基于机器视觉的PCB 光板缺陷检测技术研究

1、 （申请工学硕士学位论文） 基于机器视觉的PCB 光板缺陷 检测技术研究培养单位 ：信息工程学院 学科专业 ：通信与信息系统 研 究 生 ：胡文娟指导教师 ：刘 泉 教 授2007年4月基于机器视觉的PCB光板缺陷检测技术研究胡文娟武汉理工大学分类号密 级 UDC 学校代码学 位 论 文题 目 基于机器视觉的PCB 光板缺陷检测技术研究 英 文 Research of Machine Vision Based题 目 Defect Detection Techniques on PCB 研究生姓名姓 名职 称 单位名称 邮 编申请学位级别 硕士 学科专业名称 通信与信息系统 论文提交日期 200

2、7年4月 论文答辩日期 2007年5月 学位授予单位 武汉理工大学 学位授予日期 答辩委员会主席 陈 伟 评阅人 周 祖 德2007年4月指导教师摘 要印刷电路板(PCB是集成各种电子元器件的信息载体，在电子领域中有着广泛的应用。随着技术的不断发展和工艺水平的不断提高，电子产品趋于更轻、更薄、更小，PCB 朝着层数更多、密度更高的方向发展，这使得PCB 的质量检验成为一件非常困难的工作。传统的人工检测方法容易漏检、检测速度慢、检测时间长，已经不能满足生产的需要，如何更有效的实现PCB 的自动缺陷检测，成为半导体工业领域一个热门问题。机器视觉检测技术，集电子学、光电探测、图像处理和计算机技术于一

3、身，是精密测试技术领域内最具有发展潜力的新技术。机器视觉系统，一般采用CCD 或CMOS 摄像机摄取待检测目标并转化为数字信号，再采用先进的计算机硬件与软件技术对数字图像信号进行处理，从而得到所需要的各种目标图像特征值，并由此实现零件识别或缺陷检测等多种功能。然后再根据其结果显示图像，输出数据，由反馈信息引导执行机构完成位置调整、好坏筛选等自动化流程。将机器视觉引入到工业检测中，具有非接触、速度快、柔性好等突出优点，在现代制造业中有着重要的应用前景。本文将机器视觉技术应用到PCB 光板的缺陷检测中，实现PCB 光板的自动缺陷检测。在研究机器视觉技术的基础上，针对PCB 光板上的几种常见几何缺陷

4、类型，制定PCB 光板缺陷检测系统总体方案，讨论视觉检测系统工作原理，为PCB 光板视觉检测系统搭建硬件平台：包括照明系统、图像采集系统、以及控制台系统；重点针对采集的PCB 光板图像讨论视觉检测算法并进行仿真实验，包括图像预处理、分割、描述、数学形态学、模式识别等方法，着重根据PCB 设计规则运用数学形态学及模式识别方法完成自动检测识别；最后根据视觉检测算法设计系统软件，对PCB 光板完成缺陷的检测与识别。对包含不同缺陷的PCB 光板图像进行实验，结果证明本文的PCB 光板缺陷检测系统能够对PCB 光板上的短路、断路、毛刺、缺损四种主要缺陷做出有效的检测、定位与识别。关键字：印刷电路板(PC

5、B；机器视觉；数学形态学；模式识别AbstractPrinted Circuit Board, a kind of information carrier which integrates varieties of electronic devices, has popular applications in electronic fields nowadays. With the rapid development of manufacture techniques, electronic product tends to lighter, thinner and smaller, and

6、PCB turns to have more layers and higher density, which makes quality detection of PCB become more difficult. Traditional detection methods can not satisfy the large production for inaccurate, slow and long time detection, then how to realize automated defect detection of PCB becomes a hot topic in

7、semiconductor industry.Machine vision technology, which combines electronics, photoelectric detection, image processing and computer technology into oneself, is a potential new technology in industrial detection field. Machine vision system, usually obtains digital image signals of detected object b

8、y CCD or CMOS camera, then processes the digital image signals to get characteristic values by adopting advanced computer hardware and software techniques, and accomplishes workpiece recognition or defect detection accordingly. Based on the results, the system displays the images, exports the data a

9、nd sends out instructions to control corresponding equipment to act such as location adjusting and quality filtering according to feedback information.Machine vision technology is applied into automated PCB defect detection in this paper. On the basis of studying machine vision technology, we design

