一种多色led照明系统的缺陷检测系统

一种多色led照明系统的缺陷检测系统

0高密度pcb的检测算法印刷pcb是一类电子产品的基本组件，其质量对电子产品的性能有重大影响。随着电子产品的小型化,PCB也越来越高精化、微细化和高密度化,其原有的检测方式已不能检测出PCB在锡膏印刷、回流焊接、波峰焊接以及自动贴片后产生出的各种缺陷。借助光学和数字成像技术,采用机器视觉对高密度电路板的图像进行分析与处理,自动检测出PCB的少锡、多锡、连锡、虚焊、缺件、错件、错位、极性错误、破损、污染等各种缺陷的自动光学检测技术(AutomatedOpticalInspection,简称AOI),现已经成为高密度PCB的主要检测方式。为了降低各种缺陷的误报率,本文对AOI中的照明系统进行改进,利用机器视觉和机器学习中的新技术,采用OPENCV编写了各种缺陷检测的算法,设计了基于机器视觉的高密度PCB缺陷的自动光学检测系统。本文主要介绍系统的组成和软件算法设计,通过实验测试,证明该系统具有很高的缺陷检出率和极小的缺陷误报率。1图像对比和缺陷检测如图1所示,检测系统主要由主控计算机、三轴运动控制系统、多彩照明系统、图像采集系统、精密工作台等部分组成。检测时,先采用专用夹具将待测PCB安装于工作台上,然后主控计算机直接输出指令给三轴运动控制系统,通过伺服驱动器控制伺服电机带动精密工作台运动,将待测板置于摄像机镜头下方,多色LED照明系统调整好光照强度,控制系统根据位置检测信号,触发CCD摄像机拍摄,拍摄的PCB清晰图像通过图像采集卡传送给主控计算机,软件系统对拍摄的图像进行处理和分析,检测出被测PCB的各种缺陷位置,并对缺陷进行分类统计。1.1控制和驱动电机三轴运动控制系统主要完成对精密工作台的运动控制和对图像的拍摄控制。控制系统通过控制和驱动伺服电机带动X和Y方向的丝杠和直线导轨运动,实现待测PCB的准确定位。为提高传动平稳性和定位精度,选用高精度的交流伺服驱动电机和相应的运动控制器和优质的超精密直线导轨。1.2时间线的复杂照明系统照明系统对自动光学检测时的图像输入质量和图像软件的处理效果影响很大。本系统采用一种自行研发,专用于PCB多种缺陷检测的多彩照明系统。该照明系统由微控制器和四色LED阵列组成,各色LED阵列的安装角度不同。主控计算机通过串行口发送控制指令到微控制器去控制不同颜色的LED阵列进行同时和分时照明。采用这种照明系统后,系统不但能很好地检出焊点缺陷,而且可以检测出色环电阻的错件缺陷。1.3数字摄像机图像采集系统由计算机、图像采集卡、面阵CCD摄像机和光学镜头组成。为了检测出HDI型PCB中微小元件的细小缺陷,采用大恒公司DH-SV系列IEEE1394数字摄像机,图像分辨率为1392×1040。为了减小色差和相差,校正场曲和象散,使光学畸变尽可能小,选用KOWA公司的光学镜头。2设置的机械系统检测系统的主要软件模块可分为:光源控制、图像采集、图像拼接、图像定位、路径规划、缺陷检测和缺陷统计等。通过如图2所示的人机视窗界面,完成各种功能,软件支持工艺数据编程,提供与多种电路设计CAD软件的接口。软件采用Visualstudio编程环境,利用OPENCV开发各种缺陷检测的算法。2.1载pcb板缺陷介绍根据PCB制造业的相关报道可知,加载PCB板的缺陷有焊点缺陷、元件错件、缺件、错位、翻贴、极性以及桥接等,加载PCB中常见的缺陷如图3示。2.2高密度pcb的检测算法AOI中的关键技术是针对不同缺陷的各种算法。由于HDI型PCB的贴片元件的尺寸和引脚间距很小,对缺陷检测的算法也提出了更高要求,国外从20世纪70年代开始对印刷电路板的自动检测技术进行研究,提出过很多种算法,主要归纳为三类:参考比较法、非参考校验法和混合法。