錫膏激光掃描三維測量系統光強自適應調節技術*

宋 佳，孫長庫，王 鵬

(天津大學精密測試技術及儀器國家重點實驗室，天津300072)

隨著大規模集成電路廣泛應用于各種儀器儀表及家用電器等各個領域，大規模集成電路的錫膏印刷質量對于電路的穩定性、可靠性影響很大。因此快速準確地檢測錫膏印刷質量對于大規模集成電路的生產尤為重要。表面貼裝技術是半導體制造中的核心技術，伴隨著無鉛化印刷被逐漸推廣，該技術對電路板錫膏印刷的均勻性提出了更高要求[1]。對于大規模半導體自動化生產來說，采用錫膏檢測設備可以實現錫膏均勻性參數自動檢測，是生產線質量控制的有力助手。目前應用效果較好的是三維檢測技術[2－3]。錫膏三維檢測法根據激光測量原理，采用掃描測量方式能夠獲取完整可靠的錫膏表面數據;對數據進行統計分析，可以得到錫膏的平均高度、最大最小高度以及面積和體積等反映均勻性的系列參數，因此，三維檢測法能對錫膏印刷質量進行更好的控制[4]。電路板錫膏三維測量系統的光源對于系統的精度有很大影響。傳統的光源采用固定光強的激光，但是由于同一光強的激光投射在同一PCB板的錫膏或者銅箔等金屬物質上和投射到底板等塑料物質上的散光效果有很大差異，并且同一光強的激光投射在不同顏色或材質的PCB底板上的散光效果差別也很大，在實際應用中發現即使采用同樣的光條中心提取算法，由于光條的亮度不同所提取的中心位置也有很大差別[5]，激光光條中心提取精度決定了錫膏檢測的準確程度。目前人們主要研究光條中心提取的算法以及光條圖像的前期處理方法，主要的方法有重心法、閾值法和擬合曲線法等[6－7]。實際上影響光條中心提取精度的因素有很多，主要包括光條亮度、寬度和直線度等，其中光條亮度是影響提取精度的主要因素[8]。所以采用固定光強的激光光源不能滿足不同電路板的測量要求。并且生產線上需要定期重新調節光源的光強，所以固定光強的激光光源給調節帶來了很大不便，也為后期的圖像處理增大了難度。為了提高電路板錫膏三維測量系統的測量精度和速度，適應生產的在線測量，本文對其光源進行自適應調節設計來改善光條圖像信息提取的質量。

1 錫膏激光三維掃描系統

錫膏激光掃描三維測量系統的基本結構如圖1所示，主要由硬件部分和軟件部分組成。硬件部分主要由精密平移臺、CCD攝像機、線結構光激光器、激光器電源、圖像采集卡、計算機組成。線結構光以一定角度投射在電路板上，激光光條受錫膏形貌調制而變形，光條通過CCD相機和圖像采集卡成像后，傳輸到計算機上，利用軟件對圖像進行處理獲得錫膏的三維尺寸和形貌，從而得到錫膏厚度、體積等參數。

圖1 錫膏激光掃描三維測量系統基本結構圖

錫膏激光掃描三維測量系統對得到的點云數據根據高度的不同渲染不同的顏色，進行3D顯示，用戶可直觀地觀察被測物體的三維形貌。圖2為系統對PCB電路板進行自動掃描測量得到的電路板錫膏的3D顯示效果。

圖2 PCB電路板自動掃描得到的錫膏3D顯示效果

2 自適應程控電源設計

由于不同光強的光條圖像的處理復雜程度不同，所以利用程控電源來獲得不同光強的激光光條從而適應不同的測量環境和顏色材質不同的PCB電路板。其光強自適應調節光源的工作原理是:計算機通過控制激光器電源電壓來調節激光器光強，相機通過采集卡采集圖像傳入計算機，利用光強自適應調節算法評價圖像，并根據評價的結果調節激光器的輸出電壓，從而使激光器投射到被測物表面的光強滿足測量的需要。

