一種PCB缺陷檢測(cè)方法的研究

高磊，郎加云

（安徽文達(dá)信息工程學(xué)院，安徽合肥 231201)

0 引言

如今，由于集成電路工藝突飛猛進(jìn)的發(fā)展，電子元件變得更加微小化、片式化、輕量化，主流的電路板焊接方式也變?yōu)榱速N片式。隨著PCB 制作技術(shù)的逐漸發(fā)展，印制電路板上的元器件越來(lái)越多，結(jié)構(gòu)越來(lái)越復(fù)雜。在電路板制造工業(yè)中，應(yīng)用機(jī)器視覺(jué)替代傳統(tǒng)的人工檢測(cè)已成趨勢(shì)[1]。機(jī)器視覺(jué)與圖像處理技術(shù)的融合，在檢測(cè)強(qiáng)度與速度、標(biāo)準(zhǔn)規(guī)范程度上都具有很大的優(yōu)勢(shì)。

實(shí)際中，工業(yè)生產(chǎn)制造電路板時(shí)有可能產(chǎn)生復(fù)雜多樣的缺陷，國(guó)際電聯(lián)協(xié)會(huì)將電路缺陷分為了不同的種類，例如：短路、斷路、凸起、凹陷等[2]。在用圖像處理方法檢測(cè)PCB 缺陷時(shí)，本文發(fā)現(xiàn)，進(jìn)行輪廓對(duì)比時(shí)會(huì)出現(xiàn)偽缺陷，本文主要工作為剔除PCB缺陷檢測(cè)時(shí)的偽缺陷。

1 基于圖像處理的PCB缺陷檢測(cè)

針對(duì)傳統(tǒng)PCB 檢測(cè)方法高成本、低效率問(wèn)題，本文提出一種以機(jī)器視覺(jué)為基礎(chǔ)的PCB缺陷檢測(cè)方法，使用數(shù)字圖像處理相關(guān)算法，通過(guò)對(duì)比待測(cè)圖像和標(biāo)準(zhǔn)圖像，針對(duì)PCB 板缺陷檢測(cè)中真?zhèn)稳毕莸淖R(shí)別問(wèn)題，本文提出使用引進(jìn)領(lǐng)域特征的BLOB算法，來(lái)檢測(cè)這個(gè)問(wèn)題。經(jīng)實(shí)驗(yàn)結(jié)果分析，該方法能有效辨別真?zhèn)稳毕?。?shí)現(xiàn)了參考圖像與待測(cè)圖像的快速精準(zhǔn)配準(zhǔn)。

對(duì)PCB缺陷檢測(cè)的流程圖如圖1。

圖1 電路板缺陷檢測(cè)流程

2 圖像預(yù)處理

人工或機(jī)器攝取PCB電路板圖像后，有很多因素都會(huì)導(dǎo)致圖像擁有五花八門的噪聲，比如拍攝過(guò)程設(shè)備的抖動(dòng)，光照不勻，灰塵或其他雜物的遮掩，對(duì)圖像采用預(yù)處理方法，可以有效去除周圍環(huán)境帶來(lái)的噪聲，提升圖像保真率，為進(jìn)一步處理圖片打下基礎(chǔ)，以便進(jìn)行缺陷檢測(cè)時(shí)準(zhǔn)確率更高[3]。對(duì)圖像進(jìn)行預(yù)處理的方法主要分為圖像分割，提取前景目標(biāo)，測(cè)試圖像與模板圖像校正。

3 圖像對(duì)比

相機(jī)采集到的測(cè)試圖經(jīng)過(guò)圖像校正，與模板圖在大小與方向上實(shí)現(xiàn)了圖像對(duì)齊。為了定位測(cè)試圖中的缺陷信息，需要將測(cè)試圖與模板圖作差[4]。作差的原理是模板圖與測(cè)試圖在對(duì)應(yīng)位置處的灰度值相減，表達(dá)式如下：

