提高檢測效率導向下自動化測試技術在電子元器件測試中的應用

李明飛，楊曉茹

（陜西恒太電子科技有限公司，陜西西安，710100）

0 引言

在電子制造領域，元器件的質量和可靠性對于提升產品性能和品質至關重要。隨著電子元器件不斷演化和發展，檢測和驗證這些元器件的工作變得愈發復雜和關鍵。在這一背景下，各種自動化測試技術隨之出現，AOI 技術就是利用高分辨率攝像頭和圖像分析軟件來檢查電子元件和電路板上的制造缺陷、焊接問題、組裝錯誤等，從而能夠對設備、物體或信息進行自動檢測和控制，以提高生產效率、降低人工成本和質量控制難度。該技術應用范圍廣泛，包括制造業、交通運輸、石油化工、環保等領域[1]。本文旨在探討自動化測試技術在電子元器件測試中的應用，從系統的總體設計和軟件設計方面詳細介紹了自動化檢測系統的設計方案，并通過實驗證明了自動化檢測技術的實際效果和潛在優勢，從而驗證了該系統的有效性和可行性，突顯其在提高檢測效率方面的重要作用。

1 自動化檢測系統的總體設計

本文利用AOI 檢測技術設計的自動化檢測平臺的總體框架如圖1 所示。

圖1 檢測平臺總體框架圖

由圖1 可知，該檢測系統由硬件平臺和軟件平臺組成。硬件平臺主要包括三個單元：運動控制單元、光照單元和相機采集單元。其中，運動控制單元由多個組件組成，包括步進電機、工裝平臺、驅動電機以及傳感器，這些組件協同工作，以確保檢測裝置的精確移動和定位，為后續的圖像采集提供準確的位置信息。相機采集單元捕捉圖像的關鍵組成部分，其由以CMOS 傳感器，型號為MV-CA050-10GC 的工業相機以及鏡頭組成，這有助于系統捕捉并傳輸待檢測物體的詳細信息，并在各種光照條件下獲得清晰、高分辨率的圖像。光照單元選擇LED 陣列的穹頂光源，以提供均勻的照明，最大程度減少光照變化對檢測結果的影響，確保圖像的質量和準確性。軟件平臺是檢測系統的智能核心，由多個模塊組成，包括圖像采集模塊、圖像預處理模塊、圖像定位模塊和PCB 缺陷檢測與顯示。這些模塊集成在一起，以處理和分析從硬件平臺獲取的圖像數據，檢測目標對象上的潛在缺陷，并在計算機屏幕上顯示檢測結果。

2 軟件設計

■2.1 圖像采集

自動化檢測系統的圖像采集模塊負責獲取待處理的物體圖像，并為后續的圖像處理和分析步驟提供基礎。以下是圖像采集的具體步驟，如圖2 所示。

圖2 圖像采集流程圖

首先將相機與計算機系統建立連接，開啟設備。然后進行相機參數設置，相機的具體參數如表1 所示。

表1 鏡頭參數表

分辨率越高得到的圖片中像素數目越多，因此，為得到清晰的成像，相機的分辨率設置為4096×3072。同時，為提高數據的傳播效率，選用CoaXPress 接口。焦距的計算公式如(1)式所示。

F為焦距，h為相機靶面邊長，H為拍攝視野范圍邊長，D為所需工作距離。靶面尺寸為3/4 英寸，靶面邊長為8.5mm×6.3mm，工作距離為735mm，拍攝視野邊長為255mm×215mm，通過公式計算得到鏡頭最佳焦距為25mm，視場角為23.5°×18.8°×14.2°。然后，將利用計算機編程定義的回調函數輸入系統中，觸發圖像采集設置，并將LED 穹頂光源放于待測電子元器件的正上方，距離約為40cm，并用脈沖寬度調制的方法調制LED 的亮度，其計算公式如式(2)所示。

其中，l表示LED 的亮度，l表示LED 在100%占空比時的最大亮度，a表示占空比。并將工業相機放于光源的正上方，距離約為0.25m，以確保在采集圖像時能夠獲得清晰的圖像。通過調節設定的工業相機的焦距和光圈采集圖像。當圖像數據準備好后，調用回調函數。在回調函數內部，將獲取的圖像數據存儲到適當的數據結構中，以便進行后續的分析、處理或顯示。最后，使用圖像處理庫提供的函數將圖像數據顯示在圖像顯示窗口中，這是將采集到的數據可視化的關鍵步驟。這通常涉及處理圖像的亮度、對比度、色彩校正和其他參數，以確保圖像在顯示時質量良好。由此，完成圖像數據的采集工作，采集工作結束，清除緩存關閉相機，以釋放資源并終止數據采集過程。

