摘要：應(yīng)用機(jī)器視覺技術(shù)實(shí)現(xiàn)半導(dǎo)體器件塑封表面缺陷的自動(dòng)檢測(cè)。結(jié)合圖像特點(diǎn)，根據(jù)差影圖像匹配技術(shù)的基本原理提出了雙模板的匹配方法，從一組訓(xùn)練圖像中得到均值圖像和標(biāo)準(zhǔn)差圖像，以兩幅圖像的差值圖像與和值圖像分別作為上下限模板圖像。引入環(huán)境光因子，即目標(biāo)圖像像素均值與模板圖像像素均值的比例關(guān)系。由此設(shè)定的缺陷閾值可以有效地避免噪聲干擾和環(huán)境光變化的影響。匹配之前使用Canny算子檢測(cè)邊緣點(diǎn)擬合直線的方法獲取器件矩形并計(jì)算其中心點(diǎn)和旋轉(zhuǎn)角度可以方便有效地確定器件位姿，保證匹配前的對(duì)準(zhǔn)。最后應(yīng)用Blob方法將提取缺陷特征。實(shí)驗(yàn)結(jié)果表明該方法在半導(dǎo)體器件塑封表面缺陷檢測(cè)方面有較好的效果。
　　關(guān)鍵詞：缺陷檢測(cè)；Blob；Canny；模板匹配；差影
　　中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2012）28-6775-04
　　半導(dǎo)體電子元器件被廣泛應(yīng)用于各類電子產(chǎn)品和通信系統(tǒng)中，它的外觀質(zhì)量主要取決于封裝這一工藝技術(shù)。良好的封裝可以保護(hù)芯片或晶體管少受外界環(huán)境的影響，因此封裝后的元器件可以得到更加可靠的電氣性能，當(dāng)然也更加方便后續(xù)的PCB板上的焊接和貼裝[1]。對(duì)半導(dǎo)體器件的視覺檢測(cè)主要包括管腳檢測(cè)和管體檢測(cè)。隨著計(jì)算機(jī)技術(shù)和圖像處理技術(shù)的結(jié)合和發(fā)展，機(jī)器視覺被廣泛應(yīng)用于半導(dǎo)體行業(yè)的各階段在線檢測(cè)中。利用機(jī)器視覺[2]進(jìn)行檢測(cè)不僅可以排除主觀因素的干擾，降低勞動(dòng)強(qiáng)度，提高生產(chǎn)效率，還可以對(duì)缺陷進(jìn)行定量描述，具有人工肉眼檢測(cè)無(wú)法比擬的優(yōu)越性。
　　1 檢測(cè)系統(tǒng)概要
　　在線半導(dǎo)體表面缺陷檢測(cè)系統(tǒng)[3]主要由PC機(jī)、圖像處理軟件、圖像采集設(shè)備、光源照明部分以及IO控制裝置和機(jī)械裝置組成。其中圖像采集由CCD、鏡頭、圖像采集卡和光源共同完成，高質(zhì)量的圖像信息是系統(tǒng)正確判斷和決策的原始依據(jù)，是整個(gè)系統(tǒng)成功與否的關(guān)鍵所在。
　　
　　圖1 缺陷檢測(cè)系統(tǒng)結(jié)構(gòu)
　　系統(tǒng)采用定位槽對(duì)器件進(jìn)行準(zhǔn)確定位，定位槽的底部有一個(gè)通氣孔，下面連接一個(gè)真空吸氣裝置，機(jī)器手將管子放入凹槽，在吸氣裝置的作用下管子沿著凹槽四周的導(dǎo)向斜面滑入槽底部。確保了獲取到的圖像中三極管擁有正確的位姿。
　　2 基于邊緣的位姿檢測(cè)