10、 the whole scheme of PCB defect detection system towards several simple geometric defects on PCB, discuss the principle of the system, and establish hardware platform for the system, including illuminating unit, image acquisition unit and control unit. Then, we discuss and design the foremost vision

11、 detection algorithm towards PCB image, including image pre-processing, segmentation, description, mathematical morphology, and pattern recognition, while the key is to accomplish defect detection using mathematical morphology and pattern recognition based on PCB design rules. Finally, we design sys

12、tem software according to the vision detection algorithm to realize defect detection and recognition on PCB.Experimental results demonstrate that though the PCB defect detection system described in this paper, four types of defects including short circuit, open circuit,protuberance and concavity on

13、PCB can be effectively detected, located and recognized.Keywords: Printed Circuit Board(PCB; Machine Vision; Mathematical Morphology;Pattern Recognition目 录第1章 绪 论·······················

14、··················································

15、··································11.1 机器视觉检测技术综述·············

16、83;·················································

17、83;················11.2 PCB光板视觉检测技术发展状况及分析·····························

18、3;·······················31.3 课题的来源、目的及意义························

19、··················································

20、··51.4 本文主要研究内容及组织结构·············································

21、·······················6第2章 PCB光板视觉检测系统总体设计·······················

22、3;········································72.1 问题的提出········

23、··················································

24、··········································72.2 检测系统工作原理······

25、;··················································

26、;································72.3 照明系统设计················

27、··················································

28、······························82.4 PCB图像采集系统设计·················&#

29、183;·················································&#

30、183;············92.5 控制台设计···································

31、3;·················································

32、3;············132.6 本章小结····································

33、··················································

34、···············14第3章 视觉检测算法分析································

35、3;·················································

36、3;···153.1 图像预处理·············································

37、;··················································

38、;···163.2 图像分割·············································&

39、#183;·················································&

40、#183;·····273.3 图像描述··········································

41、83;·················································

42、83;········333.4 二值形态学滤波·······································&#

43、183;·················································&#

44、183;383.5 图像缺陷检测、定位与识别··············································&#

45、183;·······················463.6 本章小结························

46、3;·················································

47、3;··························56第4章 系统软件设计·····················

48、3;·················································

49、3;······················574.1 开发工具选择·························

50、3;·················································

51、3;··················574.2 PCB视觉检测系统软件功能模块····························&

52、#183;··································574.3 PCB板缺陷视觉检测及识别实验示例···········&#

53、183;···········································624.4 实验结果分析····&#

54、183;·················································&#

55、183;·······································664.5 本章小结········

56、3;·················································

57、3;··········································67第5章 总结与展望······

58、;··················································

59、;··········································685.1 总结······

60、83;·················································

61、83;·················································

62、83;··685.2 展望··············································&

63、#183;·················································&

64、#183;············68 参考文献····································

65、··················································

66、·····························70 致 谢····················

67、··················································

68、·············································73 附录 攻读硕士期间发表的论文··&

69、#183;·················································&

70、#183;·························74第1章 绪 论1.1 机器视觉检测技术综述检测技术是制造业的基础，随着制造水平的快速发展，制造领域不断扩大，产品质量不断提高。相应地，对检测技术提出了新的需要，传统意义上的很多检测方法已经不能适应现代制造业的要求。比如在汽车工业中，为全面控制车身的制造质量，需要在制造现场对制造过程中的

71、产品(或零件 实行检测，这是一类典型的在线测量问题，在现代制造业中具有广泛代表性，也是传统测量方法难以解决的。对于工业中批量生产的产品，传统的人工检测存在以下几个不可避免的缺点：(1 容易漏检。由于是人眼检测，眼睛容易疲劳，会造成故障不能被发现的问题。并且人工检测主观性大，判断标准不统一，使检测质量变得不稳定。(2 检测速度慢，检测时间长。比如对于图形复杂的印刷电路板，人工很难实现快速高效的检测，因此人工检测不能满足高速的生产效率。(3 随着技术的发展，设备的成本降低，人工费用增加，仍然由人工进行产品质量控制，将难于实现优质高效，而且还会增加生产成本。(4 在信息技术如此发达的今天人工检测有不

