黑白DSP低照度摄像机。
1、4 电控平移台
电控平移台由两部分组成:控制器和机械运动平台。控制器是用于控制机械运动平台的走位, 可以通过手动控制, 也可以通过计算机控制。
2 系统的软件设计
2.1 系统界面设计
系统软件开发平台选择美国国家仪器公司的Lab VIEW和配套的图像处理软件包IMAQ VISION。系统软件的设计具有模块化的特点, 使系统结构清晰、容易维护和扩展。整个界面主要包括图像预处理和图像缺陷识别两部分, 如图1所示。
2.2 PCB图像预处理
首先是灰度变换, 用于对对比度低的图像进行增强, 可供选择的算子有Square、Linear、Log、Exp等, 本系统采用非线性变换 (Square) 取得了较好的实验效果;再对图像平滑, 这里选取中值滤波方法用于对原始采集图像去除噪声;然后进行图像锐化, 我们选取拉普拉斯算子用于对模糊图像特别是边缘部分进行锐化;最后采用最大熵阈值分割法对PCB图像进行二值化处理。
2.3 PCB图像缺陷识别
由于P C B光板图像的灰度层次不是很丰富, 比较容易实现二值化;而且再复杂的电路模式都是由简单和规则的几何图形组成的, 因此用图像识别的方式来检查PCB光板表面缺陷是一种可行的方法。整个识别过程包括四个步骤:首先采用参考比较法, 将待检图像与标准图像进行异或运算, 其中矛盾的部分作为可能的缺陷被检测出来。 (这个步骤之前需要进行位置校准、消除偏移等一系列操作, 本文主要采用多模态几何匹配, 通过几何模板的方位来准确定位被测图像, 这对几何模板的特征和制作精度有较高的要求。) 第二个步骤是检测粒子边缘, 合并粒子, 减少粒子数量;然后通过粒子过滤, 滤除阈值以外的粒子, 消除差影和噪声, 以确定是否存在缺陷及缺陷的数量, 由此判断PCB是否合格。第三个步骤通过粒子分析报告给出缺陷质心的坐标准确定位缺陷位置。第四个步骤就是通过比较运算中的灰度平均计算直接显示缺陷部分, 并通过伪彩色增强突出缺陷, 从而能够直观地查找到缺陷并判断出缺陷属于哪一类。
2.3.1 异或运算提取被测图像与标准图像之间的差异
异或运算应用的是参考比较法的原理, 其具体的实施的过程就是将标准PCB板的图像和待检的PCB图像进行二值化以后, 将标准的PCB图像和待检的PCB图像逐点作比较, 如下面公式:
其中, F标准 (i, j) 为标准P C B图像点 (i, j) 上的象素值, F标准 (i, j) 为待检PCB图像点 (i, j) 上的像素值, 为标准PCB图像和待检PCB图像在点 (i, j) 处作异或运算的结果。当为1时表明存在缺陷。
2.3.2 合并与过滤粒子 (斑点) , 检测缺陷
由于异或处理是对每一个像素点进行操作, 因此会产生一些细小的像素集即差影, 为了消除这些差影和可能产生噪声, 这里我们通过粒子过滤, 设定一个面积阈值, 滤除掉小于该阈值的多余斑点, 剩余的就是需要识别的缺陷。如果直接进行粒子过滤, 则会产生太多的粒子, 有可能一块缺陷会检测出好几个粒子 (斑点) , 为下一步缺陷数量的检测带来了干扰, 所以在过滤粒子之前, 首先进行边缘检测以合并粒子。
边缘检测的实质是采用某种算法来提取出图像中对象与背景之间的交界线。图像灰度的变化情况可以用图像灰度分布的梯度来反映, 因此可以局部图像微分技术来获得边缘检测算子。由于微分算子具有突出灰度变化的作用, 对图像进行微分运算, 在图像边缘处其灰度变化较大, 故该处微分计算值较高, 可将这些微分值作为相应点的边缘强度, 通过阈值判别来提取边缘点, 即如果微分值大于阈值, 则为边缘点[5]。通过边缘点检测, 然后将边缘点连接成边缘线, 由此达到合并粒子的目的。通过实验测得在边缘检测前粒子数量为157个, 边缘检测后粒子数量减少到112个, 图像处理结果如图2 (截图) 所示。
