李繹鈴

摘 要：隨著微電子元器件向著微小化發(fā)展，傳統(tǒng)的人眼目檢較之于在線機器視覺檢測技術(shù)對于芯片缺陷的識別而言，精度低、效率低且成本高，無法滿足當今芯片檢測行業(yè)的高精度、高速度的要求。針對SOP芯片引腳缺陷進行基于機器視覺的檢測識別方法的研究，通過一系列圖像處理算法的運用，以模板匹配思想為主，以連通像素區(qū)域標記法為主要算法，采用MATLAB進行運算研究，可清晰地識別、提取出SOP芯片的各區(qū)域的特征，達到檢測目的。

關(guān)鍵詞：圖像處理 連通像素區(qū)域標記法 引腳缺陷

中圖分類號：TN40 文獻標識碼：A 文章編號：1672-3791（2018）04（a）-0002-04

Abstract：With the development of microelectronics components toward miniaturization， traditional eyes were checked for chip defect recognition with lower precision and efficiency，higher cost than online machine vision detection technology，whats more its unable to meet the requirement of high precision， high speed of today's chip testing industry.In order to realize a recognition method of SOP chip pin defect based on machine vision. The experiment used a series of digital image processing algorithm which mainly take template matching and connected pixel region marking to do the research. In the end，the result realized clearly recognition and extract the features of each region of the SOP chip pin by MATLAB.

Key Words：Digital image processing； Connected pixel region marking； Pin defect

隨著集成電路向著小型化、高密度組裝化、低成本、高性能和高可靠性發(fā)展，微電子封裝技術(shù)朝著表面貼裝技術(shù)（SMT）的方向蓬勃發(fā)展，微電子領(lǐng)域的芯片尺寸愈來愈小，其測量精度要求愈發(fā)高，傳統(tǒng)的人類視覺檢測遠遠無法滿足當今芯片檢測行業(yè)的高精度、高速度的要求[1]。

SOP（Small Out-Line Package小外形封裝）是一種常用的電子元器件封裝形式，具有易于檢測到的“翼”型引腳，應用范圍很廣。SOP芯片易出現(xiàn)引腳變形和缺失的問題，現(xiàn)主要應用于各種集成電路之中[1-2]。機器視覺檢測是非接觸無損檢測，與傳統(tǒng)的檢測手段相比，具有不可替代的優(yōu)越性。機器視覺系統(tǒng)在高速、細微和重復的制造過程中可靠性更高，其被用于制造系統(tǒng)不僅是工業(yè)發(fā)展的方向和需要，更是提高生產(chǎn)效率的有效途徑，在線視覺檢測已成為電子工業(yè)發(fā)展中不可或缺的一環(huán)[3-5]。在芯片封裝過程中，對芯片引腳的缺陷檢測是正確封裝的必要基礎，僅依靠人力很難滿足對SOP芯片引腳的高速、高精度的檢測需求。

機器視覺是利用成像系統(tǒng)來代替人眼獲取視覺信息，由計算機完成對視覺信息的處理和理解，從而實現(xiàn)監(jiān)測、判斷、識別等功能，具有非接觸式、實時性、靈活性、精確性和高可靠性等優(yōu)點，廣泛應用于工業(yè)生產(chǎn)、遙感、安防等領(lǐng)域[6]。

1 檢測系統(tǒng)總體

1.1 檢測系統(tǒng)硬件

機器視覺中檢測對象為計算機圖像，檢測系統(tǒng)利用光學成像原理獲取待測物體的特征信息，再利用圖像傳感器將光學圖像信號轉(zhuǎn)化為電學信號以得到計算機數(shù)字圖像[7]。圖像處理中圖像質(zhì)量為至關(guān)重要的因素，獲取清晰符合實驗要求的圖像是實驗進行的必要條件之一。

