基于MATLAB 軟件的圖像處理技術(shù)在電子元器件引腳缺陷檢測的應(yīng)用*

吳文軒，陳方斯，劉建鋒，黃鑫鑫

（廈門理工學(xué)院 電氣工程與自動化學(xué)院，福建 廈門 361024）

MATLAB是一種新型科學(xué)開發(fā)計算軟件，特別運用矩陣的形式處理數(shù)據(jù)[1]。MATLAB將高效率的數(shù)值計算和可視化結(jié)合在一起，擁有眾多的內(nèi)置函數(shù)，被廣泛用在科學(xué)算法計算、控制功能系統(tǒng)、數(shù)字圖像處理、圖像噪聲處理等領(lǐng)域的仿真、分析以及設(shè)計[2-3]。如今，電子元器件朝著片式化、小型化方向發(fā)展，因此判斷元器件是否合格顯得十分重要。對于一些肉眼難以判斷的檢測，利用 MATLAB 圖像處理技術(shù)，可以高效地完成對電子元器件的檢測。因此，利用 MATLAB 圖像處理技術(shù)檢測電子元器件缺陷是很有意義的[4-5]。

元件檢測流程如圖1。首先，利用圖像采集平臺采集圖像，然后將圖像導(dǎo)入系統(tǒng)并傳入工控機，在控制端進行圖像濾波，并且利用圖像二值化方法提取圖像特征，再采用雙引腳算法對芯片引腳進行缺陷判斷，若合格，則為合格正常芯片；若不合格，則為存在引腳缺陷的芯片。

1 圖像采集

圖1 元器件檢測流程圖

圖像采集裝置如下圖2所示，包括以下幾個部分：導(dǎo)軌，用于提供運動路徑；芯片框架，包括可供多種可供芯片放置的安裝位，用于講安裝位上的芯片沿導(dǎo)軌的運動路徑送到預(yù)設(shè)位置；運動像機，包括相機、支架、LED，用于對靜止于預(yù)設(shè)位置上的芯片框架進行拍照，采集圖片，對拍攝到的芯片圖像予以輸出；圖像處理裝置，利用MATLAB圖像處理技術(shù)對所述芯片圖像進行識別檢測。

圖2 圖像采集裝置

2 圖像前期處理

圖像前期處理主要方式有維納濾波、DCT變換、中值濾波。

維納濾波是一種基于最小均方誤差準則、對平穩(wěn)過程的最優(yōu)估計器，適應(yīng)面較廣。但是要求得到半無限時間區(qū)間內(nèi)的全部觀察數(shù)據(jù)的條件很難滿足，同時它也不能用于噪聲為非平穩(wěn)的隨機過程的情況，對于向量情況應(yīng)用也不方便。

DCT變換在視頻圖像的相關(guān)性明顯下降，信號的能量主要集中在少數(shù)幾個變換系數(shù)上，采用量化和熵編碼可有效地壓縮其數(shù)據(jù)，有較強的抗干擾能力。但本身不能壓縮數(shù)據(jù)，也無法做頻譜分析。

在此測試中采用中值濾波[6]的方法。中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近真實值，從而消除孤立的噪聲點，達到降噪的效果。

取一樣品利用圖像采集系統(tǒng)采集圖像，得到如圖3(a）所示，為拍攝原始圖像。經(jīng)過圖像中值濾波后得到清晰圖像，如圖3（b）所示，可以清楚看出降噪效果，得到圖像處理前后的比較。

圖3 濾波前后效果比較

3 圖像后期處理

此測試是基于NE556N芯片圖片進行計算。該芯片封裝為DIP，是一種通用雙極定時器，引腳數(shù)目為14，允許的工作溫度在0～70℃。在圖4中，左側(cè)圖（a）芯片完整，為合格的芯片，右側(cè)圖（b）芯片引腳存在缺陷，為缺陷芯片。