接下来利用粒子过滤器根据测量到的粒子孔洞的面积滤除多余的粒子 (斑点) , 阈值的设置由所需检测的精度确定, 本检测系统的粒子面积测量参数范围在1~500个像素之间, 经反复实验能够达到检测PCB光板缺陷的精度要求。图3为粒子过滤后仍然有粒子, 即该PCB光板存在缺陷, 为不合格产品, 反之则PCB光板合格。
2.3.3 粒子分析报告
粒子分析报告节点测量出了粒子的数量、粒子质心坐标和方位等, 根据质心坐标能够准确定位缺陷位置, 如图4所示, 从上向下分别给出0粒子的质心坐标 (282.76, 220.59) 和1粒子的质心坐标 (385.79, 269.04) 。当缺陷区域微小时, 通过质心坐标查找缺陷可提高检测的准确度。
2.3.4 比较运算与伪彩色增强
首先通过图像比较中灰度平均运算, 显示缺陷和查找缺陷。比较运算就是对两个同类型的图像进行比较运算, 或者是图像和常数进行比较运算。运算的类型有:Average, Min, Max, Clear if<, Clear if
这里我们对同类型的标准PCB图像与待测PCB图像进行Average运算, 即两个图像的灰度平均运算。因为标准PCB图像与待测PCB图像经过预处理之后都是黑白二值化图像, 并且以黑色代表值为0的背景区域, 白色代表值为1的目标区域, 所以当待测PCB板中存在缺陷时, 缺陷部分的灰度必然与标准PCB板中相应部分的灰度不同, 即其中若一个为0, 另一个必为1, 这样两个图像经过灰度均值后, 相同部分没有变化, 不同部分即缺陷部分的灰度必然介于黑白之间, 如图5.1所示。
因为人眼对灰色不够敏感, 观察微小的缺陷较为困难, 所以对目标图像进行伪彩色增强, 以突显缺陷部分利于查找并识别其类别。通过对人眼机理及视觉的实验研究表明, 人眼对红光、绿光、蓝光即三基色敏感, 所以对目标图像即灰度均值后的图像进行伪彩色增强[4]。伪彩色增强是针对灰度图像提出的, 其目的是把离散灰度图像f (x, y) 的不同灰度级按照线性或者非线性关系影射成不同的彩色, 以提高图像内容的可辨识度[5]。
因为在查找缺陷图像中有三个不同灰度级的区域, 即黑 (背景) 、白 (标准目标) 和灰 (缺陷目标) 三个区域, 对这三个区域中的像素人为地分配三个不同的颜色 (三基色) , 就可以得到具有三种颜色的伪彩色图像, 如图5.2所示, 其中缺陷目标映射到绿色区域, 因人眼对绿色特别敏感, 显然易判别缺陷类型为短路。
对PCB板其它缺陷类型的检测结果分别如图6、7所示。
2.4 PCB板检测缺陷流程图
检测流程见图8。
3. 结束语
本文提出的机器视觉检测方法简单实用, 通过将被检测PCB图像与标准PCB图像的灰度比较运算达到检测的目的。在实际应用中, 通过对不同的图像增强和检测算法进行实验, 从中选取视觉效果较好, 计算复杂度小, 同时又满足应用要求的一种算法。实验结果表明, 采用本PCB机器视觉检测系统, 即使在灰度差异极小的情况下, 也可以精确地检测出PCB的各种表面缺陷。
参考文献
[1]晏磊, 赵红颖, 罗妙宣.数字成像基础及系统技术[M].北京:电子工业出版社, 2007.3
[2]姚立新, 张武学, 连军莉.AOI系统在PCB中的应用[J].电子工业专用设备, 2004, (112) :25-28.
[3]National Instruments Corporation.IMAQ VISION User Manual[Z].America:National Instruments Corporation, 2003.
[4]许录平.数字图像处理[M].北京:科学出版社, 2007.
