基于圖像處理的PCB板表面檢測分析研究

夏成蹊，楊 晨，趙 雪，丁 召

(貴州大學 大數據與信息工程學院 貴州省微納電子與軟件技術重點實驗室，貴州 貴陽 550025)

1 引言

隨著電子設備的飛速發展，PCB板生產過程愈加復雜，客觀地對PCB板的表面形貌進行評判成為了一項愈加重要的任務，同時在其生產的各個工序中也可能出現某些線路的斷路、短路和缺損等問題，通過對PCB板表面數據的分析也成為一種檢測缺陷的方法。傳統的人工目測難以實現對精度越來越高的PCB板的檢測分析[1]。因此，設計一種準確、高效的PCB板表面檢測方法十分符合PCB生產廠家的需求。

近年來，諸多研究已經將計算機視覺與PCB表面檢測技術相結合，大致分為為以下幾種方法：參考法[2]、準則法[3]、混合法[4]。參考法是對比待測PCB和標準PCB，通過異或計算識別并判斷其表面是否存在缺陷；基于準則法是通過檢測待測PCB是否滿足預先定義的設計準則來檢測；混合法是結合以上兩種方法，以充分發揮二者的優勢。

以上方法應用于PCB板的表面缺陷識別，減少了人工識別過程中可能出現的誤差，但是只能對預先設定的PCB板進行缺陷檢測，不能給出對未知的PCB板進行分析，并提供分析統計數據[5]。

為實現自動分析PCB生產質量的目的，本文利用圖像識別技術處理分析PCB表面形貌數據，根據圖像灰度特性選取適當閾值對圖像進行二值化變換，將數學形態學與圖像處理相結合，消除微小噪聲、平滑線路。之后對處理完成的圖像進行數據檢測統計。通過統計圖像像素比例計算表面金屬占比；將霍夫變換應用至圖像處理領域，對PCB表面焊盤形狀和數目進行統計分析；通過計算圖像中連通域的個數來統計分析PCB表面線路數目；對表面不同線路中心點做最大內切圓的方法來計算導線寬度。最后對獲取的各項數據繪制統計圖表，分析樣本PCB板中金屬占比、線路寬度等數據的分布情況。根據對統計結果進行分析，不僅可以輔助檢測PCB中的缺陷，還能為客觀評判生產質量而服務。

2 檢測流程

基于圖像處理的PCB電路板表面檢測基本流程圖如圖1所示。

圖1 PCB電路板表面檢測基本流程圖

首先選取對原始圖像進行閾值分割和數學形態學手段，獲取和原圖相似的二值圖像。之后對處理后的圖像按照連通域分割，然后對分割完成的線路通過霍夫變換識別焊盤形狀和數目，并用邊緣檢測算法獲取表面線寬數據，最后對單個PCB生成統計表，將此PCB數據與規定數據進行比對，若在規定閾值內，則此PCB合格，計算其具體偏差值；若不在閾值允許范圍則淘汰該PCB板。對一定數量的PCB進行統計后可得到其總體數據報表，獲取此批次PCB成品率、總平均線寬等數據。

2.1 圖像預處理

為實現對PCB板表面的精確檢測，需對其圖像進行預處理，在保留圖像特征的同時減少圖像復雜度，還可以消除圖片拍攝過程中的噪聲[6]。本文采取的預處理過程分為兩步：第一步為采取選取合適閾值將圖像處理為二值圖像，第二步為形態學處理并分割，以簡化圖像數據。

在二值化方面，本文采用最大類間方差法[7]根據圖像灰度特征選取最優閾值，根據閾值將PCB圖像分為二值圖像。該步驟將原始圖像分為背景和目標線路兩部分，該方法的優點在于除去圖像中無關信息，簡化后續操作的難度[8]。

數學形態學為一門分析空間結構的理論[9]，在圖像分析識別領域得到了廣泛的應用。本文利用形態學來簡化圖像數據，保持圖像基本形狀特征的同時除去不相干的結構[10]。其最基本的運算包括膨脹和腐蝕、開運算和閉運算。

