基于Halcon的IC測試探針表面質量的機器視覺檢測系統

徐 鵬， 黃志紅，劉飛飛，羅賢平

（江西理工大學，a.電氣工程與自動化學院；b.期刊社；c.機電工程學院，江西 贛州341000）

基于Halcon的IC測試探針表面質量的機器視覺檢測系統

徐 鵬a， 黃志紅b，劉飛飛a，羅賢平c

（江西理工大學，a.電氣工程與自動化學院；b.期刊社；c.機電工程學院，江西 贛州341000）

IC測試是集成電路生產中的重要工序，探針表面諸如劃痕、凹坑等缺陷對性能測試結果影響大.文章研究了IC探針表面質量的機器視覺檢測方法，討論了灰度變換、均值濾波、區域連通、圖像分割等缺陷圖像處理和形狀識別方法，建立了相應的探針表面質量檢測系統，并基于機器視覺軟件Halcon開發了探針表面質量檢測系統軟件.實驗表明：開發的檢測系統可對直徑0.3～0.6 mm的IC測試探針表面質量進行快速檢測評估，且系統的穩定性好、檢測精度高，能有效縮短檢測時間和減少檢測成本.

IC測試探針；表面質量檢測；機器視覺；Halcon軟件

0引言

集成電路封裝之前，需要將探針卡壓到芯片的電極板上進行功能測試，探針是測試卡上用來與芯片進行電氣連接的一種微小尺寸部件 （如圖1），芯片只有通過了探針的測試才允許進行下一道工序[1].探針表面常常存在劃痕和凹坑等缺陷，這些缺陷尺寸小且隨機分布等.探針表面缺陷一般將影響其與測試點的接觸電阻、觸電壓力等參數，從而影響測試過程的準確度[2].因此，在探針制造過程中，嚴格控制其表面質量顯得非常重要.傳統的探針質量檢測主要依靠人工采用手動視頻檢測與光學比較儀結合的方法，其工作強度大、精度低等.本文將機器視覺技術引入到IC測試探針表面質量檢測控制，研究基于機器視覺的IC測試探針表面質量檢測方法并設計相應的機器視覺檢測系統.

圖1 IC測試探針示例

目前機器視覺已經被應用在各個領域，例如乳制品箱體噴碼字符識別、管孔類零件尺寸測量、表面貼片電子組件檢測[3-6].本文應用機器視覺軟件Halcon對IC測試探針的表面缺陷圖像進行分析處理，給出對應的圖像處理思路和具體算法，為檢測IC測試探針制造質量提供一種技術手段.

1 IC測試探針表面質量檢測硬件系統

系統首先分析和總結探針表面缺陷類型、特征、產生原因，然后將探針置于輸送裝置上，通過工業相機依次對旋轉的探針連續攝取表面圖像，將采集到的圖像送到計算機并使用Halcon軟件進行一系列圖像處理，在此基礎上，再使用計算機進行實驗，完善探針表面質量的缺陷評價方法.整個硬件系統主要包含探針輸送與定位裝置、檢測背景光源、顯微放大和光路系統，分揀機構和CPU.系統的架構圖如圖2所示，主要由中央處理單元，傳送機構，分揀機構，圖像采集與處理，結果輸出與顯示等部分組成.

圖2 系統架構圖

系統工作流程為：上電啟動后，首先對設備進行初始化并進行自檢，然后計算機主機通過軟件驅動各部分開始工作，位于透明傳送帶上的探針在步進電機的帶動下依次經過檢測區，當到達檢測區時，觸發背向LED光源，同時面陣式CCD工業相機采集到經過光學鏡頭放大的圖像，送到圖像采集卡，將模擬信號轉換為數字信號[7-8]，然后計算機主機對這些信號進行圖像處理，做出是否合格的判斷，如果合格就由其順著傳送帶到達裝袋處，不合格則由分揀機構將其放入不合格產品箱.

系統中關鍵硬件參數為：Intel Celeron CPU（dual Core 1.8 GHz,2 GB內存）；東莞科視自動化100 mm環形LED光源HRL-100 SR；微林ML15-110鏡頭；130萬高分辨率CCD相機DL800C，其像元尺寸為5.2 μm*5.2 μm；分揀機構內置CPU采用ARM公司的高性能單片機STM32F103，通過串口與主機PC進行通訊獲得位置信息和操作指令，進而驅動機械臂對不合格探針進行分揀.

