基于機器視覺的表貼芯片缺陷檢測系統(tǒng)研究

王偉華+李朋軒

摘 要：基于表貼芯片缺陷檢測的需要，設計了一種基于機器視覺的表貼芯片缺陷檢測系統(tǒng)，并對該系統(tǒng)的硬件和軟件部分作了簡要介紹，重點研究了芯片的引腳邊緣檢測算法，在此基礎上實現(xiàn)了芯片長度、寬度和間距等特征參數(shù)的提取。測試結果表明，該檢測系統(tǒng)能達到在線生產(chǎn)的工藝要求。

關鍵詞：機器視覺；表貼芯片；缺陷檢測

伴隨著半導體技術和電子產(chǎn)業(yè)的蓬勃發(fā)展，芯片的缺陷檢測技術在整個工業(yè)生產(chǎn)過程中扮演的角色也越來越重要。外觀檢測的方法有3種：（1）傳統(tǒng)的人工檢測方法；（2）使用激光測量技術進行芯片外觀檢測；（3）基于機器視覺的檢測方法[1]。相對于前兩種方法，基于機器視覺的表貼芯片缺陷檢測技術作為一種靈活的、實時的、非接觸式的、高精度的檢測技術，應用也是日益廣泛。在國內(nèi)，由于對機器視覺技術應用研究起步較晚，雖然很多學者和研究機構都做了大量的研究，有了很多成果[2-4]，但是目前相對技術比較成熟的機器視覺設備并不多見。本文主要是對基于機器視覺的表貼類芯片外觀缺陷檢測系統(tǒng)的相關技術進行研究，并將檢測方法用于表貼芯片的檢測，實驗得到滿意結果。

1 缺陷檢測技術研究

1.1 圖像邊緣檢測算法研究

圖像的邊緣是那些周圍像素灰度有階躍變化或屋頂變化的像素的集合。對于表貼芯片的缺陷檢測而言，芯片引腳的邊緣部分包含著大量的缺陷特征參數(shù)信息。本文使用改進的Canny算子作為系統(tǒng)的圖像邊緣檢測算法[5]。

改進的Canny算子具體實現(xiàn)過程如下：

（1）使用二維高斯函數(shù)對圖像進行平滑去噪處理，將原始圖像中存在的高頻噪聲濾除。

（2）計算梯度的方向和幅值。在像素點的3×3鄰域范圍內(nèi)計算x方向，y方向，45°方向以及135°方向一階偏導數(shù)有限差分來計算像素梯度的幅值。

（3）對圖像的梯度幅值進行非極大值抑制，得到單像素寬度的邊緣。

（4）采用雙閾值算法對圖像邊緣進行檢測和連接。

改進的Canny算子邊緣檢測結果如圖1所示。

1.2 缺陷特征參數(shù)計算

對表貼芯片的缺陷的研究發(fā)現(xiàn)，實際上不管是缺腳、位置偏移抑或是共面度缺陷等都可以通過測量一個引腳的長、寬或者相互之間的間距等參數(shù)來實現(xiàn)合理的判斷。

1.2.1 引腳數(shù)目的計算

由于芯片引腳的位置特點，本文采用的是垂直灰度投影方法，具體思想是將引腳邊緣圖像中每一列的像素點的灰度信息在水平位置進行累加，最終得到引腳邊緣圖像在水平方向的灰度特征信息，通過對這些灰度特征的測量便可以得到圖像的相關參數(shù)信息。

這里以SOP芯片上排引腳邊緣為例說明，設定圖像左下角為原點（0，0），圖像上方起始為第一行。從原點（0，0）處開始遍歷搜索引腳的灰度投影圖像，具體步驟如下。

以左下角作為原點（0，0），從x=0開始，檢查該行是否存在灰度值為0的像素點，如果存在，標記p1=x；否則檢查下一列，直到找到p1為止。

然后從p1開始，繼續(xù)搜索檢查該行是否存在灰度值為0的像素點，如果不存在，標記p2=x；否則檢查下一列，直到找到p2為止。

從p2開始掃描，繼續(xù)檢查該行是否存在灰度值為0的像素點，如果存在，標記p3=x；否則檢查下一列，直到找到p3為止。此時統(tǒng)計p1和p2之間的距離a1即代表該引腳的寬度，p2和p3之間的距離b1即代表該相鄰引腳之間的間距。依次類推，統(tǒng)計像素點的跳變次數(shù)便可以得到引腳的數(shù)目。芯片上排引腳垂直灰度投影如圖2所示。

1.2.2 引腳寬度和間距的計算

實際上，在上一節(jié)求取芯片引腳數(shù)量時，統(tǒng)計p1和p2之間的距離an即代表該引腳的寬度，p2和p3之間的距離bn即代表對應的相鄰引腳之間的間距。

1.2.3 引腳長度計算

通過研究發(fā)現(xiàn)，當對SOP芯片的引腳邊緣圖像進行二值化后，近似矩形的引腳邊緣圖像的上下兩邊基本為標準的直線，此時通過掃描計算上下兩邊之間的距離就可以得到引腳的長度。因此本文采用對SOP芯片的二值化后的引腳邊緣圖像進行掃描，計算引腳上下兩邊的縱坐標之差，求出單個引腳的長度L。

1.3 實驗結果

使用上面的方法對本文的研究對象進行實驗仿真，本文使用的芯片型為SP233ACT，得到該芯片的引腳寬度、引腳間距和引腳長度的實際數(shù)值，分別如表1，2，3所示。測試結果表明實驗精度達到1 mm，其中引腳寬度和引腳間距的數(shù)值均在芯片參數(shù)允許范圍內(nèi)，芯片引腳長度與標準值的誤差在1.43%～8.97。

2 結語

本文基于對圖像邊緣檢測算法的研究，提出了基于機器視覺的表貼芯片缺陷檢測系統(tǒng)。測試結果表明，本系統(tǒng)對SOP芯片基本特征參數(shù)可以實現(xiàn)準確檢測，檢測精度較高，整個系統(tǒng)的實時性良好，具有很好的應用前景。

作者簡介：王偉華（1992— ），男，陜西寶雞。

[參考文獻]

[1]NEWMAN TS，JAIN AK. A survey of automated visual inspection[J].Computer Vision and Image Understanding，1995（2）：231-262.

[2]鄭金駒，李文龍，王瑜輝，等. QFP 芯片外觀視覺檢測系統(tǒng)及檢測方法[J].中國機械工程，2013（3）：290-294.

[3]劉建峰，李承峰.基于機器視覺的IC芯片外觀檢測系統(tǒng)[J].電子制作，2015（15）：77-78.

[4]許龍.基于機器視覺的SMT芯片檢測方法研究[D].西安：西安電子科技大學，2014.

[5]許宏科，秦嚴嚴，陳會茹.一種基于改進Canny的邊緣檢測算法[J].紅外技術，2014（3）：210-214.

Abstract： Based on the need of the defect detection of SMT chip， a defect detection system of SMT chip based on machine vision is designed， and the hardware and software part of the system are briefly introduced. The chip edge detection algorithm is studied， and the extraction of the characteristic parameters such as chip length， width and spacing is realized. The test results show that the system can meet the process requirements of online production.

Key words： machine vision； SMT chip； defect detection