一種薄膜電路故障的自動(dòng)檢測系統

摘 要： 自動(dòng)視覺(jué)檢測系統利用了數字圖像處理技術(shù)，是一種高速、準確、無(wú)損的方法，目前得到了廣泛的應用。概述了這一領(lǐng)域的研究成果，并根據多層薄膜電路的實(shí)際情況，提出了一種參考和非參考比較相結合的故障檢測與分類(lèi)方法，并以此為基礎構造了一個(gè)微機實(shí)時(shí)檢測系統。

關(guān)鍵詞： 薄膜電路 參考比較 非參考比較

電路制造技術(shù)正朝著(zhù)將更多的集成電路安裝在一塊PCB電路板上的方向發(fā)展，從而使PCB的尺寸增大、層數增多；同時(shí)，電路板本身也變得越來(lái)越小、越來(lái)越復雜。由于這些原因，生產(chǎn)及更換它們的成本也越來(lái)越高。所以，需要相應的質(zhì)量控制手段，使每一層上的線(xiàn)路都能夠在上一層鋪設之前被檢查。在這里，自動(dòng)視覺(jué)檢測能夠以相對較小的代價(jià)發(fā)現許多致命的錯誤，因而發(fā)展非常迅速。

１ 電路板故障檢測研究的發(fā)展狀況

在PCB及其它相近的線(xiàn)路板如薄膜電路的故障檢測方面，人們進(jìn)行了大量的研究工作，并形成了一些應用系統。它們多是基于圖像處理的自動(dòng)視覺(jué)檢測，其硬件部分包括：機械裝置、照明系統、攝像頭、圖像采集卡、圖像處理器、計算機等；軟件部分：主要是進(jìn)行控制和圖像的處理。系統工作流程如圖１所示。

近年來(lái)，出現了很多電路檢測算法，在M,Madhav和F.Ercal發(fā)表的綜述[1]中，它們大致可分為3類(lèi)：參考算法、非參考算法以及混合算法。

參考算法使用待測電路板的全部信息，一般是先將標準圖像（可以是無(wú)故障的圖像或是設計時(shí)的CAD版圖）與待測圖像進(jìn)行比較，也稱(chēng)為逐象素比較。其中最直接的是將兩幅圖像進(jìn)行XOR運算，這是速度最快的一種方法，并且易于用硬件實(shí)現。但是它也有一些缺點(diǎn)，例如對光照和定位的要求比較高、所需的存儲空間較大、難以分類(lèi)等等。

非參考算法并不需要所謂標準圖像的信息，它是基于一定的設計規則的。例如，可以假設正常的線(xiàn)路都具有規則的幾何形狀，而存在故障則意味著(zhù)其外形不規則。另外還可以根據線(xiàn)路的特征如最大和最小線(xiàn)寬、最大和最小焊盤(pán)半徑來(lái)進(jìn)行判斷。常用的方法是圖像通過(guò)編碼來(lái)獲得邊緣信息，例如使用鏈碼或游程編碼。對于非參考方法而言，它主要的優(yōu)點(diǎn)是提高了運算速度，降低了存儲空間；但是，它的缺點(diǎn)也是顯而易見(jiàn)的，即只能檢測那些違反設計規則的故障，并且要求有一個(gè)標準的導線(xiàn)類(lèi)型。對于某些不違反規則的情況，例如和正常線(xiàn)路形狀相似的短路線(xiàn)，可能就無(wú)法判斷。非參考方法在檢測全局性的故障方面也存在一些缺欠。而參考方法則容易漏掉一些微小的錯誤。圖2表示了它們和故障尺寸的關(guān)系。所謂的混合方法綜合了參考和非參考方法的優(yōu)點(diǎn)，以求達到更高的檢測率。

Mandeville[2]提出了一種所謂的通用方法，它的基本思路是通過(guò)腐蝕、膨脹、細化等圖像變換手段生成骨架圖像，從中可以方便地檢測出電路特征，從而形成特征表。將標準與待測圖像的特征表進(jìn)行比較，其中如有沖突的元素，那么就隱含著(zhù)故障。實(shí)際上，在這種方法中需要進(jìn)行大量的形態(tài)學(xué)運算，而且，對于每一種故障類(lèi)型，都定義了自己的一種運算方法，所以計算量很大，難以達到實(shí)時(shí)要求。另外，還有的方法將整個(gè)電路劃分為許多小的子模塊，然后對相應位置的模塊進(jìn)行匹配，但它們的缺點(diǎn)是對每一種電路版圖都需要進(jìn)行學(xué)習，可移植性不好[3]。

２ 針對薄膜電路提出的檢測算法

所謂薄膜集成電路即是采用真空沉積技術(shù)，也可輔以其它沉積技術(shù)形成膜的集成電路[4]。薄膜電路檢測的方法與一般PCB相似。但是，它也有自己的特點(diǎn)（如圖3）。由于它的尺寸較小，只能通過(guò)顯微鏡分區域放大后由攝像頭成像，因此對于檢測區域的精確定位就顯得非常重要。由于電路的電氣特性與尺寸密切參考，所以，線(xiàn)條的尺寸不是固定的。其中較窄一些的稱(chēng)為金屬化線(xiàn)條，較寬一些的稱(chēng)為金屬化鍵合區。由于線(xiàn)條尺寸存在多樣性，故而利用簡(jiǎn)單的非參考方法，試圖通過(guò)對整幅圖像的進(jìn)行形態(tài)學(xué)變換來(lái)提取特征的非參考方法就很難實(shí)現。而且，在檢測后還要求對故障進(jìn)行分類(lèi)，因此在這里我們采用了參考比較和非參考比較相結合、以參考比較為主的方法。通過(guò)參考比較對故障進(jìn)行分類(lèi)和判別，而使用非參考比較在較小的缺口和突起等故障上，作為對前者的補充。