其中d(x,y)為差值圖，fTemplate(x,y)為模板圖，fTest(x,y)為測(cè)試圖。

4 缺陷分析

對(duì)PCB圖像作差之后，通過(guò)分析差值圖中的亮區(qū)域，可以判斷測(cè)試圖中有無(wú)缺陷。亮區(qū)域分為兩類：一類是PCB 板生產(chǎn)過(guò)程引入的缺陷，屬于真缺陷；另一類是由于PCB板采集過(guò)程抖動(dòng)引起圖像畸變、圖像校正沒(méi)有與模板對(duì)齊而引入的灰度差異，稱為偽缺陷，常對(duì)缺陷分析結(jié)果造成干擾[5]。缺陷分析的目的標(biāo)記真缺陷，剔除缺陷。

本文使用一種多模板檢測(cè)算法來(lái)剔除偽缺陷。該算法求取多個(gè)模板，并且統(tǒng)計(jì)每個(gè)模板在配準(zhǔn)后對(duì)應(yīng)的像素點(diǎn)處的最大、最小灰度值，生成亮模板與暗模板，計(jì)算公式如下：

其中，w表示學(xué)習(xí)樣本數(shù)，An表示第n幅圖中點(diǎn)(x,y)處灰度值。

多模板比較算法相當(dāng)于在匹配時(shí)，進(jìn)行BLOB 算法作缺陷檢測(cè)時(shí)引入了比較鄰域點(diǎn)的灰度值，可以有效去除輪廓偽缺陷。此外，還可以通過(guò)灰度形態(tài)學(xué)原理計(jì)算模板的最大、最小灰度值。

4.1 Blob缺陷分析

Blob算法是描述一幅圖像中連通域像素的方法，通常用于分析閉合的目標(biāo)形狀[6]。Blob 的解釋是一滴、一團(tuán)的意思，圖像處理中的Blob是指一個(gè)像素塊，處于該像素塊中的像素點(diǎn)在位置上相互連通，并且具有相似的紋理、顏色特征。Blob缺陷分析的目的是描述目標(biāo)像素的四鄰域或八鄰域連通區(qū)塊的特征，例如像素區(qū)域的周長(zhǎng)、面積、質(zhì)心、形狀等，如圖2所示[7]。

圖2 Blob特征示意圖

Blob分析主要分為兩部分，連通域標(biāo)記與區(qū)域描述，編寫算法時(shí)通常把這兩部分結(jié)合起來(lái)，在連通區(qū)域的同時(shí)，記錄區(qū)域信息[8]。

本文中采用像素標(biāo)記法，圖像經(jīng)過(guò)一次掃描完成標(biāo)記。差值圖經(jīng)過(guò)灰度化處理后，亮色區(qū)域灰度值255，背景灰度值為0，為防止重復(fù)標(biāo)記，將已經(jīng)標(biāo)記過(guò)的像素其灰度值賦值為254。一次掃描標(biāo)記算法的主要流程如下：

1)創(chuàng)建動(dòng)態(tài)指針記錄需要標(biāo)記的像素塊信息，創(chuàng)建一個(gè)空棧隊(duì)列用于臨時(shí)存放標(biāo)記像素，設(shè)置八鄰域檢測(cè)數(shù)組順序。

2)從下向上、從左向右掃描圖像，如果當(dāng)前掃描像素灰度值為0，跳過(guò)當(dāng)前像素，繼續(xù)掃描；當(dāng)前掃描像素的灰度值為255，區(qū)域信息個(gè)數(shù)計(jì)數(shù)加1，記錄當(dāng)前像素的坐標(biāo)值。

3)根據(jù)八鄰域數(shù)組檢測(cè)當(dāng)前像素的鄰域像素是否為前景點(diǎn)，如果為前景點(diǎn)，標(biāo)記該鄰域像素，同時(shí)將該像素坐標(biāo)壓入棧，區(qū)域面積值加1，更新當(dāng)前連通域邊緣坐標(biāo)值；否則，繼續(xù)掃描鄰域像素。