72、可克服的劣势，例如：对检测结果实时地保存和远距离传输，对原始图像的保存和远距离传输等。(5 有些在线检测系统是接触式检测，需要与产品进行接触测量，因此，有可能会损伤产品。机器视觉(Machine Vision检测技术，综合运用了电子学、光电探测、图像处理和计算机技术，是精密测试技术领域内最具有发展潜力的新技术。将机器视觉引入到工业检测中，实现对物体(产品或零件 三维尺寸或位置的快速测量，具有非接触、速度快、柔性好等突出优点，在现代制造业中有着重要的应用前景。机器视觉工业检测系统就其检测性质和应用范围而言，分为定量检测和定性检测两大类，每类又分为不同的子类。机器视觉在工业在线检测的各个应用领域十

73、分活跃，如：印刷电路板的视觉检测、钢板表面的自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机械零件的自动识别分类和几何尺寸测量等。此外，在许多其它方法难以检测的场合，利用机器视觉系统可以有效地实现。机器视觉的应用正越来越多地代替人去完成许多工作，这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平1,2。具体来讲，机器视觉系统是指通过机器视觉产品，即图像摄取装置，将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。机器视觉系统基本构成框图

74、如图1-1所示。 图1-1 机器视觉系统基本构成框图由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。DVT 总裁Robert St

75、einke认为，“任何通过人来完成的检测过程，都适合于用机器视觉技术来代替”。总之，随着机器视觉技术自身的成熟和发展，可以预计它将在现代和未来制造企业中得到越来越广泛的应用。在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。具体如PCB 印刷电路：各类生产印刷电路板组装技术、设备；单、双面、多层线路板，覆铜板及所需的材料及辅料；辅助设施以及耗材、油墨、药水药剂、配件；电子封装技术与设备；丝网印刷设备及丝网周边材料等。SMT 表面贴装：SMT 工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、SMT 材料、贴片剂、胶粘剂、焊剂、焊料及防氧

76、化油、焊膏、清洗剂等；再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备：电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位3-6。而在中国，以上行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白，即便是有，也只是低端方面的应用。目前在我国，随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现。国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，

77、逐步开始了工业现场的应用。其主要应用于制药、印刷、矿泉水瓶盖检测等领域。这些应用大多集中在如药品检测分装、印刷色彩检测等，真正高端的应用还很少，因此，以上相关行业的应用空间还比较大。当然，其他领域如指纹检测等等领域也有着很好的发展空间。1.2 PCB光板视觉检测技术发展状况及分析随着信息技术的发展，微电子产业已经成为信息产业的核心，而集成电路又是信息技术产业群的基础，因此发展集成电路产业是我国信息产业发展的重中之重。微电子产业是一个高新技术行业，同时也是一个巨大的行业，它包含了科研开发、生产加工、质量检测等诸多方面，而微电子产品的检测技术是产品研发及生产加工质量保证的关键技术。印刷电路板(PC

78、B是集成各种电子元器件的信息载体，在各个领域得到了广泛的应用。随着技术的不断发展和工业的持续进步，电子产品趋于更轻、更薄、更短、更小，也使得PCB 制造技术朝更高密度发展。由于这些原因，生产及更换它们的成本也越来越高。所以，需要相应的质量控制手段，使每一层上的线路都能够在上一层铺设之前被检查，排除或修复大部分缺陷。在PCB 光板的大批量生产过程中，出现的故障基本都是线路错误，主要可分为：短路、断路、毛刺、缺损四类。如果不及时地将这些质量问题检查出来，势必在PCB 板调试和使用过程中留下隐患，造成更大的损失7,8。自动光学检测(AOI, Automated Optical Inspection是

79、近几年兴起一种视觉检测方法。它是通过CCD 照相的方式获得器件的图像，然后经过计算机的处理和分析比较来判断缺陷和故障。其优点是检测速度快，编程时间较短，可以放到生产线中的不同位置，便于及时发现故障和缺陷，使生产、检测合二为一，可缩短发现故障和缺陷时间，及时找出故障和缺陷的成因。因此它是目前采用得比较多的一种检测手段。在国外，经过10多年的努力，自动光学检测系统(AOI最终被成功地运用在印刷电路板生产线上。在这段时间内，AOI 供应商的数量急剧增加，各种AOI 技术也得到了长足发展。目前，从简单的摄像系统到复杂的3-D X光检测系统，众多供应商们已经几乎能够提供可以适用于所有自动生产线的AOI

