劉國忠，李運(yùn)生，周 璽，徐煒君

LIU Guo-zhong1, LI Yun-sheng2, ZHOU Xi1, XU Wei-jun1

（1. 北京信息科技大學(xué) 光電信息與通信工程學(xué)院, 北京 100192；2. Shin-Asahi Electric Ind. Co. Ltd., 日本滋賀 520-1511）

基于分層參考比對法印刷電路板自動檢測技術(shù)

Automatic inspection techniques of PCB based on layer comparison method

劉國忠1，李運(yùn)生2，周 璽1，徐煒君1

LIU Guo-zhong1, LI Yun-sheng2, ZHOU Xi1, XU Wei-jun1

（1. 北京信息科技大學(xué) 光電信息與通信工程學(xué)院, 北京 100192；2. Shin-Asahi Electric Ind. Co. Ltd., 日本滋賀 520-1511）

印刷電路板（PCB)自動檢測系統(tǒng)可以克服人工檢測方法容易漏檢、檢測速度慢的缺點(diǎn)，提高印刷電路板檢測效率?；趫D像處理技術(shù)，采用分層、參考比對方法，構(gòu)建了PCB缺陷自動光學(xué)檢測系統(tǒng)（AOI)，實(shí)現(xiàn)PCB裸板短路、斷路、毛刺、缺損等缺陷的自動檢測。研究結(jié)果可用于PCB在線高精度檢測。文章介紹了圖像預(yù)處理、圖像分割、圖像配準(zhǔn)和比對以及缺陷類型識別等技術(shù)。

光學(xué)測量；印刷電路板；自動光學(xué)檢測；分層比對法；圖像處理

0 引言

PCB質(zhì)量是影響電子產(chǎn)品性能的主要因素之一。在膠片制作過程中，曝光時(shí)間長短、光源強(qiáng)弱、顯影液配制濃度等對線條的粗細(xì)及精度會產(chǎn)生直接的影響[1]，布線過程同樣影響PCB質(zhì)量，PCB裸板上容易產(chǎn)生短路、斷路、缺損、毛刺等缺陷[2]。PCB人工檢測方式不但效率低、勞動強(qiáng)度大，而且由于人的主觀因素的影響，檢測精確性和可靠性大打折扣。另一方面， PCB作為電子工業(yè)中最基礎(chǔ)和最活躍的產(chǎn)業(yè)之一，朝著高密度、多層數(shù)、高性能等方向發(fā)展?，F(xiàn)今的印刷電路板已變得非常復(fù)雜：布線密度高，過孔間距小，已經(jīng)達(dá)到用肉眼難以分辨的地步。單靠人工檢測已無法適應(yīng)現(xiàn)代印刷電路板生產(chǎn)的需要。機(jī)器視覺檢驗(yàn)系統(tǒng)具有穩(wěn)定、可靠、精度高、速度快和非接觸測量等優(yōu)點(diǎn)，自動光學(xué)檢測系統(tǒng)（AOI）已經(jīng)成為PCB制造業(yè)發(fā)展的必然趨勢[3]。

AOI技術(shù)在國外研究較早，產(chǎn)品能檢測出大部分的印刷電路板缺陷[4]。但國外產(chǎn)品售價(jià)昂貴，一般在10-40萬美元，有的甚至高達(dá)100萬美元。因此，迫切需要研制具有自主知識產(chǎn)權(quán)的高效、高速、高精度的印刷電路板缺陷自動檢測設(shè)備。

1 PCB裸板視覺檢測系統(tǒng)

PCB裸板視覺檢測系統(tǒng)總體結(jié)構(gòu)如圖1所示。傳送機(jī)構(gòu)在計(jì)算機(jī)控制下移動PCB，PCB位置信息通過傳感器檢測反饋到計(jì)算機(jī)。照明系統(tǒng)在PCB表面產(chǎn)生均勻的光照，以便通過線陣CCD相機(jī)和圖像采集卡得到的PCB圖像具有均勻的背景亮度。線陣圖像被采集到計(jì)算機(jī)，并根據(jù)移動速度合成為PCB二維圖像。

圖1 PCB裸板視覺檢測系統(tǒng)

檢測系統(tǒng)使用被檢PCB圖像和基準(zhǔn)PCB圖像進(jìn)行分層比對的參考比對法判別缺陷。系統(tǒng)圖像處理軟件包括圖像預(yù)處理、圖像分割、圖像配準(zhǔn)和比對和典型缺陷類型識別。其中圖像預(yù)處理對圖像進(jìn)行平滑濾噪、增強(qiáng)和銳化處理。圖像分割根據(jù)圖像灰度直方圖將PCB圖像分為三層，即表面印刷體及焊盤、導(dǎo)線和背景。圖像配準(zhǔn)和比對實(shí)現(xiàn)被檢測PCB圖像和基準(zhǔn)PCB圖像的配準(zhǔn)和分層比對，提取缺陷信息。缺陷類型識別實(shí)現(xiàn)短路、斷路、缺損、毛刺等缺陷的識別和標(biāo)注，方便進(jìn)一步人工篩選。