4)當(dāng)前像素的八鄰域掃描完以后，檢查壓入棧中的像素點(diǎn)的八鄰域像素，從棧中彈出像素坐標(biāo)值，按照步驟3)檢查像素，直至棧為空。

5)掃描完畢當(dāng)前區(qū)域后，按照步驟2)繼續(xù)掃描圖像，直至整幅圖像掃描完成。

本文中Blob算法標(biāo)記的連通域特征主要有：缺陷塊個(gè)數(shù)Nnmber；每個(gè)缺陷塊分別記錄面積Size，左下角像素點(diǎn)坐標(biāo)x0,y0，右上角像素點(diǎn)坐標(biāo)x1,y1這五個(gè)元素。根據(jù)記錄信息，可以計(jì)算出缺陷塊的其他信息如缺陷中心坐標(biāo)，缺陷塊的寬度Δx，高度Δy，從而分析出缺陷的形狀。上述特征在連通域標(biāo)記過(guò)程中的計(jì)算方法如下：

Ri——第i個(gè)連通區(qū)域。

其中，xi,yi表示標(biāo)記像素的坐標(biāo)。

根據(jù)式(3)可得出缺陷塊的特征點(diǎn)，式(4)可計(jì)算出缺陷區(qū)域邊角坐標(biāo)，因此可以計(jì)算出缺陷區(qū)域面積，式(5)可表示區(qū)域面積大小：

其中Δx表示缺陷區(qū)域橫坐標(biāo)變化范圍，Δy表示曲線區(qū)域縱坐標(biāo)變化范圍。

然而實(shí)際檢測(cè)中此方法仍然存在偽缺陷，這類偽缺陷多為合格區(qū)域，但是由于圖像變形等原因難以濾除。只從缺陷塊自身的角度來(lái)考慮分辨真?zhèn)稳毕荩赡軙?huì)造成漏檢，因此在判斷的過(guò)程中需要引入缺陷塊的鄰域像素塊信息來(lái)辨別。

4.2 鄰域缺陷判別

分析測(cè)試圖與模板圖的差值圖，可以得出關(guān)于真缺陷與偽缺陷的特征（表1)，根據(jù)這些特征來(lái)選擇判別方法。

表2 缺陷檢測(cè)結(jié)果

首先確定鄰域的選擇，根據(jù)表1的分析可以看出，偽缺陷的出現(xiàn)大多是因?yàn)闇y(cè)試圖與模板圖出現(xiàn)偏移造成的，偽缺陷鄰域范圍內(nèi)，在模板圖中會(huì)出現(xiàn)與偽缺陷圖案相同或者相似的部分。鄰域的選擇以偽缺陷塊為中心塊，水平方向以缺陷塊的寬度Δx為單位寬度，垂直方向以缺陷塊高度Δy為單位高度，從中心塊向四周各擴(kuò)展一個(gè)單位長(zhǎng)度，鄰域圖如圖3所示。

圖3 缺陷鄰域示意圖

圖4 標(biāo)準(zhǔn)電路板卡圖像

圖5 待測(cè)電路板卡圖像

真?zhèn)稳毕莸呐袆e條件引用了谷歌相似圖片搜索的技術(shù)原理：感知哈希算法。感知哈希算法主要用于圖片相似性的描述，給每幅圖像生成一個(gè)“指紋”，之后與其他圖像生成的“指紋”比較，比較結(jié)果越接近，圖片越相似[9]。下面介紹一種常用的低頻圖像哈希算法：

1)將圖片縮小成為8 × 8的尺寸，共64個(gè)像素，目的是去除圖片高頻細(xì)節(jié)。

2)將圖像轉(zhuǎn)化為灰度圖像，簡(jiǎn)化色彩。

3)計(jì)算小圖像的平均灰度值。

4) 8 × 8 圖像的像素灰度值與平均灰度值比較，大于或等于均灰度，記為1；小于均灰度，記為0。

5)記錄哈希值：將第四步比較的結(jié)果記錄下來(lái)，組成一個(gè)64位的整數(shù)，即為圖像的“指紋”。

本文將感知哈希算法圖片相似理論運(yùn)用到缺陷判別過(guò)程中，在缺陷塊鄰域找相似圖像塊，如果在模板圖缺陷塊鄰域中找到與測(cè)試圖缺陷塊相似的圖案，說(shuō)明缺陷是由于對(duì)齊誤差造成的偽缺陷，可以排除。如果在模板圖八鄰域中沒(méi)有與缺陷塊相似的圖案，則該缺陷為真缺陷，是測(cè)試圖中獨(dú)有的圖案[10]。