80、设备9。目前具备AOI 系统的供应商有英国Diagnosys 公司的Vision Point型，由中国三吉电气(集团 有限公司代理；美国Tera Dyne公司的5500型，由香港DEI 公司代理；美国Angilent 公司的SDX(有X 射线 ，由安捷伦公司代理。此外还有其它PCB 自动检测仪，如Sony Minokamo Corporation(索尼美浓加茂株式会社 的CPC-1000系列产品，Orbotech 公司生产的Trion-2000系列。对于Trion-2000系列，由于采用了多摄像头技术，因此对于很多平常难以检测到的缺陷都可以发现，功能十分强大，但价格十分昂贵，而国内还没有这样强

81、大功能的自主产品。随着科学技术的飞速发展和工业自动化程度的提高，高速、高精度、非接触的在线检测已成为检测行业的发展方向，它可以大大地解放劳动力，达到提高生产效率和产品质量、降低成本的目的。科技的发展的和使用要求的提高，对应用于办公自动化和产品质量检测的图像输入、检测和识别系统提出了大幅面、高速、高分辨率和高精度的要求。在办公自动化系统中，要求对大幅面图纸等进行高速、高精度的扫描输入，以提高办公自动化的效率和质量；在产品质量检测中，要求对宽幅打印机打印质量(高分辨率 、彩色印刷套色质量(印刷品的表现力 、PCB 制造质量和液晶点阵显示器质量检测(加工制造密度己经达到近10微米的数量级 、硬盘磁头

82、等进行高精度检测和跟踪控制。假如以前依靠人眼进行质量检测，现在若仍采用该手段，已无法达到质量检测目的10-12。机器视觉技术与图像扫描技术密不可分，扫描技术已广泛应用于将光学信号转变为电信号的设备中。光学技术的发展，使得人类可以借助于摄像机、照相机、显微镜等获取的图像信息记录、观察和描述客观世界。CCD 技术是一种基于数字光学的扫描技术，其品质的高低在很大程度上就决定了扫描图像的质量。CCD 器件的出现使扫描技术由原来的机械扫描转向电子扫描，是扫描技术的一大发展。利用CCD 器件扫描不仅可以大大提高扫描速度，而且使扫描更稳定可靠、易于控制且自动化操作。利用数字扫描机或数字照相机对景物图像、图形

83、、文件等进行扫描拍摄，将光影像聚焦到扫描机内光电荷藕合器件CCD 传感器上进行光电转换成数字电信号，再把电信号转输到半导体存贮器上存贮。印刷时，把存贮器上电子信号图像输入计算机处理、编辑、修整，随即可输入到打印机，打印成相片、广告图像等。CCD 具有较高的分辨率，可捕捉较丰富的细节，并可扫描具有一定景深的立体实物，而且制造成本也呈逐渐下降趋势。如今，通过CCD 光电藕合器件，用光电、摄像、激光等扫描技术识别外形轮廓、尺寸和外部缺陷；用超声波、层析x 射线、核磁共振成像等扫描技术识别内部缺陷的技术应用正如火如荼。近三十年来，CCD 器件及其应用技术已成为集光学、电子学、精密机械与计算机技术为一体

84、的综合性技术，无论在文件复印、传真、零件尺寸的自动测量和文字识别等民用领域，还是在空间遥测、卫星侦察及水下扫描摄像机等军事侦察系统中都发挥着重要作用，其在现代光子学、光电检测技术和现代测试技术等领域中成果累累，方兴未艾13。1.3 课题的来源、目的及意义本课题来源于深圳视觉龙科技有限公司“基于线阵CCD 的印刷线路板光板缺陷检测”项目，该项目的主要目的是采用线阵CCD 扫描方式，通过机器视觉技术，实现印刷线路板光板的自动实时检测。本文的主要研究内容是该项目中的一个重要模块视觉检测算法，该算法的研究为该系统的良好运行奠定了基础。由于基于机器视觉的检测方法具有非接触、检测速度快和检测精度高等特点，

