基于分層參考比對法印刷電路板自動檢測技術

劉國忠，李運生，周 璽，徐煒君

LIU Guo-zhong1, LI Yun-sheng2, ZHOU Xi1, XU Wei-jun1

（1. 北京信息科技大學 光電信息與通信工程學院, 北京 100192；2. Shin-Asahi Electric Ind. Co. Ltd., 日本滋賀 520-1511）

基于分層參考比對法印刷電路板自動檢測技術

Automatic inspection techniques of PCB based on layer comparison method

劉國忠1，李運生2，周 璽1，徐煒君1

LIU Guo-zhong1, LI Yun-sheng2, ZHOU Xi1, XU Wei-jun1

（1. 北京信息科技大學 光電信息與通信工程學院, 北京 100192；2. Shin-Asahi Electric Ind. Co. Ltd., 日本滋賀 520-1511）

印刷電路板（PCB)自動檢測系統可以克服人工檢測方法容易漏檢、檢測速度慢的缺點，提高印刷電路板檢測效率。基于圖像處理技術，采用分層、參考比對方法，構建了PCB缺陷自動光學檢測系統（AOI)，實現PCB裸板短路、斷路、毛刺、缺損等缺陷的自動檢測。研究結果可用于PCB在線高精度檢測。文章介紹了圖像預處理、圖像分割、圖像配準和比對以及缺陷類型識別等技術。

光學測量；印刷電路板；自動光學檢測；分層比對法；圖像處理

0 引言

PCB質量是影響電子產品性能的主要因素之一。在膠片制作過程中，曝光時間長短、光源強弱、顯影液配制濃度等對線條的粗細及精度會產生直接的影響[1]，布線過程同樣影響PCB質量，PCB裸板上容易產生短路、斷路、缺損、毛刺等缺陷[2]。PCB人工檢測方式不但效率低、勞動強度大，而且由于人的主觀因素的影響，檢測精確性和可靠性大打折扣。另一方面， PCB作為電子工業中最基礎和最活躍的產業之一，朝著高密度、多層數、高性能等方向發展。現今的印刷電路板已變得非常復雜：布線密度高，過孔間距小，已經達到用肉眼難以分辨的地步。單靠人工檢測已無法適應現代印刷電路板生產的需要。機器視覺檢驗系統具有穩定、可靠、精度高、速度快和非接觸測量等優點，自動光學檢測系統（AOI）已經成為PCB制造業發展的必然趨勢[3]。

AOI技術在國外研究較早，產品能檢測出大部分的印刷電路板缺陷[4]。但國外產品售價昂貴，一般在10-40萬美元，有的甚至高達100萬美元。因此，迫切需要研制具有自主知識產權的高效、高速、高精度的印刷電路板缺陷自動檢測設備。

1 PCB裸板視覺檢測系統

PCB裸板視覺檢測系統總體結構如圖1所示。傳送機構在計算機控制下移動PCB，PCB位置信息通過傳感器檢測反饋到計算機。照明系統在PCB表面產生均勻的光照，以便通過線陣CCD相機和圖像采集卡得到的PCB圖像具有均勻的背景亮度。線陣圖像被采集到計算機，并根據移動速度合成為PCB二維圖像。

圖1 PCB裸板視覺檢測系統

檢測系統使用被檢PCB圖像和基準PCB圖像進行分層比對的參考比對法判別缺陷。系統圖像處理軟件包括圖像預處理、圖像分割、圖像配準和比對和典型缺陷類型識別。其中圖像預處理對圖像進行平滑濾噪、增強和銳化處理。圖像分割根據圖像灰度直方圖將PCB圖像分為三層，即表面印刷體及焊盤、導線和背景。圖像配準和比對實現被檢測PCB圖像和基準PCB圖像的配準和分層比對，提取缺陷信息。缺陷類型識別實現短路、斷路、缺損、毛刺等缺陷的識別和標注，方便進一步人工篩選。

2 圖像預處理

由于光強度的波動、光敏元件靈敏度不均勻、量化噪聲、機器振動引起攝像機的抖動、供電電源波動、PCB上的污物以及CCD器件本身引入的散粒噪聲等， PCB圖像不可避免地含有噪聲和失真，以及存在圖像信息模糊的情況。因此，首先需要對圖像進行噪聲消除，然后對圖像進行增強和銳化。

2.1 消除圖像噪聲

中值濾波是一種非線性的處理方法[5]，可以克服線性濾波器如平均值濾波等帶來的圖像細節模糊，而且對濾除脈沖干擾及圖像掃描噪聲最為有效，同時能較好的保持圖像邊緣。中值濾波法的基本思想是用像素鄰域窗口灰度值的中值來代替該像素點的灰度值。利用中值濾波處理后的圖像如圖2(b)所示：