[5]张弘.数字图像处理与分析[M].北京:机械工业出版社, 2007.4
PCB板检测系统的设计 篇3
一、硬件构成
该系统由以下几个部分构成: 中央处理器、电源调理单元、操作与显示界面、信号发生器、转换盒和被测单元。
( 一) 中央处理器。中央处理器为西门子S7 - 200CPU224XP PLC, 包括8DI / DQ, 14 DI / DQ, 4AI三个扩展单元, 一共30 个数字量输入输出, 4 个模拟量输入。
( 二) 电源调理单元。电源调理单元提供+ 24VDC, +15VDC, - 15VDC, 42VAC的电压。
( 三) 操作与显示界面。操作与显示界面包括昆仑TPC7062KS型触摸屏, 万用表插头和测试类型选择开关。
( 四) 信号发生器。信号发生器包括信号控制与调理板, 通道选择控制板。
( 五) 转换盒。转换盒用于实现外联插头与被测单元之间的连接, 并且实现了与印刷电路板一一对应。转换盒分为37 芯针公头, 37 芯针母头, 50 芯针公头, 50 芯针母头, 32 芯针公头5 种, 第1 和第5 个转换盒可利用印刷电路板的空插头进行二进制编码辨识, 防止在检测过程中插错的状况发生。若厂家增加测试电路板类型, 只需制作与之相应的转换盒便可进行检测。
( 六) 被测单元。被测单元为5 种印刷电路板, 分别为电源调理板, 照明板, 显示控制板, 继电器板, 控制板。
二、工作概况
从设计结构和功能实现来说主要分以下几个部分, 如图1 所示。信号调理板用于将采集的模拟信号调理为PLC可接收的模拟信号和数字信号。通道选择板用于判断和选择接入印刷电路板的类型, 当某种类型的印刷电路板接入系统, 通道选择板对应继电器闭合, 可将采集的信号送入信号调理板。由于动力中心PCB板结构设计的问题, 一些印刷电路板上的测试点需要人工使用万用表检测, 可以根据显示屏提示, 进行自动测试和手动测试的选择。翻页与选项输入可以实现在非检测状态下的翻页与查看故障功能。
( 一) 工作步骤。设备分为两种状态, 非检测状态和检测状态。非检测状态下, 允许人工“翻页”, 查看各项内容; 检测状态下, 可按以下步骤进行检测:
第一步, 进入操作页, 按指示步骤逐步完成各项。
第二步, 选择“工况一”、“工况二”开关, 确定被测单元, 接入转换盒, 按启动按钮, 闭合测试电源。
第三步, 接入被测单元。
第四步, 按显示屏指示, 每完成一项, 按转换盒“运行”按钮选择进入下一步骤, 直至检测完毕。
( 二) 故障处理。故障处理包括两部分, 检测过程中实时信号的记录和检测完成后故障的记录, 在检测过程中, 系统按照程序的设计分步检测, 会在显示屏上显示和记录输出的电流电压信号, 同时在检测完成后能查看测试中的实际电压电流和系统判断出的故障信号。一是检测过程中, 实时读取电压电流信号, 在脉冲到达锁存器时记录数据, 同时将数据输出到显示屏, 将数据与标准数据对比, 若有错误, 记录下来错误内容并将其与错误编号一一对应, 以便检测完成后查看。二是检测完毕时, 可通过翻页按钮在显示屏上逐个查看错误序号和错误内容。
三、检测系统软件的设计
( 一) PLC工作原理。软件设计是整个监控系统的核心部分, 每个周期开始时, 先扫描输入端口的状态, 把端口的数据复制到输入映像寄存器中, 在执行程序中, 把数据从输入映像寄存器中存储到变量存储区中, 执行通讯任务, 检查各扩展模块是否正常, 最后再把输出过程映像寄存器的数据复制到物理输出点, 这样就完成了一个扫描周期。为了防止系统输出紊乱, 保证设备安全可靠的运行, PLC在执行程序的过程中, 输入映像寄存器不会因为输入端口的状态变化而发生改变, 只有当这一次的扫描周期执行完之后才扫描输入端口的状态。
