基于圖像處理技術的印制電路線寬精密測量與光源光強調節方法研究

洪潤莉 何佳樂 古慶宏 張真汶 黃杰賢

（1．廣東省梅州市質量計量監督檢測所，廣東 梅州 514072；2．嘉應學院物理與電子工程學院，廣東 梅州 514015）

1 引言

印制電路，英文名稱為：Printed Circuit Board(簡稱PCB)。中國是印制電路板制造大國，2019年印制電路板的總產值達到422.5億美元，占全球的55.7%[1,2]。隨著信息技術的飛速發展，5G通信技術的發展與普及，電子產品朝著輕、薄、小、巧的方向發展，也意味著對作為一切電器的載體——印制電路板制造提出了極高的要求。以常用的阻抗板為例，線路過寬，造成線路短路；線路過細，造成傳輸信號不正常；粗細突變，易產生高頻反射，形成電磁干擾[3]。這就對印制電路板線寬的加工精度提出了極高的要求。因此，發展出一套高效的、精密的、針對印制電路線寬的測量方法對于保障印制電路質量具有重大意義。隨著我國產業結構不斷優化、升級；環保標準不斷提高，勞動力成本日益上漲，許多低附加值的印制電路企業紛紛被市場淘汰。幾乎所有的印制電路企業都采用機器視覺替代人眼進行對線路板進行檢測。在自動光學檢測系統中，光源是最基本、最關鍵的部分，將光源的光照強度調節到最有利于圖像處理的狀態是一切工作的基礎。例如龍慶文從光源入手，利用PCB基材表面散射光，金屬表面反射光的原理，設計出一種高角度環形光源以提高線寬檢測的效率與精度。盡管使用該光源對于提高測量精度有極大作用，但使用條件苛刻——要求將線路放置在光源下方、中心位置；否則檢測精度因線路光照不均，照射角度不對稱而受到不良影響[4]。何瑞英使用濾波器對光照不均的PCB圖像進行處理，以有利于對PCB檢測目標的圖像分割[5]。而在針對印制電路線寬精密測量方面，彭禹豪通過對位移平臺與線陣CCD協同控制，提取PCB圖像后對線寬進行精密測量，但線陣CCD提取圖像存在著效率不高的問題[6]。Hessian矩陣也常用于線路邊緣提取，進而實現線寬測量，但該方法實現復雜，不利于推廣與應用[7]。神經網絡，深度學習也是近年的研究熱點，但是該類方法需要大量的數據作為支撐，無論是收集樣品數據還是建立合理的模型都是一項復雜的工作，不具有實用價值[8-10]。為了讓測量方法具有實用性，充分挖掘相機的性能，基于亞像素的精密測量是比較好的選擇，例如張亞楠采用Zernike矩對邊緣進行亞像素級別的定位，同一線路兩邊緣距離為線寬[11]。但該方法測量精度不高，僅穩定在0.8個像素左右。在前人研究的基礎上，綜合考慮光源與圖像處理算法，本文提出協調光源光照強度控制與圖像處理算法取得最佳的測量效果。文章分為4個部分：（1）光源選取與成像分析；（2）線寬精密測量；（3）最佳光照調節方法；（4）通過實驗驗證本文方法的有效性與優越性。

2 光源選取與成像分析

針對印制電路線寬的測量系統如圖1所示，包括了相機、同軸光源、計算機三部分。同軸光源可提供均勻的光照，既能凸顯物體表面部平整，又能克服表面反射造成的干擾。印制電路的線路與基材材質不同，在圖像中存在明顯的差異，體現為線路的灰度值明顯高于基材的灰度，如圖2所示。

圖1 光學檢測系統圖

圖2 印制電路板線路及其灰度圖

在線路的邊緣區域，灰度發生劇烈的陡變，也在圖3的灰度梯度特征分布中得到反映。灰度梯度公式如表達式1所示。

公式(1)中，grad(x,y)為(x,y)坐標上的灰度梯度值，f(x,y)表示(x,y)坐標上灰度值，abs()為絕對值函數。

3 基于亞像素的線寬測量

在線路左、右邊緣區域中，灰度梯度極大值的位置為邊緣位置，以圖3為例，選取一組坐標值，左邊緣為坐標為（50,12），右邊緣的坐標為（50,30），線寬為18像素，以55.7um/像素為比例系數，線寬的測量值為1003um，標準值為975um，絕對誤差為28um，約1/2像素。