錫膏激光掃描三維測量系統的光強自適應調節光源的硬件部分采用半導體激光器作為光源，其電源為一32檔直流程控電源，可以通過串口利用軟件控制改變激光器的工作電壓，從而調節激光的光強。程控電源設計初始電壓為2.15 V，并且以0.05 V變化電壓為階躍，實現輸出電壓的32檔調節。

程控電源由AC-DC開關電源、輸出電壓控制電路、電源機殼組成。AC-DC開關電源以170 V～260 V交流電壓作為輸入端，輸出端有兩路分別為直流5 V/2 A和直流12 V/1 A。以這兩個輸出端作為電壓控制電路的輸入電壓。電壓控制電路基于串口通信，利用單片機、數字電位器、穩壓芯片來實現用軟件控制輸出電壓調節功能。控制電路采用美國ATMEL公司生產的低電壓、高性能CMOS 8 bit單片機，配合MAXIM公司生產的MAX202芯片，實現串口通信。穩壓芯片選擇LM2576－ADJ，其輸出電壓可調，能驅動3A的負載，具有優異的線性和負載能力。其工作電路如圖3所示。

圖3 LM2576工作電路圖

電路輸出電壓滿足下式:

R1在1.0 kΩ和5.0 kΩ之間。通過調節R2的阻值來控制輸出電壓的變化，本文為實現輸出電壓在軟件的控制下以0.05 V為階躍變化，因此，R2采用美國Xicor公司推出的X9313系列數字電位器。該系列電位器為32檔數字電位器，電阻值可通過外部數字信號進行控制，選好的電阻值被保存在非揮發存貯器中，可重復調用。考慮到R1需在1.0 kΩ到5.0 kΩ之間，因此R2選擇滑動端增量為323 Ω的X9313wp型號電位器。編寫上位機程序，利用串口控制單片機，單片機對數字電位器發出增加或者減小信號，控制電位器阻值增大或者減小，從而實現控制輸出電壓的階躍式增大或者減小。

3 基于小波變換的光強調節算法

錫膏三維測量系統的激光光條圖像的成像效果決定著后期光條中心提取圖像處理過程的復雜程度和提取精度。通常，需要考慮相同光強的激光投射到不同材質或者顏色的PCB板上的散光程度不同，表現出來的效果是光條周圍噪聲大小不同[9]。本系統針對不同顏色的PCB板對激光的散射效果不同進行研究實驗。圖4為相同光強的激光在不同顏色的PCB板上形成的散射效果不同的光條圖像。

圖4 相同光強的激光在不同顏色的底板上散光效果對比

為了滿足錫膏三維測量精度的要求，簡化光條圖像處理過程，提高測量結果的準確性，必須保證在圖像處理中能到足夠多的光條點，同時又要保證光條的邊緣的毛刺不能太多。在光條中心提取之前，通常對圖像進行預處理，通過灰度數值及其分布情況分辨出圖像中效果不佳的光條區域，對該區域的光條進行圖像增強、膨脹等處理，來提高光條圖像的質量[10－11]。本文設計的錫膏三維測量系統的光強自適應調節光源可以將光條中心提取前的預處理的難度和復雜程度降低，加快預處理速度。采用光強自適應調節方法則可以在每批次PCB電路板測量以前，通過計算機軟件向激光器程控電源發送指令，控制激光器的電壓變化從而控制激光器投射到被測物體表面的光強，并利用光強自適應算法判斷出光條圖像效果最好時所對應的程控電源的輸出電壓，以此電壓作為正式測量時激光器的控制電壓。由于同種材質的PCB電路板在測量過程中對激光的散射效果變化不大，因此在同一批次完整的測量過程中只需利用上述方法調節電壓一次即可。軟件控制程控電源的流程為計算機發出開始信號，相機通過采集卡采集圖像傳輸到計算機中，計算機利用光強自適應評價算法評估圖像是否滿足測量要求，若不滿足則向激光器電源發出升高電壓信號，再次循環判斷過程直到采集到的圖像滿足測量要求，調節過程結束。

