印刷电路板制造的自动光学检验：综述外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

印刷电路板制造的自动光学检验：综述

摘要：随着基于印刷电路板（PCB）设计和大量制造能力的电子工业的快速发展，以及对具有最低缺陷率的高质量产品的需求，自动化光学检测（AOI）技术的重要性日益凸显。不同AOI系统制造商的基本目标是提高照明、计算能力、部件分段和视觉软件的灵活性。这些改进使得AOI产品更加智能、灵活，并且具有比人类视觉检查更高的可重复性结果。为了找出印刷电路板的误差，文献中提出了许多算法。在过去的三十年中，人们报道了各种印刷电路自动目视检查的方法。Moganti96在本主题中介绍的最后一个报告调查，这就是为什么需要在1996年之后引入此调查以涵盖报告的工作。此外，Moganti调查仅涵盖裸PCB的目视检查。在这项调查中，对自动检查印刷电路板的算法和技术进行了检查。对这些算法进行了分类，并根据分类对算法进行了分组。这项调查主要集中在图像分析和故障检测技术，这些也包括最先进的算法。

索引术语：自动光学检查，印刷电路板，视觉检查，故障检测，图像分析，表面安装技术

1. 介绍

自动光学检测（AOI）检测范围广泛的产品，如印刷电路板（PCB）、液晶显示器（LCD）、晶体管、汽车零件、产品包装或农产品（玉米或水果种子）上的盖子和标签。在检查印刷电路板的情况下，摄像头会自动扫描被测设备（DUT）的各种表面特征缺陷，如划痕、污点、开路、短路和焊锡变薄，以及丢失的部件、错误的部件和错误放置的部件。

机器视觉或AOI系统可以在不到一秒钟的时间内获取数百万个数据点（像素）。这些数据点用于目视检查和精密测量。

AOI对印刷电路板的表面进行视觉扫描。该板由多个光源照明，并由扫描仪或多个高清晰度摄像机观察。这样就可以监视板的所有区域，甚至是其他组件在一个方向上隐藏的区域。应该注意的是，每个AOI系统的制造商使用不同的检查算法和照明技术，根据所检查的项目/产品，每个系统可能有不同的优缺点。

采用表面贴装技术（SMT）组装印刷电路板（PCB）近年来在电子工业中得到了广泛的应用。因此，电子元件依赖于焊点向PCB提供电气连接；因此，焊点的质量对电子元件的质量至关重要[1]。焊点的自动光学检测（AOI）是印刷电路板装配质量控制的一个关键问题，因为AOI具有完全自动化人类视觉检测程序的巨大潜力。

一般来说，印刷电路板检查方法可分为三类：参考比较法、设计规则检查（非参考）法和混合法。

参考比较法是基于将要测试的印刷电路板的图像与符合预先定义的设计规范的理想印刷电路板的图像进行比较。虽然这是一种快速的比较方法，不需要任何CAD数据，但任何板放置方向的遗漏都可能导致基于参考的方法中的错误分析[5]。主要有两种技术：图像比较方法和基于模型的检测。图像比较是最简单的方法，它包括使用简单的逻辑运算符（如xor）逐像素比较两个图像。这些技术的主要难点是确定参考图像和测试图像的精确对齐，这使得其难以使用。在同样的想法下，更复杂的方案涉及特征和模板匹配[23]，但也存在同样的问题，通常需要大量的模板。基于模型的方法是一些技术，它们将被检查的模式与一组预定义的模型相匹配。它们也被称为图形匹配方法[23]，基于图像的结构、拓扑和几何特性。这些方法的主要困难与匹配的复杂性有关。尽管Sun和Tsai（Sun和Tsai，1992）提出了一种称为模式属性超图的技术，以使该方法更加实用，但它仍然是一种复杂且耗时的方法。

设计规则检查方法是基于对一般设计规则的验证，这对于验证导体和绝缘体的宽度至关重要。作为裸板印刷电路板的一种自动检测算法，设计规则检测已经被提出，并为自动化视觉检测系统制造商所熟知[25]。设计规则检查（DRC）方法检查印刷电路板表面的所有图案和空间是否符合或违反公共知识，即设计规则。由于一个简单的算法直接应用于图像，因此该算法的实现相对容易。这意味着它不需要对机械部件进行严格的对准和调整，以获得无失真的图像，并且可以很容易地平行化。然而，该方法是一个非常耗时的过程，需要很大的计算能力来满足用户对检测时间的要求。