( 二) 软件功能模块设计。软件系统在印刷电路板检测系统中有很重要的地位, 用户接口通信、检测流程控制和检测结果的显示等, 都是在软件系统的控制下完成的。根据检测系统对软件系统的要求, 首先对软件进行总体设计, 包括总体设计和各功能模块设计, 然后根据软件总体设计时给出的方案, 将各个模块连接成一个完整的程序。软件调试也按模块分别调试, 然后再连接起来进行调试。根据检测系统对软件系统的要求, 将软件划分为以下四个功能模块。
1. 显示界面。显示界面分为检测状态的显示与非检测状态的显示, 在检测状态下, 根据检测流程, 显示界面自动切换, 按流程显示检测过程中的数据与结果。在非检测状态下, 用户对界面的控制主要为翻页和每页的选项, 用于查看被测单元的故障记录。
2. 分步检测。分步检测模块的功能是对被测单元依次进行各项功能检测。被测单元与系统连接后, 先判断被测单元类型, 控制信号发生器, 按流程读取电压电流信号, 将读取的数据与标准数据对比, 若在允许的误差范围内, 进行下一步检测, 若误差超出一定范围, 自动记录错误信息再进行下一步检测, 同时将检测结果显示在用户界面上。
3. 故障诊断。在程序初始化或每个扫描周期开始前, 对系统本身的参数和标准信号进行一次检测, 以免由于系统本身的故障导致检测结果错误, 同时有利于在发生故障时提示操作人员进行检修。
4. 数据库。数据库用于对检测过的印刷电路板进行总体管理, 以便工厂在日后统计、查询时使用。
四、人机交互界面HMI
HMI ( Human Machine Interface) , 也叫人机界面, 它将信息的内部形式转换为人类可以接受的形式。HMI将用户控制与显示部分分离开来, 不需要修改程序中的核心代码, 解决了PLC的人机交互问题。
( 一) 昆仑通态型触摸屏。选用昆仑通态的触摸屏, 型号为TPC7062K, 是一套高性能嵌入式一体化触摸屏, 它以嵌入式主频为400MHz低功耗CPU为核心, 采用了分辨率为1024× 1024 的四线电阻式触摸屏, 7 英寸高亮度分辨率为800 ×480 的TFT液晶显示屏。TPC7062K实现工控界面, 途径为经过上位机 ( PC) 中的MCGS ( 昆仑通态) 组态软件进行工程文件制作和生成, 通过USB数据线将工程文件下载到触摸屏中, 再将触摸屏与PLC等下位机连接, 进行数据交换, 实时控制、动画显示和报警显示等, 图2 为触摸屏实体图。
( 二) 触摸屏功能。本检测装置的用户界面一共有48 页, 实现对动力中心5 种印刷电路板的不同功能的检测。主要实现指导手动检测, 装置自动检测和显示被测单元故障信息等功能。指导手动检测是在触摸屏上提示检测的内容和位置, 操作人员用万用表测量印刷电路板子上的触点, 比较万用表显示数据和装置提示数据的异同。装置自动检测是触摸屏上显示印刷电路板与装置接线方式, 操作人员实现连接后, 操作装置上的按钮, 实现装置自动检测, 并将检测结果显示在触摸屏上和提示的数据比较, 如果测量正确, 则相关指示灯亮。如图3 所示, 为提示检测板子类型, 位置和接线方式。
五、结语
本文针对厂家提供的印刷电路板以及其相关功能原理介绍, 设计了一套专有检测系统对其进行检测。过去, 公司检测线上需专门安排电路板维修工来检测各项功能, 对工人有一定的专业知识要求, 导致人手不够, 检测效率低, 速度慢, 并且对印刷电路板的信息管理很不方便。采用本系统, 省去了对维修工的培训, 大大减少了对高水平维修技术人员的依赖, 极大地提高了检测效率, 并且一般只需30 秒左右就能完成各项目的检测。
印刷电路板的自动检测是一个复杂的系统问题, 它涉及到了许多领域的知识。本文研制的印刷电路板自动检测系统总体上实现了厂家提出的功能要求, 但仍有一些不足之处, 由于某种特定型号的印刷电路板将高压隔离, 不能从印刷电路板端子上直接采集信号, 无法实现完全自动检测, 需要配合万用表进行简单的手动检测, 今后可以考虑在增加硬件的方式上来实现全自动检测。