2 圖像預(yù)處理

由于光強(qiáng)度的波動、光敏元件靈敏度不均勻、量化噪聲、機(jī)器振動引起攝像機(jī)的抖動、供電電源波動、PCB上的污物以及CCD器件本身引入的散粒噪聲等， PCB圖像不可避免地含有噪聲和失真，以及存在圖像信息模糊的情況。因此，首先需要對圖像進(jìn)行噪聲消除，然后對圖像進(jìn)行增強(qiáng)和銳化。

2.1 消除圖像噪聲

中值濾波是一種非線性的處理方法[5]，可以克服線性濾波器如平均值濾波等帶來的圖像細(xì)節(jié)模糊，而且對濾除脈沖干擾及圖像掃描噪聲最為有效，同時(shí)能較好的保持圖像邊緣。中值濾波法的基本思想是用像素鄰域窗口灰度值的中值來代替該像素點(diǎn)的灰度值。利用中值濾波處理后的圖像如圖2(b)所示：

圖2 圖像預(yù)處理

2.2 圖像增強(qiáng)

PCB圖像的顏色偏暗，圖像對比度不強(qiáng)，背景和對象的灰度級較為接近，給識別工作帶來了困難。因此，需要對圖像進(jìn)行增強(qiáng)處理。圖像的灰度直方圖是圖像的重要統(tǒng)計(jì)特征，采用直方圖均衡化方法。即對圖像中像素個(gè)數(shù)多的灰度級進(jìn)行展寬，而對像索個(gè)數(shù)少的灰度級進(jìn)行縮減，從而達(dá)到圖像清晰的目的。

假設(shè)一幅數(shù)字圖像的像素總數(shù)為N，有L個(gè)灰度級，第k個(gè)灰度級的灰度rk的像素共有nk個(gè)。若原圖像在像素點(diǎn)(x,y)處的灰度為rk，則直方圖均衡后的圖像在(x,y)處的灰度Sk為：

直方圖均衡化圖像處理效果如2(c)所示。

2.3 圖像銳化

為了去除圖像噪聲，使用圖像平滑技術(shù)，但是圖像平滑或多或少會使圖像中的邊界、輪廓變得模糊，為了減少這類不利效果的影響，采用拉普拉斯算子圖像銳化技術(shù)，使圖像的邊緣變得清晰。采用下面的模板：

銳化結(jié)果如圖2(d)所示。

3 圖像分割

為了改善使用整體匹配比對方法容易出現(xiàn)誤報(bào)現(xiàn)象問題，采用了分層比對方法。利用灰度直方圖對PCB圖像進(jìn)行分層，圖像中每一層的信息被分開，可以減小不同類型組件間信息的相互干擾。從灰度直方圖如圖3所示可以看出，圖像灰度值主要有三個(gè)波峰，將灰度圖像分為三層（L1、L2和L3）。其中，最右邊的較小的波峰為圖像中亮度較大的表面印刷及焊盤部分的像素。中間稍大一點(diǎn)的波峰為PCB上導(dǎo)線部分的像素。最左邊較大的波峰為占圖像面積較多的亮度較暗的背景部分。

圖3 PCB圖像灰度直方圖

直方圖為多峰值，圖像的灰度值較為復(fù)雜，因此，基于大津法[6]多閾值分割圖像。

灰度值0至l-1間，可以計(jì)算M-1閾值，將圖像劃分為c1～cM區(qū)域，初設(shè)定的閾值為{t1,t2,......,tM-1}，c1～cMM個(gè)區(qū)域中像素的比例分別為：

平均灰度值公式為：

多閾值的公式如下：

經(jīng)圖像分割和二值化處理后結(jié)果如圖4所示。

圖4 多閾值圖像分割

4 圖像配準(zhǔn)和比對

圖像配準(zhǔn)和比對實(shí)現(xiàn)被檢測PCB圖像和基準(zhǔn)PCB圖像的配準(zhǔn)和分層比對，提取缺陷信息。

4.1 模板匹配

參考比對法要求每一批量產(chǎn)品中至少有一幅通過人工事先挑選的基準(zhǔn)PCB圖像和待測圖像進(jìn)行比對。由于印刷電路板制作過程和采集電路板圖像時(shí)所受光照等因素的影響[7]，基準(zhǔn)的、無缺陷電路板的圖像也不完全相同。為了讓基準(zhǔn)圖像有更好的容錯性，同時(shí)也為了使基準(zhǔn)PCB圖像包含最大化的基準(zhǔn)特征，采用多幅基準(zhǔn)圖像平均法。首先，選取若干塊沒有缺陷的PCB灰度圖像分別進(jìn)行位置配準(zhǔn)。其次，將這些基準(zhǔn)圖像的相應(yīng)位置上的像素點(diǎn)的灰度值相加并平均，得到基準(zhǔn)PCB圖像。