混合方法融合了参考比较法和DRC法的优点，克服了各自的缺点。例如，大多数设计规则验证方法仅限于验证最小导体轨迹、角误差和杂散铜。采用参考比较法检测不违反设计规则的印刷电路板缺陷。这些方法可以检测丢失的特征或无关的特征。设计规则过程检测中小型特征中的大多数缺陷类型，而比较方法对最大特征敏感。混合方法利用了这两种方法的互补性，从而实现了对印刷电路板检测的高灵敏度。另一种分类方法是前端和后端处理[36]。提出了一种在不同光照条件下对印刷电路板焊点进行自动检测、定位和分割的计算机视觉系统。这被称为“前端”检查系统。后端包括焊点的分类。前端检测系统包括光照归一化，对图像进行光照归一化处理，有效地消除不均匀光照的影响，同时使处理后的图像在正常光照条件下保持与相应图像相同的性质。因此，为了检测焊点，可以减少特殊的照明和仪器设置。

表1探讨了裸PCB[35]和带SMT组件的PCB的大多数PCB错误。

根据进入检查系统的fed数据类型划分检查类型如下:

自动视觉/光学检测:基于视觉系统(摄像头扫描)，该系统可以检测裸PCB板和SMT元件表面相关的PCB板的多种PCB缺陷，如断口、缺件、开路、短路、极性错误、过刻蚀、欠刻蚀等。目视检查可能需要特殊安装摄像机和照明条件。

自动x射线检查:这种检查使用x射线作为PCB的扫描源，发现与ICs和BGAs相关的非可视PCB缺陷。

基于ICT (In-Circuit Test)的检查:是白盒测试的一个例子，在白盒测试中，电子探针测试填充的印刷电路板(PCB)，检查短路、开路、电阻和电容。

1. PCB检测方法:

在这一部分中，我们将总结大多数不同的PCB检测方法的最新工作。图1将最常见的PCB检测技术分为三类参考比较方法、设计规则检查(非参考)方法和混合方法[6]。如引言所述，参考技术分为两种类型，图像比较和基于模型。

对于非引用，我们记录了三种类型。编码技术包括(运行长度、边界分析)、基于形态过程和层次标记点过程。最后对混合技术进行了总结，包括通用技术、基于遗传的技术、学习方法、循环模式匹配技术、对数函数滤波与分类器融合技术、基于边界分析的模式检测技术等。下面我们将描述Moganti96调查中没有包含的技术。

• 1. 参考方法:

基于参考的技术，基于参考图像(黄金图像)和输入图像之间的点或特征比较。图像处理和增强需要大量的时间；特别适用于图像比对前的图像配准任务。

Mauro和Roberto[38]介绍了一种基于参考图像和测试图像的连接表(连接的PCB孔列表)的比较的PCB检测技术。该方法基于连接元件分析，是提取PCB导体连接性信息的一种自然方法。PCB孔的注册,这是一个常见的问题与参考模型技术,是解决区域的概念每个洞的影响(影响带点是该地区所有的点在哪里靠近点比其他任何点在图像)和标记提取导体连接的PCB图像。该技术的实现采用了标准的形态学图像处理技术。这种技术对制造业是不切实际的,因为这一直处理时间53秒(在太阳Sparc5 32 MB的内存)即使没有的建议(读写文件)和预计时间间隔为5秒时间也许多类型的缺陷不能覆盖(老鼠咬,在腐蚀,在腐蚀,印刷线)之间的差异。

Zuwairie和Syed[40]提出了一种基于二维HAAR小波变换的PCB自动视觉检测系统。检查时需要两种类型的图像; 参考和测试PCB图像。将小波变换应用于参考和测试的PCB图像。根据之前提出的基于小波的PCB检测算法，利用图像差分运算，在小波域中对基准图像和测试后的PCB图像进行了参考比较。然而，在实际操作中，这种操作也带来了不必要的噪声，因为失调和不均匀的二值化。因此，在本系统中，为了实时实现，用图像减法代替了基准图像与被测PCB图像之间的图像差分运算。图像减法运算的输出可分为正、负、零图像。通过对正、负图像进行消噪处理，得到无噪声的正、负图像。最后，对无噪声图像进行XOR逻辑运算，生成检测系统的输出。该系统非常适合中小型PCB制造商，因为他们的精密对准设备很难购买。