　　硬件系統(tǒng)采用了定位模具保證管子的位姿，但管子在凹槽內(nèi)仍不可避免的存在輕微的傾斜和旋轉(zhuǎn)，采用邊緣點(diǎn)檢測(cè)擬合邊緣線的方法尋找管子矩形，根據(jù)矩形的中心位置和旋轉(zhuǎn)角度來(lái)對(duì)準(zhǔn)參考圖像與目標(biāo)圖像。
　　實(shí)現(xiàn)圖像的邊緣點(diǎn)檢測(cè)就是用離散化梯度逼近函數(shù)計(jì)算每一個(gè)像素位置的梯度值和梯度方向，滿足閾值要求和方向要求的灰度躍變位置即為邊緣點(diǎn)?，F(xiàn)實(shí)情況的邊緣都是斜坡性邊緣，這就使得邊緣檢測(cè)的首要工作是濾波。對(duì)比Sobel算子，Log算子，Canny算子各自的優(yōu)缺點(diǎn)[4]后本文采用Canny算子尋找邊緣點(diǎn)。
　　邊緣點(diǎn)檢測(cè)之前，劃定檢測(cè)的感興趣區(qū)域，這里使用的感興趣區(qū)域是一條方向線段，規(guī)定邊緣點(diǎn)的檢測(cè)方向是從線段的起點(diǎn)到終點(diǎn)。本文的圖像處理需要用到的邊緣點(diǎn)檢測(cè)目的主要是在限定區(qū)域檢測(cè)滿足梯度閾值及方向的點(diǎn)，方向即從亮到暗或從暗到亮。判斷方向時(shí)需要兼顧檢測(cè)方向的影響。檢測(cè)方向不同，x向、y向的一階偏導(dǎo)對(duì)于判斷明暗變化的影響比重也不同，因此給出如下的判斷表達(dá)式：
　　3 缺陷檢測(cè)
　　3.1 基于差影的雙模板匹配法
　　用于缺陷檢測(cè)的模板匹配技術(shù)常用的有兩種：差影法和灰度相關(guān)法。差影法的基本原理是將待檢測(cè)圖像與模板圖像做像素差，對(duì)得到的差值圖像進(jìn)行判斷是否存在缺陷及缺陷大小和位置；灰度相關(guān)法則是計(jì)算待檢測(cè)圖像與模板圖像對(duì)應(yīng)像素間的相似度，根據(jù)相似度的大小確定缺陷所在。兩種方法相比較，由于灰度相關(guān)法算法時(shí)間復(fù)雜度明顯高于差影法，對(duì)于在線檢測(cè)對(duì)實(shí)時(shí)性的要求，顯然不可取，本文所述缺陷檢測(cè)思想仍然沿用差影法的基本原理。
　　在以下的論述中規(guī)定[gr，c]代表理想圖像，即無(wú)缺陷的圖像，也稱為參考圖像。[fr，c]代表待檢測(cè)圖像。[r，?c]代表像素坐標(biāo)。
　　為檢測(cè)出待測(cè)圖像與理想圖像的偏差，僅需要將兩幅圖像的對(duì)應(yīng)像素相減即可。通常并不關(guān)心缺陷是偏亮區(qū)域還是偏暗區(qū)域，因此通過預(yù)先設(shè)置閾值[gabs]使用以下的等式便可找到缺陷。
　　此方法對(duì)圖像對(duì)準(zhǔn)有非常高的精度要求。如果物體發(fā)生略微的偏移。那么在待測(cè)圖像與模板圖像的邊緣便會(huì)很容易產(chǎn)生超過[gabs]的灰度值差異，誤檢缺陷在所難免。另外受到周圍環(huán)境光線變化的影響，該方法也不能給予任何應(yīng)對(duì)策略。然而在實(shí)際的生產(chǎn)應(yīng)用中，這些因素都是無(wú)法避免的，針對(duì)以上存在的問題，本文做了以下的工作。
