一種基于X射線成像的球柵網格陣列封裝芯片焊接檢測方法

馮辰越 黃慧 馬燕

摘 ?要： 球柵網格陣列（BGA）封裝芯片由于其引腳封裝在內部的工藝特點，需要采用X射線成像的方式進行質量檢查.提出一種基于印制電路板（PCB）X射線圖像的自動芯片焊接質量檢測方法，采用投影變換的方法確定芯片區域，根據球形焊點特點，利用霍夫變換對引腳焊點進行自動識別.該方法能實現全自動的焊接質量檢查，提高焊點識別的效率和準確度，進而提高工業生產的效率和可靠性.

關鍵詞： 印制電路板（PCB）; X射線; 數字圖像處理; 霍夫變換

Abstract： The ball grid array （BGA） packaging chip had to be detectedby X-ray image because of its internal pin package process characteristics. An automatic quality detection method of chip welding based on X-ray image for printed circuit board （PCB） was presented in this paper， which determined the chip area by the method of projection transformation. According to the characteristics of the spherical solder joints， the pin solder joints were recognized automatically by Hough transform. The proposed method could fully realize the detection of welding quality automatically and improve the efficiency and accuracy of the solder joints detection. Besides， the efficiency and reliability of the industrial production could also be improved.

Key words： printed circuit board （PCB）; X-ray; digital image processing; Hough transform

0 ?引 言

與傳統的封裝方式相比，球柵網格陣列（BGA）封裝方式具有更小的體積、更好的散熱性能和電性能等優點，已成為高密度、高性能、多引腳封裝方式的最佳選擇.然而，BGA封裝的I/O端子以圓形或柱狀焊點的方式按陣列形式分布在封裝的下方，芯片焊接普遍采用表面裝貼技術，相比傳統的印制電路板（PCB）焊接技術，會造成錫焊回流后PCB焊接質量難以檢查的問題[1].X射線由于其具有較強的穿透能力，在質量檢測[2-4]、安全檢測[5-6]、健康檢查[7-8]等領域，常被用于對物質內部進行無損探傷.在電路板焊接檢測中，X射線成像也越來越被廣泛地應用[9-13]，但是目前生產線中還沒有實現自動檢測，而是借助于人工對照X射線圖像輔助檢測的方法[13]，肉眼抽查X射線圖像的內容，從而判斷電路板是否有虛焊、短路等問題.這種方法受主觀因素的影響較大，并且效率和可靠度低，生產成本高.

目前基于X射線的BGA焊點檢測研究，主要集中于焊點氣泡[10，14-15]以及焊點之間的連橋檢測[16]，利用神經網絡對焊點的3D圖像進行分析[17]探究焊點的形態特征[18-20]等.李樂等[10]提出了通過氣泡的灰度特征識別并提取焊點氣泡信息，判斷焊接質量;張俊生等[14]提出了動態閾值分割算法，在灰度特征提取的基礎上加入了動態閾值分割方法，提高了氣泡分離的準確度;李井元等[15]提出了對傾斜BGA圖像的識別及糾正，并通過Blob算法進一步優化了在掃描角度異常時的焊點識別操作，增大了算法的適用范圍.另外，在連橋檢測方面，李樂[16]通過判斷焊點的面積信息，判斷焊點是否正確連接;ROH等[17]提出了運用學習矢量量化（LVQ）神經網絡對利用X射線斷層掃描圖像合成的3D圖像進行分類，從而確定焊點質量，提高了檢測的準確率，并將焊點的形態特征[18-20]與標準值進行比較，判斷焊接質量;ROOKS等[20]基于掃描束X射線層攝影術，對BGA焊點特征，包括焊料厚度和焊點平均直徑進行檢測.然而，以上算法均沒有檢測電路板的焊接質量，針對該問題，本文作者提出一種基于X射線圖像的電路板焊接自動檢測方法，圖像經預處理后，依據焊點特征采用投影法，提取感興趣區域（ROI），將其轉化為二值圖像;然后利用霍夫變換檢測焊點，并根據焊點面積評估焊點的質量.

