AOI在SMT中的应用

AOI在SMT中的应用杨冀丰1，史建卫1，王乐2，白英奎2，钱乙余1（1、哈尔滨工业大学现代焊接生产技术国家重点实验室，黑龙江，哈尔滨150001；2、日东电子科技（深圳）有限公司，广东，深圳，518103）1引言在激烈的市场竞争中，电子产品制造厂商必须确保产品的质量，为了保证产品的质量，在产品制造过程中对各个生产环节半成品或成品进行质量监测尤为重要，随着表面组装技术（SMT）中使用的印制电路板线路图形精细化、SMD元件微型化及SMT组件高密度组装、快速组装的发展趋势，采用目检或人工光学检测的方式检测已不能适应，自动光学检测（AOI）技术作为质量检测的技术手段已是大势所趋。2AOI工作原理SMT中应用AOI技术的形式多种多样，但其基本原理是相同的（如图1所示），即用光学手段获取被测物图形，一般通过一传感器（摄像机）获得检测物的照明图像并数字化，然后以某种方法进行比较、分析、检验和判断，相当于将人工目视检测自动化、智能化。2.1分析算法不同AOI软、硬件设计各有特点，总体来看，其分析、判断算法可分为2种，即设计规则检验（DRC）和图形识别检验。（1）DRC法是按照一些给定的规则检测图形。如以所有连线应以焊点为端点，所有引线宽度、间隔不小于某一规定值等规则检测PCB电路图形。图2是一种基于该方法的焊膏桥连检测图像，在提取PCB上焊膏的数字图像后，根据其焊盘间隔区域中焊膏形态来判断其是否为桥连，如果按某一敏感度测得的焊膏外形逾越了预设警戒线，即被认定为桥连[1]，DRC方法具有可以从算法上保证被检验的图形的正确性，相应的AOI系统制造容易，算法逻辑容易实现高速处理，程序编辑量小，数据占用空间小等特点，但该方法确定边界能力较差，往往需要设计特定方法来确定边界位置。（2）图形识别法是将AOI系统中存储的数字化图形与实验检测图像比较，从而获得检测结果，如检测PCB电路时，首先按照一块完好的PCB或根据计算机辅助设计模型建立起检测文件（标准数字化图像）与检测文件（实际数字化图像）进行比较，图3为采用该原理对组装后的PCB进行的质量检测，这种方式的检测精度取决于标准图像、分辨力和所用检测程序，可取得较高的检测精度，但具有采集数据量大，数据实时处理要求高等特点，由于图形识别法用设计数据代替DRC中的设计原则，具有明显的使用优越性。2.2图象识别（1）图像分析技术，随着计算机的快速发展，目前有许多成熟的图像分析技术，包括模板匹配法（或自动对比）、边缘检测法、特征提取法（二值图）、灰度直方图法、傅里叶分析法、光学特征识别法等，每个技术都有优势和局限。模板比较法通过获得一物体图像，如片状电容或QFP，并用该信息产生一个刚性的基于象素的模板，在检测位置的附近，传感器找出相同的物体，当相关区域中所有点进行评估之后，找出模板与图像之间有最小差别的位置停止搜寻，系统为每个要检查的物体产生这种模板，通过在不同位置使用相应模块，建立对整个板的检查程序，来检查所有要求的元件。由于元件检测图像很少完全匹配模板，所以模板是用一定数量的容许误差来确认匹配的，如果模板太僵硬，可能产生对元件的误报；如果模板松散到接受大范围的可能变量，也会导致误报。（2）运算法则。几种流行的图像分析技术结合在一个处方内，希望一个运算法则，特别适合于特殊元件类型，在有许多元件的复杂板上，可能形成众多的不同运算法则，要求工程师在需要改变或调整时做大量的重新编程。例如当一个供应商修改一个标准元件时，对该元件的运算法就可能需要调整，新的变化出现，用户必须调整或扭转运算法则来接纳所有可能的变化，例如一个0805片式电容，可以分类为具有一定尺寸和矩形形状、两条亮边中间包围较黑色的区域，然后这个外部简单的元件外形可能变化很大，传统的、基于运算法则的AOI方法经常太过严格，以至于不能接纳对比度、尺寸、形状和阴影合理的变化，甚至不重要的元件也可能难以可靠地查找和检查，造成有元件而系统不能发现的错误拒绝。