　　改進(jìn)的匹配方法使用偏差模型[5]學(xué)習(xí)雙模板[6][g1r，c]和[g2r，c]，其中[g1r，c]作為下限模板，[g2r，c]作為上限模板。下限模板由參考圖像與容許偏差的差值確定，上限模板則由參考圖像與容許偏差的和值確定。容許偏差可以從一組訓(xùn)練圖像中計(jì)算得到。一般使用標(biāo)準(zhǔn)偏差來(lái)計(jì)算需要的容許偏差。另外，為了增強(qiáng)抗干擾和抑制噪聲的能力，參考圖像也不再簡(jiǎn)單的使用某一幅理想圖像簡(jiǎn)單獲取，也應(yīng)該從一組訓(xùn)練圖像中計(jì)算像素均值得到。n幅圖像的平均值和標(biāo)準(zhǔn)差計(jì)算如下：
　　這里還需引入可調(diào)倍數(shù)常量[p]，[q]和可調(diào)絕對(duì)常量[a]，[b]。一般情況由一個(gè)小的可調(diào)倍數(shù)乘以標(biāo)準(zhǔn)差即得到所需的容許偏差，用戶只需合理設(shè)置[p]，[q]值調(diào)節(jié)容許偏差。然而當(dāng)標(biāo)準(zhǔn)偏差大大小于被測(cè)圖像偏差時(shí)，這樣的方法就顯得很不好，因此引入絕對(duì)常量，當(dāng)某處容許偏差小于絕對(duì)常量時(shí)，使用絕對(duì)常量值替代容許偏差值。
　　考慮到環(huán)境光線變化的影響，引入環(huán)境光因子[θ]，在對(duì)模板與待測(cè)圖像做減法比較之前，計(jì)算待測(cè)圖像像素均值[m0]和模板圖像均值[m1]，[m0]和[m1]的比例關(guān)系即代表[θ]，令模板圖像的每一個(gè)像素乘以環(huán)境光因子[θ]，可有效抑制環(huán)境光帶來(lái)的不穩(wěn)定圖像質(zhì)量造成的缺陷誤檢，以下給出了圖像分割公式：
　　3.2 缺陷提取
　　圖像的幾何特征在圖像處理中起著十分重要的作用。利用區(qū)域特征的大小、位置、方向等來(lái)確定物體的位置并識(shí)別它們。特征值量度的合理選取可以有效地減小誤檢率。本文采用Blob算法提取已經(jīng)分割的缺陷特征。Blob算法用于從背景中分離目標(biāo)，測(cè)量目標(biāo)的形態(tài)參數(shù)，包括面積、周長(zhǎng)、寬度、高度、細(xì)長(zhǎng)度、數(shù)量等。與基于逐點(diǎn)像素處理的算法相比，該算法處理速度快，被廣泛應(yīng)用于工業(yè)在線檢測(cè)系統(tǒng)中。
　　盡管上述處理方法已經(jīng)在抑制噪聲方面做了很多工作，但分割后的圖像仍可能存在偽缺陷，因此通過設(shè)置特征閾值來(lái)抑制缺陷誤檢，如寬度閾值、高度閾值、面積閾值、周長(zhǎng)閾值，當(dāng)檢測(cè)的Blob對(duì)象分別滿足各方面的閾值要求時(shí)，則認(rèn)為是缺陷，否則被判定為噪聲點(diǎn)。
　　4 缺陷檢測(cè)系統(tǒng)實(shí)現(xiàn)
　　硬件環(huán)境如下，相機(jī)：SONY XC-HR50；鏡頭：50mm；曝光時(shí)間：5ms
　　軟件環(huán)境如下：基于OpenCV的VC++編程實(shí)現(xiàn)
　　檢測(cè)目標(biāo)：SOD323半導(dǎo)體器件的塑封表面缺陷檢測(cè)
　　硬件系統(tǒng)采用了定位模具保證了待測(cè)元件有較精確的定位，每幅圖像中，器件的位置只有細(xì)微的偏差。因此，檢測(cè)開始之前根據(jù)模具的位置劃定感興趣區(qū)域。這種方法稱之為圖像局部分析法。
　　使用該方法的必要性主要體現(xiàn)在兩個(gè)方面：