圖2 圖像預處理

2.2 圖像增強

PCB圖像的顏色偏暗，圖像對比度不強，背景和對象的灰度級較為接近，給識別工作帶來了困難。因此，需要對圖像進行增強處理。圖像的灰度直方圖是圖像的重要統計特征，采用直方圖均衡化方法。即對圖像中像素個數多的灰度級進行展寬，而對像索個數少的灰度級進行縮減，從而達到圖像清晰的目的。

假設一幅數字圖像的像素總數為N，有L個灰度級，第k個灰度級的灰度rk的像素共有nk個。若原圖像在像素點(x,y)處的灰度為rk，則直方圖均衡后的圖像在(x,y)處的灰度Sk為：

直方圖均衡化圖像處理效果如2(c)所示。

2.3 圖像銳化

為了去除圖像噪聲，使用圖像平滑技術，但是圖像平滑或多或少會使圖像中的邊界、輪廓變得模糊，為了減少這類不利效果的影響，采用拉普拉斯算子圖像銳化技術，使圖像的邊緣變得清晰。采用下面的模板：

銳化結果如圖2(d)所示。

3 圖像分割

為了改善使用整體匹配比對方法容易出現誤報現象問題，采用了分層比對方法。利用灰度直方圖對PCB圖像進行分層，圖像中每一層的信息被分開，可以減小不同類型組件間信息的相互干擾。從灰度直方圖如圖3所示可以看出，圖像灰度值主要有三個波峰，將灰度圖像分為三層（L1、L2和L3）。其中，最右邊的較小的波峰為圖像中亮度較大的表面印刷及焊盤部分的像素。中間稍大一點的波峰為PCB上導線部分的像素。最左邊較大的波峰為占圖像面積較多的亮度較暗的背景部分。

圖3 PCB圖像灰度直方圖

直方圖為多峰值，圖像的灰度值較為復雜，因此，基于大津法[6]多閾值分割圖像。

灰度值0至l-1間，可以計算M-1閾值，將圖像劃分為c1～cM區域，初設定的閾值為{t1,t2,......,tM-1}，c1～cMM個區域中像素的比例分別為：

平均灰度值公式為：

多閾值的公式如下：

經圖像分割和二值化處理后結果如圖4所示。

圖4 多閾值圖像分割

4 圖像配準和比對

圖像配準和比對實現被檢測PCB圖像和基準PCB圖像的配準和分層比對，提取缺陷信息。

4.1 模板匹配

參考比對法要求每一批量產品中至少有一幅通過人工事先挑選的基準PCB圖像和待測圖像進行比對。由于印刷電路板制作過程和采集電路板圖像時所受光照等因素的影響[7]，基準的、無缺陷電路板的圖像也不完全相同。為了讓基準圖像有更好的容錯性，同時也為了使基準PCB圖像包含最大化的基準特征，采用多幅基準圖像平均法。首先，選取若干塊沒有缺陷的PCB灰度圖像分別進行位置配準。其次，將這些基準圖像的相應位置上的像素點的灰度值相加并平均，得到基準PCB圖像。

參考比對法首先需要實現待測圖像與基準圖像位置匹配，進行位置校準、消除偏移，然后才能對待測圖像與基準圖像進行比較，提取缺陷。位置校準效果直接影響缺陷提取效果。運用模板匹配法對PCB進行定位。首先從采集到的基準圖像中提取相應的特征區域，然后利用模板在待匹配的圖像中檢測相匹配的特征區域，根據特征區域分別在基準圖像和待匹配的圖像中的位置，計算出位置差異量。然后作為圖像的位置偏移量，實現位置配準。

利用相關性來實現模板匹配，基本公式為：

模板的N個像素，分別同待匹配圖像的N個像素的區域相乘，相加所有的乘積。公式(6)用來估計待測圖像上每一個像素，具有最大值的像素區域，就是同模板最相似的部分。 為消除光強等因素影響，相關運算寫為：

當目標圖像同模板完全相似時值為1。當兩個圖像不相關時，結果為0。

4.2 分塊比對

模板匹配法一般根據選取的模板在基準圖像和待匹配的圖像中的位置，計算出位置差異量,作為圖像的位置偏移量，傳遞給整幅圖像，實現近似的位置配準，然后整體進行比對，稱為整體比對法。

分塊比對法，是將基準圖像和待測圖像分別劃分成小塊進行比對。在分塊比對的過程中，同樣也需要對比對的對象進行位置配準,在圖像的每一個分塊中分別提取匹配模板。采用分塊比對方法，可有效地解決在整體比對中，由于位置配準精度不高，而對比對結果的影響，可以更有效的對缺陷進行提取。

圖5 圖像配準和比對

對圖像分割得到的二值圖像進行適當的腐蝕、膨脹操作，消除圖像分割過程中產生的細小連接部分、毛刺、斷線和缺損等。然后，通過對配準后的待測圖像(圖5(a))和基準圖像(圖5(b))對應像點逐個進行異或邏輯運算，進行比對。