摘要：印刷电路板 (PCB) 在现代电子设备中有广泛的应用, 是集成电子元件的信息载体, 其质量对产品的性能有很大的影响。随着技术与工艺的不断提高, 使得PCB的层数更多, 密度更高, 传统的人工检测已经无法满足实际生产的要求, 不仅要求工人有一定的专业知识, 人为因素还会导致检验的效率不高, 易发生漏检和误检。本文针对山西某公司的矿用动力中心印刷电路板, 设计了一套检测装置, 从硬件和软件两方面描述系统的功能与设计思路, 实现了对印刷电路板自动检测和指导手工检测的功能, 并且介绍了西门子S7-200系列PLC在印刷电路板检测系统中的应用, 对提高印刷电路板的检测效率具有较大的意义。
关键词：PLC,印刷电路板,检测系统
参考文献
[1]陈立定.电气控制与可编程序控制器的原理及应用[M].北京:机械工业出版社, 2005, 1
[2]杨世兴, 黄向慧等.现代电气白动控制技术[M].北京:人民邮电出版社, 2006, 3
[3]王会咪, 叶继荣.基于PLC的PCB板检测系统的设计与应用[D].暨南大学信息技术研究所, 2013
PCB缺陷检测 篇4
关键词：人工免疫算法,PCB元件检测,图像匹配
0 引言
随着电子产品设计技术的进步,印制电路板(PCB)装配工艺的发展,PCB的装配密度越来越高。焊接错误越来越难以通过传统的人工检验方法检出,人工方法更是无法应对产品的大批量生产。针对这种情况,人们提出了通过图像匹配的方法来实现PCB元件的自动检测[1,2]。图像匹配是指根据已知的图像模板在另一幅图像中寻找相应或相近模块的过程,是计算机视觉和图像分析的一个基本任务和关键技术。基于图像匹配的PCB元件检测则是将该元件表面图像作为图像模板,检测需要焊接该器件的区域是否存在与图像模板相类似的图像,从而来判断该区域元器件焊接是否正确。本文提出基于人工免疫的图像匹配方法,将其应用于PCB元件检测。
1 图像匹配及相似性度量
典型的图像匹配方法法可以分为两类:基于特征的匹配方法和基于灰度的匹配方法。前者通过在图像中提取点、线、区域等显著特征作为匹配基元进行匹配,一般匹配速度较快,但是匹配精度不高;后者通常采用基于像素灰度相关的匹配方法,具体匹配过程是:首先将模板的边角像素与源图的边角像素对齐,获取与之重合的子图,计算模板与子图的相似性度量;然后将模板平移,继续同样的操作;当所有的子图都进行匹配之后,相似性度量最大的子图即是要寻找的图像区域。传统图像匹配方法需要搜索匹配区域上的所有点,计算量大、效率低。为了加快匹配速度,人们提出了不同的方法。一些方法是通过缩小搜索空间来提高搜索效率,如小波分解[3]等方法;另一些方法则是通过采用各种优化算法进行匹配操作以提高匹配速度,如遗传算法[4]等。
计算相似性度量是进行图像匹配的重要步骤,相似性度量是指待匹配的模板与子图间相似性的度量指标,相似性度量选择的好坏对于图像匹配结果至关重要。常用的相似性度量有平方差、兰氏距离和归一化相关等。假设X=(x1,x2,...,xn)和Y=(y1,y2,...,yn)为待比较的两个图像各像素的灰度值,n为待比较的像素个数。则平方差、兰氏距离和归一化相关分别表示为式(1)~(3):
2 人工免疫的PCB元件图像匹配检测
生物免疫系统的功能是通过抗体消灭入侵的抗原而实现的。人工免疫算法是模仿生物免疫学机理的一种优化方法。在用人工免疫算法求解优化问题时,它将实际求解问题的目标函数对应为抗原,而问题的解对应为抗体。本文提出的PCB元件图像匹配检测的基本思路是:将元件图像和PCB图像进行像素灰度相关匹配,应用人工免疫算法在PCB图像中快速找到相似性度量最大的子图以实现元件检测。构造求解该问题的改进人工免疫算法,算法具体设计如下。
2.1 抗原、抗体确定
PCB元件图像匹配检测实际上就是要在PCB图像中确定与元件模板图像最优匹配子图的位置。由于元件模板图像尺寸已知,只要确定子图某边角像素的位置即可确定对应的子图。所以采用人工免疫算法寻找最优匹配子图时,将相似性度量指标作为优化问题的目标函数,视为抗原;将子图左上角像素的位置作为优化问题的解,视为抗体。
2.2 亲和度和浓度计算