1 ?PCB焊點的特征識別算法

1.1 圖像預處理

X射線圖像具有分辨率不高、噪聲干擾較多等特點，因此，在焊點檢測之前首先需要對圖像作預處理，以提高圖像的質量及后續處理的準確度.圖像預處理的主要步驟包括：圖像去噪、幾何校正、對比度增強[21]等.其中，圖像去噪主要是為了去除噪聲的影響，提高圖像信噪比，主要有均值濾波、中值濾波、高斯濾波[21]等方法;幾何矯正主要是為了矯正芯片擺放位置與X射線照射源之間因位置偏差而造成的芯片圖像幾何形變;對比度增強主要是提高圖像目標區域與周邊區域的對比度，進而提高后續圖像分割的準確度，常用的方法有直方圖均衡、對數變換、γ變換等.利用閾值分割[19]方法可分離圖像中的焊點位置與板卡背景.

1.2 焊點區域的提取方法

在焊點分析之前，需要提取ROI.目前常用的提取ROI方法有投影法[22]、閾值法[23]、模板匹配法[24].其中，閾值法只考慮了圖像的灰度信息，主要應用于前后景的分離，該方法不能分割BGA區域與其余焊接區域;模板匹配法具有一定的局限性，針對不同的主板需要分別作適配操作，不能自適應;而投影法可以將密集焊接的芯片區域與其他芯片區域分離.

1.3 焊點檢測與識別

由于BGA封裝的芯片普遍采用貼片焊接技術，幾乎所有焊點呈圓形，采用尋找一定尺寸圓形區域的方法確認焊點位置.霍夫（Hough）變換是一個非常重要的檢測間斷點邊界形狀的方法，它通過將圖像坐標空間變換到參數空間，來實現直線與曲線的擬合.由于焊點的形狀近似固定尺寸的圓形，本研究采用改進的霍夫圓變換來檢測焊點的圓形區域，圖像中的焊點輪廓利用Canny算子[25]計算.由于在實際的X射線圖像中，每個焊點很難達到正圓形，所以還需要采集焊點的輪廓信息來輔助識別焊點的詳細信息.

1.4 元器件重疊區域的處理

由于PCB板的正反面通常都會焊接元器件，在X射線圖像上表現為芯片圖像的重疊現象，在焊點檢測之前，需要分離焊點與其他芯片區域，如圖1所示.通過霍夫變換和焊點先驗尺寸，在芯片重疊區域灰度圖（圖1（a））中補全焊點的圓形輪廓（圖1（b）），再去除重疊部分，如圖1（c）所示.

1.5 焊接質量評判算法

目前已有的X射線檢測算法中，針對焊點形態特征的檢測較多[18-19]，但在實際生產中焊點的大小等形態與標準值的差異并不與焊接質量直接關聯.因此，通過比較每個焊點輪廓圍成的面積與將輪廓補為圓形后的面積，計算兩者之間的誤差比例，評價焊接質量，輪廓的修補圖形可直接采用霍夫變換獲得的圓心坐標與半徑.當誤差比例大于一定的閾值時，判斷該焊點焊接不合格.

2 ?實驗結果與分析

實驗所用圖像采用在背部有部分元器件重疊的PCB板X射線掃描圖像，如圖2所示.分別采用傳統形態學算法與本算法對圖2中的484個焊點進行識別，傳統形態學算法檢測結果如圖3所示.本算法檢測結果如圖4所示.實驗結果表明，采用投影法能夠較好地分割焊點區域，得到理想的ROI區域.對比圖3與圖4，發現本算法具有更好的檢測能力，在降低誤判率的同時，提高了焊接質量缺陷的檢測率.

BGA焊點檢測統計結果如表1所示.由表1可知，相較于傳統的形態學方法，本算法在檢測速度、準確度等方面表現更好，降低了誤判的數量.仍然存在的誤判，其主要原因是圖像中芯片的重疊區域導致焊點分離的過程存在誤差.

