一種薄膜電路故障的自動檢測系統(tǒng)

摘 要： 自動視覺檢測系統(tǒng)利用了數(shù)字圖像處理技術(shù)，是一種高速、準(zhǔn)確、無損的方法，目前得到了廣泛的應(yīng)用。概述了這一領(lǐng)域的研究成果，并根據(jù)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(jié)合的故障檢測與分類方法，并以此為基礎(chǔ)構(gòu)造了一個(gè)微機(jī)實(shí)時(shí)檢測系統(tǒng)。

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(shù)增多；同時(shí)，電路板本身也變得越來越小、越來越復(fù)雜。由于這些原因，生產(chǎn)及更換它們的成本也越來越高。所以，需要相應(yīng)的質(zhì)量控制手段，使每一層上的線路都能夠在上一層鋪設(shè)之前被檢查。在這里，自動視覺檢測能夠以相對較小的代價(jià)發(fā)現(xiàn)許多致命的錯(cuò)誤，因而發(fā)展非常迅速。

１ 電路板故障檢測研究的發(fā)展?fàn)顩r

在PCB及其它相近的線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(yīng)用系統(tǒng)。它們多是基于圖像處理的自動視覺檢測，其硬件部分包括：機(jī)械裝置、照明系統(tǒng)、攝像頭、圖像采集卡、圖像處理器、計(jì)算機(jī)等；軟件部分：主要是進(jìn)行控制和圖像的處理。系統(tǒng)工作流程如圖１所示。

近年來，出現(xiàn)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：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(biāo)準(zhǔn)圖像（可以是無故障的圖像或是設(shè)計(jì)時(shí)的CAD版圖）與待測圖像進(jìn)行比較，也稱為逐象素比較。其中最直接的是將兩幅圖像進(jìn)行XOR運(yùn)算，這是速度最快的一種方法，并且易于用硬件實(shí)現(xiàn)。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、難以分類等等。

非參考算法并不需要所謂標(biāo)準(zhǔn)圖像的信息，它是基于一定的設(shè)計(jì)規(guī)則的。例如，可以假設(shè)正常的線路都具有規(guī)則的幾何形狀，而存在故障則意味著其外形不規(guī)則。另外還可以根據(jù)線路的特征如最大和最小線寬、最大和最小焊盤半徑來進(jìn)行判斷。常用的方法是圖像通過編碼來獲得邊緣信息，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(yùn)算速度，降低了存儲空間；但是，它的缺點(diǎn)也是顯而易見的，即只能檢測那些違反設(shè)計(jì)規(guī)則的故障，并且要求有一個(gè)標(biāo)準(zhǔn)的導(dǎo)線類型。對于某些不違反規(guī)則的情況，例如和正常線路形狀相似的短路線，可能就無法判斷。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(cuò)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(dá)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腐蝕、膨脹、細(xì)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(biāo)準(zhǔn)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(yùn)算，而且，對于每一種故障類型，都定義了自己的一種運(yùn)算方法，所以計(jì)算量很大，難以達(dá)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(yīng)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(xí)，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，只能通過顯微鏡分區(qū)域放大后由攝像頭成像，因此對于檢測區(qū)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，線條的尺寸不是固定的。其中較窄一些的稱為金屬化線條，較寬一些的稱為金屬化鍵合區(qū)。由于線條尺寸存在多樣性，故而利用簡單的非參考方法，試圖通過對整幅圖像的進(jìn)行形態(tài)學(xué)變換來提取特征的非參考方法就很難實(shí)現(xiàn)。而且，在檢測后還要求對故障進(jìn)行分類，因此在這里我們采用了參考比較和非參考比較相結(jié)合、以參考比較為主的方法。通過參考比較對故障進(jìn)行分類和判別，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(bǔ)充。

首先，對采集的圖像進(jìn)行預(yù)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，逆濾波是通過用曲線對攝像機(jī)的傳輸函數(shù)進(jìn)行擬合實(shí)現(xiàn)的。對于一個(gè)m次多項(xiàng)式：