将抗体的相似性度量值作为其亲和度(适应度);抗体j、k之间的相似度按式(4)计算:
式(4)中根式为抗体j、k之间的Euclideandistance,本问题寻优的是子图左上角像素的二维坐标,m为2。当相似度小于一定阈值则称二者相似。在给定抗体群中,与抗体j相似的抗体的个数即是抗体j的浓度。
2.3 免疫算子
免疫算子具体设计如下:
1)免疫记忆算子:进化过程每循环一次将群体中的最佳抗体记忆下来,并将其放在群体中参与循环。这样可以避免在循环中丢失较好的抗体,保证循环一定的次数之后,最后结果是所有循环中得到的最好的抗体。
2)选择算子:选择操作同时考虑适应度和浓度,将抗体的选择依据设定为期望繁殖率——适应度和浓度的比值,根据该比值进行轮盘赌选择。这样既可使抗体适应度不断提高,又可防止陷入局部最优。
3)抗体退化算子:按一定比例选择适应度最小的抗体删除掉,再随机产生一些的新的抗体补充到种群中。
4)交叉和变异算子:随机挑选两个抗体按设定的交叉概率进行交叉。之后,随机挑选抗体按设定的变异概率进行变异。
2.4 算法流程
用于PCB元件图像匹配检测的人工免疫算法执行步骤如下:
1)输入抗原和确定参数,输入相似性度量计算函数作为抗原,设定抗体群规模、交叉概率和变异概率等算法参数;
2)产生初始抗体群,随机产生m个抗体,组成初始抗体群。各抗体的构成形式为(x,y),代表子图左上角像素的坐标。采用二进制编码方式;
3)亲和度计算,按抗原计算各抗体的亲和度(适应度);
4)精英个体处理,如果精英抗体的适应度大于这一代抗体群中所有抗体的适应度,则将保存在专用寄存器中的精英抗体复制一个到抗体群中,并将抗体群中适应度最小的抗体删除;如果这一代抗体群中最优抗体的适应度大于精英抗体的适应度,则将其作为新的精英抗体予以保存;
5)计算抗体浓度、期望繁殖率,计算每个抗体的浓度,再计算每个抗体的期望繁殖率,根据选择概率采用“轮盘赌选择法”对抗体群执行选择和复制操作;
6)交叉操作,对抗体群执行交叉操作,对保留的精英抗体按很小的概率进行交叉;
7)变异操作;
8)判断循环终止条件是否满足。若条件满足,则输出匹配结果,算法停止;若条件不满足,则转到3)。
3 实验验证
现场检测过程由于受环境灯光等因素的影响,获取的PCB图像往往包含一定的噪声。因此检测方法的抗噪性能对于检测效果非常重要。为了验证方法的有效性,分别对无噪声和有噪声的PCB图像进行元件检测实验。人工免疫算法参数选择如下:种群规模为200,最大迭代次数为500,交叉概率为0.8,变异概率为0.2,抗原分别选取式(1)~(3)以作比较。针对不同的相似性度量和PCB图像,分别进行50次元件图像的匹配实验,实验结果如表1所示。匹配结果如图1、图2所示,为便于分析,在PCB图像中用和元件模板图像尺寸相同的矩形框对最佳匹配子图进行标记。图1是无噪声污染条件下的元件检测结果,其中图1(a)为待检测元件图像,图1(b)为待检测元件图像和PCB图像间的归一化相关函数分布图。图1(c)为检测结果。图2是加入噪声密度为0.02的椒盐噪声后的PCB图像检测结果。
图1(a)为待匹配元件图像,图1(b)为待匹配元件图像和PCB图像的归一化相关函数分布图和等高线图,从中可以看出其全局极小点有一个,而局部极小点有多个,不易找到全局极小点。为此采用了人工免疫算法来实现。从图1(c)中可以看出采用基于人工免疫的相关匹配方法,可以找到PCB板中的目标,实现高精度匹配。从图2可以看出采用本文提出的方法,在具有噪声的情况下仍然能够准确找到PCB板中的目标。
从表1可以看出,针对三种不同的相似性度量函数,人工免疫算法均成功实现PCB元件的检测,即使在引入噪声干扰的条件下,算法仍然能达到100%的匹配成功率。
4 结论
本文将人工免疫算法用于图像匹配以实现PCB元件的检测,实验结果表明该方法能快速、准确地实现PCB元件检测。
参考文献
[1]李旦,俞承芳.遗传算法在PCB板元件检测中的应用[J].复旦学报,2006,45(4):452-456.