Noor和Zuwairie[6]提出了一种对裸电路板缺陷进行分组的算法。利用综合生成的PCB图像，该算法可以将14种常见的PCB缺陷分成5组。该算法包括图像减法、图像加法、逻辑异或异和洪水填充算子等多种图像处理操作。为了得到更好的结果，需要对算法进行改进，即对14种缺陷分别进行分类。此外，还应考虑不必要的噪音。

Fabiana和Flavio[7]提出了一个用于印刷电路板(PCB)自动检测的计算机视觉系统、印版在PCB制造过程中的印刷。他们首先比较了一个PCB标准图像和一个PCB图像，使用一个简单的减法算法，可以突出主要的问题区域。然后他们使用连接分析来发现致命的和潜在的错误，比如断路和短路。另一种方法是在实际PCB中开发这种方法，他们提出将问题区域放大，并开始在一组小于主PCB图像的PCB切片中发现错误。如果应用于实时检测系统，这种方法似乎非常有效。因此，他们提出了一种新的算法来解决PCB检测问题，考虑到它在减少计算时间方面的效率。该算法速度快，但只对印刷电路板的印刷过程有一定的限制，而大多数印刷电路板的缺陷都发生在后续的印刷过程中。他们还确认环境照明应该是统一的，所有检查过的PCB都属于同一类别。并将有必要校准系统每次我们改变参考PCB或环境照明。

Lin和Zhou[42]提出了一种基于数学形态学的PCB检测算法。本文提出了链接信息表的概念，并将其作为模板PCBs的相关特征。该工作还包括预处理和特征提取。通过与基于链接信息表的检测图像和模板图像的特征对比，可以识别出检测pcb中存在的缺陷，实现了对缺陷的自动识别和实时检测。实验证明，该算法能有效压缩特征数据量，减少相关工作负载，缩短数据处理时间。通过实验，该算法能够快速、准确地检测出常见的缺陷。最后，本研究得出以下结论:

1)采用中值滤波方法对所有图像进行降噪处理，具有数据量小、分析时间短、算法简单等优点。

2)提出了一种基于模板与测试图像比对信息表的缺陷检测方法，该方法不需要图像精确定位，大大降低了对硬件的要求精度。

Ismail和Syed[16]提出了一种基于图像相减技术的裸机pcb缺陷检测算法，该算法可以检测出六种类型的缺陷(pin孔、缺失孔、短路、欠切、开路和接触不良)。

捕获图像后，执行图像配准以获得对齐良好的缺陷图像。然后采用图像减法、最小阈值和中值滤波等方法得到无噪声的正、负图像。接下来，我们使用从Ismail和Zuwairie[43]中提取的缺陷分类算法对上述6种印刷缺陷进行分类。该系统被证明是一种有效地检测和分类缺陷的替代方法。此外，该系统价格低廉，因为无需购买机械校准设备。

• 1. NON-REFERENTIAL方法

非参考检测方法不需要任何参考图像或模式。这些方法也称为设计规则检查技术。检查图像的图案和轨迹符合设计规范标准。非参考检验方法可以避免参考方法的缺点，但这些方法可能会遗漏不违反设

全文共7616字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[1836]

您可能感兴趣的文章

• 流化床包衣造粒过程的监测与控制研究外文翻译资料
• 一种新颖的旋转流化床包衣细颗粒涂层的方法外文翻译资料
• 中国城市垃圾的处理和管理外文翻译资料
• 滤袋、气旋、和湿式除尘方法在真空吸尘器中的比较外文翻译资料
• 一个灵活的模型辗环机设计外文翻译资料
• 带有柔性转子的主动电磁轴承系统的识别外文翻译资料
• 柔性阻尼支承下转子振动特性实验外文翻译资料
• MapReduce:超大集群上的数据简化处理外文翻译资料
• 垂直循环式立体车库的停车与乘车调度优化外文翻译资料
• 高灵敏度、高稳定性的自温度补偿电涡流位移传感器外文翻译资料