目前機器視覺主要采用CCD攝像機和CMOS攝像機作為前端圖像采集設備，前者是機電耦合器件，以電信號進行傳輸，在將光學圖像轉(zhuǎn)換為電荷圖像的過程中需逐位掃描輸出，所獲圖像具有低噪聲、高性能特點，但效率較低、需高功耗的驅(qū)動脈沖。而CMOS攝像機作為較新發(fā)展的光電轉(zhuǎn)換器件，以電壓信號進行傳輸，信號的讀取通過尋址從開關(guān)陣列中直接輸出，更為高效[8]。

待測芯片引腳間距為1.27mm，檢測精度需求為0.1mm，圖像采集時芯片呈靜止狀態(tài)，因此選用了圖像質(zhì)量較好、靈敏度和對比度高的德國SVS-VISTEK工業(yè)相機（型號SVS625MFGE），基本信息如下表1所示。

在此采用自然光和LED燈光源復合照射方式，通過前向照明方式進行室內(nèi)圖像采集，可清晰反映芯片管腳特征和芯片面板信息，利于后期圖像分割。

1.2 軟件系統(tǒng)

作為檢測系統(tǒng)的核心部分，軟件系統(tǒng)主要依靠于數(shù)字圖像處理方法進行采集圖像的處理，包括圖像的預處理、圖像分割及特征提取等算法技術(shù)。經(jīng)處理后的圖像既需滿足計算機檢測要求，也需優(yōu)化視覺效果。此處選用MATLAB作為主要軟件系統(tǒng)，具有計算量少、反應速度快、提取圖像準確和對編程能力的要求寬松等優(yōu)勢[9～11]。

2 數(shù)字圖像處理

數(shù)字圖像（mathematical image）是由連續(xù)函數(shù)或離散函數(shù)生成的抽象圖像，其中離散函數(shù)所產(chǎn)生的圖像就是計算機可以處理的數(shù)字圖像。

數(shù)字圖像處理是在圖像坐標系中以圖像的左上角為坐標原點，將圖像分割為M×N的二維區(qū)域，每個區(qū)域稱為一個像素點，點（i， j）上的像素值用函數(shù)f（i， j）表示。在灰度圖像中，f表示灰度值（亮度值）。

2.1 圖像預處理

圖像預處理是有選擇性的對所需圖像特征處理并使其凸顯出來，通過一些常規(guī)算法的運用對圖像像素進行定向處理，將采集到圖像信息根據(jù)不同需求進行修正或變化，以達到預期效果。

對CCD相機獲取的彩色圖像或24位黑白圖像進行灰度化處理：將原始芯片的圖像轉(zhuǎn)換為灰度圖像（8位）。

在此研究中采用加權(quán)法進行灰度化處理，通過亮度Y與R、G、B三分量的對應關(guān)系Y=0.3R+0.59G+0.11B，將每個像素點的Y值計算出來，使用Y值作為圖像的灰度值的表示。其處理結(jié)果如圖1所示。

2.2 圖像增強

采用圖像增強算法來突出芯片引腳區(qū)域的灰度信息。

圖像的直方圖是圖像的重要統(tǒng)計特征，表示了數(shù)字圖像中每一個灰度級與該灰度級出現(xiàn)的頻率間的統(tǒng)計關(guān)系，提供了圖像的灰度值分布情況，即圖像灰度值的整體描述。圖像直方圖修正效果如圖2所示。

圖像平滑分為空間域和頻率域兩大類，空間域常用均值濾波、中值濾波和自適應濾波等；而在頻率域采用各種形式的低通濾波方法進行平滑處理。對濾波處理的要求主要有兩點：不能影響以后的缺陷識別和不能損壞圖像的輪廓及邊緣等重要信息[12]。在此研究中，選擇中值濾波，通過一個含有奇數(shù)點的滑動窗口，將領(lǐng)域中的像素按灰度級排序，取其中間值作為輸出像素，可有力地印制隨機噪聲且不使邊緣模糊。