85、因而被广泛的应用于生产线上产品的机械位置、几何尺寸、表面状态等参数的在线检测。本课题就是要通过采用机器视觉技术，实现印刷线路板光板的自动检测，从而实现实时、无损、高精度和低成本的检测。另外，由于以往对于大幅面产品的视觉检测大多是基于面阵相机的扫描获取图像，本课题针对检测PCB 产品大幅面的特点，为了提高检测精度，研究线阵CCD 扫描方式。1.4 本文主要研究内容及组织结构本文着眼于视觉检测算法，对PCB 光板视觉检测系统进行研究。运用数字图像处理技术和模式识别技术来检测和识别缺陷，从而实现 PCB光板常见缺陷的自动检测。本文主要研究工作包括 PCB光板图像的获取和预处理，缺陷检测与识别算法研究

86、，以及相关算法的软件实现。全文分为五章，第一章为绪论，介绍机器视觉检测技术及分析PCB 视觉检测技术的发展现状等。第二章叙述PCB 光板视觉检测系统方案设计。针对课题要求设计系统总体方案，分析检测系统工作原理，分别对照明系统、图像采集系统以及控制台系统进行详细分析及设计。第三章是视觉检测算法分析。着重讨论视觉检测中的数字图像处理算法，包括图像预处理、图像分割、图像描述、二值形态学滤波、缺陷识别等，并在算法分析的过程中，以采集到的PCB 图像进行算法仿真实验。第四章对系统进行软件设计。针对第三章所述的视觉检测算法，进行详细的软件设计，并对采集到的包含不同缺陷的PCB 图像进行实验，进行缺陷的检测

87、识别，最后做出实验结果分析。第五章对本论文所做的工作进行总结及对以后的研究做出展望。第2章 PCB 光板视觉检测系统总体设计2.1 问题的提出随着科学技术的不断发展，电子产品趋于更轻、更薄、更短、更小，也使得PCB 制造技术朝更高密度发展，从而使得PCB 的尺寸增大、层数增多；同时，电路板本身也变得越来越小、越来越复杂。由于这些原因，生产及更换它们的成本也越来越高。所以，需要相应的质量控制手段，使每一层上的线路都能够在上一层铺设之前被检查，排除或修复大部分缺陷。PCB 光板缺陷产生的原因是多方面的，生产过程中的每个工序都可能产生缺陷14。PCB 光板缺陷首先产生在胶片的质量上。在胶片制作过程中

88、，如果显影液配制不当、曝光时间过长或温度过高，则胶片的反差不好；当显影液中杂质过多或温度过低时会产生沙眼，从而使胶片出现斑点；显影时间过长或反射光角度不对则会引起线条有灰雾。在布线时更会产生多种缺陷。曝光时间长短、光源强弱，显影液配制的浓度等，对线条的粗细及精度会产生直接的影响。曝光过量会造成显影困难，甚至无法对细线显影；反之，线条边缘将会不平滑，产生缺损、毛刺。总而言之，PCB 光板上容易产生的几种最影响PCB 功能的缺陷是短路、断路、缺损、毛刺。除此之外，线路间的保留间隙、导线宽度和其它类似的实际限制，都会影响电路速度、信号强弱、耗电大小与噪声敏感程度等电气传输性能，所以导线或间隙过窄也都

89、被认为是缺陷。本课题不考虑导线宽度及线路间隔缺陷之类的测量型缺陷，针对PCB 光板生产过程中可能出现的短路、断路、缺损、毛刺几种主要几何型缺陷进行分析和识别，以便及时将其送去返修。2.2 检测系统工作原理本文所描述的PCB 光板视觉检测系统，将运用图像处理及图像识别的方法对PCB 光板缺陷进行检测15,16。设计的PCB 光板视觉检测系统基于PC 架构，主要由照明系统、图像采集系统、运动控制系统以及图像处理系统组成。系统总体结构如图2-1所示。系统原理如下：由照明系统、图像采集系统和运动控制系统获取图像，把采集到的PCB 图像信号传送给PC 机，在PC 机上进行图像处理与识别，完成缺陷检测任务

