劉娟　韓璞輝

電子產業(yè)的飛速進步為電子元器件注入了強大的發(fā)展動力，成為信息革命的主陣地。針對電子元器件的檢測篩選則是為其跨越性的技術進步與升級換代提供質量保障。SOP（Small Out-Line Package）封裝的電子元器件作為當今較為成熟的封裝形式，一般應用于系統(tǒng)集成度、可靠性、體積重量要求高的工業(yè)級及以上質量等級的電子元器件設計中。為了實現(xiàn)更為高效、快捷、準確的SOP封裝電子元器件檢測篩選，結合工作實際，采用圖像對比的方式，可以發(fā)現(xiàn)元器件表面的質量偏差點，實現(xiàn)對SOP封裝電子元器件的檢測篩選方法創(chuàng)新。

在電子元器件封裝的過程中，由于廠房設備的磨損、季節(jié)天氣的變化、電子污染物等原因，很容易導致電子元器件存在質量缺陷。為了檢測出這些質量缺陷，采用圖像處理的方法，對比檢測圖片與正常圖片的差異，發(fā)現(xiàn)缺陷。本文研究的重點主要為圖像處理的校正、對比設計實現(xiàn)。

在圖像采集前，需要將電子元器件按照標準的陣列排布，設計為五行流線進程，圖像采集的基準點是電器元器件固有的標準基點。電子元器件引外部區(qū)域的定位算法的設計也是以這些標準基點為基礎。電子元器件外部缺陷檢測算法主要包括鏡頭的偏移檢測矯正和外部瑕疵檢測。受光學鏡頭邊緣畸變以及元器件排布誤差的影響，采集到的元器件影像存在邊線彎曲、圖片扭轉、比例失調等現(xiàn)象，需要進行圖像分割并校正。

本文在簡化傳統(tǒng)算法的基礎上，設計實用投射模型，實現(xiàn)對原有算法的簡化處理，并更貼近近焦距工業(yè)相機的成像特點，建立數(shù)學模型。在不考慮畸形變化的前提下，可得下列表達式：

通過簡化操作，考慮了檢測篩選實際工作中的相機性能特點，剔除了背景干擾，簡化了圖像識別的流程。

完成圖像定點校準后，基于Sobel算子提取圖像底部邊緣輪廓線，統(tǒng)一圖像對準基準;然后采用最小二乘法擬合，得到圖像輪廓直線的坐標數(shù)值，通過計算獲取圖像的傾斜角度;最后，將圖像按照計算得出的傾斜角度反向旋轉，實現(xiàn)圖像的傾斜校正。由于圖像上的點是分散的數(shù)值影像單位，因此在規(guī)定半徑的圓上滿足已知數(shù)值坐標的點是可統(tǒng)計的。對于信息化檢測系統(tǒng)的算法來說，一定是在規(guī)定時間內的運行時間越少越好。掃描次數(shù)少在一定程度上可以縮短時間。但也需要注意圖像呈現(xiàn)的完整性和結果的準確度。

完整、準確的元器件圖像信息是進行圖像對比檢測的數(shù)據(jù)基礎。在此基礎上，調取預存的標準元器件圖像，與獲取的圖像進行灰度值差值運算。如果元器件不存在質量缺陷，其表面圖像應當是平滑的，與標準圖像的差值應當接近于零;如果存在裂紋、磨損、凹陷等質量缺陷，在圖像差值運算后，表現(xiàn)為明顯的黑色，即為元器件的缺陷點。以此實現(xiàn)SOP封裝的電子元器件自動檢測篩選。

（一）實驗準備

實驗過程模擬真實的機器設備運行環(huán)境。電子元器件引線框架的兩側與模擬導軌接觸，并且最少需要四次出片，才可完成整個引線框架的圖像采集。電子元器件的包裝外部瑕疵缺陷主要有包裝的劃痕、膠面的崩裂、有出氣孔、不同程度的破壞或者空洞以及膠面的擦痕。為了方便統(tǒng)計，收集到的圖像中隨機截屏缺陷圖像。而這些損傷在成像方面的差別細微到難以察覺，如果想要運用傳統(tǒng)的缺陷檢測算法來檢測，那么檢測結果的正確度和完整性將不能保證。

（二）實驗結論

設100個樣本，分別用本文的缺陷檢測算法和傳統(tǒng)檢測方法進行在劃痕、崩裂與氣孔、破損、空洞和擦傷方面的檢測對比，結果如下表所示：

根據(jù)上表可知，100個瑕疵樣本中，用缺陷檢測算法檢測的五個方面的瑕疵樣本數(shù)量比傳統(tǒng)的檢測方法檢測出的數(shù)量都要更多，由此可以得知缺陷檢測算法的實用性和先進性。

電子元器件的檢測與篩選是電子產品可靠性的基礎把關，其特點是種類繁多，數(shù)量龐大，單單依靠人工檢測篩選已經不能滿足實際檢測的需要，必須在技術手段和檢測方法上不斷研究、創(chuàng)新思維，設計出更為便捷、高效、準確的方法。希望通過本文的研究，為業(yè)界同行帶來啟發(fā)，為電子元器件的檢測篩選研發(fā)出更好用的技術手段。