英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料

国际科学与工程技术研究杂志（IJSETR）

第4卷，第4期，2015年4月

利用图像处理技术检测PCB缺陷的系统

Namita Kalyan Shinde, Prof.S.S.Morade

摘要：生产零缺陷PCB很重要。生产一个零缺陷的PCB也是很重要的。这是为了确保高质量的 PCB 转换为可靠和高质量的数字终端产品，自动化视觉印制电路板 (PCB) 检测是一种用于减少人类的手工检查中出现的问题， 它可以消除主观影响, 然后提供快速、定量的维度评估。虽然已经完成了对印刷电路板（PCB）上的缺陷检测的各种集中的工作，但是对这些缺陷进行分类以分析和识别缺陷的根本原因也是至关重要的。本课题提出了一种 PCB 缺陷检测与分类系统。利用图像相减算法对 PCB 图像进行检测，找出 PCB 的缺陷。从边缘、区域、方位等区域特征出发, 获取缺陷的详细信息, 提取其结构特点。

关键词：PCB 缺陷检测，阈值，图像减法，特征提取。

1. 介绍

印制电路板裸板 (PCB) 是在放置前使用的 PCB组件和焊接过程。它与其他部件一起用于生产电子产品。在印制电路板的制造过程中，绝缘和导体的宽度会因制造缺陷如灰尘、蚀刻、蚀刻和杂散金属而发生变化。蚀刻是一个过程, 铜板将接受“去皮”过程，在那里的电路布局将被保存, 而其余的铜背景将被淘汰。为了减少由错误蚀刻 PCB 板造成的废料，必须在早期进行检查。为了减少与缺陷 PCB 裸板相关的制造成本，需要对PCB裸板进行检查，作为制造过程的首要步骤。这一项目的动机主要是在PCB板的制作过程检查中需要更有效的技术。通常情况下，每个工作站都分配了两个操作员来手动检查 PCB 板。这项技术长期运行比较高昂，因为它需要很多人的时间成本。此外，人类特别是由于疲劳容易犯错误。此外，没有任何延误，是不可能在每个地点检查整个 PCB 板。相反，印刷层压板是一定时间间隔的抽样板子以便于手动检查。随着电子电路技术的进步，PCB 越来越密集和复杂，为了生产较小的最终产品。因此，手动检查不再适用。同时，计算机在高速、大内存、低成本的条件下的进步，使得在用于图像处理上设备更便宜、更廉价。因此，有可能引进和实施一个自动化的 PCB 检查系统，以消除主观方面的手工检查。同时，自动化 PCB 检测系统提供 PCB 板的实时评估。

PCB 缺陷可以分为两类：功能缺陷和工艺缺陷。PCB 的性能受到功能缺陷的影响。工艺缺陷影响 PCB 的外观，但由于不正常的散热和电流的分布，在长期内也会危及其性能[1]。然而，在很长一段时间，PCB不会表现得很好, 因为 PCB 电路模式的形状不当会导致潜在的缺陷。因此，在检测阶段检测这两类缺陷是至关重要的。图1 (a) 显示了人工无缺陷 PCB 图像模式[2]。图1 (b) 显示了与图1 (a) 中具有不同缺陷的相同图像模式。例如, 印刷缺陷和异常将被看作是破裂，短路，销孔，错误大小孔，开路，导体太近，蚀刻，杂铜，凹陷， 过度短，缺少导体，缺孔、突刺和过度蚀刻。这些缺陷如图1 (b) 所示。

