王付軍

摘 要：PCB的金手指缺陷直接影響電氣設備的性能和穩(wěn)定性。為了克服傳統(tǒng)的圖像檢測PCB金手指表面鍍層缺陷，本文提出了利用計算金手指圖像的信息熵來檢測其表面鍍層缺陷，并討論了兩種信息熵檢測算法。一是針對金手指表面露銅、氧化等缺陷，基于顏色變化的信息熵檢測算法。二是針對金手指表面劃傷缺陷，基于結(jié)構(gòu)變異的信息熵檢測算法。測試結(jié)果表明，金手指表面圖像檢測能有效識別露銅、劃傷等缺陷，對實際的PCB金手指在線檢測有一定的指導意義。

關(guān)鍵詞：信息熵;金手指;缺陷;PCB

中圖分類號：TG142.15 文獻標識碼：A 文章編號：1003-5168（2019）26-0029-04

Research on Coating Defects of PCB Gold Finger Surface

Based on Information Entropy

WANG Fujun

（Liaocheng University Dongchang College，Liaocheng Shandong 252000）

Abstract： PCB gold finger defects directly affect the performance and stability of electrical equipment. In order to overcome the traditional image detection PCB gold finger surface coating defects， this paper proposed to calculate the surface coating defects by calculating the information entropy of the gold finger image， and discussed two information entropy detection algorithms. The first is an information entropy detection algorithm based on color change for defects such as copper exposure and oxidation on the surface of gold finger. The second is the information entropy detection algorithm based on structural variation for the scratching of gold finger surface. The test results show that the gold finger surface image detection can effectively identify defects such as copper and scratches， which has certain guiding significance for the actual PCB gold finger online detection.

Keywords： information entropy;golden finger;defect;PCB

金手指在板卡與主板的電氣連接方面的重要性不言喻，所以其鍍銅或鍍鋅接觸面的導電性要穩(wěn)定、可靠。在實際的質(zhì)量控制中，一般采用圖像法檢測的方法，基本思想是采集電子板件金手指的圖像和標準圖像進行比對，這種方法對于電子元件的焊點缺陷檢測是非常有效的，但是對于金手指的檢測，效果不是很好[1-3]。這是因為金手指表面的圖像像素值比較分散，缺陷部分的特征主要隱藏在金手指圖像的紋理中，鑒別和檢測比較困難。

更重要的是，一般采用圖像檢測來辨別缺陷，都需要把采集到的彩色圖像轉(zhuǎn)化為灰度圖像，然后轉(zhuǎn)變?yōu)槎祱D像。這樣以來，圖像的顏色空間信息就被過濾掉，對于金手指的氧化變色缺陷就無法判別。為了能完整地識別電路板件金手指的缺陷，本文提出了采用信息熵和數(shù)字圖像處理相結(jié)合的方法來檢測電路板件金手指表面鍍層缺陷。

1 電路板件金手指的質(zhì)量標準和缺陷分類

電路板件金手指是和主板電氣聯(lián)系的關(guān)鍵部件，一般設置在印刷電路板的下面對稱設置。其質(zhì)量判斷標準是金手指表面鍍層無漏銅、無覆蓋涂層、表面顏色鮮艷、無氧化現(xiàn)象和鍍銅面無斷裂[4-6]。

印刷電路板（PCB）金手指的表面缺陷多以顏色變化為特征，常見的缺陷有：金手指表面凹陷、漏洞、邊緣受到外力劃傷、表面氧化和漏銅等[7-10]，具體情況如圖1所示。

2 信息熵與顏色空間

現(xiàn)代的信息概念包含的范圍很廣，事物的運動狀態(tài)可以用信息表示，事物的特征或存在方式也可以用信息表示。圖像包含大量信息，例如，PCB金手指表面圖像包含鍍層是否均勻、是否受到外力劃傷等信息。熵作為熱力學的概念，用于表征系統(tǒng)的混亂度，系統(tǒng)越亂，熵越大。在近代，熵才和信息聯(lián)系起來，主要表征信息源的不確定性，對于圖像而言，顏色越豐富，熵越大。

PCB金手指表面缺陷檢測必然要用到金手指的彩色圖像，在計算機中，彩色圖像是用RGB顏色空間來顯示的。每一點的顏色是由R、G、B三原色混合而成，每一個顏色通道的位數(shù)是8位，灰度級為256級（0～255），可以顯示16 777 216種顏色。RGB顏色空間和設備本身有關(guān)。不能用于檢測不同設備參數(shù)的PCB金手指表面缺陷，因此需要轉(zhuǎn)換金手指圖像的顏色空間，使之與設備無關(guān)。

CIE（國際發(fā)光照明委員會）提出了多種和設備無關(guān)的顏色空間，主要有CIE-XYZ、CIE-Lab、CIE-LUV等。

2.1 CIE-XYZ顏色空間

CIE XYZ是國際照明委員會在20世紀60年代修訂的顏色系統(tǒng)，利用紅、綠、藍作為三基色，是其他顏色系統(tǒng)如CIE-Lab、CIE-LUV等的基礎(chǔ)。其利用相加或相減配色產(chǎn)生其他顏色。

