熊光潔, 馬樹元, 武思遠(yuǎn), 聶學(xué)俊, 湯曉華
(1.北京理工大學(xué)機(jī)械與車輛學(xué)院,北京100081;2.北京工商大學(xué)機(jī)械工程學(xué)院,北京100048;3.北京星河泰視特科技有限公司,北京100094)
隨著電子產(chǎn)品不斷地微型化,印刷電路板(printed circuit board,PCB)也逐步趨于高精度化、超細(xì)微化和多層化[1-5]。在高密度PCB的產(chǎn)品研發(fā)和生產(chǎn)加工中,PCB檢測技術(shù)是質(zhì)量保證的關(guān)鍵。在PCB板的焊接組裝過程中,有可能產(chǎn)生焊點(diǎn)漏焊、連焊、元件缺失或錯(cuò)件等缺陷,隨著高密度電路板的出現(xiàn),傳統(tǒng)的檢測方式已無法準(zhǔn)確地檢測出其在焊接組裝過程中產(chǎn)生各種缺陷[6]。為此,本文研究了一種采用新型照明裝置,將機(jī)器視覺和機(jī)器學(xué)習(xí)的新技術(shù)和新算法應(yīng)用其中的新型HDI型PCB自動(dòng)光學(xué)檢測系統(tǒng)。本文研究了該系統(tǒng)的主要組成和設(shè)計(jì)方法,實(shí)驗(yàn)結(jié)果證明這種新型的HDI型PCB檢測系統(tǒng)不但可以檢測出加載電路板中的常見缺陷,而且具有缺陷檢出率高,誤報(bào)率小的特點(diǎn)。
本文提出的PCB自動(dòng)光學(xué)檢測系統(tǒng)的實(shí)驗(yàn)裝置主要由主控計(jì)算機(jī)、電氣控制系統(tǒng)、精密機(jī)械運(yùn)動(dòng)裝置、多色程控光源照明裝置、圖像采集系統(tǒng)等組成,如圖1所示。檢測時(shí),用專用夾具將被測PCB板安裝于工作臺(tái)上,然后根據(jù)主控計(jì)算機(jī)指令,通過精密的機(jī)械運(yùn)動(dòng)裝置將被測PCB板置于鏡頭下方,多色光源裝置自動(dòng)調(diào)整光照強(qiáng)度,電氣控制系統(tǒng)根據(jù)位置檢測信號(hào),觸發(fā)圖像采集系統(tǒng)中的CCD攝像裝置進(jìn)行拍攝,通過圖像采集卡將被測PCB的清晰圖像傳送主控計(jì)算機(jī),通過圖像處理和識(shí)別軟件進(jìn)行分析,檢測出被測PCB的各種缺陷位置,并對(duì)缺陷進(jìn)行分類和統(tǒng)計(jì)。本文將主要介紹其中的精密機(jī)械運(yùn)動(dòng)控制裝置和多色程控光學(xué)照明系統(tǒng)。
圖1 PCB自動(dòng)光學(xué)檢測系統(tǒng)框架
精密機(jī)械運(yùn)動(dòng)控制裝置包括工作平臺(tái),直線導(dǎo)軌,絲杠和伺服電機(jī)以及運(yùn)動(dòng)控制器,主要完成精密工作臺(tái)的運(yùn)動(dòng)控制和PCB的自動(dòng)定位。工作時(shí),主控計(jì)算機(jī)直接給運(yùn)動(dòng)控制器發(fā)出指令,控制伺服電機(jī)帶動(dòng)絲杠和直線導(dǎo)軌運(yùn)動(dòng),保證PCB板的運(yùn)動(dòng)精度和快速響應(yīng),實(shí)現(xiàn)被測PCB板的準(zhǔn)確定位。為提高傳動(dòng)的平穩(wěn)性和定位精度,選用高精度的交流伺服驅(qū)動(dòng)電機(jī)。為保證導(dǎo)軌的直線度,選用優(yōu)質(zhì)的超精密直線導(dǎo)軌。
在AOI中,照明系統(tǒng)是影響自動(dòng)光學(xué)檢測的圖像輸入質(zhì)量和圖像處理效果的重要因素之一。本文采用一種新型多色光源的照明裝置,如圖2所示。該照明裝置對(duì)以往的照明系統(tǒng)[7-8]進(jìn)行改進(jìn),光源由4種顏色的LED陣列組成,為檢測多種缺陷,不同顏色的LED陣列的安裝角度并不相同。照明裝置采用微控制器控制,由主控計(jì)算機(jī)通過串行口發(fā)出控制指令給多色照明控制系統(tǒng),控制不同顏色的光對(duì)被測電路板進(jìn)行同時(shí)和分時(shí)照明,可以根據(jù)獲取的圖像自動(dòng)調(diào)節(jié)光照強(qiáng)度。這種照明系統(tǒng)具有光照均勻、光強(qiáng)可調(diào)、響應(yīng)速度快、發(fā)熱量小等特點(diǎn),可為AOI提供穩(wěn)定性極高的照明。
圖2 自制的多色程控光源