图 1 (a)：良好的 PCB 模式示例

图 1 (b)：PCB 缺陷模式的一个例子

1.破裂2.多孔3.开电路4.下蚀刻5.凹陷6.疏散导体7.突刺 8.短路 9.错侧孔10.导体太近11.杂铜12.过短拆卸孔14.移动

2.文章综述

文献中提出了众多的 PCB 检测算法 Moganti [3] 将 PCB 检测算法分为三大类：参考比较 (有参考) 方法, 设计规则检查(无参考)方法和混合方法, 其中涉及参考比较和设计规则方法的结合。比较技术包括比较两个图像使用异或逻辑运算符 (也称为图像差分运算)。它基于这样的假设，即参考和测试图像之间的任何区别都被认为是缺陷。操作简单，但在该图像比较技术中发现的主要困难是实现参考 PCB 和用于图像配准的测试 PCB 的精确对准。不同于异或逻辑运算符, 图像数学运算也很有用。例如，由Wen-Yen进行的工作，[4] 做了直接减法的参考对测试图像产生正 (p)，负 (n) 和相等 (e) 像素。检测到 p 和 n 像素的缺陷。然后，根据 p、n 和 e 像素进行缺陷分类。其他方法利用从参考和测试 PCB 图像中提取的特征。PCB 图像的特征可以用不同的方法提取。Hara[5] 使用2种提取算子提取边界线和细小线宽图案的特征。接下来, 将比较这些功能来识别缺陷。

基于模型的方法首先是将图像转换为预定义的模型，然后再根据模式执行检查。早期的建议使用图形匹配技术。该技术可以成功地识别出缺陷的 PCB 图像，但不能定位每个缺陷的位置。该方法的主要难点是与匹配的复杂度有关。ja andSuk [6] 介绍了 PCB 图像的树表示方案。尽管树表示法的复杂性小于图形匹配技术, 但缺陷的位置仍然无法检索。另一个基于模型的方法比较了两个 PCB 图像连通性 [7] 但连接缺陷仅限于缺失孔，短路或过度短路和开路。基于方法的最新工作由Nam-Hyeong。他们设计了一个 PCB 检测系统, 通过匹配图像差分运算，可以根据存储的参考图像检测出测试图像上的缺陷。块匹配是为了解决两个 PCB 图像之间的失调。将阈值、扩张和决策等预处理应用到差分图像中，以检测开、短缺陷。与现有技术相比，检测系统被认为是一个明显快得多的系统, 但如果要执行相同的系统来检测更多缺陷，而不仅仅是开路和短路的缺陷。为了进行性能比较, 采用了吴等人开发的像素方法。在编写本文的时候, 这是唯一的算法设计的缺陷分类。像素方法可对七种缺陷 (短、缺孔、针孔、开、凹陷、毛刺和蚀刻问题) 进行分类。在这种方法中，涉及的阶段很少：分割、窗口 (参考图像和检测到的缺陷)、缺陷检测、模式分配、规范化和分类。对于神经网络训练部分，由于该过程离线完成，不影响整个处理时间。

3.系统综述

用图像处理方法检测PCB裸板的缺陷有几个步骤。首先, 系统应通过摄像头采集 PCB 图像。然后，它必须增强和二值化图像。经过特殊的图像识别和分析处理后，图像应与模板进行比较，从而可以准确地找出短路、开路、毛刺、缺陷和空隙等常见缺陷。最后将获得并报告识别结果。图2显示了建议方法的框图。硬件结构显示在 figure2。在电脑的控制下，PCB 提供组件自动移动给定的 PCB。图像采集和移动控制子系统接收中央计算机的控制指令，实时地获取 PCB 图像和用 matlab预处理。结果数据将被发送到中央计算机。

中央计算机是系统的核心。一方面, 它控制着传送单元和图像采集单元的作用。另一方面，它需要接收图像数据，处理数据，找出缺陷并输出检测报告。

图 2: 系统框图

1. 图像采集

选择图像和给系统作为输入的过程称为图像获取。我使用摄像头来获取。使用的摄像头型号是IT306WC。获取图像质量是相机的关键技术之一。在确定摄像机设备时，提供适当的光照方法以确保图像质量至关重要。在提取图像时，辅助光源的强度和稳定性对图像质量有很大的影响，有三种相机数据传输方式：usb、摄像头链接、千兆位以太网端口。我们使用了 usb 电缆。PCB 的图像分辨率通常大于 600dpi，这意味着 PCB 的10毫米宽线在图像中占据超过6像素。照相机捕获的图像是 rgb 形式，因此必须进行灰度转换，因为它是图像预处理所必需的。

下面的流程图显示了系统中图像处理部分的流程。

图 3: 系统的流程图

1. 图像处理

图像预处理是提高全加工零件精度的重要步骤。由给定的摄像机捕获的图像采用 rgb 格式。为了减轻不一致颜色的影响，我们首先将所有的彩色脸图像转换成灰度级，因为这是进一步处理的必要部分。然后根据需要的区域调整图像大小。此图像增强后，需要增强边缘。为了增强，我们使用直方图均衡。由于增强，图像显示密集线和边缘区域变得清晰。