實驗結果與統計數據表明，采用本研究提出的方法，逐個比較焊點輪廓圍成的面積與將輪廓補為圓形后的面積，以兩者的差值來判定焊接質量的算法，相比傳統形態學的方法具有更高的識別準確度與更低的誤判率.

3 ?結 論

本文作者根據BGA封裝芯片的焊點先驗知識，通過數字圖像處理技術，采用投影法對芯片焊接區域進行分割，利用霍夫變換與輪廓識別算法，實現了BGA焊點的識別.實驗結果證明：本算法具備較高的正確率，可對工業生產起到一定的促進作用.但該算法對于芯片重疊區域的識別效果并不理想，探索深度學習在焊接檢測識別中的應用，可進一步提高識別的準確性.

參考文獻：

[1] 吳湘寧， 譚宗安， 周樹槐. BGA焊接技術的探討 [J]. 焊接技術，2011，40（8）：28-31， 80.

WU X N， TAN Z A， ZHOU S H. Discussion of welding technology of BGA [J]. Welding Technology，2011，40（8）：28-31，80.

[2] HAFF R P， TOYOFUKU N. X-ray detection of defects and contaminants in the food industry [J]. Sensing and Instrumentation for Food Quality and Safety，2008，2（4）：262-273.

[3] 王艷翔. 雙能X射線物質識別系統的研究 [D]. 太原： 中北大學，2017.

WANG Y X. Research on dual energy X-ray material identification system [D]. Taiyuan： North University of China， 2017.

[4] 梁硼. X射線焊縫圖像缺陷自動提取與識別技術研究 [D]. 南京： 南京航空航天大學，2012.

LIANG B. Research on technology of automatic extraction and identification for weld defects in X-ray image [D]. Nanjing： Nanjing University of Aeronautics and Astronautics，2012.

[5] AKCAY S， KUNDEGORSKI M E， WILLCOCKS C G， et al. Using deep convolutional neural network architectures for object classification and detection within X-ray baggage security imagery [J]. IEEE Transaction Information Forensics and Security，2018，13（9）：2203-2215.

[6] 張樹紅. 基于雙能量X射線安檢設備的物質識別算法的研究 [D]. 長春： 長春理工大學，2012.

ZHANG S H. The algorithm research of the material identification based on dual-energy X-ray security equipment [D]. Changchun： Changchun University of Science and Technology，2012.

[7] 羅述謙. X射線成像技術在醫學中應用 [J]. 物理，2007（8）：602-608.

LUO S Q. X-ray imaging technology in medical applications [J]. Physics，2007（8）：602-608.

[8] LEWIS R A. Medical phase contrast X-ray imaging： current status and future prospects [J]. Physics in Medicine and Biology，2004，49（16）：3573.

[9] NEUBAUER C. Intelligent X-ray inspection for quality control of solder joints [J]. IEEE Transactions on Components Packaging & Manufacturing Technology： Part C，1997，20（2）：111-120.

[10] 李樂， 陳忠， 張憲民. 復雜背景下X射線BGA焊點氣泡檢測 [J]. 焊接學報，2015，36（3）：80-84.

LI L， CHEN Z， ZHANG X M. Bubble detection of X-ray BGA solder joint under complex background [J]. Transactions of the China Welding Institution，2015，36（3）：80-84.

[11] 李曄， 吳志生， 李硯峰， 等. 基于X射線圖像的焊接接頭缺陷提取和識別方法綜述 [J]. 熱加工工藝，2018，47（19）：6-10.

LI Y， WU Z S， LI Y F， et al. Review of defects extraction and recognition methods for welding joints based on X-ray image [J]. Hot Working Technology，2018，47（19）：6-10.

[12] 須穎， 劉永斌， 安冬， 等. 基于X射線的BGA空洞缺陷3D檢測方法 [J]. 沈陽建筑大學學報（自然科學版），2020，36（1）：155-162.

XU Y， LIU Y B， AN D， et al. 3D detection method of BGA void defects based on X-ray [J]. Journal of Shenyang Jianzhu University （Natural Science），2020，36（1）：155-162.