本設(shè)計(jì)的AOI系統(tǒng)具有光源控制、圖像采集、圖像拼接、圖像定位、路徑規(guī)劃、缺陷檢測和缺陷統(tǒng)計(jì)等功能,如圖3所示。系統(tǒng)可通過視窗界面完成各種運(yùn)動(dòng)控制和圖像識(shí)別,系統(tǒng)還支持工藝數(shù)據(jù)編程,支持多種方式的作業(yè)模擬與仿真,可以在批量檢測前驗(yàn)證和測試數(shù)據(jù),避免出現(xiàn)漏檢和誤檢。系統(tǒng)提供與多種電路設(shè)計(jì)CAD軟件的接口,可自動(dòng)實(shí)現(xiàn)設(shè)計(jì)文件到模板文件的轉(zhuǎn)換,提高編程效率。系統(tǒng)軟件采用Visual studio 2005環(huán)境,利用OPENCV開發(fā)各種算法。操作界面如圖4所示。
圖3 PCB缺陷檢測系統(tǒng)的軟件框架
圖4 PCB缺陷檢測系統(tǒng)的界面
一般加載PCB板的缺陷種類及其所占比例分別為:焊點(diǎn)缺陷占55%、元件錯(cuò)件、缺件、橋接以及極性錯(cuò)誤等占45%[9-10],如圖5所示的是加載PCB中常見的缺陷。由于高密度電路板上的貼片元件的尺寸和引腳間距越來越小,因而對(duì)檢測的方法也提出了更高要求。
圖5 加載電路板中常見的一些缺陷
印刷電路板的自動(dòng)檢測技術(shù)的研究始于20世紀(jì)70年代末,至今為止,提出了很多改進(jìn)的算法,如圖6所示,歸納起來可分為3類:參考比較法、非參考校驗(yàn)法和混合法[11-12]。
圖6 PCB檢測算法分類
參考比較法將被測圖像和參考圖像進(jìn)行比較,可以是像素點(diǎn)與像素點(diǎn)的對(duì)比,也可是兩幅圖像中的特征參數(shù)的比較。該方法算法簡單,易于實(shí)現(xiàn),但對(duì)光照和定位的要求很高,需要存儲(chǔ)空間較大,并且無法當(dāng)檢測到一些參數(shù)(如軌跡寬度和間距等)發(fā)生超差時(shí)所產(chǎn)生的缺陷,因此該方法不能用于檢測導(dǎo)體的軌跡寬度和間距超差等缺陷(如軌跡過寬、過窄和間距過小等缺陷)。
非參考算法也稱為基于設(shè)計(jì)規(guī)則的校驗(yàn)法。該算法不需要任何參考圖像,而是依據(jù)預(yù)先定義好的PCB設(shè)計(jì)規(guī)則來判斷待檢PCB圖像是否有缺陷。如果不符合設(shè)計(jì)規(guī)則,就認(rèn)為有缺陷。該方法算法復(fù)雜,運(yùn)算量大,檢測線寬、線距等缺陷時(shí),效果很好,當(dāng)檢測焊盤丟失等較大缺陷時(shí),卻容易出現(xiàn)漏檢。
混合法是上述兩類方法的綜合,在一定程度上可克服上述方法中的缺點(diǎn)。本系統(tǒng)采用的是混合法算法。在缺陷檢測過程中,軟件系統(tǒng)采用基于顏色,形狀和統(tǒng)計(jì)特征的模板匹配算法和智能權(quán)值分析算法,在采用機(jī)器學(xué)習(xí)策略的數(shù)字圖像特征分類與識(shí)別算法時(shí),在對(duì)訓(xùn)練樣本進(jìn)行預(yù)處理過程中采用了包括將彩色圖轉(zhuǎn)換為灰度圖圖像、方差歸一化、利用形態(tài)學(xué)區(qū)域開閉操作、高斯濾波等去除噪聲等算法[13]。
系統(tǒng)軟件針對(duì)不同的缺陷,采用不同的檢測算法,各種算法軟件采用OPENCV開發(fā)。在器件檢測中,采用了數(shù)字圖像特征分類與識(shí)別算法,充分利用數(shù)字圖像的顏色、形狀以及統(tǒng)計(jì)特征,采用機(jī)器學(xué)習(xí)策略,可以檢測灰度算法無法檢測的彩色標(biāo)識(shí)器件出現(xiàn)的器件缺漏、器件錯(cuò)位、器件翻轉(zhuǎn)、器件側(cè)立、器件破損、錯(cuò)誤器件、錯(cuò)誤極性等錯(cuò)誤;在焊盤檢測中,通過科學(xué)地布置彩色光照明裝置,使得少焊錫、正常焊錫和過量焊錫的圖像產(chǎn)生明顯差別,通過數(shù)字圖像的特征分類與識(shí)別算法[14-15]進(jìn)行相應(yīng)識(shí)別出相應(yīng)的缺陷;在IC引腳檢測時(shí),通過自動(dòng)學(xué)習(xí)IC引腳的各種圖像特征,通過機(jī)器學(xué)習(xí)的相關(guān)算法可以自動(dòng)地識(shí)別IC焊腳,并對(duì)連焊有非常靈敏的檢測精度[16]。
圖7 加載電路板缺陷檢測流程