2 IC測試探針表面缺陷檢測算法

2.1 IC探針表面缺陷類型分析

探針的表面缺陷是指探針在經過拋光加工后表面存在的劃痕、凹坑及破口等加工缺陷，是由于制作加工流程中或后續的不當處理而造成的，最為常見的表面缺陷是劃痕和凹坑，如圖3所示.劃痕是零件表面上的長條形劃傷，在高倍顯微鏡下可以看到，細劃痕的底部比較平整，邊緣較齊.根據劃痕長度分為長劃痕和短劃痕，其中長度大于50 μm的劃痕屬于長劃痕，反之則為短劃痕.對于短劃痕，在檢測時以其累計長度進行評價.凹坑的坑內表面的粗糙度較大，邊緣也不規則.對于微小探針，其凹坑缺陷面積不得大于待測面積的2%.

圖3 IC探針表面缺陷類型

2.2 IC探針表面劃痕缺陷檢測

劃痕在IC探針表面缺陷類型中占有70%以上比重，以下將以劃痕缺陷為例，應用Halcon軟件對其進行精確提取.軟件流程如圖4所示.

圖4 IC探針劃痕缺陷檢測流程圖

首先，對獲取的IC探針圖像進行濾波以降低噪聲，常用的濾波方式有高通濾波、低通濾波器和均值濾波[9].探針表面圖像會有許多孤立的噪聲點，采用均值濾波可以在保留圖像邊緣清晰度的條件下去掉孤立的噪聲點，均值濾波如圖5（b）所示.為了得到更加清晰的探針表面信息，我們需要對均值濾波后的圖像進行灰度值的調整，Halcon中提供的threshold算子可以手動設置調整的灰度值閾值，但是此處我們選擇dyn_threshold將均值濾波前后兩幅圖的灰度值進行對比，設定一個分割區域，以此來實現進一步的降噪功能，同時，從背景色中提取出需要檢測的特征部分.

為進行有效分割，需要對上一步經過灰度變換的圖像進行區域聯通（如圖5（d）所示），通過對劃傷部分的連通區域面積大小的設定即可判定該探針是否合格.為了排除點陣變形的影響，使選擇出來的區域更加清晰，需要對圖像進行膨脹處理，效果圖如圖5（f）所示，最終提取的劃痕缺陷如圖5（g）所示.

圖5 應用Halcon軟件對IC探針表面劃痕缺陷進行檢測

3 實驗分析與對比

IC探針表面缺陷檢測過程中，圖像分割的正確與否直接決定了劃痕缺陷大小和IC探針產品的合格與否[10].為評判圖像分割效果，本文選擇了3種常用的評價準則：區域內部均勻性準則U[11]，形狀測度準則S[11]，區域對比度準則C[12].

（1）區域內部均勻性準則U

分割就是把一幅原始圖像f（x，y）分成若干個內部具有相似特性的區域，所以可用分割圖像中各個區域內部均勻的程度來描述分割圖像的質量.設Ri為第i個區域，Ai表示其面積，則均勻性測度U為：

式（1）中，C1為整幅圖像的像素數，二值圖像中i為2.U值越大，分割效果越好，算法性能越好[13].

（2）形狀測度準則S

好的圖像分割結果應該有好的目標輪廓，區域形狀測度即是衡量目標輪廓光滑程度的指標，其表達式為：

其中，fN（x，y）為鄰域N（x，y）的灰度均值，t為灰度閾值，Δ（x，y）是廣義梯度，C2為歸一化因子，而符號函數：

S值越大，分割效果越好，對應目標輪廓光滑程度越好[13].

（3）區域對比度C

圖像的二值分割是按照目標、背景的灰度差異將圖像分割成兩個不同區域，若這兩個區域差別較大，即灰度對比度較大，則亦可推斷出分割算法的優劣.設目標和背景的平均灰度分別為fO、fB，則區域對比度：

同樣，灰度對比度越大，分割效果越理想[13].

為評判本文算法以及常用的LoG、Sobel、Canny算法的分割效果，定量指標對比如表1所示.