[13] 舒笙. 印刷電路板的X光檢查系統 [J]. 電子測試，2001（6）：201-204.

SHU S. X-ray inspection system of printed circuit board [J]. Electronic Test，2001（6）：201-204.

[14] 張俊生， 王明泉， 郭晉秦， 等. BGA焊點氣泡缺陷X射線圖像的動態閾值分割方法 [J]. 火力與指揮控制，2018，43（10）：113-116.

ZHANG J S， WANG M Q， GUO J Q， et al. Dynamic threshold segmentation of bubble defects in BGA solder balls [J]. Fire Control & Command Control，2018，43（10）：113-116.

[15] 李井元. 基于X射線圖像的BGA焊球氣泡缺陷檢測技術研究 [D]. 成都： 電子科技大學，2019.

LI J Y. Research on voids detection technology in BGA solder balls based on X-ray image [D]. Chengdu： University of Electronic Science and Technology of China，2019.

[16] 李樂. 基于精密微焦點X射線的BGA焊點缺陷檢測關鍵技術研究 [D]. 廣州： 華南理工大學，2014.

LI L. Key technologies research on BGA solder joints defect detection on precision micro-focus X-ray [D]. Guangzhou： South China University of Technology，2014.

[17] ROH Y J， KO K W， CHO H S， et al. Inspection of ball grid array （BGA） solder joints using X-ray cross-sectional images [C]// Proceedings of SPIE-The International Society for Optical Engineering.1999，3836：168-178.

[18] 高德云， 夏志東， 雷永平， 等. BGA焊球形狀參數測試及分析 [J]. 電子元件與材料，2006（8）：70-73.

GAO D Y， XIA Z D， LEI Y P， et al. Inspecting and analyzing of BGA ball shape parameter [J]. Electronic Components and Materials，2006（8）：70-73.

[19] 周德儉， 吳兆華， 陳子辰. 基于焊點形態理論的SMT焊點實時檢測技術 [J]. 電子機械工程，1997（6）：47-50，61.

ZHOU D J，WU Z H，CHEN Z C. Real time detection technology of SMT solder joint based on solder joint morphology theory [J]. Electro-Mechanical Engineering，1997（6）：47-50，61.

[20] ROOKS S M， BENHABIB B， SMITH K C. Development of an inspection process for ball-grid-array technology using scanned-beam X-ray laminography [J]. IEEE Transactions on Components， Packaging and Manufacturing Technology：Part A，1995，18（4）：851-861.

[21] 岡薩雷斯， 伍茲. 數字圖像處理 [M]. 3版. 北京： 電子工業出版社，2011.

GONZALEZ R C， WOODS R E. Digital Image Processing [M]. 3rd ed. Beijing： Publishing House of Electronic Industry，2011.

[22] 劉遠遠. 基于感興趣區域（ROI）分割的雙目定位系統關鍵技術研究 [D]. 重慶： 重慶大學，2018.

LIU Y Y. Research on technologies for binocular positioning system based on ROI segmentation [D]. Chongqing：Chongqing University，2018.

[23] 李卓， 郭立紅. 快速圖像處理中閾值選取方法的比較研究 [J]. 微計算機信息，2006（7）：224-225， 163.

LI Z， GUO L H. A comparative study of threshold selection methods in fast image processing [J]. Microcomputer Information，2006（7）：224-225，163.

[24] 王興玲. 最大類間方差車牌字符分割的模板匹配算法 [J]. 計算機工程，2006（19）：193-195.

WANG X L. Template match algorithm of maximum variance between clusters and license plate characters segmentation [J]. Computer Engineering，2006（19）：193-195.

[25] 王超. 基于機器視覺的蠶繭圖像識別研究 [D]. 柳州： 廣西科技大學，2019.

WANG C. Research on cocoon image recognition based on machine vision [D]. Liuzhou： Guangxi University of Science and Technology，2019.

（責任編輯：包震宇）