加載電路板缺陷檢測的流程如圖7所示。當(dāng)待測PCB板面積較大時(shí),需要對(duì)待測PCB板進(jìn)行掃描拍攝,然后進(jìn)行圖像拼接。放置好待測板后,程控照明裝置可自動(dòng)調(diào)節(jié)光照強(qiáng)度,z軸自動(dòng)對(duì)焦;確定起始點(diǎn)坐標(biāo)后,精密機(jī)械運(yùn)動(dòng)控制裝置自動(dòng)控制XY軸運(yùn)動(dòng),工作臺(tái)移動(dòng),圖像采集系統(tǒng)對(duì)檢測板掃描,采集圖像,掃描結(jié)束后,對(duì)序列圖像進(jìn)行拼接得到檢測板的全景圖,再根據(jù)定位標(biāo)志精確定位待測板。然后可導(dǎo)入已有的PCB的數(shù)據(jù)文件,根據(jù)元件封裝找到元器件的標(biāo)準(zhǔn)圖像,將所有元器件與標(biāo)準(zhǔn)圖像進(jìn)行匹配,匹配好所有元件后,進(jìn)行自動(dòng)FOV劃分;若無PCB的數(shù)據(jù)文件,也可通過畫框,選擇需檢測的位置,生成標(biāo)準(zhǔn)圖像,入庫作為檢測模板,設(shè)定好所有檢測位置;接下來進(jìn)行路徑優(yōu)化,使攝像機(jī)經(jīng)歷過所有待測元器件后,用時(shí)最短;然后按規(guī)劃好的路徑采集待測板上的圖像,對(duì)采集到的圖像進(jìn)行各種預(yù)處理,特征提取,然后與標(biāo)準(zhǔn)圖像進(jìn)行配準(zhǔn),通過比對(duì)、處理、分析,找出缺陷,顯示其位置,并對(duì)各種缺陷進(jìn)行分類統(tǒng)計(jì),在顯示器上給出檢測結(jié)果,并可將數(shù)據(jù)保存,以備隨后修復(fù)使用。
實(shí)驗(yàn)裝置如圖8所示,待測HDI型PCB的檢測點(diǎn)為1892,面積為210×160mm。檢測時(shí)測試了10塊HDI型PCB板。實(shí)驗(yàn)數(shù)據(jù)如表1所示。
表1中NM表示缺陷顯示數(shù),NG表示誤判數(shù),MM表示漏判數(shù),T表示檢測時(shí)間,根據(jù)表1的實(shí)驗(yàn)數(shù)據(jù),可以得到以下的統(tǒng)計(jì)數(shù)據(jù):測試速度P(測試點(diǎn)/檢測時(shí)間),總測試點(diǎn)數(shù)Mp(PCB板數(shù)量*測試點(diǎn)),總誤判數(shù)Mg(NG*PCB板數(shù)量),總漏報(bào)數(shù)Mn(MM*PCB板數(shù)量)。
圖8 PCB檢測系統(tǒng)樣機(jī)
表1 PCB缺陷檢測數(shù)據(jù)
實(shí)驗(yàn)結(jié)果表明:誤判率(Mg/Mp)為0.3%,漏判率(Mn/Mp)為0.1%,檢測率為99.9%,檢測速度Sp為45點(diǎn)/s。實(shí)驗(yàn)中,自動(dòng)光學(xué)檢測系統(tǒng)可以檢測出的缺陷種類有器件缺漏、器件錯(cuò)位、器件側(cè)立、器件反面、器件破損、極性錯(cuò)誤、錯(cuò)誤器件、缺焊、過焊、連焊、OCR、條形碼等缺陷。
本文研究的HDI型PCB自動(dòng)光學(xué)檢測系統(tǒng)通過照明系統(tǒng)結(jié)構(gòu)的改進(jìn),以及根據(jù)不同種類缺陷的顏色特征不同,對(duì)各種類型缺陷特征的提取算法和分類算法的改進(jìn),使整個(gè)自動(dòng)光學(xué)檢測系統(tǒng)的性能有了很大提高,檢測系統(tǒng)性能評(píng)價(jià)的主要指標(biāo)缺陷檢出率由原來的95%提升到99.9%,漏報(bào)率由原來的1~3%,下降為0.1%,誤報(bào)率也降為0.3%,整個(gè)系統(tǒng)可檢出的缺陷種類增多,自適應(yīng)性和擴(kuò)展性增強(qiáng)。實(shí)驗(yàn)證明該系統(tǒng)能很好地滿足實(shí)際生產(chǎn)過程中加載PCB板的各種缺陷檢測。
[1]Mukul,Shirvaikar.Trends in automated visual inspection[J].Real-Time Image Proc,2006(1):41-43.
[2]Khan Zulki.A primer on AOI and AOT[J].Circuits Assembly,2006,17(9):38-41.
[3]Jiang J R,Chen H S,Hung C W.Peer-to-peer AOI voice chatting for massively multiplayer online games[J].International Journal of Electrical Engineering,2010,17(1):43-54.
