基于顏色特征的智能焊點(diǎn)定位算法*

謝宏威 張坤 鄺泳聰 張憲民 裴海龍

(1．華南理工大學(xué)自動(dòng)化科學(xué)與工程學(xué)院，廣東廣州510640;2．華南理工大學(xué)廣東省精密裝備與制造技術(shù)重點(diǎn)實(shí)驗(yàn)室，廣東廣州510640)

電子元件微小化、細(xì)密化、無(wú)鉛化的發(fā)展趨勢(shì)［1-4］，使自動(dòng)光學(xué)檢測(cè)(AOI)系統(tǒng)在微電子產(chǎn)品的制造中發(fā)揮了越來(lái)越重要的作用［5-7］．在AOI系統(tǒng)中，焊點(diǎn)定位是焊點(diǎn)檢測(cè)的關(guān)鍵步驟之一．目前，焊點(diǎn)定位方法主要有模板匹配法［8-12］、基于直方圖的特征分析法［13］以及基于灰度投影圖的方法［14］．模板匹配法在操作性、檢測(cè)速度方面具有一定優(yōu)勢(shì)，但其對(duì)模板的要求高，且由于實(shí)際焊點(diǎn)的圖像變化多樣，因而定位精度無(wú)法保證;基于直方圖的特征分析法通過(guò)提取焊點(diǎn)直方圖特征，并利用此特征對(duì)焊點(diǎn)進(jìn)行定位，定位速度較快，但對(duì)光源穩(wěn)定性要求很高;灰度投影法首先利用顏色閾值對(duì)焊點(diǎn)圖像進(jìn)行二值化，并在二值化圖像的X、Y軸投影圖上對(duì)焊點(diǎn)進(jìn)行定位，這種方法定位速度很快，但需要人工確定二值化的閾值，且噪聲較大時(shí)定位誤差較大．

為了對(duì)焊點(diǎn)進(jìn)行精確定位，同時(shí)兼顧速度和可操作性，文中提出了一種基于顏色特征的智能焊點(diǎn)定位算法．該方法將以往智能化程度較低的人工閾值選取過(guò)程自動(dòng)化，同時(shí)，使用面積最大法對(duì)焊點(diǎn)進(jìn)行精確定位;為了提高定位速度，對(duì)面積最大法的運(yùn)算過(guò)程進(jìn)行優(yōu)化;最后，通過(guò)實(shí)例運(yùn)算對(duì)該方法的有效性進(jìn)行了驗(yàn)證．

1 焊點(diǎn)定位流程

文中采用經(jīng)過(guò)優(yōu)化設(shè)計(jì)的RGB三色環(huán)形光［15-16］和彩色相機(jī)獲取焊點(diǎn)圖像．圖像中的紅色、綠色和藍(lán)色分別與焊錫表面的平坦、斜坡和陡坡部分相對(duì)應(yīng)，從而反映焊點(diǎn)的三維信息［17-18］．在實(shí)際應(yīng)用中一般設(shè)定一個(gè)搜索窗和兩個(gè)焊盤(pán)窗，然后使用定位算法確定焊盤(pán)窗在搜索窗中的準(zhǔn)確位置，如圖1所示．

圖1 搜索窗和焊盤(pán)窗Fig．1 Search window and solder windows

文中焊點(diǎn)定位算法流程如圖2所示．定位之前人工標(biāo)定訓(xùn)練樣本中的焊盤(pán)位置，然后通過(guò)統(tǒng)計(jì)運(yùn)算自動(dòng)獲取焊盤(pán)區(qū)域主要顏色的閾值;在定位時(shí)，使用該閾值對(duì)搜索區(qū)域進(jìn)行二值化，然后在二值化后的圖像中使用優(yōu)化后的最大面積法來(lái)定位焊點(diǎn)．