C(i,j)包含了待測圖像和標(biāo)準(zhǔn)圖像中的所有差別。為了進(jìn)行下一步的分類和判別，我們對０中的目標(biāo)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(shù)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(qū)域的最上，下，左，右點(diǎn)。

area：缺陷區(qū)域的面積，它可以利用鏈碼數(shù)據(jù)position[i]來計(jì)算：

５：結(jié)束。

參照分類結(jié)果，我們對缺陷進(jìn)行判別，一般認(rèn)為，如果缺陷在線寬方向的尺寸超過線寬的1/3，則認(rèn)為其構(gòu)成了故障。由于電路線條寬度各不相同，因此對于每一個(gè)缺陷，都需要根據(jù)它們對應(yīng)位置處的線條寬度作出相應(yīng)的判斷，如果相對標(biāo)準(zhǔn)圖像有線條錯(cuò)位的情況，判別的準(zhǔn)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(rèn)為發(fā)生了故障。在某些情況下，相鄰的缺陷類型單獨(dú)不構(gòu)成故障，但是它們結(jié)合在一起，則可能對線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(dú)判別后還需要結(jié)合其位置作出相應(yīng)判別。

以上基于參考比較，完成了對故障的分類和判別。但遇到微小的故障，如小的缺口和突起或線條位置有錯(cuò)開等情況時(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和判別時(shí)的補(bǔ)充。它通過對待查電路板的邊界進(jìn)行跟蹤，使用可變長度的濾波器來檢測邊界上的高頻成分，如圖5所示。Ａ是邊界上兩點(diǎn)間直線距離，而B是兩點(diǎn)間邊界點(diǎn)數(shù)。當(dāng)B＞K*Ａ?xí)r，存在不規(guī)則邊界；而A≈B，意味著邊界是近似直線的。West.C等在它們的工作中，采用了固定長度，這樣實(shí)際上限制了可被發(fā)現(xiàn)的故障尺寸[５]，因此這里我們使B為可變長度。開始時(shí)，B取值較小，當(dāng)遇到目標(biāo)后，將B的值逐點(diǎn)增加，并計(jì)算此時(shí)的A，直至遇到規(guī)則邊界為止，這樣就可以將缺陷范圍都包含在內(nèi)。為了去除邊界噪聲干擾，需要事先對邊界鏈碼進(jìn)行平滑。通過實(shí)驗(yàn)，我們?nèi)=1.5，可以檢測出各種尺寸的不規(guī)則邊界。對于以上的結(jié)果，為了判別它是否構(gòu)成故障，同樣也需要進(jìn)行線寬的比較。

３ 系統(tǒng)實(shí)現(xiàn)

利用上述的檢測算法，我們實(shí)現(xiàn)了一個(gè)基于微機(jī)的薄膜電路故障檢測系統(tǒng)。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(qū)域，用步進(jìn)電機(jī)控制顯微鏡和攝像機(jī)的移動，實(shí)現(xiàn)精確的定位，并用圖像匹配對定位進(jìn)行調(diào)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(shù)字化后送入計(jì)算機(jī)。由于顯微鏡的光場亮度不勻，因此首先進(jìn)行亮度校正，用曲線擬合亮度衰減，生成畸變矩陣進(jìn)行校正。接著對圖像進(jìn)行消噪和增強(qiáng)邊緣的處理。由于透光性的原因，下層會對上層構(gòu)成干擾，所以采用多目標(biāo)分割方法，依據(jù)校正后的直方圖，將當(dāng)前檢測層提取出來。對于上下層線條交叉處的干擾，則參考下層線路延長線的邊緣特性加以去除。另外，還需從標(biāo)準(zhǔn)圖像中提取出通孔和鍵合區(qū)的位置以供判別時(shí)參考。最后，將圖像分割的結(jié)果與標(biāo)準(zhǔn)圖像進(jìn)行參考比較和非參考比較，以進(jìn)行后繼的分類和判別。圖像處理和檢測算法都是通過軟件實(shí)現(xiàn)的，通過對算法進(jìn)行優(yōu)化，大大提高了運(yùn)算速度。經(jīng)過上述處理后，對于一幅512×512×8bit的灰度圖像，可以在1s內(nèi)完成檢測程序，從而可以滿足檢測中實(shí)時(shí)要求。