PCB金手指圖像采集的空間是RGB空間，它和CIE-XYZ的變換關(guān)系為：

[XYZ=][0.412 453? ? 0.357 580? ? 0.180 4230.212 671? ? 0.715 160? ? 0.072 1690.019 334? ? 0.119 193? ? 0.950 227][RGB]? ? ? ? ? （1）

變換的結(jié)果可以用于后續(xù)的處理。

2.2 CIE-LAB顏色空間

CIE-LAB顏色空間是由CIE-XYZ顏色空間通過數(shù)學轉(zhuǎn)換而來，其理論基礎(chǔ)是顏色不能同時具有兩種色別，如紅和綠、黃和藍，與設備的性能無關(guān)，使用對色坐標表示，如圖2所示。其中，[L]值代表光亮度，取值范圍0～100。[b]和[a]代表色度坐標，[a]代表紅-綠軸，[b]代表黃-藍軸，它們的值從0到10，0表示無色，因此[L]就代表從黑到白的比例系數(shù)。

CLE-LAB顏色空間和CLE-XYZ顏色空間的轉(zhuǎn)換公式為：

[a=500[（XY）13-（YYn）13]]?   ? ? ? ? ? ? ? ? ? ?（2）

[b=200[（XXn）13-（ZZn）13]]? ? ? ? ? ? ? ? ? ? ? ? （3）

[L=116（XY）13-16]? ? ? ? ? ? ? ? ? ? ? ?（4）

借助于[a]和[b]的取值，人們可以判斷PCB板金手指信息熵的大小。

2.3 CIE-LUV顏色空間

CIE-LUV是從CIE-XYZ顏色空間簡化而得，具有視覺統(tǒng)一性，和設備的性能無關(guān)。在CIE-LUV顏色空間中，[L]表示明度，[U]表示紅/綠，[V]表示黃/藍值。

借助CIE-LUV顏色空間，可以使用[u]、[v]的數(shù)值來表征PCB金手指圖像的信息熵。其和CIE-XYZ顏色空間的轉(zhuǎn)換公式為：

[u′=4YX+15Y+3Z]? ? ? ? ? ? ? ? ? ? ?（5）

[v*=13L*（v′-v′n]）? ? ? ? ? ? ? ? ? ? ? ?（6）

[L*=116（YYn）13-16]? ? ? ? ? ? ? ? ? ? ? ? （7）

[][v′=9YX+15Y+3Z]? ? ? ? ? ? ? ? ? ? ? ? ? （8）

[u*=13L*（u′-u′n）]? ? ? ? ? ? ? ? ? ? ? ? ? （9）

3 基于顏色變化的PCB金手指缺陷檢測

圖像信息熵的定義為：

[E=i=0LPi?ln（Pi）]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （10）

式中，[E]為熵，[Pi]為信元[i]發(fā)生概率。[E]值越大，表示影像信息愈復雜，也即說明金手指的顏色越豐富;[E]值越小，表示影像信息愈單純，也即金手指表面顏色越純凈。圖像是二維信元，僅靠一維信號不能精確地區(qū)分PCB金手指的缺陷，必須引入二維信息熵。

圖3為顏色含量逐漸增加的圖像，針對該組圖像，提出利用雙彩色特征熵（二維信息熵）[EC2]來偵測顏色的變化，從而識別PCB金手指的缺陷。

逐個計算圖3中5幅圖像的二維信息熵，結(jié)果如圖4所示，可以看出，圖像的信息熵隨著圖像顏色的復雜而增大，有瑕疵的PCB金手指圖像顏色的復雜度肯定大于無瑕疵的圖像。

4 基于結(jié)構(gòu)變異信息熵檢測法

基于顏色空間的二維特征信息熵無法準確地識別金手指的結(jié)構(gòu)性瑕疵，如刮傷，為此還需要計算PCB金手指圖像的結(jié)構(gòu)信息熵[Eθ]，進一步判別具體的金手指瑕疵，金手指表面被外力劃傷，其圖像方向特征熵肯定會發(fā)生變化。

把通過CCD攝像頭采集到的RGB通過公式轉(zhuǎn)化為亮度信號，具體公式如下：

[I=R+G+B3]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （11）

圖像的結(jié)構(gòu)性特征可利用邊緣檢測算子獲得，考慮到PCB金手指圖像的特點，本文采用Prewitt算子獲取水平和豎直方向的特征。

水平方向為[-101-101-101]，豎直方向為[-1-1-1000111]。

根據(jù)式（12）至式（16）遍歷圖像的每個像素，人們就可以求出圖像的結(jié)構(gòu)性特征熵。

[GX（x，y）=j=-11i=-11C（x+i，y+j）×MX（i，j）]? ? ? ? ? ? ?（12）

[GY（x，y）=j=-11i=-11C（x+i，y+j）×MY（i，j）]? ? ? ? ? ? ? ? （13）

[θ（x，y）=tan-1GY（x，y）GX（x，y）]? ? ? ? ? ? ? ? ? ? ? ? ? ?（14）

[Eθ=-θpθ?ln（pθ）]? ? ? ? ? ? ? ? ? ? ? ? ? （15）

[pθ=fθθ′=0nfθ′]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（16）

式中，n為角度的等份;[fθ]為對應的特征數(shù)。

圖5為5幅方向信息復雜度不同的特征圖像，通過計算它們的特征熵，筆者發(fā)現(xiàn)，結(jié)構(gòu)越復雜的圖像，信息熵[Eθ]越大。結(jié)構(gòu)方向信息越簡單的圖像，信息熵[Eθ]越小。