設A為原圖像，B為結構元素，對于待處理圖像中每一像素點x，有：

腐蝕：A⊙B={x：B(x)∈A}

(1)

膨脹：A⊕B={x：B(x)∩A≠?}

(2)

用B(x)對A進行腐蝕的結果就是把結構元素B平移后使B包含于A的所有點構成的集合。用B(x)對A進行膨脹的結果就是把結構元素B平移后使B與A的交集非空的點構成的集合。

開運算的實質是對圖像先進行腐蝕運算然后再進行膨脹運算，閉運算的實質是對圖像先膨脹后腐蝕，選擇合適的結構元素，對圖像進行開運算和閉運算，即可實現平滑線路邊界、濾除噪聲的效果，同時能保留原圖像基本形狀和大小不變，保證最終結果的準確性。對PCB圖像先后進行開運算理處理，消除圖像中小顆粒噪聲，再進行閉運算處理，平滑線路輪廓。結果如圖2所示。

圖2 對PCB圖像形態學處理后結果

對預處理之后的圖像進行分割，可以為圖形的識別與統計做后續服務[11]。本文以連通域為單位對圖2中每條線路進行分割，以便進行之后的焊盤、導線等信息的分析、統計。

2.2 焊盤檢測

焊盤是PCB板中的焊接電子器件的底座，分析焊盤的形狀和數量有助于分析PCB中電子元器件的類型和個數。本文采取霍夫(Hough)變換[12]以識別圖像中矩形[13]和識別圓形[14]的算法來實現焊盤檢測。

霍夫變換是利用圖像全局特征將邊緣像素連接組成區域封閉邊界的一種方法。在xy平面中，任何直線都可以用極坐標方程描述：

ρ=xcosθ+ysinθx∈[0,π]

(3)

其中，參數ρ確定了該直線到原點的距離，參數θ確定了直線的方位，如圖3所示。

圖3 對直線霍夫變換

該變換可以看成，圖像中任取一點(xi,yi)映射到霍夫空間中的一組累加器C(ρ,θ)中，累加器C(ρ,θ)表示圖像空間中符合式(3)的像素數量。遍歷圖像全部像素點進行上述操作后,得到的C(ρ,θ)中每一個局部最大值就對應一直線段，其對應的ρ和θ可以唯一確定此直線。

對于矩形，可看作四條直線的組合，對矩形輪廓進行霍夫變換后會出現四個峰值，表示檢測出的四條直線，同時四個峰值滿足以下條件：

(1)四個峰值成對存在，因為檢測矩形四條直線段兩兩平行；

(2)兩對峰值點間橫坐標差為90°；

(3)同一對中兩個峰值累加值相同，因為矩形對邊的長度相等；

(4)同一峰值對中兩點間的距離值等于矩形邊長。

滿足以上四個條件即可識別其為矩形，而對于圓形的檢測與檢測直線類似，為求參數坐標中的圓心和半徑，先對空間中的圓變換坐標系，將圓在空間坐標系中的方程為轉換到參數空間(a,b,r)中，其中(x0,y0)為已知點，轉換方程為：

(a-x0)2+(b-y0)2=r2

(4)

根據(4)式，將圖像空間中的邊緣點映射到參數空間，然后將參數空間中得到的所有坐標點對應的累加值進行累加，即可根據累加值判斷是否為圓形，若為圓形獲得其半徑和圓心坐標。

根據以上原理，對兩種二值化線路板進行實際測試，結果如圖4所示，可以完成對線路板中焊盤形狀和數目的識別。

圖4 識別PCB板表面焊盤

2.3 導線信息檢測

PCB板中導線寬度是描述PCB表面形貌的重要數據，也是衡量PCB質量的重要參數。測量此條線路寬度分為兩個步驟，第一步，需要找出導線內部和兩導線之間的中心線，第二步，根據此中心線計算導線不同位置的寬度。