2.3 圖像分割

圖像分割是將反映物體真實情況的、占據(jù)不同區(qū)域的、具有不同特性的目標分開來，并形成數(shù)字特征的過程。

基于閾值的分割方法是最簡單有效的圖像分割方法，其實質(zhì)是利用圖像的灰度直方圖信息得到用于分割的閾值，其難點和重點均為閾值的選取[13]。

改進直方圖閾值分割法，對直方圖各個區(qū)域長、寬、高等特征進行提取，再根據(jù)直方圖各區(qū)域特征進行自動選取閾值，將引腳區(qū)域清晰的分別提取出來，完成圖像分割。經(jīng)過此種閾值分割法實現(xiàn)的圖像分割效果如圖3所示。

2.4 圖像邊緣檢測

圖像邊緣檢測是底層視覺處理中重要的一環(huán)，實現(xiàn)在基于邊界的圖像分割的基礎。邊緣檢測實際上是檢測圖像特性發(fā)生變化的位置。本文所涉及的區(qū)域特征主要為灰度。邊緣檢測主要為兩個步驟：抽取出反映灰度變化的邊緣點，再剔除某些邊界點或填補邊界間斷點，并將這些邊緣連接為完整的線。邊緣檢測算子分為兩類：基于一階導數(shù)的邊緣檢測與基于二階導數(shù)的邊緣檢測。常用的基于一階導數(shù)的邊緣檢測算子有Roberts算子、Sobel算子、Prewitt算子、LOG算子和Canny算子[14]。采用上述邊緣檢測算子進行邊緣提取后的圖像如圖4所示，由圖4可知，Sobel算子邊緣檢測效果最優(yōu)。

3 引腳缺陷識別算法

3.1 引腳數(shù)目識別

SOP芯片的外形特征中含有典型的易被檢測到的“海鷗型”特征，管腳處具有彎折現(xiàn)象，根據(jù)此特征對其圖像進行形態(tài)學處理，解決其由于光照不均所致的管腳彎折處斷裂現(xiàn)象，再使用連通像素標記法統(tǒng)計其引腳數(shù)目。

形態(tài)學圖像處理的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對應形狀以達到對圖像分析和識別的目的。它可以簡化圖像數(shù)據(jù)，保持圖像的基本形狀特征，并除去不相干的結(jié)構(gòu)。形態(tài)學圖像處理課分為二值形態(tài)學和灰度形態(tài)學兩種，基本運算為膨脹、腐蝕、開啟和閉合[15]。

圖像經(jīng)閾值分割后，可將引腳部分清晰的提取出來，為了區(qū)分引腳部分各區(qū)域調(diào)查每個像素是否連接在一起，即對二值圖像進行連通像素區(qū)域標記。具體步驟為計算各區(qū)域像素個數(shù)、區(qū)域中心坐標并以紅色數(shù)字在各區(qū)域中心進行區(qū)域標記，將連接在一起的像素附上相同的標記，不同的連接成分附上不同標記以進行各個連接成分的形狀特征的調(diào)查[16-18]。

3.2 基于模板匹配的引腳缺陷識別算法

3.2.1 圖像旋轉(zhuǎn)、裁剪

每次所采集多分圖像并非與模板圖像的位置完全一致，應在模板匹配之前將待測芯片與模板芯片的位置信息進行處理。圖像裁剪是在原圖像或大圖像上裁剪出圖像塊以便下一步處理。圖像的旋轉(zhuǎn)變換則是指以圖像的中心為原點，將圖像上所有的像素都旋轉(zhuǎn)同一角度的變換，但圖像經(jīng)旋轉(zhuǎn)變換后，一定會產(chǎn)生位置信息和大小的變化，此時既可通過圖像裁剪將多余顯示區(qū)域的圖像裁去，也可以擴大顯示區(qū)域的圖像范圍以顯示圖像的全部。