圖2 焊點(diǎn)定位算法流程圖Fig．2 Flowchart of solder joint positioning algorithm

2 閾值自動(dòng)獲取

2．1 顏色閾值的人工選取

使用抽取顏色的方式進(jìn)行焊點(diǎn)定位時(shí)，人工設(shè)置顏色閾值的操作過(guò)程如圖3所示．

圖3 人工選取閾值流程圖Fig．3 Flowchart of artificially threshold selection

在圖3中，初始閾值經(jīng)過(guò)人工不斷地調(diào)整，達(dá)到最佳焊點(diǎn)抽出效果為止．這個(gè)過(guò)程較為費(fèi)時(shí)，但是是一個(gè)較為標(biāo)準(zhǔn)的流程，且選取標(biāo)準(zhǔn)可以量化．鑒于此，文中使用計(jì)算機(jī)來(lái)模擬人工操作過(guò)程，提出顏色閾值自動(dòng)選取方法．首先，根據(jù)顏色直方圖計(jì)算每個(gè)樣本的初始閾值;然后，對(duì)多個(gè)樣本的初始閾值進(jìn)行修正，得到統(tǒng)一的閾值，用于圖像二值化．

2．2 初始閾值的獲取

2．2．1 設(shè)計(jì)思路

文中分別統(tǒng)計(jì)每個(gè)樣本圖像在色調(diào)(H)、飽和度(S)和亮度(I)平面的直方圖，并計(jì)算相應(yīng)的閾值．假設(shè)灰度級(jí)為0－255，參照AOI實(shí)際抽取顏色的過(guò)程，將H平面分為紅色、綠色、藍(lán)色3個(gè)固定區(qū)間:紅色［0，43)∪［200，255］、綠色［43，124)、藍(lán)色［124，200)，然后在每種色調(diào)區(qū)間分別求取相應(yīng)的S和I的閾值．因此，最終用于二值化的閾值實(shí)際上是由3組閾值組合而成，下面討論的都是求S或I閾值的方法．

定義 直方圖中，如果大部分像素值分布在區(qū)間［i1，i2］內(nèi)，則稱(chēng)［i1，i2］為有效灰度范圍．有如下定義:

其中，ni為灰度級(jí)，θ(0＜ θ＜1)為評(píng)價(jià)指標(biāo)，N 為像素總數(shù)．當(dāng)θ接近于1時(shí)，灰度在［i1，i2］內(nèi)的像素包含了這個(gè)區(qū)域內(nèi)的主要顏色．

使用閾值［t1，t2］對(duì)圖像進(jìn)行二值化，位置(x，y)處的像素點(diǎn)c(x，y)的二值化結(jié)果f(x，y)可表示為

為了最大程度地將焊盤(pán)區(qū)域提取出來(lái)，同時(shí)盡量少地提取焊盤(pán)區(qū)域以外的像素，必須保證:

其中，D1為焊盤(pán)窗區(qū)域，D2為搜索窗以?xún)?nèi)、焊盤(pán)窗以外的區(qū)域．

通過(guò)大量的實(shí)例研究發(fā)現(xiàn)，在提取的焊盤(pán)內(nèi)外像素?cái)?shù)相差較大時(shí)，定位效果較好．因此，定義函數(shù)A(s'1，s'2，i'1，i'2)如下:

其中，［s'1，s'2］和［i'1，i'2］分別表示 S 和 I的閾值．

于是，問(wèn)題轉(zhuǎn)化為求取使 A(s'1，s'2，i'1，i'2)取得最大值時(shí)的變量s'1、s'2、i'1、i'2的值．若采用遍歷所有取值組合的方法來(lái)求這幾個(gè)值，運(yùn)算量將非常大，無(wú)法滿足實(shí)際工程的速度需要．

2．2．2 計(jì)算初始閾值

以S平面為例，對(duì)于給定的θ，在其直方圖中，從頻數(shù)最高的灰度開(kāi)始向左右兩側(cè)不斷擴(kuò)展，并結(jié)合式(1)，可自動(dòng)計(jì)算出S平面的有效范圍，然后用同樣的方法求出I平面的有效范圍．并以S平面的有效范圍為初始值，求出I平面的閾值(iT1，iT2)，然后在(iT1，iT2)的基礎(chǔ)上求出S平面的閾值(sT1，sT2)．為了提高運(yùn)算速度，文中采用簡(jiǎn)化的模型來(lái)求取這4個(gè)閾值．在搜索窗內(nèi)，假設(shè)焊盤(pán)區(qū)域內(nèi)外統(tǒng)計(jì)的I平面直方圖有效范圍分別為［i1，i2］和［ie1，ie2］，［i1，i2］和［ie1，ie2］的分布共有 4 種類(lèi)型，如圖 4所示．