还有就是由于可接受与不可接受图像的差别细小，运算法则不能区分，引起错误接收，真正缺陷不能发现，为了解决一些问题，用户在图像分析领域中要有适当的知识，其次是传统的AOI要不断广泛地再编程，调整AOI方法以接纳合理的变化，对一个新版设计或优化一个检查程序时，可能花上1-2天，甚至几周作细小的扭转。（3）统计建模技术。为克服传统图象处理方法的缺点，AOI采用自调性的软件技术，其设计将用户从运算法则的复杂性中分开，通过显示一系列要确认为物体的例子，使用一种数学技术，即统计外形建模技术（SAM）来自动计算怎样识别合理的图像变化，不同于基于运算法则的方法，SAM使用自调性、基于知识的软件来计算变量。这样可减少编程时间，消除每天的调整，而且误报率比现有的AOI方法低10-20倍。（4）柔性化技术，传统的AOI系统主要依靠识别元件边缘来达到准确和可重复性测量，一旦边缘找到，通常利用这些边缘的对称模型产生元件在板表面的坐标，但是用视觉技术很难找到边缘，因为元件边缘不是完全直线，用一条直线去配合这种边缘的企图都是有问题的，此外，边缘倾向于黑色背景上的黑色区域，要准确地确认就会产生象素噪音变量，因为象素不能足够小，否则容易产生一些象素分割的影响。基于边缘识别的方法，一个好的视觉系统常会产生标准偏差大约为1-/10象素的可重复性，而SAM技术能提供标准偏差相当于1/20象素的可重复性元件。元件位置上的总变量小于1个象素的各3/10，因此要匹配到3个元件时，应改进精度和可重复性。检查个1特定元件类型时，SAM是内在灵活的，当吻合1个外形大不相同的合法元件时，它会在x和y轴上移动，企图通过位置调节达到最佳吻合，当用一适当的SAM模型吻合元件时，只允许实际上可发生的那些外形，而不要妥协x和y的位置，比如某些可允许的元件颜色变量是由于遮蔽或过渡曝光临近较大元件所引起的，传统运算法则是不可能接纳的，但由于SAM计算出所允许的图像变更，使用者无需依靠大量编程的运算法则或供应商供应的运算法则库就可以接纳。（5）立体视觉成像技术。传统AOI系统不能完全接纳PCB外形，是由于局部弯曲产生的自然三维变化，现有AOI系统通常使用远心透镜来从光学上去掉视差与透视的效果，因为高度上的透视效果被去掉，在图像边缘上的物体看上去与中间的物体在同一平面。这消除了光学视差错误，但是应该跟随板表面弧形的点与点之间的测量成为跨过平面弦的直线距离，造成重要的测量误差且自动去掉有关板表面形状的有价值信息。通过将SAM技术与两排摄像机的立体视觉安排相结合，此AOI系统可测量和接纳物体与表面高度，而结果在数学上呈现平直PCB，呈一定角度的摄像机提供物体的两个透视，然后计算PCB的高度图形和三维表面拓扑图形，在板上任何元件的精确位置也通过计入其在板表面的高度来进行计算，工作时AOI设备使用一标准板传送带在摄像机下面按刻度移动PCB通过摄像机排列，将图像的立体象对排列构成一副照相镶嵌图，然后对此照相镶嵌图进行合成变平或实时分析，SAM技术与立体视觉成像技术的结合具有高的精度和可重复性，可用于重要元件确认和PCB检查。3AOI在各工序中的应用在SMT中，AOI技术具有PCB光板检测，焊膏印刷检测、元件检测、焊后组件检测等功能，在进行不同环节的检测时，其侧重也有所不同。3.1PCB检测早期的PCB生产中，检测主要由人工目检配合电检测来完成的，随着电子技术的发展，PCB布线密度不断提高，人工目检难度增大，误判率升高，且对检测者的健康损害更大，电检测程序编制更加烦琐，成本更高，并且无法检测某些类型的缺陷，因此，AOI越来越多地应用于PCB制造中。PCB缺陷可大致分为短路（包括基铜短路、细线短路、电镀断路、微尘短路、凹坑短路、重复性短路、污渍短路、干膜短路、蚀刻不足短路、镀层过厚短路、刮擦短路、褶皱短路等），开路（包括重复性开路、刮擦开路、真空开路、缺口开路等）和其他一些可能导致PCB报废的缺陷（包括蚀刻过度、电镀烧焦、针孔）[2]。