電子元器件缺陷檢測技術(shù)研究與開發(fā)

鄧世江

（南寧智卓專利代理事務(wù)所，廣西南寧，530007）

0 引言

本文提出對電子元器件的性能參數(shù)失效缺陷和外觀缺陷檢測技術(shù)的實現(xiàn)展開細致研究。

1 性能參數(shù)缺陷檢測技術(shù)

電子元氣件的性能參數(shù)檢測是當檢測設(shè)備啟動后，對被測器件進行上電初始化，根據(jù)檢測設(shè)備輸出信號向被測器件提供一個信號源，如圖1所示，被測器件接收使能信號控制被測器件自動進行失效測試流程，通過對被測器件輸入端施加信號源時，檢測設(shè)備獲取被測器件的輸入端性能參數(shù)(一般包括輸入漏電電流IIK和輸入鉗位電壓VIK)和輸出端的性能參數(shù)(一般包括輸輸出漏電電流IOK和輸出驅(qū)動壓UO和功耗等)，在此該使能信號分為有效的使能信號和無效的使能信號，有效的使能信號可控被測器件自動進行失效測試流程，無效的使能信號控制被測器件停止失效測試流程，當被測器件進行出廠檢測時或裝配至電路板前，可根據(jù)有效的使能信號控制被測器件自動進行失效測試流程，根據(jù)所檢測的性能參數(shù)與實際性能參數(shù)進行比較判斷，電子元器件內(nèi)部性能是否存在失效缺陷。

圖1 電子元器件性能參數(shù)檢測系統(tǒng)總結(jié)構(gòu)

2 外觀缺陷檢測技術(shù)

外觀缺陷檢測技術(shù)應(yīng)用數(shù)字圖像處理技術(shù)對外觀檢測的圖像進行數(shù)據(jù)化處理，并將其輸入至計算機中，之后，借助于專業(yè)的數(shù)據(jù)分析軟件執(zhí)行對圖像數(shù)據(jù)信息的分析及處理任務(wù)，最后，將處理得到數(shù)據(jù)還原，便可以獲取所需圖像。對于數(shù)字圖像處理技術(shù)的應(yīng)用而言，圖像數(shù)據(jù)轉(zhuǎn)化最為重要，怎樣將圖像轉(zhuǎn)化，使其表現(xiàn)出更加多樣化的數(shù)據(jù)信息目前是圖像處理技術(shù)研究的熱門。而在完成圖像轉(zhuǎn)化之后，經(jīng)過圖像分割、去噪、特征提取等算法和技術(shù)的處理，進一步轉(zhuǎn)化數(shù)據(jù)為圖像同樣十分重要，為此，數(shù)字圖像處理可以在更高的精度上執(zhí)行對圖像的處理任務(wù)，既可以確保圖像的精度，在具體操作上亦有更多的便捷性優(yōu)勢，可以基本完成現(xiàn)代化社會所需圖像處理的各項相關(guān)要求。目前，數(shù)字化圖像處理技術(shù)主要對圖像變換、圖像增強和復(fù)原、圖像分割等內(nèi)容予以涉及，所謂圖像變換，指的是基于各種變換處理技術(shù)的支持，用變換域?qū)⒖臻g域處理方式替換，得到更加利于后續(xù)分析的圖像；圖像增強和復(fù)原是出于提高圖像質(zhì)量這一目的而用到的圖像處理技術(shù)，舉例而言，包括突出圖像中感興趣的部分、增加圖像清晰度、將圖像噪聲去除等；圖像分割則有利于對圖像的進一步識別、分析以及理解，進行圖像中有意義部分的提取。

3 檢測系統(tǒng)架構(gòu)與功能

圖2所示為電子元器件外觀缺陷檢測系統(tǒng)總體結(jié)構(gòu)，主要由圖像獲取、圖像篩選、電子元器件分類、圖像處理、缺陷檢測、云服務(wù)器以及終端設(shè)備7個模塊構(gòu)成。

圖2 電子元器件缺陷檢測系統(tǒng)總結(jié)構(gòu)