表1 分割效果定量指標對比

由表1可知，本文基于Halcon軟件的IC探針缺陷分割算法在3個評判指標上都優于傳統的LoG、Sobel、Canny算法的分割效果.通過分割結果以及尺寸標定，即可有效計算出劃痕缺陷的長度.

4結論

本文采用機器視覺對IC測試探針表面質量進行檢測，論述了將機器視覺引入到IC探針表面質量檢測中的必要性和可行性，設計了IC探針表面質量檢測的圖像測量系統總體方案，重點使用Halcon對探針表面最常見的劃痕缺陷圖像進行了分析處理.最終實驗結果表明，用本文所設計的系統對直徑在0.3~0.6 mm的IC測試探針表面質量的檢測效果相比傳統的人工方法，檢測速度更快，精確度更高，成本更低.隨著機器視覺的進一步發展，表面質量檢測的自動化程度將會得到大幅提升.

[1]黃傳霞，趙勛杰.芯片測試探針X射線圖像模式識別技術研究[J].計算機應用與軟件,2013，30(7):244-247.

[2]徐 銳.微小零件尺寸及表面缺陷的機器視覺檢測技術研究[D].贛州：江西理工大學，2009.

[3]王麗英.需求帶來市場，機器視覺引來發展的春天[J].今日電子，2008（6）：67.

[4]郭佳寅,岳秀江,吳 雙,等.基于HALCON的乳制品箱體噴碼字符識別方法研究[J].制造業自動化,2013,35(2):21-23.

[5]黃劍航.基于HALCON的圓環區域字符識別實現[J].現代計算機,2010（7）:58-60.

[6]陳 濤.基于HALCON的表面貼裝電子組件監測系統的研發[D].廣州：華南理工大學，2011.

[7]孫懷遠,廖躍華,周夫之,等.基于HALCON的藥品包裝瓶批號檢測技術研究[J].包裝工程,2008,29(8):71-73.

[8]Francesco Bianconi,Luca Ceccarelli,Antonio Fernández,et al.A sequential machine vision procedure for assessing paper impurities[J]. Computers in Industry,2013,65(2):325-332.

[9]龔聲榮，劉純平，王 強，等.數字圖像處理與分析[M].北京：清華大學出版社，2006．

[10]Gamal ElMasry,Sergio Cubero,Enrique Moltó,José Blasco. In-linesorting ofirregularpotatoesby usingautomated computer-based machine vision system [J].Journal of Food Engineering,2012,112(1/2):60-80.

[11]Sahoo P K,Soltani S,Wong A K C.A survey of thresholding techniques[J].Computer vision,graphics,and image processing, 1988,41(2):233-260.

[12]Levine M D,Nazif A M.Dynamic measurement of computer generated image segmentations[J].Pattern Analysis and Machine Intelligence,IEEE Transactions on,1985(2):155-164.

[13]葛 繼.安瓿藥液可見異物視覺檢測機器人技術研究[D].長沙：湖南大學.

Surface quality machine vision inspection system of IC probe by the Halcon software

XU Penga，HUANG Zhi-hongb，LIU Fei-feia，LUO Xian-pingc（Jiangxi University of Science and Technology,a.School of Electrical Engineering and Automation;b.Periodical Press; c.School of Mechanical&Electrical Engineering,Gannzhou 341000,China）

IC detection is an important step in the IC manufacture.The defects of IC probe surface,such as the abrasion and dent,deeply effect on the performance detection result.In this paper,the probe surface quality inspection method by the machine vision is studied,the defect image process and shape recognization method are discussed with the gray transform,mean filtering,region link and image segmentation.The surface quality inspection system is developed by means of Halcon software.It is satisfactory that the fast and accurate detection of the IC detection probe with its diameter of 0.3~0.6 mm and the detection cycle and low cost.

IC detecting probe;surface quality inspection;machine vision;Halcon software

TP391

A

2095-3041（2014）00-0060-05

10.13265/j.cnki.jxlgdxxb.2014.01.010

2014-01-13

江西省教育廳科技項目（GJJ08271）

徐 鵬（1990- ），男，碩士研究生，主要從事機器視覺和嵌入式系統等方面的研究，E-mail:740755725@qq.com.