11焊点机械视觉检测之简介.docVIP

PAGE PAGE 29 簡介 …………………………………………2 1.1銲點機械視覺檢測之簡介 …………………………………..2 1.2文獻回顧與問題背景 ………………………………………..4 1.3 研究計畫書架構 …………………………………………….7 電腦模擬之模型 ……………………………8 2.1 銲點三維空間表面模型之建立 …………………………….8 2.2 銲點表面反射模型之建立 ………………………………….11 2.3 環形光源之模擬 …………………………………………….14 最佳光源角度與特徵 ………………………18 3.1 高角度與低角度環形光之討論 …………………………….18 3.2 最佳光源角度之選擇 ……………………………………….21 3.3 銲點影像特徵之萃取 ……………………………………….23 結論與未來工作進度 ………………………27 4.1 結論 ………………………………………………………….27 4.2 未來工作進度 ……………………………………………….27 參考文獻 ……………………………………………..29 第1章 簡介 銲點機械視覺檢測之簡介 本研究之目的在對於銲點自動化光學檢驗提出一套分析步驟。經由最佳光源的找尋與特徵萃取，以期能夠改善目前文獻方法中的銲點瑕疵檢驗能力。 隨著電子工業的日益發達，不論是消費性電子產品或是需要高精確度的電子計算機均需以優良的電路板（PCB）製程作為其基礎。而在電路板的製作過程中，作為電路元件與電路板間銜接橋樑的銲點（solder joint）則佔有舉足輕重的位置。因為其製作的過程必須經過錫量控制、定位與銲錫凝固的程序，而此程序屬於較難以控制的範疇，故在電路板的製作過程裡，銲點的技術要求相對的高，繼而可能發生的缺陷也相對的多。 一個有缺陷的銲點，若能在焊接（wave soldering）後馬上發現其瑕疵並進行修復（rework），其成本約是0.5美元；但若是在成品送出後才發現缺陷的話，則維修的成本將會跳升至85美元。因此，修復一個銲點的缺陷是相當昂貴的[11]，這也使得檢測銲點的工作變得更加刻不容緩。 檢測銲點瑕疵的方式有數種。最早是使用人工，鑑別率最高約在80～90﹪，但隨後即因為人為疲乏所導致的疏失而降低其鑑別率。利用電路測試有機會找出部分缺陷，但卻難以發現錫量的多寡，進而無法估測出缺陷的可能趨勢。利用雷射掃瞄（laser scanner）[9-10]可完整地找出銲點的3維高度資訊，但卻礙於掃瞄需要大量的時間與雷射儀器的昂貴成本，而無法大量應用於一般的工業界。反觀自動化光學檢測（automatic optical inspection，簡稱AOI）只需使用CCD相機、配置光源與處理數位影像的電腦，已成為一個既方便又可靠的檢驗趨勢。而此趨勢也促使影像處理與工業檢測的專家們在1985年左右，開始大量興起使用AOI作為銲點檢測工具的研究[1-2]。 基本上，銲點的缺陷型態正反應著銲點在製程上的問題，故銲點檢驗可以分為兩種類型：（1）在大部分的應用場所裡，只需要分辨出良品與不良品，以便剔除不良品或進行修復，而不進一步區隔不良品的瑕疵類型[1]；（2）在要求良率極高的製程設備中，可能會進一步要求區分瑕疵類型，藉以判別導致瑕疵的製程，以便即時將資訊回饋到前面的製程控制，將錯誤製程加以校正[1]。 因此，為因應現代化自動化製程的需求，一套完整的銲點機械視覺檢驗流程，包括了：（1）特殊光源設計與取像、（2）特徵選取與組合、（3）利用此特徵組合將被檢驗銲點的瑕疵加以分類。以期能夠及時的改良製程，提高成品的良率。 文獻回顧與問題背景 在早期的銲點檢測研究裡，最主要的研究群是由Besl與Jain所領導，其目標是放在電路板通孔銲點（through - hole solder joint）的檢測裡[1]。此類的銲點位於電路板的背面，其形狀類似一個以元件接腳為中心的圓錐體，擁有較為單純且穩定的幾何外型，故當時常以擴散式光源（diffusive light）當作主要的照明方法[2]。此類照明方法試圖避免因銲點鏡面反射（specular reflection）而造成過飽和的反射亮度值（saturation highlight），並藉由此低反差的銲點灰階影像擷取出銲點的表面特徵，進而將這些特徵分類，以歸納出銲點的瑕疵類別[2]。但此類論文並沒有對其提出的特徵值進行效能評估，導致了同一類別相似特徵過多與同一特徵分離不同類別的能力不足等問題。 基於以上論文的缺點，Nolan與Driels [3]在1990年針對Besl與Jain所提出之特徵進行穩定性、離散性與相關性的測試，進而刪除在統計意義上較為無效的特徵，以求出最佳化的特徵組合。然而