3.2.2 引腳區(qū)域標記與特征提取

使用連通區(qū)域像素標記法對引腳各區(qū)域進行標記，同時可獲取引腳各區(qū)域內(nèi)像素個數(shù)、各像素點坐標、該幾何區(qū)域中心坐標、與圖像中心所成角度等區(qū)域特征，且此類特征均以矩陣形式保存，可將待測芯片的特征矩陣與相應的模板芯片特征矩陣進行一一比對，并設以一定誤差范圍，可精確區(qū)分識別帶有引腳缺陷的芯片。將待測芯片圖像經(jīng)上述處理后效果圖5至8所示。

4 結(jié)語

本研究通過多種常見圖像處理算法的比較，選取了合適的各步驟算法較好的達到了檢測SOP芯片引腳缺陷的目的，證實了機器視覺檢測應用于微電子檢測行業(yè)具有較大可能性。但鑒于研究水平有限，未能實現(xiàn)更為精細的檢測精度，以此基本思想進而深入研究發(fā)展，可將其擴展至各種型號芯片表面與引腳檢測等領(lǐng)域，更能大大地促進光機電一體化的發(fā)展，推動電子行業(yè)向更高速自動化發(fā)展。

參考文獻

[1] 章士瀛.21世紀電子元件的發(fā)展趨勢[J].電子元件與材料，1999（1）：29-31.

[2] 陳慶江.電子元件產(chǎn)品及技術(shù)發(fā)展趨勢[J].科技視界，2016（22）：107-107.

[3] 金隼，洪海濤.機器視覺檢測在電子接插件制造工業(yè)中的應用[J].儀表技術(shù)與傳感器，2000（2）：13-16.

[4] 朱更明，李方敏.IC芯片管腳缺陷在線視覺檢測系統(tǒng)研究[J].計算機工程與應用，2002，38（1）：232-235.

[5] 梁忠偉.集成電路芯片機器視覺檢測技術(shù)研究[J].中國設備工程，2006（10）：53-55.

[6] 吳曉.面向LED芯片檢測與分選的機器視覺定位系統(tǒng)的開發(fā)[J].貴州大學學報：自然版，2013，30（3）：93-103.

[7] 劉建群，曠輝，丁少華.基于視覺的表面貼裝芯片引腳檢測系統(tǒng)的研究[J].中國機械工程，2007，18（16）：1908-1912.

[8] 孫燕峰，李成貴，魏鵬.一種基于線陣CCD的工件外尺寸測量裝置的設計與實現(xiàn)[J].電子測量技術(shù)，2012，35（2）：20-23.

[9] 葛魯寧，楊建國，王慶霞，等.圖像測量在芯片檢測中的應用[J].計算機應用，2009，29（b06）：242-244.

[10] 許志影，李晉平.MATLAB及其在圖像處理中的應用[J].計算機與現(xiàn)代化，2003（4）：64-65.

[11] 何希平，張瓊?cè)A.基于MATLAB的圖像處理與分析[J].重慶工商大學學報：自然科學版，2003，20（2）：22-26.

[12] 趙樹魁，李德玉，汪天富，等.超聲醫(yī)學圖像濾波算法研究進展[J].生物醫(yī)學工程學雜志，2001，18（1）：145-148.

[13] 蘆蓉，沈毅.一種改進的二維直方圖的圖像閾值分割方法[J].系統(tǒng)工程與電子技術(shù)，2004，26（10）：1487-1490.

[14] 季虎，孫即祥，邵曉芳，等.圖像邊緣提取方法及展望[J].計算機工程與應用，2004，40（14）：70-73.

[15] 王樹文，閆成新，張?zhí)煨颍?數(shù)學形態(tài)學在圖像處理中的應用[J].計算機工程與應用，2004，40（32）：89-92.

[16] 梁成.基于像素二值化法的連通域標記[J].計算機與數(shù)字工程，2013，41（5）：823-826.

[17] 羅志灶，周贏武，鄭忠楷.二值圖像連通域標記優(yōu)化算法[J].安慶師范學院學報：自科版，2010，16（4）：34-39.

[18] 蔣偉達.一種基于對象的連通區(qū)域標記方法[J].現(xiàn)代測繪，2015（4）：16-17.