圖3 印制電路板線路及其灰度梯度圖

為了進一步提高測量精度，本文通過擬合邊緣區域的灰度梯度值求取線路邊緣的精確位置。觀測邊緣區域的灰度梯度變化情況，例如左邊緣區域中，坐標(50,11)(50,12)(50,13)(50,14)上的灰度梯度分別為：52、157、153、49；右邊緣區域中，坐標(50,29)(50,30)(50,31)(50,32)上的灰度梯度為：84、137、104、33。采用最小二乘曲線[12]對灰度梯度進行擬合，擬合結果如圖4、圖5所示。

圖4 左邊緣曲線擬合及邊緣定位

圖5 右邊緣曲線擬合及邊緣定位

圖4、圖5中，點線為擬合曲線，虛線為當擬合曲線極大值時的縱軸線。縱軸線的X坐標值判定為邊緣的位置。圖顯示左邊緣坐標為(50,12.48)，(50,30.2)。線寬為17.72像素，測量值為987um，絕對誤差為12um，約1/5像素。因此，基于灰度梯度曲線擬合的亞像素測量方法可有效地提高測量精度。

4 光照強度調節方法研究

在基于亞像素的線寬精密測量過程中，灰度梯度間接反映了線寬邊緣區域的幾何形貌的變化情況，對于準確擬合曲線起到關鍵作用。若同軸光源光照太強，容易丟失特征信息(如圖6(a)樣品所示)；太弱則難于凸顯線路邊緣(如圖6(b)樣品所示)，圖的樣品的測量值分別是：1027um、938um、987um，誤差分別為52，-37、12：因此，光線太強或者太弱都不利于線路線寬測量。

圖6 不同光照條件下線路成像

熵可以度量灰度梯度分布的不確定性，熵的數學表達式如式（2）所示。其中Xi表示灰度梯度值，X1為灰度梯度最小值，XN為灰度梯度最大值。P(Xi)表示灰度梯度為Xi的像素數在總像素數的比例。

灰度梯度分布越集中，熵值越低；灰度梯度特征越豐富，分布范圍越廣，熵值越高。當光線太強或者太弱的時，灰度梯度特征呈集中分布，熵值較小。本文采用數字光源電源控制器控制同軸光照強度(如圖7所示)，圖7的數字中，1表示通道，60表示光照強度。

圖7 數字光源電源控制器

通過不斷調整光強，對同一個目標做圖像采集并進行熵值計算，圖8(a)(b)(c)(d)(e)(f)(g)分別是在光強為20、30、40、50、60、70、80下采集的圖像，熵值計算值為：5.0904、5.1335、5.3585、5.5494、5.4801、5.4108、5.1471。熵與光強的關系如圖9所示。

圖8 調節光強采集的線路圖像

圖9 光強與熵

為了建立熵與測量精度的關系，本文收集了100個樣品，計算平均熵值與平均測量誤差，兩組數據之間的關系如圖10所示，測量誤差與熵值成反比關系。

圖10 熵值與測量誤差

根據實驗結果，光照太強或者太弱，都不適宜線寬的精密測量，測量精度與熵值成正比。因此，在實驗的基礎上提出光照調節方法步驟為：（1）計算機控制光照強度；（2）采集圖像；（3）計算的熵值；（4）當熵為最大值時的光照為最佳光照強度。

5 實驗結果

為了驗證該方法的有效性，實驗選取平均線寬468um、975um、1987um的線路樣品做光照調節的實驗，觀測光照調節前后的測量精度，不同的光照條件獲取的圖像如圖11、圖12、圖13所示。對比數據如表1，表2，表3所示。

圖11 強光照條件下的線路圖像

圖12 弱光照條件下的線路圖像

圖13 最佳光照條件下的線路圖像

表1 強光照條件下測量誤差（單位:um）

表2 弱光照條件下測量誤差（單位:um）

表3 最佳光照條件下測量誤差（單位um）

為了更進一步驗證光照對于測量精度的重要性，本文隨機選取500個樣品，在不同光照環境下進行測量，測量結果如表4所示。

表4 不同光照條件下的測量誤差（單位um）

6 結語

本文分析了同軸光光源光照對印制電路板線寬的精密測量的影響，提出一套有利于提高測量精度的光照調節方法。通過實驗證明，該方法可有效地提高測量精度，具有極大的實用性，對于同類型的基于圖像處理技術的精密測量研究極具參考價值。