　　1） 本系統(tǒng)用于在線工業(yè)檢測(cè)系統(tǒng)，同時(shí)用于三個(gè)工位的實(shí)時(shí)檢測(cè)，要求每個(gè)工位的檢測(cè)時(shí)間不得超過50ms，在硬件上采用四核處理器的計(jì)算機(jī)，軟件上采用多核多線程編程技術(shù)，采用局部分析法可以大大的減少圖像數(shù)據(jù)量，有效地降低圖像處理時(shí)間。
　　2） 待測(cè)器件表面塑封材料微小顆粒分布的不均勻性以及環(huán)境光造成的光線不均勻都會(huì)影響成像質(zhì)量。圖像中目標(biāo)邊緣幅度大小不一，甚至非邊緣幅度比邊緣更大，這些因素都需要盡量回避，局部分析法將檢測(cè)區(qū)域盡量縮小，干擾量也得以大大減少。
　　如圖2所示，其中帶箭頭的虛線線段分別代表上下左右四個(gè)感興趣區(qū)域內(nèi)邊緣點(diǎn)的尋找方向，如Top區(qū)域，表示從下到上搜尋邊緣點(diǎn)。十字叉則代表搜尋到的邊緣點(diǎn)。
　　
　　圖2 邊緣檢測(cè)示意圖
　　利用OpenCV提供的方法cvFitLine將搜尋到的邊緣點(diǎn)分別擬合為四條邊緣線，圖中管體矩形框已經(jīng)標(biāo)出，計(jì)算矩形的中心位置和旋轉(zhuǎn)角度用于后續(xù)的參考模板與目標(biāo)圖像的對(duì)準(zhǔn)。對(duì)該矩形區(qū)域進(jìn)行平滑圖像處理后計(jì)算該區(qū)域圖像的灰度平均值，得到環(huán)境光因子。對(duì)準(zhǔn)模板和目標(biāo)圖像，逐一比較像素灰度值，如果灰度值不在兩個(gè)模板的閾值范圍內(nèi)則被認(rèn)為缺陷。
　　5 結(jié)論
　　綜上所述，通過對(duì)傳統(tǒng)的缺陷檢測(cè)算法的分析和運(yùn)用，利用模具和邊緣定位獲取到物體可靠位姿，縮小了在線檢測(cè)范圍，有效提高了檢測(cè)效率。結(jié)合半導(dǎo)體器件的塑封缺陷特征，采用雙模板匹配法，有效的抑制了噪聲和環(huán)境光對(duì)缺陷識(shí)別的影響。
　　參考文獻(xiàn)：
　　[1] 張素娟，李海岸.新型塑封器件開封方法以及封裝缺陷[J]，半導(dǎo)體技術(shù)，2006，31（7）：509-511.
　　[2] 賈云得.機(jī)器視覺[M].北京：科學(xué)出版社，2000.
　　[3] 鄭秀蓮，袁巧玲，沈亞琦.基于圖像處理的電子元器件表面缺陷檢測(cè)技術(shù)[J]，機(jī)電工程，2009，26（7）：15.
　　[4] 徐臨洪，張桂梅，陳少平.基于機(jī)器視覺的發(fā)動(dòng)機(jī)表面缺陷檢測(cè)技術(shù)[J]，計(jì)算機(jī)與現(xiàn)代化，2010，176（4）：157.
　　[5] Carsten Steger， Markus Ulrich， Christian Wedemann， Machine Vision Algorithms and Applications[M].北京：清華大學(xué)出版社，2008.
　　[6] FELZENZWALB P. Representation and detection of deformable shapes [J]. IEEE Pattern Analysis and Machine Intelligence， 2005，27（2）：20