片式元件焊点图像处理系统

摘? 要 随着电子封装技术的快速发展，新型封装形式的不断出现，表面组装技术(SMT)遇到了新的挑战，SMT产品质量和可靠性问题日益突出。研究表明，SMT产品的故障往往是焊点故障，提高焊点组装质量是保障SMT产品质量的关键。因此，人们希望能够及时地检测和发现组装过程中的焊点质量问题，进行组装工艺参数调整或消除故障处理，以便提高SMT焊点组装质量。目前，现有的自动光学检查系统仍存在较高的误判率，这说明在片式元件图像处理方法上仍需进一步的研究。 本论文以数字图像处理和模式识别为理论基础，并采用VC++6.0编制了一套片式元件图像检测与识别软件。片式元件图像检测与识别系统包括:灰度处理，图像平滑处理，图像增强（边缘提取）等模块。本文针对元件图像的偏暗、对比度不强等特点给出了适合片式元件图像特点的处理办法。在灰度处理中，可以将彩色焊点图像转化为灰度图像，并且可以采用最优阈值进行阈值分割；由于片式元件和焊点上不平整或者有很多的污点、光源上有瑕疵等原因，都会是采集到的图像产生噪点，这样就需要对采集到的图像进行平滑处理；在光源条件不好的情况下，通常采用图像增强来增强图像特征，提高信噪比，最常见的就是提取图像的边缘特征。软件研制完成后，对大量元件图像进了检测，经过对比试验证明能有效地识别焊点的各种缺陷，收到了较好的效果。 关键词： 表面组装技术;片式元件焊点;图像处理 1.1课题研究的目的和意义 SMT是表面组装技术（Surface Mounted Technology）的缩写，是目前电子组装行业里最流行的一种技术和工艺[1]。SMT焊点既要保障电气性能畅通、又要保障机械连接可靠的特征，它的组装质量与可靠性是SMT产品的生命。而如何保证焊点的组装质量则依靠组装设计，材料，工艺，设备，检测和质量控制等各个环节的密切配合。随着现代制造工业向着自动化、敏捷化、柔性化方向的快速发展,采用估测熔核尺寸为主要依据,人工定性评估焊点质量的抽检方法,已不能满足机器化大生产及质量信息化的需要。发展一种快速的、无损的、低成本的能够及时获得每一焊点质量监测信息的点焊接头质量诊断技术成为国内外竞相研发的目标[2,3]。在焊点组装过程中及时检测发现焊点组装不良现象，并及时反馈是保证和提高SMT焊点组装质量的关键所在。焊点图像预处理技术是焊点质量信息提取中的重要一环节，因此，对焊点图像预处理进行分析研究成为一个很有意义的课题。本毕业设计的主要工作是分析归类片式焊点主要存在的缺陷类型，并介绍相关焊点检测技术，最后运用图像处理技设计高效的图像处理软件系统。 通过数码相机采集图像，为便于后续图像识别检测的需要，必须先对图像进行预处理。通过图像预处理可以改善由于光照条件不均匀、相机自身元器件电子千扰等问题造成的图像噪声污染，提高采集得到图像的质量，提高图像信噪比，突出图像细节信息。预处理过程的好坏将直接影响到图像的定位、校正、匹配、分割、以及图像特征的提取、识别和缺陷的判断，因此是缺陷检测过程中必不可少的一个环节。图像预处理主要包括图像平滑滤波去噪、图像对比度增强、图像二值化处理和图像边缘检测提取等[4,5]。 1.2国内外研究现状 焊点组装质量不良包含虚焊、脱焊、桥接、焊料球等组装故障。目前在SMT生产线上，一般采用以在线测试为主，关键工序处人工(或借助光学仪器)目检为辅的方法进行焊点组装质量检测和统计分析及控制。此外，还可以采用非破坏性检测方法，包括自动光学检测—应用摄象机和计算机模拟人工目测，由计算机对焊点外观特征的二、三维图像的灰度级进行处理来判断焊点外观缺陷;超声检测—利用探头输出超声波，检测焊点的频率响应来区别焊点的质量好坏;X射线在线检测法—由计算机图像识别系统对X射线透过SMT产品所得的焊点图像经过灰度处理来判别各种缺陷;红外激光检测—用激光脉冲照射焊点，使焊点温度上升而又降回环境温度，利用测得的红外辐射升、降温曲线(焊点的热特征)与“标准”曲线比较来判别各种焊点缺陷。 