基于圖像處理的PCB板表面檢測分析研究

夏成蹊，楊 晨，趙 雪，丁 召

(貴州大學 大數據與信息工程學院 貴州省微納電子與軟件技術重點實驗室，貴州 貴陽 550025)

1 引言

隨著電子設備的飛速發(fā)展，PCB板生產過程愈加復雜，客觀地對PCB板的表面形貌進行評判成為了一項愈加重要的任務，同時在其生產的各個工序中也可能出現某些線路的斷路、短路和缺損等問題，通過對PCB板表面數據的分析也成為一種檢測缺陷的方法。傳統(tǒng)的人工目測難以實現對精度越來越高的PCB板的檢測分析[1]。因此，設計一種準確、高效的PCB板表面檢測方法十分符合PCB生產廠家的需求。

近年來，諸多研究已經將計算機視覺與PCB表面檢測技術相結合，大致分為為以下幾種方法：參考法[2]、準則法[3]、混合法[4]。參考法是對比待測PCB和標準PCB，通過異或計算識別并判斷其表面是否存在缺陷；基于準則法是通過檢測待測PCB是否滿足預先定義的設計準則來檢測；混合法是結合以上兩種方法，以充分發(fā)揮二者的優(yōu)勢。

以上方法應用于PCB板的表面缺陷識別，減少了人工識別過程中可能出現的誤差，但是只能對預先設定的PCB板進行缺陷檢測，不能給出對未知的PCB板進行分析，并提供分析統(tǒng)計數據[5]。

為實現自動分析PCB生產質量的目的，本文利用圖像識別技術處理分析PCB表面形貌數據，根據圖像灰度特性選取適當閾值對圖像進行二值化變換，將數學形態(tài)學與圖像處理相結合，消除微小噪聲、平滑線路。之后對處理完成的圖像進行數據檢測統(tǒng)計。通過統(tǒng)計圖像像素比例計算表面金屬占比；將霍夫變換應用至圖像處理領域，對PCB表面焊盤形狀和數目進行統(tǒng)計分析；通過計算圖像中連通域的個數來統(tǒng)計分析PCB表面線路數目；對表面不同線路中心點做最大內切圓的方法來計算導線寬度。最后對獲取的各項數據繪制統(tǒng)計圖表，分析樣本PCB板中金屬占比、線路寬度等數據的分布情況。根據對統(tǒng)計結果進行分析，不僅可以輔助檢測PCB中的缺陷，還能為客觀評判生產質量而服務。

2 檢測流程

基于圖像處理的PCB電路板表面檢測基本流程圖如圖1所示。

圖1 PCB電路板表面檢測基本流程圖

首先選取對原始圖像進行閾值分割和數學形態(tài)學手段，獲取和原圖相似的二值圖像。之后對處理后的圖像按照連通域分割，然后對分割完成的線路通過霍夫變換識別焊盤形狀和數目，并用邊緣檢測算法獲取表面線寬數據，最后對單個PCB生成統(tǒng)計表，將此PCB數據與規(guī)定數據進行比對，若在規(guī)定閾值內，則此PCB合格，計算其具體偏差值；若不在閾值允許范圍則淘汰該PCB板。對一定數量的PCB進行統(tǒng)計后可得到其總體數據報表，獲取此批次PCB成品率、總平均線寬等數據。

2.1 圖像預處理

為實現對PCB板表面的精確檢測，需對其圖像進行預處理，在保留圖像特征的同時減少圖像復雜度，還可以消除圖片拍攝過程中的噪聲[6]。本文采取的預處理過程分為兩步：第一步為采取選取合適閾值將圖像處理為二值圖像，第二步為形態(tài)學處理并分割，以簡化圖像數據。

在二值化方面，本文采用最大類間方差法[7]根據圖像灰度特征選取最優(yōu)閾值，根據閾值將PCB圖像分為二值圖像。該步驟將原始圖像分為背景和目標線路兩部分，該方法的優(yōu)點在于除去圖像中無關信息，簡化后續(xù)操作的難度[8]。