圖5可以說明，通過Prewitt算子提取的方向特征信息熵，能有效區(qū)分圖像的結(jié)構(gòu)瑕疵。

5 PCB金手指圖像缺陷實際測試

為了驗證上述算法的準確性，本研究搭建了硬件檢測系統(tǒng)，現(xiàn)場采集PCB金手指，進行鍍層表面缺陷的檢測測試。系統(tǒng)的組成如圖6所示。

采集設備選用高指標工業(yè)攝像機，要求像素點的精度2μm。

5.1 基于顏色變化的金手指缺陷實測

首先采集標準的PCB金手指圖像，裁剪處理為銳度高的金手指圖像，利用Matlab軟件計算基于CIE-LUV參數(shù)的二維信息熵，通過多幅標準的金手指圖像的熵取平均值和方差，然后確定信息熵閾值。接著，采集待測的金手指圖像，對圖像邊緣進行銳化處理，以矩形的窗口（可以取7×7的鄰域）遍歷整個圖像，確定鄰域框的信息熵，和標準值作比較，如果熵的數(shù)值高于閾值，說明該區(qū)域存在瑕疵，則標記該領(lǐng)域。

實際采集的樣本圖像如7所示，幾乎都包含了缺陷。為了對比測量，筆者提取了2、4、6沒有缺陷的區(qū)域，其信息熵作為標準值，1、3、5對應的區(qū)域作為待測對象。

經(jīng)過實測，2、4、6三個區(qū)域的熵值分別為2.776、3.0、2.49，其均值為2.755，方差為0.256，所以PCB金手指圖像熵的閾值取3.01。1、3、5對應區(qū)域的測量結(jié)果如圖8所示，可以看出，基于顏色變化的信息熵檢測算法能有效識別漏銅缺陷。

5.2 基于結(jié)構(gòu)變異的金手指缺陷實測

基于同樣的圖像采集設備，采集待測PCB金手指的圖像，如圖9所示，然后選取幾個沒有缺陷的區(qū)域，利用Matlab軟件，計算基于結(jié)構(gòu)變異的金手指圖像的信息熵、平均值和方差，確定信息熵的閾值。再計算待測金手指圖像的閾值，如果某區(qū)域的熵值明顯小于閾值，則標記該區(qū)域（表示含有缺陷）?；诮Y(jié)構(gòu)變異的信息熵檢測法檢測結(jié)果如圖10所示，可以看出，其能較好地識別刮傷缺陷。

6 結(jié)論

針對PCB金手指的漏銅、氧化、刮傷等缺陷檢測，本文提出利用圖像信息熵的變化來檢測圖像，討論了基于顏色空間的信息熵檢測算法和基于結(jié)構(gòu)變異的信息熵檢測算法。通過金手指樣品的檢測實例，筆者驗證了算法的可行性?；陬伾兓男畔㈧貦z測算法能有效鑒別漏銅、氧化等缺陷，基于結(jié)構(gòu)變異的信息熵檢測法能成功識別刮傷等缺陷。

參考文獻：

[1]馬子龍.基于內(nèi)容圖像搜索引擎關(guān)鍵技術(shù)研究[D].西安：西安科技大學，2010.

[2]袁正希，倪乾峰，袁世通.PCB金手指表面變色研究[J].電子科技大學學報，2009（5）：721-724.

[3]劉福玉，李文玉.SMT生產(chǎn)中金手指污染的處理方法[J].電子工藝技術(shù)，2012（6）：355-358.

[4]段練.基于圖像處理的印制電路板缺陷檢測的研究[D].武漢：華中科技大學，2011.

[5]杜顏顏，楊帆，王曉穎.一種彩色PCB圖像的邊緣檢測算法研究[J].電視技術(shù)，2011（13）：113-115.

[6]胡秀亮，葉健敏，王濤.基于圖像處理技術(shù)的PCB缺陷自動檢測系統(tǒng)[J].微型機與應用，2010（1）：24-27.

[7]文燕.自動光學檢測技術(shù)在貼裝檢測中的應用研究[D].武漢：華中科技大學，2007.

[8]李宏恩.PCB檢測方法研究[J].電子設計工程，2015（14）：106-108.

[9]喬鬧生，鄧磊，曾友兵，等.含噪聲且較模糊的印刷電路板光電圖像邊緣檢測研究[J].光電子·激光，2013（4）：740-745.

[10]潘宏杰，明慧.覆銅板表面油點缺陷探討[J].印制電路信息，2016（2）：23-24.