圖像獲取模塊的主要功能為獲取待檢測電子元器件的原始圖像，同時，將得到的結(jié)果向圖像篩選模塊傳輸；在接收到圖像獲取模塊傳輸來的多張電子元器件原始圖像后，圖像篩選模塊會對其進行質(zhì)量評價，將質(zhì)量最佳的原始圖像確定下來，由電子元器件分類模塊以及圖像處理模塊接收；這時，電子元器件分類模塊會對接收的圖像進行輪廓信息的提取，并將其和預(yù)存儲下來的各種類型電子元器件的標準輪廓信息作比較，明確待測元器件的類型；圖像處理模塊則執(zhí)行對接收圖像的降噪處理任務(wù)，進一步地，還會對降噪后的圖像進行特征數(shù)據(jù)的提取；結(jié)合電子元器件分類模塊所得結(jié)果，缺陷檢測模塊對預(yù)存儲的待測元器件缺陷數(shù)據(jù)進行調(diào)取，以此為依據(jù)識別元器件特征數(shù)據(jù)，判斷其是否真的有缺陷存在，如果判斷結(jié)果為是，確定其缺陷類型；云服務(wù)器分別與電子元器件分類模塊以及缺陷檢測模塊建立通信連接，分別執(zhí)行向?qū)?yīng)模塊的電子元器件標準輪廓信息與缺陷數(shù)據(jù)的傳輸任務(wù)；終端設(shè)備用以接收缺陷檢測模塊輸出的結(jié)果，為質(zhì)量檢測作業(yè)人員及時與準確了解電子元器件的缺陷情況提供便利。

4 電子元器件表面圖像獲取與分割技術(shù)實現(xiàn)

4.1 圖像獲取技術(shù)

圖像獲取模塊對電子元器件(以晶振外殼為例)圖像進行采集，考慮到系統(tǒng)有較長采樣周期，故無需特別設(shè)定相機成像速度。如圖3所示，在光照射條件下獲取原始圖像

圖3 獲取到的原始圖像圖

晶振底面原始圖像在檢測系統(tǒng)獲取的圖像中，由于電子元器件和背景、機械爪色彩及明度均存在差異，需要對帶有顏色的模型圖像（RGB圖像）進行轉(zhuǎn)換，由HSV顏色模型圖像來表示。對此，先給定一副原始圖像，其像素以及H分量如公示（1）所示 ：

另外，色飽和度分量如公式（2）所示：

根據(jù)上述模型，便可得到缺陷表面HSV顏色模型圖像，該圖像能夠?qū)C械爪的色彩、背景明度與圖像邊界濾除，進而將電子元器件在圖像中的區(qū)域確定下來。作為前景的像素，電子元器件區(qū)域的灰度值設(shè)定為“225”，而作為背景像素，其他部分的灰度值則是“0”，能夠有效地達到圖像二值化的目的。

4.2 圖像分割技術(shù)

圖像的二值化操作將電子元器件在圖像中的位置和區(qū)域確定了下來，以這一位置與區(qū)域為基礎(chǔ)，進一步執(zhí)行對原始圖像灰度圖的分割處理。首先，將灰度圖劃分為多個大小為S×T的圖像塊，然后，對各圖像塊作閾值分割處理，閾值計算如公示（3）所示：

在此之后，可以得到全部目標圖像的像素點，它們構(gòu)成的集合便是目標圖像。

5 圖像降噪與特征提取技術(shù)實現(xiàn)

5.1 圖像降噪技術(shù)

得到分割后的灰度化圖像之后，需要進一步對該圖像進行降噪處理，首先，選取一個大小為M×M的滑動窗口Ω，基于去噪函數(shù)的支持，對其中心像素點p(m,n)的去噪估計值進行計算，之后，將所得值對所述灰度化圖像中對應(yīng)的像素點灰度值進行替換，可以進一步得到去噪之后的p(m,n)的灰度值。去噪函數(shù)如公式（4）所示。