[4]Khan,Zulki,Lerma Phil.Getting your multilayer board fabricated[J].Printed Circuit Design and Manufacture,2006,23(4):22-25.
[5]Miller Don.Exploring AOI and X-ray[J].Evaluation Engineering,2008,47(10):52-56.
[6]Acciani G,Brunetti G,Fornarelli G,et al.AOI based neurofuzzy system to evaluate solder joint quality[C].11th International Conference on Enterprise Information Systems,2009:50-53.
[7]Lu S L,Zhang X M,Kuang Y C.Optimized design of an AOI illuminator[C].IEEE Trans Wavelet Analysis and Pattern Recognition,2007:924-928.
[8]Lu S L,Zhang X M,Kuang Y C.Optimal illuminator design for automatic optical inspection systems[J].International Journal of Computer Applications in Technology,2010,37(2):101-108.
[9]Chiu S N,Perng M H.Reflection-area-based feature descriptor for solder joint inspection[J].Machine Vision and Applications,2007,18(2):95-106.
[10]Ong T Y,Samad Z,Ratnam M M.Solder joint inspection with multi-angle imaging and an artificial neural network[J].Int J Adv Manuf Technology Springer-Verlag London Limited,2008,38(5-6):455-462.
[11]Shih C L,Chia H S.A visual inspection system for surface mounted devices on printed circuit board[C].IEEE Conference on Cybernetics and Intelligent Systems,2006:1-4.
[12]Moganti M,Ercal F,Wu F P,et al.An AOI algorithm for PCB based on feature extraction[C].Proceedings of the 7th World Congress on Intelligent Control and Automation,2008:240-247.
[13]Carsten Steger,Markus Ulrich,Christian Wiedemann.Machine vision algorithms and applications[M].北京:清華大學(xué)出版社,2008:1-5.
[14]Crispin A J,Rankov V.Automated inspection of PCB components using a genetic algorithm template-matching approach[J].International Journal of Advanced Manufacturing Technology,2007,35(3-4):293-300.
[15]羅兵,章云,余光柱.基于遺傳編程的SMT機(jī)器視覺檢測特征提取[J].計(jì)算機(jī)工程與設(shè)計(jì),2007,28(15):3776-3778.
[16]Xie H W,Kuang Y C,Zhang X M.A high speed AOI algorithm for chip component based on image difference[C].IEEE International Conference on Information and Automation,2009:969-974.