圖4 NE556N 芯片

3.1 圖像二值化

對圖像的二值化采用的是OTSU算法。最大類間方差法是由日本學(xué)者大津于1979年提出的，是一種自適應(yīng)的閾值確定的方法，又叫大津法，簡稱OTSU[7]。此方法按圖像的灰度特性，將圖像分成背景和目標2部分。利用這種方法，可以很快將測試所需要的芯片引腳與背景分離，為后期的圖像處理作準備。

以合格NE556N芯片為例，圖5為經(jīng)過二值化處理得到的圖像[8]。

3.2 雙引腳算法

圖5 二值化圖片

圖6 輪廓查找

先對圖片進行濾波處理工作，然后將圖片進行矩形輪廓查找[9]。選取NE556N為對象，二值化后采用輪廓查找的方法，得到圖6，即可找到每個矩形的端點坐標，隨后利用端點坐標計算出引腳長度。

通過這種算法，對于引腳沒有明顯缺陷的芯片，能夠準確的得出14根引腳長度。在此測試中采用中值濾波的方法對其進行處理，得到圖像并計入所得到的引腳最大值為245以及最小值為219，運行時間為0.7280s，將數(shù)據(jù)整理繪制出表1。

表1 中值濾波方式下的雙引腳算法結(jié)果

該芯片引腳的標準值為230，誤差范圍為20。根據(jù)表格與標準值進行比較，對于引腳完好的芯片，雙引腳算法能夠辨別。但是在不同濾波方式下，程序運行的時間也有不同。

該方法能夠計算引腳完好的芯片，為了探究對與引腳長度有明顯缺陷的芯片是否擁有同樣的功能，取一個引腳長度有明顯缺陷的芯片進行處理，運行結(jié)果圖7所示，圖（a）為二值化圖片，通過輪廓查找得到圖（b）。

圖7 引腳缺陷的芯片

通過圖7能夠看出，雙引腳算法對于引腳長度有缺陷的芯片，仍然能準確地找出矩形輪廓。同樣用輪廓查找對芯片引腳進行測量，得到引腳最大值為245以及引腳最小值為83，運行時間為0.6946s，整理后如表2所示。

表2 雙引腳算法對引腳缺陷芯片的測量

該種芯片引腳最大值符合誤差范圍為210～250，根據(jù)表中數(shù)據(jù)，判定該芯片存在缺陷。從而得出這樣一個結(jié)論：雙引腳算法對于引腳長度有缺陷的芯片，同樣能測出引腳具體長度?？梢愿鶕?jù)最大值與最小值和標準值進行比對，從而判定芯片是否合格。雙引腳算法能夠滿足這樣的一個功能，因此可以利用它來進行電子元器件缺陷檢測。

4 實驗檢測

為了探究這種算法對于不同種類的芯片是否都能達到檢測的功能，將選取74ACT245TTR芯片（TSSOP封裝）、AD9854ASVZ芯片（LQFP封裝）、AD954ID芯片(DIP封裝)三種芯片，使用雙引腳算法分別對這三種芯片進行檢測。

4.1 74ACT245TTR 芯片

圖8 合格74ACT245TTR芯片

圖8為合格74ACT245TTR芯片圖像處理結(jié)果，左圖（a）為二值化圖片，右圖（b）為輪廓查找，通過輪廓查找得到每個矩形的端點坐標，得到引腳最大值為310以及最小值為300。

圖9 缺陷74ACT245TTR芯片

圖9為缺陷74ACT245TTR芯片圖像處理結(jié)果，左圖（a）為二值化圖片，右圖（b）為輪廓查找，得到引腳最大值為309以及最小值為134。

合格74ACT245TTR 芯片引腳標準值為300，誤差范圍為20，若芯片引腳值在280～320范圍內(nèi)，則為合格芯片，反之，為缺陷芯片。整理數(shù)據(jù)得出比較結(jié)果，如表3所示。

表3 74ACT245TTR 芯片引腳長度統(tǒng)計

4.2 AD954ID 芯片

圖10 合格AD954ID芯片

圖10為合格AD954ID芯片圖像處理結(jié)果，左圖（a）為二值化圖片，右圖（b）為輪廓查找，通過輪廓查找得到每個矩形的端點坐標，得到引腳最大值為350以及最小值為338。