數學形態(tài)學為一門分析空間結構的理論[9]，在圖像分析識別領域得到了廣泛的應用。本文利用形態(tài)學來簡化圖像數據，保持圖像基本形狀特征的同時除去不相干的結構[10]。其最基本的運算包括膨脹和腐蝕、開運算和閉運算。

設A為原圖像，B為結構元素，對于待處理圖像中每一像素點x，有：

腐蝕：A⊙B={x：B(x)∈A}

(1)

膨脹：A⊕B={x：B(x)∩A≠?}

(2)

用B(x)對A進行腐蝕的結果就是把結構元素B平移后使B包含于A的所有點構成的集合。用B(x)對A進行膨脹的結果就是把結構元素B平移后使B與A的交集非空的點構成的集合。

開運算的實質是對圖像先進行腐蝕運算然后再進行膨脹運算，閉運算的實質是對圖像先膨脹后腐蝕，選擇合適的結構元素，對圖像進行開運算和閉運算，即可實現平滑線路邊界、濾除噪聲的效果，同時能保留原圖像基本形狀和大小不變，保證最終結果的準確性。對PCB圖像先后進行開運算理處理，消除圖像中小顆粒噪聲，再進行閉運算處理，平滑線路輪廓。結果如圖2所示。

圖2 對PCB圖像形態(tài)學處理后結果

對預處理之后的圖像進行分割，可以為圖形的識別與統(tǒng)計做后續(xù)服務[11]。本文以連通域為單位對圖2中每條線路進行分割，以便進行之后的焊盤、導線等信息的分析、統(tǒng)計。

2.2 焊盤檢測

焊盤是PCB板中的焊接電子器件的底座，分析焊盤的形狀和數量有助于分析PCB中電子元器件的類型和個數。本文采取霍夫(Hough)變換[12]以識別圖像中矩形[13]和識別圓形[14]的算法來實現焊盤檢測。

霍夫變換是利用圖像全局特征將邊緣像素連接組成區(qū)域封閉邊界的一種方法。在xy平面中，任何直線都可以用極坐標方程描述：

ρ=xcosθ+ysinθx∈[0,π]

(3)

其中，參數ρ確定了該直線到原點的距離，參數θ確定了直線的方位，如圖3所示。

圖3 對直線霍夫變換

該變換可以看成，圖像中任取一點(xi,yi)映射到霍夫空間中的一組累加器C(ρ,θ)中，累加器C(ρ,θ)表示圖像空間中符合式(3)的像素數量。遍歷圖像全部像素點進行上述操作后,得到的C(ρ,θ)中每一個局部最大值就對應一直線段，其對應的ρ和θ可以唯一確定此直線。

對于矩形，可看作四條直線的組合，對矩形輪廓進行霍夫變換后會出現四個峰值，表示檢測出的四條直線，同時四個峰值滿足以下條件：

(1)四個峰值成對存在，因為檢測矩形四條直線段兩兩平行；

(2)兩對峰值點間橫坐標差為90°；

(3)同一對中兩個峰值累加值相同，因為矩形對邊的長度相等；

(4)同一峰值對中兩點間的距離值等于矩形邊長。

滿足以上四個條件即可識別其為矩形，而對于圓形的檢測與檢測直線類似，為求參數坐標中的圓心和半徑，先對空間中的圓變換坐標系，將圓在空間坐標系中的方程為轉換到參數空間(a,b,r)中，其中(x0,y0)為已知點，轉換方程為：

(a-x0)2+(b-y0)2=r2

(4)

根據(4)式，將圖像空間中的邊緣點映射到參數空間，然后將參數空間中得到的所有坐標點對應的累加值進行累加，即可根據累加值判斷是否為圓形，若為圓形獲得其半徑和圓心坐標。

根據以上原理，對兩種二值化線路板進行實際測試，結果如圖4所示，可以完成對線路板中焊盤形狀和數目的識別。

圖4 識別PCB板表面焊盤

2.3 導線信息檢測

PCB板中導線寬度是描述PCB表面形貌的重要數據，也是衡量PCB質量的重要參數。測量此條線路寬度分為兩個步驟，第一步，需要找出導線內部和兩導線之間的中心線，第二步，根據此中心線計算導線不同位置的寬度。