国外具有AOI技术的贴片机设备在具有较强、较全的缺陷检测能力及贴装能力的同时，价格也十分昂贵，令许多PCB厂商难以拿出巨资购买。国内对贴片机自动检测技术的研究，大约开始于20世纪90年代，但由于研究机构较少，起步比较晚，技术比较落后，PCB自动光学检测技术也处在一个相对比较初期的地位与水平。AOI检测技术在我国仍处于起步发展阶段，仍有许多需要完善的地方，但是有着十分广阔的发展前景。 文献[6]研究了神经网络和模糊神经网络在焊点质量评价中的智能鉴别与分析方法。深入研究了基于BP神经网络的片式元件焊点缺陷智能鉴别方法，针对标准BP算法的不足，提出了一种新的改进方法，通过与其他改进BP算法比较，该改进方法提高了智能鉴别的速度和可靠性。文献[7]基于非接触式测量技术激光三角法，以计算机视觉和自动控制技术为基础，以SMT焊点图像处理分析与数值分析为手段，研究由SMT焊点图像提取焊点3D质量信息。文献[8,9]介绍了SMT焊点质量常用检测方法，包括从外观到内部组织机构、从电性能到机械性能等各项检测的原理和应用范围，并从焊点几何结构设计、钎料性质及材料热匹配等方面提出了降低失效率、提高焊点可靠性的途径。文献[10]为实现对表面组装焊点三维质量信息的非接触式提取，提出了一种基于阴影恢复形状原理表面组装片式元件焊点三维质量信息提取方法。结合实例介绍了该技术的实现方法与步骤。与采用传统光照模型相比，采用改进光照模型能较好地提高焊点体积信息提取的精度[11]。文献[12]提出了一种基于2-D彩色图像模型的PCB焊点检测方法。首先,基于3色LED环形结构光源和彩色数字相机的图像采集子系统获取的彩色PCB图像,分析了片式晶片元器件焊点表面信息与其焊点图像色彩分布规律,建立了片式晶片良品焊点类型的焊点检测模型,其次,给出了反映可接受焊点图像中心感兴趣区域(ROI)色彩分布规律的灰度曲线图。在此基础上,以可接受焊点图像的灰度曲线图为基准,与待检测焊点的灰度曲线拟合,根据拟合程度的高低,检测焊点的质量[13,14]。 文献[15]提出了一种新的检测SMT焊点锡量的方法。该方法采用单层环形光源获取焊点图像；根据实际焊点图像模拟出三条归一化曲线方程，使用这三条曲线将焊点图像分成四部分，分别提取四个特征；最后使用BP神经网络将焊点按照锡量多少分成三类:少锡、允收和多锡。文献[16]提出了一种基于图像特征统计分析的炉后焊点检测方法,以提高在线自动光学检测系统的检测性能和可操作性。提出双阈值的AdaBoost算法用于设计分类器,在训练的同时进行最优特征选择和分类器的增强,实现了焊点图像特征的自动提取和检测参数的自动设定。采用分类和回归树方法将焊点缺陷决策方法优化为一棵二叉决策树,提高了检测速度。文献[17]解决了拍摄过程中由于传送台的不确定性造成的电路板图像偏移和旋转问题；采用Rake边界搜索和Hough变换进行边界点搜索和直线拟合的策略，进行了坐标系重定位；分析了自动光学检测中图像匹配技术的特点。 1.3 本文主要研究内容 首先通过载入元件的彩色图像存至内存中，然后利用图像处理算法和识别算法完成对焊点缺陷的提取和自动鉴别。因此，本文主要研究内容有以下几个方面： ? (1)掌握片式元件焊点的主要缺陷类型、图像处理的相关理论及Visual C++对片式元件焊点图像进行图像处理算法编程。 (2)对片式元件焊点图像的进行分析，选取合适片式元件焊点图像的图像处理方法。 (3)针对适合片式元件焊点图像的图像处理方法，运用C++在Microsoft Visual C++ 6.0中进行图像处理编程。 (4)运用Microsoft Visual C++ 6.0进行图像处理软件的设计及运用该软件进行片式元件焊点图像进行图像处理。