圖11為缺陷AD954ID芯片圖像處理結(jié)果，左圖（a）為二值化圖片，右圖（b）為輪廓查找，通過輪廓查找得到每個矩形的端點坐標，求到引腳最大值為348以及最小值為194。

圖11 缺陷AD954ID芯片

合格AD954ID芯片引腳標準值為340，誤差范圍為20，若芯片引腳值在320～360范圍內(nèi)，則為合格芯片，反之，為缺陷芯片。整理數(shù)據(jù)得出比較結(jié)果，如表4所示。

表4 AD954ID 芯片引腳長度統(tǒng)計

4.3 AD9854ASVZ 芯片

圖12 合格AD9854ASVZ芯片

圖12為合格AD9854ASVZ芯片圖像處理結(jié)果，左圖（a）為二值化圖片，右圖（b）為輪廓查找，通過輪廓查找得到每個矩形的端點坐標，得到引腳最大值為54以及最小值為44。

圖13為缺陷74ACT245TTR芯片圖像處理結(jié)果，左圖（a）為二值化圖片，右圖（b）為輪廓查找，通過輪廓查找得到每個矩形的端點坐標，得到引腳最大值為53以及最小值為22。

圖13 缺陷AD9854ASVZ芯片

合格74ACT245TTR 芯片引腳標準值為50，誤差范圍為10，若芯片引腳值在40～60范圍內(nèi)，則為合格芯片，反之，為缺陷芯片。整理數(shù)據(jù)得出比較結(jié)果，如表5所示。

表5 AD9854ASVZ 芯片引腳長度統(tǒng)計

根據(jù)測試情況，可以得出結(jié)論：對于一些結(jié)構(gòu)簡單的芯片，雙引腳算法所采用的矩形輪廓查找都能取得非常好的測試結(jié)果。然而對于一些結(jié)構(gòu)較為復(fù)雜的芯片，需要要根據(jù)實際情況對算法參數(shù)進行一些調(diào)整，才能對芯片進行檢測。雖然該種算法在一些地方仍有改進的空間，但是雙引腳算法對于電子元器件檢測的效果還是令人滿意的。

5 總結(jié)

本文利用 MATLAB 軟件的圖像處理技術(shù)，設(shè)計了引腳算法對貼片機芯片進行缺陷檢測，目的是為了利用科學(xué)的方法對電子元器件進行缺陷檢測。在信息化的大時代，圖像處理技術(shù)發(fā)展十分迅猛。利用圖像處理技術(shù)的方法研究已經(jīng)成為了當代社會發(fā)展的一大研究課題。希望我們所提出的算法能夠?qū)﹄娮釉骷毕輽z測的研究開發(fā)提供一些思路和參考。

[1]鄧昌瑞,周小紅,周木蘭,等. MATLAB圖形處理功能的應(yīng)用與探討[J].科技資訊,2016(30):19-20.

[2]AlfioQuarteroni, FaustoSaleri.MATLAB科學(xué)計算[M].清華大學(xué)出版社,2005.

[3]歐陽黎明.MATLAB控制系統(tǒng)設(shè)計[M].國防工業(yè)出版社,2002.

[4]勒中鑫.數(shù)字圖像信息處理[M].北京:國防工業(yè)出版社,2007:207-268

[5]楊濤,馬彥恒,左勇,白利.基于MATLAB VB混合編程的圖像噪聲處理軟件設(shè)計.機械工程師[J].2012(11):42-45

[6]江景濤,姜學(xué)東,李福榮.利用中值濾波去除圖像噪聲的研究及MATLAB實現(xiàn)[J].青島農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版),2006,23(1):63-65.

[7]付忠良.圖像閾值選取方法--Otsu方法的推廣[J].計算機應(yīng)用,2000,20(5):37-39.

[8]王強,馬利莊.圖像二值化時圖像特征的保留[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報,2000,12(10):746-750.

[9]王俊平,郝躍.矩形缺陷輪廓的成品率模型[J].半導(dǎo)體學(xué)報,2005,26(8):1514-1518.