(1)［i1，i2］∩［ie1，ie2］≠?，且 i1＜ ie1＜i2＜ ie2

如圖4(a)所示，由于 i1落在［ie1，ie2］之外，閾值iT1可以取為 i1，只需找出另一閾值 iT2∈［ie1，i2］．焊盤(pán)區(qū)域內(nèi)外提取像素點(diǎn)的面積之差可表示為

圖4 直方圖分布模型Fig．4 Distribution models of histogram

其中，n1i和n2i為焊盤(pán)區(qū)域內(nèi)、外灰度為i的像素?cái)?shù)．于是

由此可求出ie2的值．

(2)［ie1，ie2］?［i1，i2］

如圖4(b)所示，需要以ie1與ie2為起點(diǎn)，分別向左、右兩個(gè)方向進(jìn)行搜索，在兩個(gè)方向分別找出面積差值最大時(shí)的iT1和iT2，并將其作為最后的閾值．

(3)［i1，i2］?［ie1，ie2］

如圖4(c)所示，采用類(lèi)似(1)的方法，分別以i1、i2為各自起點(diǎn)向左、右兩個(gè)方向搜索求出iT1和iT2．

(4)［i1，i2］∩［ie1，ie2］= ?

如圖4(d)所示，這是最理想的類(lèi)型．顯然，此時(shí)的閾值 iT1=i1、iT2=i2．

根據(jù)上述步驟，即可求出每個(gè)樣本在H、S和I平面的初始閾值范圍．

2．3 基于像素?fù)p失的閾值修正

對(duì)多個(gè)樣本初始閾值進(jìn)行修正后才能得到一個(gè)統(tǒng)一閾值用于圖像二值化．假設(shè)有m個(gè)樣本，其初始閾值依次為{iT1，i'T1，sT1，s'T1}，{iT2，i'T2，sT2，s'T2}，…，{iTm，i'Tm，sTm，s'Tm}，統(tǒng)一閾值為{i0，i'0，s0，s'0}，令imin=min{iT1，iT2，…，iTm}，imax=max{i'T1，i'T2，…，i'Tm}，smin=min{sT1，sT2，…，sTm}，smax=max{s'T1，s'T2，…，s'Tm}，則有 imin≤i0＜ i'0≤imax，smin≤s0＜ s'0≤smax．分別以［imin，imax］和［smin，smax］為 I平面和 S 平面的初始閾值來(lái)搜索最優(yōu)閾值．

對(duì)初始閾值進(jìn)行修正，使用統(tǒng)一閾值對(duì)圖像進(jìn)行二值化時(shí)，對(duì)于訓(xùn)練樣本總體上要盡量將焊盤(pán)區(qū)域抽取出來(lái)，同時(shí)要盡量少地抽取焊盤(pán)區(qū)域之外的部分．假設(shè)焊盤(pán)窗內(nèi)使用當(dāng)前閾值未被抽出的像素點(diǎn)的總數(shù)為1，搜索窗內(nèi)、焊盤(pán)窗外符合閾值范圍的像素點(diǎn)的個(gè)數(shù)為2，當(dāng)前要搜索閾值的取值t，則當(dāng)前樣本像素?fù)p失R(t)為

來(lái)搜索求出i0的值．由定義可知1≥0，且2≥0，因此，R(t)≥0，可以保證一定存在一個(gè)i0的取值使目標(biāo)函數(shù)最?。?，以i0為I平面閾值的初始值搜索得到i'0的值，即得到了I平面的閾值［i0，i'0］．依此方法，可以得到S平面的閾值［s0，s'0］．值得注意的是，根據(jù)式(4)求取4個(gè)閾值需要遍歷 s'1、s'2、i'1、i'2這4個(gè)變量可能取值的所有組合，運(yùn)算復(fù)雜度為O(m4);采用簡(jiǎn)化的模型，依次求取每個(gè)變量取值時(shí)，都是先假設(shè)其他3個(gè)變量不變來(lái)求取另外一個(gè)變量的取值，運(yùn)算復(fù)雜度降低為O(m)．