参考比较法将被测图像和参考图像进行比较。该算法简单,易于实现,但对光照和定位要求很高,不能用于检测导体的轨迹宽度和间距超差(如轨迹过宽、过窄和间距过小等缺陷)。非参考算法也称为基于设计规则的校验法。即依据PCB的设计规则来判断待检PCB是否有缺陷。该算法适合检测线宽、线距违规等缺陷,当检测焊盘丢失等较大缺陷时,容易出现漏检。混合法在一定程度上可克服上述算法中的缺点,在高密度PCB的缺陷检测中,得到广泛应用。本系统采用了多种类型的混合法算法,针对不同的缺陷,采用不同的算法相结合,并且编程后能够使多种算法同时并行,极大地提高了测试效率。2.2.1接触的检测技术图像对比法主要是通过计算机对拍摄的图像进行不断的“学习”来检测判断图像的技术,也称学习型算法,包括统计建模和权值技术等;其基本原理是先建立一个参考图像,然后不断的“学习”一系列相似的待测图像,将认为OK(良品)的图像信息与原先的参考图像进行不断的叠加,将认为NG(缺陷)的图像信息屏蔽,通过多次学习后,计算机将会自动生成虚拟的“标准图像”并自动生成误差范围。在检测时,待测的图像通过与“标准图像”对比,误差在允许范围内即为OK,反之为NG。2.2.2检测元件的缺件和错件的检测元器件图像的每个像素颜色由RGB三种不同值组成。通过计算出参考图像和被测图像中元器件本体的RGB值,根据各值的变化范围,可以检测出该元件是否缺件和错件。通过设定相应的阈值,采用颜色分析法对电容和IC等微小型贴片元件的缺件和错件的检出率很高。同时在焊点检测时,由于采用了多色照明系统,少焊锡、缺锡和焊锡过量的图像会产生明显的色彩差别,根据颜色特征的不同,通过图像对比可有效地识别出不同的缺陷,焊点的缺陷检出率有很大提高。2.2.3相似度阈值设定将待测图像与标准图像进行对应坐标像素的颜色比较,计算相似度,如果相似度在预先设定的范围内即为OK,反之NG。相似性分析编程和调试十分简单,在制定标准图像后,通过试测1～2个相似图像的相似度后,即可设定相似度的阈值。该方法在检测无规则字符的电阻和其他元件时,十分有效。2.2.4c公司错件的检出率OCR对规则字符的识别率已接近100%,因此,AOI对IC及其它有规则字符图案的元器件的错件具有非常高的检出率,目前已逐步趋于100%。OCR的识别包括对图像的二值化处理、字符分割、与字库对比以及识别结果,贴片芯片型号的OCR识别如图4所示。2.2.5roi中图像的垂直分布IC引脚的桥接检测,即焊点之间的短路检测,可以采用图像对比的方法检测,但误判率高。而采用公式(1)将大小为M×N的ROI中的图像f(i,j)在水平或垂直的方向上投影的方法,通过设定阈值,很容易检测出短路缺陷。如图5所示。PH=∑j=1Nf(i,j)PV=∑i=1Mf(i,j)(1)ΡΗ=∑j=1Νf(i,j)ΡV=∑i=1Μf(i,j)(1)3pcb板检测结果实验时,采用PC的型号E7500,4G内存、Visualstudio2005和OPENCV的软硬件环境,在样机上针对面积180mm×150mm的HDI型PCB进行检测。待测PCB的检测点数为1210,共测试了30块同类型的PCB板,总测试点数Mp(PCB板数量*测试点)为36300。测试的数据如表1所示,待测PCB板的缺陷种类有7种,表1中给出了各种类型的缺陷数量,经过统计可知,缺陷总数为723,总误判数Mg为115,总漏报数Mn为47。通过计算,可得到误判率(Mg/Mp)为0.32%,漏判率(Mn/Mp)为0.13%,检出率为99.87%,平均检测时间为24.6秒,检测速度Sp为49点/s。4同类型pcb板的测试结果采用多彩照明系统,根据各类缺陷的不同特征,对各类缺陷特征的检测算法进行改进,采用多种算法并行。通过