本文用Hilditch細化算法[15]來獲取PCB板線路中心線。該算法為利用如圖5所示的模板沿圖像的掃描方向移動，逐點考察各像素的鄰域狀況，將圖像邊界像素逐次掃描消除。

P4P3P2P5PP1P6P7P8

圖5 細化算法模板

(1)∑4(P)≤3，即P點的4鄰域最多有3個值為1

(2)X(P)=1，此點為邊緣點

(3)∑8(P)≥1，此點非端點

(4)P3=1或X(P)3=1

(5)P5=1或X(P)5=1

其中∑4(P)和∑8(P)分別表示P的4鄰域內和8鄰域內像素為0的個數，X(P)表示連接數，X(P)3和X(P)5分別為假設P3=0和P5=0時P的連接數目。

通過上述操作對導線進行處理，可得到線寬為幾個像素的線條，此即為導線中心線，對PCB進行處理，結果如圖6所示。

圖6 PCB板細化算法效果

從中心線做垂線是一種檢測線寬的方法[16]，此方法可較為精確地測量圖像中導線寬度，但只適用于PCB圖像中的豎向和橫向導線，無法對斜向導線做精確測量。本文設計一種最大內切圓方法，以導線中心線上某點為圓心繪圓，圓形的半徑從0以設定的步長值不斷擴大，當圓與線路取交集的面積小于圓的面積時，即圓半徑大于某個值時會有部分在線路外，此時的圓的直徑即為該點處線路的寬度。選取一條線路測量如圖7所示。

圖7 用最大內切圓方法測量部分線路寬度

對中心線上除去焊盤位置之外的所有點進行上述操作，求得各位置導線寬度，取平均數作為線路的寬度，統計分析上述數據以分析判斷此線路制作水平。

3 實驗結果與分析

通過MATLAB軟件對100張PCB樣品圖片進行上述測試，選取測試的PCB板圖像像素為620×300像素，測得數據為像素值，通過比例尺換算，可以獲取PCB板表面數據，最后對100張PCB圖像進行數據統計，統計線路和焊盤平均數目如圖8所示。

圖8 圖像線路和焊盤數據統計

從圖8中可以看出，在100張PCB板圖像中，某些板線路條數和焊盤存在錯誤，存在斷路導致識別的線路條數多于正常值，存在焊盤形狀不規范導致識別焊盤數小于正常值。可以判斷該PCB板存在不同程度的表面缺陷。

對100張PCB表面金屬占比和線路寬度數據進行統計，結果如圖9～圖10所示。

圖9 PCB板金屬占比統計圖

圖10 PCB板線路寬度統計圖

分析圖9中數據可以看出，此PCB板表面的金屬占比集中在22.65%。可以認為，在此數值的一定區間范圍內，PCB的誤差可以接受；在此區間外PCB板的分析信息應該進一步關注。在本測試集中，有7張PCB板表面金屬占比偏離百分之一，因此，需要進一步調取其信息進行分析。

分析圖10中數據可以看出，線路板表面平均線路寬度集中分布在0.7 mm和1.0 mm。在本測試集中，有5張PCB表面導線寬度偏離0.1 mm，結合圖9和表2中信息進行分析，即可得出不合規范的PCB板表面具體缺陷原因及位置。

查看數據異常的PCB圖像，發現其局部存在缺陷，存在短路導致識別線路條數少于正常值，存在方形焊盤形狀不規范導致錯誤識別成圓形焊盤，存在缺陷的局部圖像如下圖11～圖12所示。

圖11 存在斷路缺陷

圖12 焊盤存在缺陷

5 結論

本文將計算機視覺技術應用到PCB的表面檢測中，通過軟件將相關圖像處理、檢測算法應用在測試PCB裸板樣板中，最后對獲取的樣板表面形貌數據進行統計和分析，對測試樣板質量進行評價。實驗結果表明，該方法可以協助檢測、識別PCB板上的短路與斷路缺陷可以進行有效的檢測、識別，同時對評價PCB生產質量可以提供依據。