3 定位方法

3．1 最大面積法定位

如圖5所示，以搜索窗左下角為原點(diǎn)，水平和豎直方向分別為X和Y軸．設(shè)搜索窗長(zhǎng)和寬分別為ws和 hs，焊盤(pán)窗 W1和 W2長(zhǎng)和寬分別依次為 w1、h1、w2、h2．W1左下角相對(duì)于 W2左下角的坐標(biāo)為(w21，h21)，W2左下角坐標(biāo)為(x，y)．定位時(shí)，保持W1和W2的相對(duì)位置不變．x取值范圍為［－min(0，w21)，ws－max(w2，w21+w1)］，y取值范圍為［0，hs－(h21+h1)］．假設(shè)兩焊盤(pán)窗內(nèi)屬于閾值范圍的像素?cái)?shù)為S(x，y)，xs=－min(0，w21)，xe=ws－ max(w2，w21+w1)，ys=0，ye=hs－(h21+h1)．則必有一點(diǎn)(xp，yp)使得

使用式(9)進(jìn)行定位需要在每一個(gè)可能的位置上遍歷兩個(gè)焊盤(pán)區(qū)域，運(yùn)算次數(shù)為(xe－xs)(yeys)(w1h1+w2h2)，需要對(duì)其進(jìn)行優(yōu)化以提高定位速度．

圖5 定位坐標(biāo)系Fig．5 Location coordinate

3．2 運(yùn)算速度優(yōu)化

焊盤(pán)窗W在(x，y)處時(shí)，二值化圖像中包含的像素G(x，y)可表示為

按照常規(guī)的思路，當(dāng)焊盤(pán)窗在搜索窗內(nèi)滑動(dòng)時(shí)，無(wú)論是橫向或者縱向移動(dòng)，均需對(duì)整個(gè)焊盤(pán)窗內(nèi)的像素點(diǎn)掃描一遍，如圖6所示．

圖6 焊盤(pán)位置的搜索過(guò)程Fig．6 Search process of solder position

文中采用優(yōu)化后的算法，盡量減少掃描像素的個(gè)數(shù)．以圖6(a)為例，對(duì)于長(zhǎng)為w、寬為l的窗口，可將式(10)修改為

其中，A表示在位置(x，y)處焊盤(pán)窗內(nèi)除第一列外其他區(qū)域的像素?cái)?shù)．

當(dāng)此窗口向右滑動(dòng)一個(gè)像素后，計(jì)算像素?cái)?shù)的公式可以表示為

也就是說(shuō)，在已知上一個(gè)位置像素點(diǎn)數(shù)G(x，y)時(shí)，G(x+1，y)可由計(jì)算出來(lái)．其中為窗口在(x，y)處時(shí)

因此，除了在初始位置需對(duì)窗口內(nèi)所有像素點(diǎn)進(jìn)行一次掃描，在其他位置均只需對(duì)其中的兩行或者兩列進(jìn)行掃描即可．對(duì)于長(zhǎng)為w、寬為l的窗口，每一次橫向滑動(dòng)掃描的像素點(diǎn)的個(gè)數(shù)由原來(lái)的2wl減少為2l．同理，如圖6(b)所示，當(dāng)焊盤(pán)窗縱向移動(dòng)一個(gè)像素時(shí)，掃描的像素點(diǎn)的個(gè)數(shù)由原來(lái)的2wl減少為2w．整個(gè)定位過(guò)程中，總的運(yùn)算次數(shù)由(xe－xs)(ye－ys)(w1h1+w2h2)減少為(w1h1+w2h2)+2l(xe－xs)+2w(ye－ys)．總體來(lái)看，搜索過(guò)程的運(yùn)算復(fù)雜度由 O(n4)降低為O(n2)，運(yùn)算量大大減少．

4 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證文中算法的有效性，使用筆者所在課題組與某公司聯(lián)合研發(fā)的在線AOI系統(tǒng)為實(shí)驗(yàn)平臺(tái)(PC 配置為 CPU Intel i3 3．10GHz，內(nèi)存2G，算法用VC．NET2005實(shí)現(xiàn))，選取某型號(hào)PCB板上的CHIP元件為實(shí)驗(yàn)對(duì)象進(jìn)行實(shí)驗(yàn)．

4．1 顏色抽取效果

每種CHIP元件選取10個(gè)有代表性的樣本手工標(biāo)定焊盤(pán)的精確位置并用于訓(xùn)練，自動(dòng)獲取焊點(diǎn)的顏色閾值，然后用這些顏色閾值抽取焊點(diǎn)的顏色，屬于閾值范圍的像素點(diǎn)用白色顯示．自動(dòng)抽取效果如圖7所示．觀察圖7可知，焊點(diǎn)區(qū)域的顏色抽取效果良好，對(duì)其中存在諸如焊點(diǎn)顏色單一、與背景色相似和元件貼裝有文字等干擾因素，焊點(diǎn)顏色的抽取效果仍然能夠令人滿意．