因?yàn)槿毕輭K像素面積通常不會(huì)超過(guò)10 × 10，所以不需要經(jīng)過(guò)圖片壓縮的過(guò)程；本文中需要比較的模板圖像為灰度圖，去掉彩色圖像灰度化步驟；改進(jìn)計(jì)算哈希值的相關(guān)算法，將灰度化序列改為灰度化后“1”的個(gè)數(shù)，便于比較。鄰域缺陷判別的算法流程如下：

1)遍歷缺陷塊信息，對(duì)于每一個(gè)缺陷塊信息，計(jì)算其鄰域范圍。

2)在模板圖中，從鄰域起始點(diǎn)，以缺陷塊大小為單位，計(jì)算每一個(gè)鄰域塊的均灰度值MeanGrayi，以及缺陷塊均灰度化后1的個(gè)數(shù)Num1i。

3) 模板圖計(jì)算的MeanGrayi與Num1i，與測(cè)試圖缺陷塊的MeanGray，Num1參數(shù)比較，當(dāng)滿足條件1)～3)時(shí)，說(shuō)明出現(xiàn)缺陷塊的相似圖案，判別缺陷為偽缺陷。

其中Size表示缺陷塊面積。

4)遍歷完畢，未出現(xiàn)相似圖案，判別為真缺陷。

4.3 PCB缺陷類型識(shí)別

在獲取到待測(cè)圖像后，需要和標(biāo)準(zhǔn)圖像進(jìn)行對(duì)比，從而獲得缺陷點(diǎn)的圖像。首先，需要規(guī)定一個(gè)圖像的最大面積值，從而消除在誤差允許的范圍內(nèi)的較小的缺陷。然后，以該缺陷為圖像中心，圈定一個(gè)范圍，進(jìn)行詳細(xì)的缺陷檢測(cè)。

缺陷檢測(cè)和分析需要通過(guò)以下幾個(gè)方面進(jìn)行考慮：

1)多/少線及缺失焊盤的情況

當(dāng)出現(xiàn)這種缺陷時(shí)就代表此電路板缺陷重大，其特征是從對(duì)比圖中能夠明顯發(fā)現(xiàn)較大面積的不同，即缺陷面積很大，并且是遠(yuǎn)遠(yuǎn)超過(guò)其他類型缺陷?？梢愿鶕?jù)缺陷面積的大小同其他缺陷分隔開(kāi)來(lái)。

2)電路板發(fā)生短路和斷路的情況

在對(duì)比圖中通過(guò)判別連通區(qū)域數(shù)的方法進(jìn)行識(shí)別短路和斷路。當(dāng)短路時(shí)，其特征是與標(biāo)準(zhǔn)圖像相比，圖像中連通區(qū)域數(shù)較少。相反的，當(dāng)斷路時(shí)，其特征是與標(biāo)準(zhǔn)圖像相比，圖像中連通區(qū)域數(shù)較多。

3)電路板發(fā)生凸起和凹陷的情況

圖像對(duì)比時(shí)面積是否出現(xiàn)增多和減少的情況，這類情況是反映在不同導(dǎo)線間間距的變化，當(dāng)凸起時(shí)，導(dǎo)線間間距變窄，即面積增加；當(dāng)凹陷時(shí)，導(dǎo)線間間距變寬，即面積減少。

4)電路板發(fā)生漏洞和錫點(diǎn)堵塞的情況

當(dāng)連通區(qū)域數(shù)不變，連接線區(qū)域距離間隔不變，區(qū)域數(shù)的數(shù)量也沒(méi)有發(fā)生改變，就需要考慮漏洞和錫點(diǎn)堵塞的可能。計(jì)算歐拉數(shù)是應(yīng)對(duì)這種缺陷的最好辦法，待測(cè)PCB 圖像歐拉數(shù)小于標(biāo)準(zhǔn)圖則為漏洞，反之大于則為錫點(diǎn)堵塞。