90、，检测结果在监视器上显示，并送给报警单元及执行单元执行相应动作。 图2-1 系统总体结构框图2.3 照明系统设计在视觉检测系统中，获取质量好的图像是系统成功的基础，这里主要涉及到选取合适的光源，摄像机和图像采集卡三个部分。首先讨论照明系统。一般来说，自动视觉检测系统中照明系统的设计应该遵循以下原则：(1 确定被测部分或特征，使被测部分或特征清楚的与周围的背景区分开来。例如，使两者的灰度值的差别尽可能的大，增强被测部分或特征的边缘的对比度等。因为人们可以用透视、阴影、视差和个体经验等线索从图像中得到不同信息，自动视觉检测系统必须使用预定义好的程序，例如滤波、图像减运算、边缘增强等技术才能从图像中

91、找到所需的信息，所以如果可以把欲检测的物体和背景清楚地分开，那么就可以大大减少了图像处理算法的复杂性，从而减少图像的运算时间，也减少了软件开发的时间和难度。(2 减少反射，这样可以减少由于光照而给图像带来的额外噪声，使客观景物尽量以不失真的面貌成像，减少图像处理算法的步骤。尽量屏蔽环境光线的影响。在实验室中周围环境光线是基本恒定的，而在工业现场则是一个时变的噪声，例如在白天和晚上环境光线就会发生很大的变化。采用封闭的照明方式或增强光照强度就可以屏蔽周围环境光线的影响。常见的照明方式有结构光、逆光、环形光、暗场照明和散射等。根据不同表面特性物体的照明方式选择如表2-1所示17。表2-1 根据表面

92、特性选择照明方式 表面特性照明方式 有不透明缺陷的透明表面背光 漫反射的平坦表面点光源等常规照明 有凹凸刻痕的表面暗场照明反光平面近轴散射照明 反光的崎岖表面 点光源阵列散射照明考虑到PCB 光板图像的基本组成是线和孔，以及表面的光谱反射等原因，根据照明系统设计基本原则以及本系统要求的线扫描CCD 摄像机，本系统选用白色条形光源，采用正向照明的方式来获取PCB 图像，并且在调整光源位置和亮度时注意尽量不引起PCB 板上线路和点的明显反光，这样就可以在物体的移动过程中保证光比较均匀的照射在PCB 板上，通过PCB 板与CCD 摄像机的相对运动，获得均匀亮度且高精度的PCB 图像。 2.4 PCB

93、图像采集系统设计图像采集部分是由 CCD 摄像机、图像采集卡组成。其主要功能是根据触发信号或计算机的命令完成对图像的采集，即 CCD 摄像头将摄入的图像模拟信号经图像采集卡数字化后送入计算机。它的采集过程如图2-2所示。 图2-2 灰度图采集过程框图 CCD(Charge Coupled Device是美国人 Boyle 发明的一种金属-氧化物-半导体新型传感器器件。CCD 摄像机于 1970 年推出。CCD 的突出优点是以电荷作为信号，而不同于其它大多数器件是以电流或者电压为信号，其基本功能是电荷的存储和电荷的转移。CCD 传感器采用敷设在薄硅片上组成矩形网格的电荷收集晶格，来记录到达每个晶

94、格的光能总量的某种度量。每个晶格是通过在硅片上生长一层二氧化硅，然后在二氧化硅上渗入导电门结构的方式组成的。当光子击中硅片时，经过光电转换产生了电子空穴对，而电子就被加载有正电压的门所形成的势能阱捕获，如图 2-3所示。每个晶格将在一个固定的时间间隔 T 内产生的电荷收集起来。此时，存储在每个晶格内的电荷使用电荷耦合方式往外传递，通过控制门电势的方法，每个晶体存储的电荷成组地从一个晶格传输到另一个晶格，组与组之间保持一定的间隔。图像从 CCD 按一次一行方式读出，经输出放大器放大形成电压信号输出，重复这个过程直至所有像素电荷被移出。简而言之，CCD 的主要工作过程是电荷的产生、存储、传输和检测

95、。 图2-3 因势阱形成的电荷包近三十年来，CCD 器件及其应用技术的研究取得了惊人的进展。与其它成像系统相比，CCD 摄像机结构简单、集成度高、重量轻、不怕振动，也不需要加热，具有耗电省，寿命长、功耗小、在低照度下灵敏度高等特点，故一出现就在固体图像传感、信息存贮和处理、特别是在非接触测量等领域迅速发展。目前CCD 技术己经成为综合光学、电子学的一门综合技术，在现代光子学、光电检测技术和现代测试技术领域中均取得了重大应用。CCD 摄像机的型号很多，要选择时应主要从以下几方面考虑：(1 选择灰度 CCD 摄像机还是彩色 CCD 摄像机，选择灰度 CCD 摄像机优点是图像数据量较少、传输处理速度