[2]王涛,俞承芳.一种改进的粒子群算法在PCB板元件检测中的应用[J].微电子学与计算机,2007,24(12):213-216.
[3]权文,王晓丹,王坚.一种基于小波分解的快速图像匹配算法[J].航空计算技术,2008,38(4):8-10.
PCB缺陷检测 篇5
随着信息产业的飞速发展, 在国民经济和国防事业中, 微电子产业发挥出越来越重要的作用。同时在微电子产业中, PCB板是其中一个关键的部件[1]。随着新型元器件的不断涌现, 对PCB板的要求越来越严格。由于元件密度增加, 引脚距离变小, PCB板的制作会越发的困难。为了有效避免PCB板在制作时产生各种缺陷, 影响后续工序, 在PCB板制作时, 会对PCB板进行检测。根据检测方式的不同, 可以将检测分为传统人工检测和新型自动检测。对于新型自动检测来说, 又可以分为电学检测、自动X射线检测和AOI。传统的人工检测在面对现在纷繁复杂的PCB板时, 越发的显得效率低、漏检率和误检率高, 因此为了提升效率, 降低漏检率, 新型检测方法不断的在被人们使用。其中的自动光学检测是一个必然趋势, 因为其相对其他自动检测方法来说具有成本低、效率高、非接触、速度快、柔性好等突出优点, 同时通过综合图像分析, 可以对物体的尺寸和相对位置进行测量[2,3]。
对于PCB板的AOI检测中, 有一类检测是尤为重要的, 那就是圆形图像检测[4]。圆形图像检测的主要目的是得到圆的圆心、半径或边缘等重要信息, 以便于检测PCB板中塞孔、缺孔、多孔情况, 并计算相应孔的孔径与孔数, 为后续检测提供依据。在同时, Hough变换作为一种有效的圆形检测方式, 已经得到了广泛应用。本文中主要讨论快速Hough变换和最小二乘法相结合方法在PCB板中圆形图像检测的应用。
1 快速Hough变换的原理
Hough变换[5,6,7,8,9]是由P.V.C.Hough于1962 年提出, 其通过把空间中的检测问题转换到参量空间, 然后将图像空间中的边缘信息映射为参量, 使得图像空间中具有一定关系的像素进行聚类, 从而完成检测。然而在使用传统的Hough变换时, Hough变换的缺点变暴露出来了, 其占用内存空间大, 消耗时间多, 实时性差, 因而在AOI中, 其往往难以胜任。为此, 人们在不断的改进这种方法。文中采用文献[10]中快速Hough变换方法。
对于半径为r , 圆心坐标为 (a, b) 的圆用方程可以描述为:
Hough变换圆检测需要将图像空间转换成3 个参量空间, 即由半径范围r 、圆心行坐标范围x 、圆心列坐标范围y组成参量空间。参量空间对应的量化值分别为 Δx , Δy和 Δr 。量化值 Δx , Δy和 Δr将参量空间分成许多的量化子空间。即通过检测这些子空间是否满足像素映射同一圆这一特性, 来检测图像中的圆形。由于圆上面的点数过多, 在Hough变换时, 所涉及的维数过高, 对所有点进行运算, 所消耗的资源是非常巨大的。为了提升效率, 根据文献[5]中, 假设g (x) 和g (y) 分别是二值图像在x和y轴方向的值, 则标准的Hough变换需要一个三维累加数组a, b, r的范围分别为0~g (x) , 0~g (y) 和, 其中g (x) 和g (y) 分别是二值图像在x和y轴方向的值。如果累加数据在a, b, r轴方向离散的值分别为 Δ (a) , Δ (b) 和 Δ (r) , 那么累加数组的范围为:
检测精度取决于 Δ (a) , Δ (b) 和 Δ (r) , 因而累加数组a , b , r可能非常巨大。在检测精度较高时, 需采用多次迭代, 来减小计算量和存储空间。
假设迭代次数为L , g (x, i) 和g (y, i) 分别为图像第i次缩减范围后x和y的范围。在迭代时, 每次都采用一系列幅图像中的一幅。第一次迭代用的是这一系列图像中最小的一幅, 采用的也是最小的累加数组和最大的累加步长, 获得的a , b , r的值是对参数的一个非常粗略的估计。在第一次迭代中获得的a , b , r的估计值用于选取第二次迭代中小的参数范围。在顺序的迭代过程中, 减小参数范围, 累加步长和扩大图像的操作一直进行, 直到分析原始图像为止。上述迭代过程相对于用一幅图像一个累加数组进行Hough变换而言, 大大减小了计算量和存储空间。