圖7 焊點(diǎn)顏色自動(dòng)抽取的效果Fig．7 Effectiveness of automatic extraction of the weld color

4．2 定位精度與速度

為了驗(yàn)證文中提出的焊點(diǎn)定位算法的性能，選擇實(shí)驗(yàn)PCB板上的數(shù)量最多的0402和0805兩種CHIP元件進(jìn)行實(shí)驗(yàn)．其中0402元件51個(gè)，搜索窗大小為52×103像素，焊盤(pán)窗大小為24×32像素;0805元件45個(gè)，搜索窗大小為52×103像素，焊盤(pán)窗大小為45×60像素．分別使用模板匹配法［8］、灰度投影法［14］和文中算法進(jìn)行定位，定位精度和定位速度如表1所示．其中Δ為定位誤差．

表1 不同定位算法的性能Table 1 Performance of different positioning algorithms

由表1可知，模版匹配法的定位精度最低，這是由于焊點(diǎn)圖像的形態(tài)變化較為復(fù)雜，需要使用較多模板．文中的實(shí)驗(yàn)，每個(gè)焊點(diǎn)都使用了6張模板，但定位結(jié)果仍然不能令人滿意，也因此導(dǎo)致定位速度最慢．灰度投影法的定位速度最快，且定位精度較高．文中算法在定位精度上優(yōu)于其他兩種算法;定位速度比模板匹配法快，比灰度投影法慢，但定位0402元件平均耗時(shí)0．48 ms，定位0805元件平均耗時(shí)1．87ms，基本可以滿足實(shí)際應(yīng)用的要求．

4．3 魯棒性實(shí)驗(yàn)

圖8 魯棒性實(shí)驗(yàn)結(jié)果Fig．8 Robust experiment results

為了驗(yàn)證文中算法對(duì)于噪聲的魯棒性，選擇兩張焊點(diǎn)周?chē)嬖谳^大噪聲的圖像進(jìn)行魯棒性實(shí)驗(yàn)．首先使用文中算法自動(dòng)獲取焊點(diǎn)顏色閾值，并使用此閾值對(duì)焊點(diǎn)圖像進(jìn)行二值化，然后分別使用灰度投影法和文中算法進(jìn)行焊點(diǎn)定位，結(jié)果如圖8所示．

觀察圖8可知，灰度投影法由于沒(méi)有充分利用焊點(diǎn)圖像的像素分布信息，出現(xiàn)了較大的定位誤差;而文中算法定位準(zhǔn)確，對(duì)噪聲具有較強(qiáng)的魯棒性．

綜合以上實(shí)驗(yàn)結(jié)果可知，文中提出的焊點(diǎn)定位算法的性能較好，可應(yīng)用于實(shí)際CHIP元件的焊點(diǎn)定位．但在訓(xùn)練階段樣本需要手工標(biāo)定精確位置，且定位速度還不夠快，這兩方面仍然需要提高．

5 結(jié)論

針對(duì)現(xiàn)有焊點(diǎn)定位算法的不足，提出了一種基于顏色特征的智能焊點(diǎn)定位算法．通過(guò)對(duì)樣本顏色直方圖進(jìn)行統(tǒng)計(jì)分析，實(shí)現(xiàn)了焊點(diǎn)顏色的自動(dòng)抽?。褂米畲竺娣e法對(duì)焊點(diǎn)定位，對(duì)運(yùn)算過(guò)程進(jìn)行優(yōu)化，減少了運(yùn)算量．實(shí)例運(yùn)算結(jié)果表明，文中提出的算法可自動(dòng)設(shè)定顏色參數(shù)，且定位精度高、定位速度快、魯棒性較好，可以滿足實(shí)際應(yīng)用的需要．

［1］ Steiner F，Harant P．Solderability of the lead free surface finishes［C］∥Proceedings of Electronics System Integration Technology Conference．Dresden:IEEE，2006:365-369．

