应用倒传递类神经网路於BGA 外形瑕疵检测与量测 - 龙华科技大学.PDF

應用倒傳遞類神經網路於 BGA外形瑕疵檢測與量測 應用倒傳遞類神經網路於 BGA外形瑕疵檢測與量測 陳詩豐 1 余俊昇 2 莊豐閣 3 1 2 3 龍華科技大學 龍華科技大學工程 龍華科技大學工程 機械系 技術研究所 技術研究所 摘要 本研究主要是應用倒傳遞類神經網路，做為錫球外形瑕疵判斷依據，提升外形檢 測的準確率，同時開發二維 BGA 光學檢測系統，並以 Visual Basic配合 Halcon影像 處理函式庫做為開發工具。檢測系統能在 BGA 基板偏移及任意角度偏轉的情形下， 正確量測錫球外型尺寸與位置並以此分類錫球之瑕疵，檢測瑕疵項目包含：球偏移、 多球、球過大、球過小、球變形、球相連以及缺球。 在自動檢測系統的研究方法與處理程序方面，首先影像經由前處理及次像素逼近 錫球邊緣，獲得精確的錫球座標位置、近似橢圓長短軸大小、緊密度 (Compactness) 、 錫球半徑、BGA 基板偏轉角度等資訊。藉由條件法則判斷錫球尺寸及位置瑕疵，以及 使用倒傳遞類神經網路來辨識及分類外形瑕疵之錫球。實驗結果證明倒傳遞類神經網 路能正確的分類出錫球外形瑕疵，尤其是對一般最難辨識的球變形與球相連的缺陷， 達到自動檢測及高效率辨識能力的需求。 關鍵詞： 倒傳遞類神經網路、 BGA檢測、影像處理 1. 前言 BGA 將傳統 IC的接腳以錫球的方式 取代，並將錫球以陣列的模式排列，故能 與印刷電路板之間配置較短的接地或電力 電路，適合支援需要強化電子與散熱效率 的各種高功率與高速 IC ，目前已成為極推 廣的 IC 構裝技術。為了達到提生產品品質 及提高市場上的競爭力，對於 BGA 進行 全面性的品質檢測顯然為生產過程中相當 圖 1.1 錫球二維缺陷項目 重要的項目之ㄧ，目前國內外已經普遍應 用電腦視覺來進行產品檢測與量測。 BGA 目前已發展的機械視覺檢測，多半是 檢測大致上可分為二維檢測及三維檢測 針對 BGA 檢測項目設計檢測法則與運算 [1] ，本研究將著重於二維的瑕疵檢測，其 邏輯 [2][3][4] [5] [6] ，此種方法具有較快的 定義如圖 1.1所示。 處理速度，但是對於一些外型瑕疵檢測方 龍華科技大學學報第二十二期 ,2007.03 面常會有誤判的情形發生。相較於此，人 以往 BGA 外形瑕疵檢測，都是利用 工智慧(Artificial Intelligence, AI)可以不用 近似錫球之橢圓長短軸比值、錫球緊密度 具有太複雜的程式判斷流程即可以描述系 (Compactness)或者簽名 (Signature)的方式 統，對於一些較難分辨的外型瑕疵可以獲 來做為外型瑕疵分類的依據，這些方法雖 得較正確的辨識結果，而近期的相關研究 然都具有不錯的分類能力，但是也有不甚 描述如下： 1998 年張志誠[7] ，利用Fuzzy 理想之處。當使用長短軸比做為判斷方法 SOM建構 BGA檢測系統，擷取每排錫球 時可能會因為瑕疵本身的外形對稱，造成 影像的平均數、變異數、偏態、峰值四個 近似橢圓長短軸相近，而產生誤判情形， 特徵，在經過正規化運算後輸入到 Fuzzy 如圖 1.2所示為較常發生的例子。若以緊 SOM 進行調整式的聚類運算，此作法的優