2 最小二乘法的圆拟合
在含有圆形图像的图像检测中, 尤其是在PCB板中的圆形检测, 往往要面对一个问题, 即不规则的圆或有多个同心圆的情况, 可以视这个不规则圆或有多个同心圆为一组边界。倘若不对这组边界进行拟合, 往往会为后续计算圆的半径、圆心带来较大误差, 因此根据具体情况, 由不规则的圆来拟合一个适当大小和形状的圆, 是十分有必要的。
根据式 (1) 中圆的一般方程, 可以将其改写为:
同时假设, 在图像中的圆是由i个有用像素点组成的, 即一个有效边界。这个有效边界中任意一点n相对于所拟合的点的距离平方, 即残差平方可以描述为:
根据最小二乘原理, 将n个点所产生的残差求和, 即残差的平方和可以写为:
如果取出合适的c , d和e , 则可以使式 (5) 最小, 得到满足要求的c , d和e , 从而可以得到所检测圆形图像的半径和圆心。
3 基于快速Hough变换和最小二乘的圆形图像检测
Hough变换是由P.V.C.Hough于1962 年提出[4], 其通过把空间中的检测问题转换到参量空间, 然后将图像空间中的边缘信息映射为参量, 使得图像空间中具有一定关系的像素进行聚类, 从而完成检测。然而在使用传
检测流程如图1 所示, 通过硬件设备采集到的PCB图像, 经过预处理之后, 得到PCB图像的灰度图, 在通过Canny算子检测, 得到图像的边缘。
通过PCB图像的预处理, 得到适合后续检测所需的图像, 如图2 所示。将预处理后的PCB图像进行快速Hough变换, 只取出其中包含圆形信息的图像, 剔除其他无关像素。在快速Hough变换的同时, 需对可能的圆形信息进行判定, 只取出其中较长几条圆弧, 用以排除可能不是圆形图像信息的干扰, 如图3 所示。 快速Hough变换后, 只取出其中较长的圆弧, 较短的圆弧和其他直线都被排除在外。最后采用最小二乘方法的圆形拟合, 得到一个较为准确的圆形, 如图4 所示。从而计算拟合之后圆的半径和圆心。
图4 中, 通过对相关图像的测试, 可以有效的对图像中圆形图像进行判定, 同时可以有效地计算出圆形的圆心和半径。
4 结语
通过快速Hough变换和最小二乘拟合, 可以有效地完成PCB板中的圆形图像的检测, 同时可以获得圆形图像的半径和圆形的信息。通过相关仿真, 验证了这一方法的有效性。因而这一方法为在PCB板自动光学缺陷检测中提供了一定的理论依据。
参考文献
[1]寇莎莎.基于AOI技术的PCB钻孔精度检测系统的研究[D].北京:北京交通大学, 2008.
[2]BATHELOR B G, BRAGGINS D W.Computer vision:Com-mercial vision systems[M].Germany:Springer-Verlag, 1992:405-452.
[3]陈臣.印刷电路板的自动光学检测系统的设计与研究[D].南京:南京航空航天大学, 2010.
[4]LEI X, ERKKI O, PEKKA K.A new curve detection method:Randomized Hough transform[J].Pattern Recognition Letters, 1990, 11 (5) :331-338.
[5]HOUGH P V C.Method and means for recognizing complexpatterns:US, 3069654[P].1962-12-18.
[6]祁宝英.运用Hough变换提高直线检测效率[J].计算机系统应用, 2012, 21 (6) :228-231.
[7]岳冬雪, 黄新生.基于改进的多分辨率Hough变换的直线检测方法[J].计算机仿真, 2006, 23 (9) :76-79.
[8]李本伍, 王小华, 谢君廷.一种图像中检测直线的快速算法[J].杭州电子科技大学学报, 2007, 27 (6) :67-70.
[9]卢惠民, 郑志强.一种新的用于检测直线的快速Hough变换[J].计算机应用, 2005, 25 (10) :2379-2380.