［2］ Zednicek T，Vasina P，Sita Z，et al．Lead-free soldering effect to tantalum capacitors［C］∥Proceedings of 26th International Spring Seminar on Electronics Technology．Lanskroun:IEEE，2003:85-89．

［3］ Leng E P，Ding M，Ahmad I，et al．Leaf-free flux effect in lead-free solder joint improvement［C］∥Proceedings of 31st International conference on Electronics Manufacturing and Technology．Petaling Jaya:TEEE，2006:541-548．

［4］ Hirano T，F(xiàn)ukuda K，Ito K，et al．Reliability of lead free solder joint by using chip size package［C］∥Proceedings of the 2001 IEEE International Symposium on Electronics and the Environment．Denver:IEEE，2001:285-289．

［5］ Loh Hong-hai，Lu Ming-sing．Printed circuit board inspection using image analysis［J］．IEEE Transaction on Industry Applications，1999，35(2):426-432．

［6］ Komkrit C，Sotoshi Y，Masayoshi I．Bare PCB inspection system with Sv-GMR sensor eddy-current testing probe［J］．IEEE Sensors Journal，2007，7(5):890-896．

［7］ Zhou Z，Li Zh M，Zuo Y Zh．Automated extraction of PCB components based on specularity using layered illumination ［J］．Journal of Intelligent Manufacturing，2011，22(6):919-932．

［8］ Wu C H，Wang D Z，Andrew I，et al．A particle swarm optimization approach for components placement inspection on printed circuit boards［J］．Journal of Intelligent Manufacturing，2009，20(5):535-549．

［9］ Crispin A J，Rankov V．Automated inspection of PCB components using a genetic algorithm template matching approach［J］．International Journal of Advanced Manufacturing，2007，35(3/4):293-300．

［10］ Reed M J，Hutehinsion S．Image fusion and sub-pixel parameter estimation for automated optical inspection of electronic components［J］．IEEE Transaction on Industrial Electronics，1996，43(3):346-354．

［11］ Tsai Du-ming，Lin Chien-ta．Fast normalized cross correlation for defect defection［J］．Pattern Recognition Letters，2003，24(15):2625-2631．

［12］ Tsai Du-ming，Yang Cheng-hsiang．A quantile-quantile plot based pattern matching for defect detection ［J］．Pattern Recognition Letters，2005，26(3):1948-1962．

［13］ Kim T H，Cho T H，Moon Y S，et al．Visual inspection system for the classification of solder joints［J］．Pattern Recognition，1999，32(4):565-575．

［14］ 吳福培，鄺泳聰，張憲民，等．無(wú)鉛焊點(diǎn)魯棒定位的灰度積分投影算法［J］．華南理工大學(xué)學(xué)報(bào):自然科學(xué)版，2009，37(9):98-102．Wu Fu-pei，Kuang Yong-cong，Zhang Xian-min，et al．Robust positioning algorithm of lead-free solder joints based on gray-level integration projection［J］．Journal of South China University of Technology:Natural Science Edition，2009，37(9):98-102．

［15］ 盧盛林，張憲民．無(wú)鉛焊點(diǎn)檢測(cè)光源的分析與優(yōu)化設(shè)計(jì)［J］．光學(xué)精密工程，2008，16(8):1377-1383．Lu Sheng-lin，Zhang Xian-min．Analysis and optimal design of illuminator for leadfess tin solder joint inspection［J］．Optics and Precision Engineerin，2008，16(8):1377-1383．

［16］ 盧盛林，印刷電路板自動(dòng)光學(xué)檢測(cè)系統(tǒng)關(guān)鍵理論與技術(shù)研究［D］．廣州:華南理工大學(xué)機(jī)械與汽車(chē)工程學(xué)院，2008．

［17］ 謝宏威，張憲民．鄺泳聰，等．印刷電路板焊點(diǎn)的智能檢測(cè) ［J］．光學(xué)精密工程，2011，19(9):2154-2162．Xie Hong-wei，Zhang Xian-min，Kuang Yong-cong，et al．Intelligent detection of solder joints on printed circuit boards ［J］．Optics and Precision Engineering，2011，19(9):2154-2162．

［18］ Xie H W，Zhang X M，Kuang Y C，et al．Solder joint inspection method for chip component using improved AdaBoost and decision tree［J］．IEEE Transaction on Components，Packaging，and Manufacturing，2011，1(12):2018-2027．