96、较快，每个像素点对应一个像元，采集得到的是灰度图像，缺点是将会丢失图像的彩色信息；选择彩色 CCD 摄像机则其输出图像数据将会是前者的三倍，但会降低系统的处理速度。(2 分辨率的高低决定了 CCD 摄像机的价格，也直接影响整个系统的测量精度。总的来说，分辨率高，测量精度会好一些，但要考虑到系统的性价比。(3 电噪声的高低是 CCD 摄像机的一个重要指标。噪声越小，采集的图像质量越好，测量的精度就越高。CCD 摄像机按照 CCD 芯片类型可分为线阵CCD 和面阵CCD 。线阵CCD 摄像机使用的成像器件是线阵的CCD 探测器，一次只能观察物体的一个条状部分，所以要实现成像，摄像头和物体必须相对运

97、动完成扫描，把每次探测到的结果衔接起来得到完整的图像。这就导致了两个基本要求：一是这个过程中光源的强度不能发生变化，二是相对运动的速度必须是均匀的。而面阵的CCD 摄像机采用的是二维的CCD 芯片，可实现一次成像。然而，与面阵CCD 相比，线阵CCD 有其独特的优点。其实，线阵CCD 采集的图像实际上还是一幅完整的2D 图像，单单从采集到的图像来看，线阵与面阵没有什么区别。但是，线阵CCD 只有纵向上才有球型效应，而面阵CCD 的四个角与边上球形效应都存在。因此对于要求高分辨精度的大幅面物体，线阵CCD 更加合适18,19。因此，在本系统的图像采集单元中，采用线阵CCD 获取图像。线阵CCD

98、由许多感光基元排列成一线，被检测对象在与线阵CCD 垂直的方向上做一维相对运动，从而扫描出一幅二维图像。因此，在系统设计中既要考虑运动控制，又要考虑I/O控制。运动控制主要是对运动轴进行伺服控制，如速度的控制，运动轨迹的控制等，与线阵CCD 相配合进行图像获取；I/O控制主要是获取传感器信号和对各种开关量的控制，如CCD 采集触发信号的控制等。对于本文所要检测的PCB ，由于其颜色信息简单，所以我们采用灰度CCD 即可满足要求。又由于其为大幅面物体的检测，为了达到高的分辨精度而精确的检测缺陷位置并进行识别，我们选择灰度线阵CCD 进行扫描以获取高精度的PCB 图像。对于大幅面的PCB 线路板来

99、说，设其沿控制台运动轨道方向为横向，那么线阵CCD 沿与PCB 板运动轨道垂直的方向进行图像捕获。对PCB 图像进行采集采用的是线扫描CCD 直线步进连续扫描，每扫描一次，扫描到的将是PCB 板的一条，随着PCB 板随控制台机械运动，将扫描得到二维图像。另外，对于大幅面的待检测物体，如果一个CCD 相机一次捕获到的一条图像不能完全包括整个待检测物体，我们就需要并排采用多个线阵CCD 的方式进行同步捕获，然后在沿CCD 并排的方向上进行图像拼接。本系统中，我们只考虑用一个CCD 相机进行图像采集。图像采集卡(Frame Grabber，又称视频捕捉卡。图像采集卡可以被认为是 CCD 与计算机的接

100、口。它的主要功能是处理来自不同图像源的信息，并在各种不同应用中具有灵活性，可快速高效地存储图像信息。为了满足不同需求，大多数图像采集卡采用模块结构，对不同应用可以对模块进行不同配置。图像采集卡种类繁多，很难对其统一结构进行描述，但其通常包括如下模块：输入单元、帧缓存、数字信号处理和输出单元20。工作原理如图2-4所示。 图2-4 图像采集卡原理图其中，输入信号是从摄像机输出的各种制式的视频信号，这个信号经输入选择模块处理后，形成能被图像采集卡识别的模拟视频信号。模拟视频信号经过 A/D 转换后，变成一幅数字图像，存储在采集卡上的帧缓存存储器内。这时，信号分成两路，一路用于实时显示视频图像：信号传输到显示卡，再传输到显示器。这里需要由计算机 CPU 通过