式中各字母表示含義為：

進行灰度化圖像全部像素點的遍歷，去噪估計值構(gòu)成集合便是去噪之后的圖像。

5.2 圖像特征提取技術(shù)

此處，擬以灰度共生矩陣為基礎(chǔ)對圖像的紋理特征進行提取。具體的，在紋理圖像中，在某一特定方向，有一定距離間隔的以對像素灰度表現(xiàn)出來的統(tǒng)計規(guī)律，可以很好地將該圖像的紋理特性彰顯出來。灰度共生矩陣以概率密度函數(shù)（該函數(shù)對圖像二階組合條件進行評估）為其建立基礎(chǔ)，是一種對圖像的紋理特征進行分析的重要方法，可以描述為對像素的灰度組合分布。矩陣的元素描述有一定距離間隔的一對像素分別具有灰度級i與j的出現(xiàn)概率。兩個像素在δ位置關(guān)系下可以生成灰度共生矩陣Pδ，如公示（5）所示：

當有共生矩陣生成時，很多以共生矩陣為基礎(chǔ)的特征便被定義下來，亦得到了相應(yīng)的驗證。由此一來，便可實現(xiàn)對熵、慣性以及能量等圖像特征的求解，有公式（6）：

概括而言，如果檢測的圖像并沒有任何紋理特征表現(xiàn)出來，其熵值便會近似為零；反之，如果圖像的紋理信息非常豐富，則其熵值會非常大。另外，如果紋理的溝紋非常深，其慣性值會很大，與之相對應(yīng)的，圖像視覺效果清晰度會很高；反過來，淺溝紋對應(yīng)著小慣性值以及模糊的圖像視覺效果。

5.3 圖像缺陷檢測技術(shù)

系統(tǒng)圖像處理模塊完成對電子元器件特征數(shù)據(jù)的提取之后，缺陷檢測模塊會進一步從云服務(wù)器中對對應(yīng)電子元器件（此處為電子元器件）可能存在的缺陷數(shù)據(jù)進行調(diào)取，之后，對調(diào)取缺陷數(shù)據(jù)及電子元器件的特征數(shù)據(jù)進行一一比對，可以明確電子元器件是否有缺陷存在，若是存在缺陷情況，還可進一步明確其缺陷類型。總得來說，如果滿足公式（7）：

則意味著電子元器件是有缺陷存在的，且應(yīng)被劃歸至第d類（此處的d指的是缺陷的具體類型，與后面d類缺陷數(shù)據(jù)相對應(yīng)）缺陷之中，公式（7）中各字母表示含義分別為：

—第w類電子元器件的第d類缺陷數(shù)據(jù)的特征向量；—接受檢測的電子元器件的特征數(shù)據(jù)的特征向量；λ—預(yù)先設(shè)定的相似度因子。

6 結(jié)語

在科學技術(shù)日益向前發(fā)展的背景下，計算機處理能力同樣在逐漸強化，與之相伴隨，電子元器件的檢測技術(shù)發(fā)展也越來越多樣化。本文基于提出一種電子元器件缺陷檢測，一般先對外觀缺陷檢測完成后，再對性能參數(shù)進行檢測，日常工作中，針對大量的電子元器件需要快速地完成外觀缺陷檢測，本文外觀缺陷檢測利用圖像獲取模塊采集元器件的圖像，之后，經(jīng)由圖像篩選模塊將質(zhì)量最佳的圖像篩選出來，對其作進一步處理，接著，結(jié)合該圖像將待測元器件類型確定下來，并依據(jù)類型對云服務(wù)器中預(yù)存儲的缺陷數(shù)據(jù)進行調(diào)取，以達到檢測電子元器件缺陷的目的。總得來說，針對該電子元器件缺陷檢測系統(tǒng)具有方便快捷的優(yōu)勢，不必對待測元器件特征數(shù)據(jù)與所有元器件缺陷數(shù)據(jù)作一一比對，對于缺陷檢測時間的縮短有十分明顯的積極意義，此外，還可以很好地提高元器件缺陷檢測效率，很大地解決了人工識別錯誤率高的問題。