光條圖像效果的評估過程直接影響了本系統是否能夠準確地選擇激光器控制電壓，因此需要在研究評價方法和標準的基礎上提出量化的指標來表征光條圖像的效果。評價光條圖像效果時要考慮為了后期光條中心地順利提取，需要光條的灰度值達到一定范圍，并且具有一定寬度，同時要考慮避免激光光強過強而在光條邊緣產生過多的毛刺影響提取效果。為了兼顧以上兩點，本文提出了一種基于小波變換的圖像效果評價方法。

小波變換可以提供對圖像很好的空間域和頻率域的分析[12－13]。由于圖像是二維信號，可以用 f(x，y)表示，因此可以對圖像進行二維小波變換，需要一個二維尺度函數φ(x，y)和三個二維小波ψH(x，y)，ψV(x，y)和 ψD(x，y)。其中 ψH度量沿著列的變化，ψV響應沿著行的變化，ψD對應于對角線方向的變化。根據給定的二維尺度和小波函數，可以很容易地得到二維小波變換。首先定義一個尺度和平移基函數

其中，上標i指出方向小波。那么，尺寸為M×N的函數f(x，y)的離散小波變換是

其中j0是任意的開始尺度，Wφ(j0，m，n)系數定義了在尺度j0的f(x，y)近似。系數對于 j≥j0附加了水平、垂直和對角方向的細節。對于圖像進行一級小波變換可以將圖像分解成一個低頻帶LL1和三個高頻帶LH1、HL1和HH1，將低頻帶繼續分解可以得到二級小波變換。光條圖像經過二級小波變換分解后的圖像如圖5所示

圖5 光條圖像經過二級小波分解后的圖像

圖像經過小波變換后被分解成不同的高頻帶和低頻帶，由于不同光強下的PCB板的散光效果不同，表現在圖像上為光條邊緣的毛刺效果不同，即圖像的高頻成分不同，同時光條亮度不同，經過小波變換分解后高低頻帶的能量比不同，通過分析不同光強對應的光條圖像的高低頻帶能量比可以得出最佳圖像在所有光條圖像中的分布規律。通過小波變換，當圖像在某一頻率和方向上具有較明顯的特征時，與之對應的子帶圖像的輸出就具有較大的能量，因此圖像信息集中在相應的少數小波系數上[14－16]。小波變換后，圖像的高頻帶包含圖像輪廓細節等信息，低頻帶包含圖像大部分信息。若對單一的能量帶進行考察評價，不能充分體現出圖像中毛刺和噪聲對整幅圖像的影響，本文針對光條圖像特點采用高低頻帶能量比來評價圖像的效果，評價函數如式

將錫膏三維測量系統的程控電源從電壓最低檔開始調節，逐檔升高電壓，同時每個電壓檔采集一幅圖像，并對所有采集到的圖像進行2層小波分解，利用式(6)計算每幅圖像的高低頻帶能量比，以黑色PCB板子和綠色PCB板子為例，能量比數據分別如表1和表2所示。

為了能夠清楚的顯示出表格數據的規律，將表格中的數據繪制成能量比曲線，觀察規律，曲線如圖6所示。

表1 黑色PCB板不同光強下圖像小波分解能量比數據

表2 綠色PCB板不同光強下圖像小波分解能量比數據

圖6 能量比曲線圖

從黑色PCB板子和綠色PCB板子的能量比曲線的變化規律可以看出曲線在經過一段平穩的變化后會出現大幅下降，隨后繼續平緩地變化。經過觀察黑色PCB板子最適合后期光條提取的圖像是8號圖像，綠色PCB板子最適合后期提取的圖像是7號圖像。兩幅圖像的能量比f在各自的能量比曲線中的位置恰好都是曲線向最后平滑變化過度的拐點，因此本文提出以下兩條判定準則來確定效果最好的光條圖像對應的光強。

4 實驗結果

將以上判定條件應用于本文的錫膏激光掃描三維測量系統，并用藍色PCB板子進行驗證實驗。首先將通過計算機控制激光器電源電壓調至最低，利用相機采集圖像傳到計算機中進行圖像處理，得到圖像的能量比f，然后逐步升高電壓，在升高電壓的過程中同步采集圖像，并且對每幅圖像計算相應的能量比fi及其變化Δi，當同時滿足判定條件式(7)、式(8)時，將判定結果返回，計算機通過串口向激光器發送電壓減小一階的信號，從而得到測量最合適的光強。針對藍色PCB板子進行上述操作，經過判定藍色PCB板子最佳光強分別是第6號圖像。圖7為藍色PCB板子最佳光強下的光條圖像以及其前后兩幅圖像。