參考比對法首先需要實(shí)現(xiàn)待測圖像與基準(zhǔn)圖像位置匹配，進(jìn)行位置校準(zhǔn)、消除偏移，然后才能對待測圖像與基準(zhǔn)圖像進(jìn)行比較，提取缺陷。位置校準(zhǔn)效果直接影響缺陷提取效果。運(yùn)用模板匹配法對PCB進(jìn)行定位。首先從采集到的基準(zhǔn)圖像中提取相應(yīng)的特征區(qū)域，然后利用模板在待匹配的圖像中檢測相匹配的特征區(qū)域，根據(jù)特征區(qū)域分別在基準(zhǔn)圖像和待匹配的圖像中的位置，計(jì)算出位置差異量。然后作為圖像的位置偏移量，實(shí)現(xiàn)位置配準(zhǔn)。

利用相關(guān)性來實(shí)現(xiàn)模板匹配，基本公式為：

模板的N個(gè)像素，分別同待匹配圖像的N個(gè)像素的區(qū)域相乘，相加所有的乘積。公式(6)用來估計(jì)待測圖像上每一個(gè)像素，具有最大值的像素區(qū)域，就是同模板最相似的部分。 為消除光強(qiáng)等因素影響，相關(guān)運(yùn)算寫為：

當(dāng)目標(biāo)圖像同模板完全相似時(shí)值為1。當(dāng)兩個(gè)圖像不相關(guān)時(shí)，結(jié)果為0。

4.2 分塊比對

模板匹配法一般根據(jù)選取的模板在基準(zhǔn)圖像和待匹配的圖像中的位置，計(jì)算出位置差異量,作為圖像的位置偏移量，傳遞給整幅圖像，實(shí)現(xiàn)近似的位置配準(zhǔn)，然后整體進(jìn)行比對，稱為整體比對法。

分塊比對法，是將基準(zhǔn)圖像和待測圖像分別劃分成小塊進(jìn)行比對。在分塊比對的過程中，同樣也需要對比對的對象進(jìn)行位置配準(zhǔn),在圖像的每一個(gè)分塊中分別提取匹配模板。采用分塊比對方法，可有效地解決在整體比對中，由于位置配準(zhǔn)精度不高，而對比對結(jié)果的影響，可以更有效的對缺陷進(jìn)行提取。

圖5 圖像配準(zhǔn)和比對

對圖像分割得到的二值圖像進(jìn)行適當(dāng)?shù)母g、膨脹操作，消除圖像分割過程中產(chǎn)生的細(xì)小連接部分、毛刺、斷線和缺損等。然后，通過對配準(zhǔn)后的待測圖像(圖5(a))和基準(zhǔn)圖像(圖5(b))對應(yīng)像點(diǎn)逐個(gè)進(jìn)行異或邏輯運(yùn)算，進(jìn)行比對。

由于異或操作是對每一個(gè)像素點(diǎn)進(jìn)行操作，因此會產(chǎn)生一些細(xì)小的像素集(圖5(c))，由于要檢測的缺陷是短路、斷路、毛刺及缺損缺陷等，設(shè)定一個(gè)面積閾值，濾除掉小于閾值的多余的斑點(diǎn)，剩余的就是所需要的識別的缺陷，經(jīng)過閾值濾波后的圖像如圖5(d)所示。

5 典型缺陷類型識別

5.1 短路、斷路的識別

采用計(jì)算相關(guān)區(qū)域的連通區(qū)域個(gè)數(shù)的方法來判斷缺陷部分是斷路還是短路。過程如下：從缺陷檢測結(jié)果中定位缺陷位置，在待檢和基準(zhǔn)二值圖像的相應(yīng)位置劃定包含此缺陷的一定區(qū)域，分別計(jì)算兩對應(yīng)區(qū)域的連通區(qū)域個(gè)數(shù)，短路部分包含的連通區(qū)域個(gè)數(shù)比基準(zhǔn)部分包含的連通區(qū)域個(gè)數(shù)要少,斷路部分包含的連通區(qū)域個(gè)數(shù)比基準(zhǔn)部分要多，PCB上毛刺和缺損等缺陷不會引起連通區(qū)域個(gè)數(shù)的變化。

圖6所示為PCB板在正常情況下和存在短路或斷路缺陷時(shí)的示意圖，基準(zhǔn)二值圖像6(a)中連通區(qū)域?yàn)?，短路二值圖像6(b)中連通區(qū)域?yàn)?，斷路二值圖像6(c)中連通區(qū)域?yàn)?。

