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、準確、無損的方法，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(jù)多層薄膜電路的實際情況，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)造了一個微機實時檢測系統(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，電路板本身也變得越來越小、越來越復雜。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之前被檢查。在這里，自動視覺檢測能夠以相對較小的代價發(fā)現(xiàn)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及其它相近的線路板如薄膜電路的故障檢測方面，人們進行了大量的研究工作，并形成了一些應用系統(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：機械裝置、照明系統(tǒng)、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，一般是先將標準圖像（可以是無故障的圖像或是設計時的CAD版圖）與待測圖像進行比較，也稱為逐象素比較。其中最直接的是將兩幅圖像進行XOR運算，這是速度最快的一種方法，并且易于用硬件實現(xiàn)。但是它也有一些缺點，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準圖像的信息，它是基于一定的設計規(guī)則的。例如，可以假設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)點是提高了運算速度，降低了存儲空間；但是，它的缺點也是顯而易見的，即只能檢測那些違反設計規(guī)則的故障，并且要求有一個標準的導線類型。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，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行比較，其中如有沖突的元素，那么就隱含著故障。實際上，在這種方法中需要進行大量的形態(tài)學運算，而且，對于每一種故障類型，都定義了自己的一種運算方法，所以計算量很大，難以達到實時要求。另外，還有的方法將整個電路劃分為許多小的子模塊，然后對相應位置的模塊進行匹配，但它們的缺點是對每一種電路版圖都需要進行學習，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（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行形態(tài)學變換來提取特征的非參考方法就很難實現(xiàn)。而且，在檢測后還要求對故障進行分類，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，作為對前者的補充。

首先，對采集的圖像進行預處理，包括消除噪聲，使用逆濾波對亮度不均勻進行處理。這里，逆濾波是通過用曲線對攝像機的傳輸函數(shù)進行擬合實現(xiàn)的。對于一個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。為了進行下一步的分類和判別，我們對０中的目標進行邊界跟蹤，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。

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

５：結(jié)束。

參照分類結(jié)果，我們對缺陷進行判別，一般認為，如果缺陷在線寬方向的尺寸超過線寬的1/3，則認為其構(gòu)成了故障。由于電路線條寬度各不相同，因此對于每一個缺陷，都需要根據(jù)它們對應位置處的線條寬度作出相應的判斷，如果相對標準圖像有線條錯位的情況，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，相鄰的缺陷類型單獨不構(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。因此對于各個故障在單獨判別后還需要結(jié)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開等情況時，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的補充。它通過對待查電路板的邊界進行跟蹤，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是邊界上兩點間直線距離，而B是兩點間邊界點數(shù)。當B＞K*Ａ時，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，B取值較小，當遇到目標后，將B的值逐點增加，并計算此時的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行平滑。通過實驗，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，同樣也需要進行線寬的比較。

３ 系統(tǒng)實現(xiàn)

利用上述的檢測算法，我們實現(xiàn)了一個基于微機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，用步進電機控制顯微鏡和攝像機的移動，實現(xiàn)精確的定位，并用圖像匹配對定位進行調(diào)整，定位誤差可以小到1個象素。攝入的圖像經(jīng)圖像采集卡數(shù)字化后送入計算機。由于顯微鏡的光場亮度不勻，因此首先進行亮度校正，用曲線擬合亮度衰減，生成畸變矩陣進行校正。接著對圖像進行消噪和增強邊緣的處理。由于透光性的原因，下層會對上層構(gòu)成干擾，所以采用多目標分割方法，依據(jù)校正后的直方圖，將當前檢測層提取出來。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，還需從標準圖像中提取出通孔和鍵合區(qū)的位置以供判別時參考。最后，將圖像分割的結(jié)果與標準圖像進行參考比較和非參考比較，以進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現(xiàn)的，通過對算法進行優(yōu)化，大大提高了運算速度。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時要求。