首先，對采集的圖像進(jìn)行預處理，包括消除噪聲，使用逆濾波對亮度不均勻進(jìn)行處理。這里，逆濾波是通過(guò)用曲線(xiàn)對攝像機的傳輸函數進(jìn)行擬合實(shí)現的。對于一個(gè)m次多項式：

C(i,j)包含了待測圖像和標準圖像中的所有差別。為了進(jìn)行下一步的分類(lèi)和判別，我們對０中的目標進(jìn)行邊界跟蹤，這里使用的是Ｆｒｅｅｍａｎ的８方向鏈碼，得到對其形狀的鏈碼表示Chain(i)．0≤i≤k，k為缺陷數目）。 對Chain(i)進(jìn)行分析，則對每一待判缺陷都可以得到一組描述符D(i)：

(up,down,left,right,area,track_border,substrate_border,

type)。

up,down,left,right:缺陷區域的最上，下，左，右點(diǎn)。

area：缺陷區域的面積，它可以利用鏈碼數據position[i]來(lái)計算：

５：結束。

參照分類(lèi)結果，我們對缺陷進(jìn)行判別，一般認為，如果缺陷在線(xiàn)寬方向的尺寸超過(guò)線(xiàn)寬的1/3，則認為其構成了故障。由于電路線(xiàn)條寬度各不相同，因此對于每一個(gè)缺陷，都需要根據它們對應位置處的線(xiàn)條寬度作出相應的判斷，如果相對標準圖像有線(xiàn)條錯位的情況，判別的準則與上面是相同的。另外，如果缺陷的面積大于某一閾值，我們也認為發(fā)生了故障。在某些情況下，相鄰的缺陷類(lèi)型單獨不構成故障，但是它們結合在一起，則可能對線(xiàn)路的特性造成比較大的影響，如圖4所示。因此對于各個(gè)故障在單獨判別后還需要結合其位置作出相應判別。

以上基于參考比較，完成了對故障的分類(lèi)和判別。但遇到微小的故障，如小的缺口和突起或線(xiàn)條位置有錯開(kāi)等情況時(shí)，用這種方法容易產(chǎn)生遺漏，所以我們使用非參考方法作為參考方法在分類(lèi)和判別時(shí)的補充。它通過(guò)對待查電路板的邊界進(jìn)行跟蹤，使用可變長(cháng)度的濾波器來(lái)檢測邊界上的高頻成分，如圖5所示。Ａ是邊界上兩點(diǎn)間直線(xiàn)距離，而B(niǎo)是兩點(diǎn)間邊界點(diǎn)數。當B＞K*Ａ時(shí)，存在不規則邊界；而A≈B，意味著(zhù)邊界是近似直線(xiàn)的。West.C等在它們的工作中，采用了固定長(cháng)度，這樣實(shí)際上限制了可被發(fā)現的故障尺寸[５]，因此這里我們使B為可變長(cháng)度。開(kāi)始時(shí)，B取值較小，當遇到目標后，將B的值逐點(diǎn)增加，并計算此時(shí)的A，直至遇到規則邊界為止，這樣就可以將缺陷范圍都包含在內。為了去除邊界噪聲干擾，需要事先對邊界鏈碼進(jìn)行平滑。通過(guò)實(shí)驗，我們取K=1.5，可以檢測出各種尺寸的不規則邊界。對于以上的結果，為了判別它是否構成故障，同樣也需要進(jìn)行線(xiàn)寬的比較。

３ 系統實(shí)現

利用上述的檢測算法，我們實(shí)現了一個(gè)基于微機的薄膜電路故障檢測系統。由于薄膜電路是分層的，因此在每一層的生產(chǎn)工序完成之后，都必須對該層進(jìn)行檢測，然后再生產(chǎn)上一層。電路板的面積很小，因此必須通過(guò)顯微鏡成像。為保證一定的分辨率，我們將全電路板分為8×8的區域，用步進(jìn)電機控制顯微鏡和攝像機的移動(dòng)，實(shí)現精確的定位，并用圖像匹配對定位進(jìn)行調整，定位誤差可以小到1個(gè)象素。攝入的圖像經(jīng)圖像采集卡數字化后送入計算機。由于顯微鏡的光場(chǎng)亮度不勻，因此首先進(jìn)行亮度校正，用曲線(xiàn)擬合亮度衰減，生成畸變矩陣進(jìn)行校正。接著(zhù)對圖像進(jìn)行消噪和增強邊緣的處理。由于透光性的原因，下層會(huì )對上層構成干擾，所以采用多目標分割方法，依據校正后的直方圖，將當前檢測層提取出來(lái)。對于上下層線(xiàn)條交叉處的干擾，則參考下層線(xiàn)路延長(cháng)線(xiàn)的邊緣特性加以去除。另外，還需從標準圖像中提取出通孔和鍵合區的位置以供判別時(shí)參考。最后，將圖像分割的結果與標準圖像進(jìn)行參考比較和非參考比較，以進(jìn)行后繼的分類(lèi)和判別。圖像處理和檢測算法都是通過(guò)軟件實(shí)現的，通過(guò)對算法進(jìn)行優(yōu)化，大大提高了運算速度。經(jīng)過(guò)上述處理后，對于一幅512×512×8bit的灰度圖像，可以在1s內完成檢測程序，從而可以滿(mǎn)足檢測中實(shí)時(shí)要求。