本文用Hilditch細化算法[15]來獲取PCB板線路中心線。該算法為利用如圖5所示的模板沿圖像的掃描方向移動，逐點考察各像素的鄰域狀況，將圖像邊界像素逐次掃描消除。

P4P3P2P5PP1P6P7P8

圖5 細化算法模板

(1)∑4(P)≤3，即P點的4鄰域最多有3個值為1

(2)X(P)=1，此點為邊緣點

(3)∑8(P)≥1，此點非端點

(4)P3=1或X(P)3=1

(5)P5=1或X(P)5=1

其中∑4(P)和∑8(P)分別表示P的4鄰域內和8鄰域內像素為0的個數，X(P)表示連接數，X(P)3和X(P)5分別為假設P3=0和P5=0時P的連接數目。

通過上述操作對導線進行處理，可得到線寬為幾個像素的線條，此即為導線中心線，對PCB進行處理，結果如圖6所示。

圖6 PCB板細化算法效果

從中心線做垂線是一種檢測線寬的方法[16]，此方法可較為精確地測量圖像中導線寬度，但只適用于PCB圖像中的豎向和橫向導線，無法對斜向導線做精確測量。本文設計一種最大內切圓方法，以導線中心線上某點為圓心繪圓，圓形的半徑從0以設定的步長值不斷擴大，當圓與線路取交集的面積小于圓的面積時，即圓半徑大于某個值時會有部分在線路外，此時的圓的直徑即為該點處線路的寬度。選取一條線路測量如圖7所示。

圖7 用最大內切圓方法測量部分線路寬度

對中心線上除去焊盤位置之外的所有點進行上述操作，求得各位置導線寬度，取平均數作為線路的寬度，統(tǒng)計分析上述數據以分析判斷此線路制作水平。

3 實驗結果與分析

通過MATLAB軟件對100張PCB樣品圖片進行上述測試，選取測試的PCB板圖像像素為620×300像素，測得數據為像素值，通過比例尺換算，可以獲取PCB板表面數據，最后對100張PCB圖像進行數據統(tǒng)計，統(tǒng)計線路和焊盤平均數目如圖8所示。

圖8 圖像線路和焊盤數據統(tǒng)計

從圖8中可以看出，在100張PCB板圖像中，某些板線路條數和焊盤存在錯誤，存在斷路導致識別的線路條數多于正常值，存在焊盤形狀不規(guī)范導致識別焊盤數小于正常值?？梢耘袛嘣揚CB板存在不同程度的表面缺陷。

對100張PCB表面金屬占比和線路寬度數據進行統(tǒng)計，結果如圖9～圖10所示。

圖9 PCB板金屬占比統(tǒng)計圖

圖10 PCB板線路寬度統(tǒng)計圖

分析圖9中數據可以看出，此PCB板表面的金屬占比集中在22.65%。可以認為，在此數值的一定區(qū)間范圍內，PCB的誤差可以接受；在此區(qū)間外PCB板的分析信息應該進一步關注。在本測試集中，有7張PCB板表面金屬占比偏離百分之一，因此，需要進一步調取其信息進行分析。

分析圖10中數據可以看出，線路板表面平均線路寬度集中分布在0.7 mm和1.0 mm。在本測試集中，有5張PCB表面導線寬度偏離0.1 mm，結合圖9和表2中信息進行分析，即可得出不合規(guī)范的PCB板表面具體缺陷原因及位置。

查看數據異常的PCB圖像，發(fā)現其局部存在缺陷，存在短路導致識別線路條數少于正常值，存在方形焊盤形狀不規(guī)范導致錯誤識別成圓形焊盤，存在缺陷的局部圖像如下圖11～圖12所示。

圖11 存在斷路缺陷

圖12 焊盤存在缺陷

5 結論

本文將計算機視覺技術應用到PCB的表面檢測中，通過軟件將相關圖像處理、檢測算法應用在測試PCB裸板樣板中，最后對獲取的樣板表面形貌數據進行統(tǒng)計和分析，對測試樣板質量進行評價。實驗結果表明，該方法可以協(xié)助檢測、識別PCB板上的短路與斷路缺陷可以進行有效的檢測、識別，同時對評價PCB生產質量可以提供依據。