5 實(shí)驗(yàn)結(jié)果分析

對(duì)采集PCB圖像經(jīng)過(guò)灰度化處理后，使用邊緣檢測(cè)算法，雙線性插值法對(duì)已經(jīng)采集到的PCB電路板卡圖像進(jìn)行去噪分割和校正，得到PCB電路板卡待對(duì)比灰度化圖像。

對(duì)待測(cè)電路板卡圖像和標(biāo)準(zhǔn)電路板卡圖像做差后，使用引進(jìn)領(lǐng)域特征的BLOB 算法進(jìn)行和未引入領(lǐng)域特征的BLOB真?zhèn)稳毕荼鎰e，得到結(jié)果圖如下：

經(jīng)過(guò)鄰域缺陷判別，實(shí)現(xiàn)了濾除偽缺陷的目的。圖6 為引入鄰域灰度特征判別后的缺陷圖。其中缺陷點(diǎn)滿足4.3 中領(lǐng)域缺陷判別條件1)～3)，即為本文所得真缺陷。

圖6 引入鄰域特征

圖7 未引入鄰域特征

對(duì)待測(cè)圖進(jìn)行標(biāo)號(hào)以便后續(xù)識(shí)別，如圖8。

圖8 標(biāo)號(hào)圖

對(duì)PCB缺陷類型進(jìn)行識(shí)別：在差值結(jié)果圖中按順序定位缺陷點(diǎn)位置。計(jì)算缺陷位置面積大小，設(shè)定面積閾值，小于閾值，則該缺陷點(diǎn)是允許誤差情況內(nèi)的缺陷，可以忽略。如果遠(yuǎn)大于此閾值，則是多/少線及缺失焊盤的嚴(yán)重缺陷。待測(cè)PCB 圖面積大于標(biāo)準(zhǔn)PCB面積，則判斷為凸起，否則為凹陷。如果相等，則計(jì)算包含缺陷點(diǎn)的一定區(qū)域內(nèi)的連通區(qū)域數(shù)，對(duì)于連通區(qū)域數(shù)，待測(cè)PCB圖大于標(biāo)準(zhǔn)PCB圖，判斷為斷路，否則為短路。如果相等則進(jìn)行下一步，計(jì)算待測(cè)PCB和標(biāo)準(zhǔn)PCB 的歐拉數(shù)，對(duì)于歐拉數(shù)，待測(cè)PCB 圖大于標(biāo)準(zhǔn)PCB圖，則判斷為錫點(diǎn)堵塞，否則為電路空洞，若相等，則進(jìn)行灰度化圖像面積判斷。若待測(cè)圖像灰度化圖像面積大于標(biāo)準(zhǔn)圖像，則該缺陷點(diǎn)為凸起缺陷，若小于，則為凹陷缺陷。

從實(shí)驗(yàn)結(jié)果可以看出，本文方法可以剔除偽缺陷的影響，并且不會(huì)干擾真缺陷的檢測(cè)。而且該方法在綜合考慮到了小的瑕疵和允許的誤差情況下，還能夠有效檢測(cè)出如斷路、短路、空洞、各類常規(guī)缺陷。

6 總結(jié)

本文設(shè)計(jì)了基于改進(jìn)的Blob 缺陷分析方法對(duì)PCB 進(jìn)行缺陷檢測(cè)。引入領(lǐng)域特征解決了真?zhèn)稳毕蓦y以辨別的問(wèn)題，并通過(guò)設(shè)計(jì)的算法流程有效檢測(cè)出待測(cè)PCB 板的常規(guī)缺陷，由此說(shuō)明，該方法能較準(zhǔn)確地檢測(cè)出待檢測(cè)電路板上存在的缺陷，提高了檢測(cè)效率，達(dá)到了自動(dòng)無(wú)接觸實(shí)時(shí)檢測(cè)的目的。綜上所述，本文提出的檢測(cè)方法能夠高標(biāo)準(zhǔn)自動(dòng)化檢測(cè)有效剔除偽缺陷，并保留真缺陷，節(jié)省了人力資源，提高了檢測(cè)的效率。