圖6 PCB存在短路、斷路的二值化圖像示意圖

5.2 毛刺、缺損的識別

對于PCB板上的缺陷，首先進(jìn)行短路、斷路的識別，若判斷不出缺陷類別，則進(jìn)入毛刺和缺損的識別。根據(jù)連通區(qū)域面積（連通區(qū)域中像素的數(shù)目）判斷凸起和凹槽, 凸起會引起面積增加，而凹槽則會引起面積減少。圖7所示為PCB板在正常情況下和存在毛刺或缺損缺陷時(shí)的示意圖。

圖7 PCB存在缺損、毛刺的二值化圖像示意圖

5.3 相關(guān)性識別方法

根據(jù)6.1節(jié)中識別方法，可以判斷出大部分情況下的線路短路、斷路的情況。但如果在提取出的區(qū)域內(nèi)，既有短路又有斷路的情況下（如圖8所示），可能會對缺陷類型的正確判別造成影響。

圖8 既有短路又有斷路PCB缺陷示意圖

無論是短路或是斷路缺陷，在基準(zhǔn)圖像中都對應(yīng)著相應(yīng)的圖像特征。例如，短路的部分在基準(zhǔn)圖像的相應(yīng)位置為空，斷路部分則相反。因此，可以通過判斷缺陷區(qū)域是否存在于基準(zhǔn)圖像的相應(yīng)的連通區(qū)域內(nèi)，作為判斷短路和斷路缺陷類型的根據(jù)。缺損和毛刺也可以通過此相關(guān)性的判別找出。具體識別方法是：首先對缺陷區(qū)域進(jìn)行標(biāo)記，并計(jì)算每個(gè)區(qū)域的重心坐標(biāo)。如果是斷路或缺損類缺陷，重心坐標(biāo)會被包含在基準(zhǔn)圖像目標(biāo)區(qū)域中的一個(gè)坐標(biāo)集合內(nèi)。短路和毛刺的重心坐標(biāo)則不會出現(xiàn)在任何目標(biāo)區(qū)域的集合內(nèi)。

6 結(jié)論

PCB自動光學(xué)檢測系統(tǒng)通過線陣CCD相機(jī)采集傳送機(jī)構(gòu)上PCB線陣圖像，并根據(jù)PCB移動速度恢復(fù)PCB的二維圖像。通過被檢PCB圖像和基準(zhǔn)PCB圖像進(jìn)行對比的參考比對法判別缺陷是否存在以及缺陷的位置，然后使用數(shù)學(xué)形態(tài)學(xué)的方法對短路、斷路、缺損、毛刺等缺陷進(jìn)行判別。使用分層匹配比對方法，減少了圖像處理、圖像對比過程中信息間的相互干擾，從而減少整體匹配比對過程中容易產(chǎn)生誤報(bào)的現(xiàn)象。參考比對法算法比較簡單，容易實(shí)現(xiàn)，但是它不容易檢測線寬、線距違例等缺陷，并且對光照和定位的要求比較高。因此，將參考比對法和根據(jù)PCB設(shè)計(jì)規(guī)則判別方法相結(jié)合，會大大提高PCB的檢測效果。

[1] Trived Apaul,Cheng sin Liu. Machine Vision Processing/Selection in Printed Circuit Board Manufacturing[C].Proceedings of the 29th Southeastern Symposium on System Theory,1997：190-194.

[2] Madhav Moganti, Fikret Ereal. Automatic PCB inspection systems [J]. IEEE Potentials,1995,14(3)：6-10.

[3] Dergane.J.,Pernus,F.A Machine Vision System for Inspecting Bearings[C].Proceedings of 15th International Conference on Pattern Recognition,2000,4C752-755.

[4] 席斌, 錢峰.機(jī)器視覺測量系統(tǒng)在工業(yè)在線檢測中的應(yīng)用[J].工業(yè)控制計(jì)算機(jī),2005,18(11)：75-76.

[5] 張麗,陳志強(qiáng),高文煥,等.均值加速的快速中值濾波算法[J]. 清華人學(xué)學(xué)報(bào)(自然科學(xué)版), 2004,44(9)：1157-1159.

[6] N.Otsu. A threshold selection method from gray-level histogram[C].IEEE Transactions on Systems Man Cybernet,SMC-8,1978,62-66.

[7] 張道勇.基于線陣CCD的大幅面掃描技術(shù)研究[D].廣東工業(yè)大學(xué),2006.

TN911.73

B

1009-0134(2010)10(下)-0006-05

10.3969/j.issn.1009-0134.2010.10(下).02

2010-01-17

北京市教委科技計(jì)劃資助項(xiàng)目（KM201010772005）

劉國忠（1966 -）男，山西人，副教授，博士，主要研究方向?yàn)榫軠y量、三維測量、測控技術(shù)和生物醫(yī)學(xué)信息檢測。