在PCB生产流程中，基板的制作、覆铜有可能产生一些缺陷，但主要缺陷在蚀刻之后产生，AOI一般在蚀刻工序之后进行检测，主要用来发现其上缺少的部分和多余的部分。在PCB检测中，图像对比算法应用较多，且以2D检测为主[3]，其主要包括数据处理类（对输入的数据进行初步处理，过滤小的针孔和残留铜及不需检测的孔等），测量类（对输入的数据进行特征提取，记录的特征代码、尺寸和位置并与标准数据进行对比）和拓扑类（用于检测增加或丢失的特征），图4为特征提取法示意图，（a）为标准版和被检板二值图，（b）为数学形态分析后的特征图。AOI一般可以发现大部分缺陷，存在少量的漏检问题，不过主要影响其可靠性的还是误检问题。PCB加工过程中的粉尘、沾污和一部分材料的反射性差都可能造成虚假报警，因此目前在使用AOI检测出缺陷后，必须进行人工验证。3.2焊膏印刷检测焊膏印刷是SMT的初始环节，也是大部分缺陷的根源所在，大约60%-70%的缺陷出现在印刷阶段，如果在生产线的初始环节排除缺陷，可以最大限度地减少损失，降低成本，因此，很多SMT生产线都为印刷环节配备了AOI检测。印刷缺陷有很多种，大体上可以分为焊盘上焊膏不足、焊膏过多；大焊盘中间部分焊膏刮擦、小焊盘边缘部分焊膏拉尖；印刷偏移、桥连及沾污等，形成这些缺陷的原因包括焊膏流变性不良、模板厚度和孔壁加工不当，印刷机参数设定不合理、精度不高、刮刀材质和精度选择不当、PCB加工不良等，通过AOI可以有效监控焊膏印刷质量，并对缺陷数量和种类进行分析，从而改善印刷制程。图5是一种焊膏检测系统的原理图，该系统主要组成部分为摄像机与光纤维x-y工作台系统，在x-y桌面安装摄像机，环状光纤维在x-y方向移动，采集PCB整体的图像来进行检测，利用环状光纤维与环状反射板将倾斜的光照射到焊膏上，摄像头从环状光纤维的正方摄像，测出焊膏的边缘部分算出焊膏的高度[4]，这是一种把形状转化为光的变化进行判定的检测方法。在正常印刷的场合，边缘部分多少会产生一些隆起，这个部分可对从斜面投射过来的光发生强烈的反射。该检测方法利用焊膏边缘部分反射回来的光线宽度进行焊膏桥接与焊膏环状等现象判定，而由斜面照射回来的PCB表面将呈现暗淡的画像。使用3D检测，可以对焊膏形态、厚度进行评估，检查焊膏量是否合理、是否有刮擦和拉尖，这些缺陷在使用丝网和橡皮刮刀时出现较多，现在普遍使用不锈钢网板和金属刮刀，焊膏厚度比较稳定，一般不会过多，刮擦现象也很轻微，重点要关注的是缺印（焊膏过少）、偏移、沾污和桥连等缺陷。采用2D检测可以有效地发现这些缺陷，图像对比法和设计规则检验法都可以使用，检测时间短，设备价格也比3D检测要低，而且在贴片、回流等后续的工序中如有AOI，印刷环节考虑到成本也可采用2D检测。3.3贴装检测元件贴装环节对设备精度要求很高，常出现的缺陷有漏贴、错贴片、偏移歪斜、极性相反等。AOI检测可以监察出上述缺陷，同时还可以在此检查连接密间距和BGA元件的焊盘上的焊膏[5]。图6所示为某型AOI对贴片后的PCB检测所采集到的图像。由于贴片环节之后紧接着回流焊接环节，因此贴装之后的检测有时被称为回流焊前端检测，回流焊前端检测从品质保障的观点来看，由于在回流焊炉内发生的问题无法检测出而显得没有任何意义，在回流焊炉内，焊锡熔化后具有自纠正位移，所以焊后基板上无法检测出贴装位移和焊锡印刷状态，但实际上回流焊前端检测是品质保障的重点，回流焊前各个部位的元件贴装状况等在回流焊后就无法检测出来的信息都能一目了然。此时基板上没有不定型的东西，最适合进行图象处理，且通过率非常高，检测过分苛刻而导致的误判也大大减少。AOI检出问题后将发出警报，由操作员对基板进行目测确认。缺件意外的问题报告都可以通过维修镊子来纠正，在这一过程中，当目测操作员对相同问题点进行反复多次修复作业时，就会提请各生产设备负责人重新确认机器设定是否合理，该信息的反馈对生产质量提高非常有帮助，可在短时间内实现生产品质的飞跃性提高。3.4回流检测可简单地将AOI分为预防问题和发现问题2种，印刷、贴片之后的检测归类与预防问题，回流焊