一种方法将灰度图像转换成二进制图像，使对象分离出背景。在 PCB 检测系统中，采用阈值法将 PCB 的跟踪模式分割为感兴趣对象。该阈值算法只涉及将所有像素数值设置为零或一个值，具体取决于每个像素的灰度级别是否大于或小于阈值。此方法的难点是选择最佳阈值。特别是在使用区域扫描相机时，由于光源和相机镜头的特性，很难获得均匀强度的图像。二值图像可以用来图像相减算法。

1. 图像相减算法
2. 图像减法运算

获得的新图像通常是两个输入图像的相同选定位置的像素之间的差异所减去的结果。图像相减主要用于更改检测c = a-b;即b和0的最大值。

1. 图像差分运算

利用异或逻辑算子对图像逐像素进行比较，得到新的图像。此操作也称为图像比较操作。

1. 补充操作

补运算符通常用于将图像从黑白转换为白色，反之亦然。在二进制图像零值的补数中，值像素成为一个数值，而其中的像素变为零，黑像素和白色互相取反。

1. 特征提取

为了获得更多关于缺陷的信息，我们使用几何属性来提取结构特征。我们根据区域特性提取结构特征。如:

区域: 定义为区域中像素总数与图像中的像素数之比。

周长: 是缺陷区域边界周围的距离。'regionprops'算法用于计算周长，方法是在区域边界周围相邻的一对像素之间的距离。如果图像包含不连续的区域, 'regionprops‟会给出不需要的结果, 这意味着它会显示缺陷。

通过提取基于该区域特性的结构特征，给出了其缺陷的详细信息。

4.结论

本文提供了一种基于图像处理技术的 pcb 自动缺陷检测系统的设计。本设计是一种非接触、快速、准确、高效的检测方法。这种 pcb 缺陷检测技术不仅能检测开路和短路，还能检测到导线间隙、空隙、划痕等缺陷。为了进一步改进，从这些区域属性中提取结构特征，给出了有关缺陷的详细信息

致谢

我衷心感谢电子及电讯系所有职工的同事提供宝贵的协助。

参考文献

[1] S.H Indera Putera, Z.Ibrahim, “Printed Circuit Board Defect Detection Using Mathematical Morphology and MAT LAB Image Processing Tools”, 2nd International Conference on Education Technology and Computer 2010.

[2] Siti Hazurah Indera Putera, Syahrul Fahmi Dzafaruddin, Maziah Mohamad, “MATLAB Based Defect Detection and Classification of Printed Circuit Board” 2012 IEEE 978-1-4673-0734-5/12.

[3] Moganti, M., Ercal, F., Dagli, C. H. and Shou, Tsunekawa, “A Method for Automating the Visual Inspection of Printed Wiring Boards.” IEEE Transactions on Pattern Analysis and Machine Intelligence.Vol.PAMI-2. No.1.77 -82.

[4] Wu, Wen-Yen, Mao-Jiun, J. Wang and Chih-Ming, Liu. “Automated Inspection of Printed Circuit Boards Through Machine Vision.” 1996 Computers in Industry. Vol. 28. Issue 2. 103 – 111.

[5] Hara, Y., Akiyama, N. and Karasaki, K. “Automatic Inspection System for Printed Circuit Boards.” IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. PAMI-5. No. 6. 623 – 630.

[6] Ja, H. Koo and Yoo, Suk I. “A Structural Matching for Two-Dimensional Visual Pattern Inspection.” IEEE International Conference on Systems, Man, and Cybernatics, San Diego, California. 1996 Vol. 5. 4429 – 443.

[7] Fenglin Guo, Shu-an Guan” Research of the Machine Vision Based PCB Defect Inspection System” 2011 IEEE International Conference on Intelligence Science and Information Engineering.

第一作者

Namita Shinde于2012年在印度浦那的 Vishwakarma 信息和技术研究所获得了她的电子工程 学位，现在她正师从 KKWIIE、Nasik等人进行

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[28388]，资料为PDF文档或Word文档，PDF文档可免费转换为Word