由于異或操作是對每一個像素點進行操作，因此會產生一些細小的像素集(圖5(c))，由于要檢測的缺陷是短路、斷路、毛刺及缺損缺陷等，設定一個面積閾值，濾除掉小于閾值的多余的斑點，剩余的就是所需要的識別的缺陷，經過閾值濾波后的圖像如圖5(d)所示。

5 典型缺陷類型識別

5.1 短路、斷路的識別

采用計算相關區域的連通區域個數的方法來判斷缺陷部分是斷路還是短路。過程如下：從缺陷檢測結果中定位缺陷位置，在待檢和基準二值圖像的相應位置劃定包含此缺陷的一定區域，分別計算兩對應區域的連通區域個數，短路部分包含的連通區域個數比基準部分包含的連通區域個數要少,斷路部分包含的連通區域個數比基準部分要多，PCB上毛刺和缺損等缺陷不會引起連通區域個數的變化。

圖6所示為PCB板在正常情況下和存在短路或斷路缺陷時的示意圖，基準二值圖像6(a)中連通區域為4，短路二值圖像6(b)中連通區域為3，斷路二值圖像6(c)中連通區域為5。

圖6 PCB存在短路、斷路的二值化圖像示意圖

5.2 毛刺、缺損的識別

對于PCB板上的缺陷，首先進行短路、斷路的識別，若判斷不出缺陷類別，則進入毛刺和缺損的識別。根據連通區域面積（連通區域中像素的數目）判斷凸起和凹槽, 凸起會引起面積增加，而凹槽則會引起面積減少。圖7所示為PCB板在正常情況下和存在毛刺或缺損缺陷時的示意圖。

圖7 PCB存在缺損、毛刺的二值化圖像示意圖

5.3 相關性識別方法

根據6.1節中識別方法，可以判斷出大部分情況下的線路短路、斷路的情況。但如果在提取出的區域內，既有短路又有斷路的情況下（如圖8所示），可能會對缺陷類型的正確判別造成影響。

圖8 既有短路又有斷路PCB缺陷示意圖

無論是短路或是斷路缺陷，在基準圖像中都對應著相應的圖像特征。例如，短路的部分在基準圖像的相應位置為空，斷路部分則相反。因此，可以通過判斷缺陷區域是否存在于基準圖像的相應的連通區域內，作為判斷短路和斷路缺陷類型的根據。缺損和毛刺也可以通過此相關性的判別找出。具體識別方法是：首先對缺陷區域進行標記，并計算每個區域的重心坐標。如果是斷路或缺損類缺陷，重心坐標會被包含在基準圖像目標區域中的一個坐標集合內。短路和毛刺的重心坐標則不會出現在任何目標區域的集合內。

6 結論

PCB自動光學檢測系統通過線陣CCD相機采集傳送機構上PCB線陣圖像，并根據PCB移動速度恢復PCB的二維圖像。通過被檢PCB圖像和基準PCB圖像進行對比的參考比對法判別缺陷是否存在以及缺陷的位置，然后使用數學形態學的方法對短路、斷路、缺損、毛刺等缺陷進行判別。使用分層匹配比對方法，減少了圖像處理、圖像對比過程中信息間的相互干擾，從而減少整體匹配比對過程中容易產生誤報的現象。參考比對法算法比較簡單，容易實現，但是它不容易檢測線寬、線距違例等缺陷，并且對光照和定位的要求比較高。因此，將參考比對法和根據PCB設計規則判別方法相結合，會大大提高PCB的檢測效果。

[1] Trived Apaul,Cheng sin Liu. Machine Vision Processing/Selection in Printed Circuit Board Manufacturing[C].Proceedings of the 29th Southeastern Symposium on System Theory,1997：190-194.

[2] Madhav Moganti, Fikret Ereal. Automatic PCB inspection systems [J]. IEEE Potentials,1995,14(3)：6-10.

[3] Dergane.J.,Pernus,F.A Machine Vision System for Inspecting Bearings[C].Proceedings of 15th International Conference on Pattern Recognition,2000,4C752-755.

[4] 席斌, 錢峰.機器視覺測量系統在工業在線檢測中的應用[J].工業控制計算機,2005,18(11)：75-76.

[5] 張麗,陳志強,高文煥,等.均值加速的快速中值濾波算法[J]. 清華人學學報(自然科學版), 2004,44(9)：1157-1159.

[6] N.Otsu. A threshold selection method from gray-level histogram[C].IEEE Transactions on Systems Man Cybernet,SMC-8,1978,62-66.

[7] 張道勇.基于線陣CCD的大幅面掃描技術研究[D].廣東工業大學,2006.

TN911.73

B

1009-0134(2010)10(下)-0006-05

10.3969/j.issn.1009-0134.2010.10(下).02

2010-01-17

北京市教委科技計劃資助項目（KM201010772005）

劉國忠（1966 -）男，山西人，副教授，博士，主要研究方向為精密測量、三維測量、測控技術和生物醫學信息檢測。