【技术文摘】PCB AOI技术解析

摘 要】AOI是一种机器视觉技术,集电子学、光电探测、图像处理和计算机技术于一身,是精密测试技术领域内最具有发展潜力的新技术。视觉成像系统和图像处理软件是AOI的两个核心部分,影响AOI系统性能的有诸多方面,检测算法需要随着对相关工艺和需求的进一步认识不断完善,才能使系统达到误检率/漏检率低、产能高、稳定性好、易用性好等的理想境界。

 

印刷电路板(PCB)是各种电子元器件的载体,在电子通信等许多领域中都有着广泛的应用。随着技术的不断发展以及工艺水平的不断提高,电子产品趋于更轻、更薄、更小,PCB朝着高密度、小元件、细间距、层数更多的方向发展,这使得PCB的质量检验工作越来越具有挑战性。传统的人工检测方法容易漏检、检测速度慢、检测时间长,已经不能满足生产需要,如何更有效地实现PCB的自动缺陷检测,成为半导体工业领域一个热门问题。

 

 

一、什么是AOI

 

AOI 是“Automatic Optical Inspector”的缩写,中文名为“自动光学检查仪”。AOI是一种机器视觉技术,集电子学、光电探测、图像处理和计算机技术于一身,是精密测试技术领域内最具发展潜力的新技术。AOI技术主要涉及的技术环节包括:光源、光学镜头及CCD成像、数字图像处理、模式识别算法、精密机械移动。其中模式识别算法、光源和数字图像处理是AOI主要技术难点。

 

 

 


主要原理是将要检查的部件用光学扫描得到数字图像,应用相应的图像处理技术将该部件与设计标准图像或设计数据进行比较,找出其间的差异并报告出来,操作人员根据报告找出缺陷位置进行分析和修复,从而达到控制质量和改善工艺的目的。目前,在PCB制造行业,AOI设备由于具有准确、快捷、自动化程度高、可靠性高等特点,已经得到了普遍的应用,主要用于印制电路板和SMT 的外观检查等几个方面。

 


二、AOI的核心

 

AOI的两个核心部分为视觉成像系统和图像处理软件,其中视觉成像系统的目标是精准稳定地获得高质量的PCB缺陷图像,而图像处理软件的目标是从图像中精准高效地检测出缺陷点。

 


视觉成像系统的设计水平决定了AOI设备的检测能力,目前行业里一般采用红色LED作为光源发光器件,红色光谱可较明显地区分铜和基材,从而可以获取高对比度的线路板图像;另外一般AOI光源采用组合式多角度照明,可实现较完整地拍摄到铜线路的形态特征,并可较好地过滤一些脏点。

 


图像处理软件是AOI另外一个核心组成部分,而软件的核心则主要是检测算法。近年来出现的诸多PCB图像缺陷检测算法大致可分为3类:参考比较法、非参考校验法以及混合算法。其中,参考比较法是目前应用比较广泛的检查算法。参考比较法又分为基于内容的对比以及基于轮廓的检测方法两种。

 


三、检测算法比较

 

 

参考比较方法一,基于内容的参考比较法,检测精度通常只能达到像素级;此外,由于需要在配准后对图像进行逐点重采样,因此是比较耗时的,当检测图像分辨率较高及尺度较大时,所需的处理时间将非常长;再者,其缺陷分析的方式不够直观,某些特定种类的缺陷分析起来比较困难。

 


参考比较方法二,针对PCB裸板缺陷在线高精度检测的需求,结合由高性能线阵扫描相机获取到的PCB裸板图像所具有的高分辨率以及高对比度等特点,采用基于轮廓的图像缺陷检测算法。检测内容包括:图像分割、轮廓提取、轮廓亚像素校正、轮廓配准以及缺陷检测与分析。

 


基于轮廓的检测方式与基于内容对比的检测方式相比有如下优点:首先,由于轮廓数据相对较少,因此可以大大压缩数据存储空间;其次是精度高,通过提取亚像素级的轮廓进行比对分析可将检测精度提高到亚像素级别;第三是检测速度快,轮廓数据相对较少,因而计算量大为减少;第四,轮廓的方式使得最终的缺陷分析变得更加简单和直观。

 


四、影响AOI检测算法的精度的因素

 

1、AOI设备的光学分辨率:分辨率越高得到的图像放大倍数越大,检测的缺陷会越小。

2、轮廓提取算法的精度:亚像素级别轮廓得到的边缘细节越多。

3、图像的畸变:图像畸变可能会对检测造结果成较大影响:影响模板参考点与实时点的匹配精度,导致轮廓比对检测环节运算量增大,造成测试点与各类掩膜关系判定的准确度等等。

4、图像的定位准确度:实际图像轮廓与模板轮廓的匹配精度,影响轮廓比对检测缺陷的精度。

 


五、AOI在使用中影响系统性能的因素

 

AOI虽然具有比人工检测更高的效率,但毕竟是通过图像采集和分析处理来得出结果,而目前图像分析处理的相关技术还没达到人脑的级别,因此实际使用中在一些特殊情况下,AOI的误判、漏判在所难免。目前AOI在使用中影响系统性能的因素有:

 


1、图像多义性。三位场景被投影为二维场景,深度和不可见部分的信息丢失,因而会出现不同形状的三位物体投影在图像平面上产生相同图像的问题。另外,在不同视角同一物体的图像也会产生很大的差异。

2、环境因素影响。场景中的诸多因素,包括照明、物体形状、表面颜色、摄像机以及空间关系变化都会对生成的图像有影响。因此,当其中任何一个因素发生变化时,都会对图像产生影响。

3、图像信息量。灰度图像、彩色图像和深度图像的信息量都非常大。如果处理的是图像列,则数据量更大。大数据量需要巨大的存储空间,同时不易实现快速处理。

4、有效的识别算法。如何有效地构造和组织出可靠的识别算法,并且能顺利地实现。这期待着高速的阵列处理单元,以及算法(如神经网络法、小波变换等算法)的新突破。

5、实时性要求。实时性是一个难以解决的重要问题。图像采集速度较低以及图像处理需要较长时间给系统带来鸣响的时滞,此外视觉信息的引入也明显增大了实际性要求的难度。

 


由于AOI检测系统设计涵盖的专业知识领域非常广、实践性很强,要使系统达到误检率/漏检率低、产能高、稳定性好、易用性好等的理想境界,检测算法需要随着对相关工艺和需求的进一步认识不断完善,相信随着机器视觉技术的不断发展,能够提供更智能的AOI设备。