圖7 綠色被測物光條圖像

從上圖7中圖7(b)為利用本文提出的光強自適應調節算法選定的光強最適合的圖像，圖中箭頭所指處可以看出圖7(c)相對于圖7(b)有更多的毛刺，干擾更強，而圖7(a)明顯不能準確提取光條。因此本文設計的調節電路和光強自適應調節算法能夠滿足錫膏激光掃描三維測量系統要求，實現光條圖像的自適應評價，并能選出光強最適合測量時的激光器電壓。

5 結論

本文詳細介紹了光強自適應調節光源的硬件組成，并提出了利用小波分析和能量比相結合的方法作為光強自適應評價算法。通過對黑色和藍色PCB電路板實驗結果分析提出了判定準則。并設計實驗驗證該光源能夠較好的實現光強自適應調節，可以滿足錫膏三維測量系統的測量要求，能夠簡化后期圖像處理的難度，縮短掃描測量過程中圖像處理和數據轉換等操作過程的耗時，而且能夠適應在線測量時需經常對系統光強進行校正的要求，效果很好。

[1]Johnson S K.3D Inline Solder Paste Inspection-Benefit Realized[EB/OL].http://www.agilent.com.2003－06－01.

[2]劉濤，賈剛，王宗義.一種基于運動的線結構光視覺測量系統標定方法[J].傳感技術學報，2011(4):624－628.

[3]張玉綱，孫長庫.高精度圓柱直徑大量程在線測量系統[J].傳感技術學報，2009(12):1839－1842.

[4]張效棟，孫長庫，劉斌，等.電路板錫膏均勻性參數檢測系統[J].納米技術與精密工程，2008(4):278－283.

[5]解則曉，辛悅向，金明，等.光條亮度對線結構光測量精度的影響[J].光學技術，2008:52－54.

[6]吳慶陽，蘇顯渝，李景鎮，等.一種新的線結構光光帶中心提取算法[J].四川大學學報(工程科學版)，2007(4):151－155.

[7]劉枝梅，鄧文怡，婁小平.結構光測量系統中光條中心的提取算法[J].北京機械工業學院學報，2009(1):42－45.

[8]Izquierdo M A G，Sanchez M T，Iba?ez A，et al.Sub-Pxel Measure-ment of 3D Surfaces by Laser Scanning[J].Sensors and Actuators A:Physical，1999，76(1－3):1－8.

[9]任福元，許增樸，于德敏，等.光三維測量中影響光條中心提取的因素及對策[J].微計算機信息，2006(32):259－261.

[10]賀俊吉，張廣軍.結構光三維視覺檢測中光條圖像處理方法研究[J].北京航空航天大學學報，2003(7):593－597.

[11]周富強，陳強，張廣軍.結構光光條提取的混合圖像處理方法[J].光電子·激光，2008(11):1534－1537.

[12]Nirmala S R S D P K.Wavelet Weighted Blood Vessel Distortion Measure for Retinal Images[J].Biomedical Signal Processing and Control，2010:282－291.

[13]Dachengtao X G W X.Wavelet-Based Contourlet in Quality Evaluation of Digital Images[J].Neurocomputing，2008，72:378－385.

[14]龔昌來.基于局部能量和小波系數相位特征的圖像融合方法[J].計算機應用與軟件，2009(10):99－102.

[15]呂英華，崔景霞.基于FWT-Projection-BPNN的表情識別[J].東北師大學報(自然科學版)，2009(2):84－91.

[16]郭丙華，廖啟亮，余志.基于小波變換的快速自動聚焦算法[J].中山大學學報(自然科學版)，2007(2):12－15.

[17]王昕，劉暢.基于提升小波變換的圖像清晰度評價算法[J].東北師大學報(自然科學版)，2009(4):52－57.