■2.2 圖像預處理

在檢測過程中，由于傳輸電子元器件，會導致圖像產生運動模糊[3]。所以，采集到的圖像要進行圖像預處理工作，具體步驟如下。首先，為減少運算量，對采集到的紅色、綠色、藍色三個通道的RGB 彩色圖像進行灰度化處理，使每個像素點的顏色用一個數值表示，其圖像灰度化的公式如式(3)所示：

其中，i、j表示RGB 圖像在位置(i,j) 處的藍色通道值。公式中的0.299、0.587 和0.114 表示經驗權重，它們用于將紅、綠、藍通道的值按照人眼感知的亮度貢獻進行合成，以獲得灰度值G(i,j) 。這些權重的選擇是基于人眼對不同顏色通道的敏感度，以確保生成的灰度圖像在視覺上更準確地反映原始彩色圖像的亮度。其次，得到的圖像中存在的噪聲會降低圖片質量，為削弱和避免這些噪聲對后續圖像的定位以及識別等帶來的影響，通過小波閥值去除高頻信號帶的噪聲信息。然后，將去噪的圖像進行圖像增強處理，以提高圖像的對比度和清晰度。最后，再次對圖像進行邊緣檢測，得到保留電子元器件的邊界信息的圖像，為后續檢測缺陷提供一個良好的基礎。

■2.3 圖像定位

圖像經過預處理后，要進行圖像定位處理。電子元器件測試中，圖像定位是一項重要的任務，用于自動化測試和質量控制[4]。在檢測過程中，為準確確定PCB 板上各種元器件、焊點和標記的位置，需要進行圖像定位，確保檢測算法正確應用于目標區域，實現高效地檢測和分析，以下是圖像定位的具體流程。

（1）特征提?。簭膱D像中提取出用于定位的特征，這些特征可以是元器件的邊緣、角點、顏色特征等。使用圖像處理技術如Canny 邊緣檢測算法中的梯度計算提取元器件邊緣特征[2]。具體梯度計算由公式組(4)(5)所示。

式中，G M(x,y)表示梯度幅度值，G D(x,y)表示梯度方向值，Gx(x,y) 和Gy(x,y) 分別表示水平和垂直方向的梯度。

（2）特征匹配：將提取的特征與參考圖像或模板進行匹配，來確定元器件在圖像中的位置。根據特征點匹配中的高斯差分金字塔計算公式檢測圖像的關鍵點。具體公式如式(6)所示。

其中，DoG表示高斯差分圖像，G表示高斯濾波函數，σ 表示標準差，k表示尺度參數，I(x,y) 表示原始圖像。

（3）坐標計算：坐標計算是實現高精度定位的關鍵一步，通過匹配結果計算出元器件的精確位置坐標[5]。根據需要，進行坐標變換以適應不同坐標系統，包括從相機坐標系到工作坐標系的坐標變換，以適應不同坐標系統或機械結構。

（4）定位精度評估：使用激光測量儀、光學顯微鏡或機器視覺系統，來測量元器件的位置，通過與元器件實際位置或標準參考元器件的位置比較來完成對定位結果進行精度評估，確保定位誤差在可接受范圍內，以滿足質量標準和性能要求。

（5）自動化決策：基于定位結果，對采集的數據進行誤差分析，以識別任何定位誤差或偏差。一旦確定了問題，系統自動決策元器件的狀態，例如，元器件是否正常、是否存在缺陷或其他特定條件，并做出最終判定。

（6）反饋控制：根據決策結果，調整測試系統或生產線上的控制參數，以實現自動化反饋控制。這些步驟可以幫助提高電子元器件測試中圖像定位的效率，并實現自動化測試，以確保產品質量和生產效率。不同的應用場景可能需要針對特定要求進行適當的調整和優化。

■2.4 識別缺陷

電子元器件的缺陷種類眾多，嚴重的缺陷會造成整塊電路板的失效，所以應準確識別電子元器件的缺陷并做出及時修復，其具體步驟如圖3 所示。

圖3 缺陷分析流程圖

首先，對殘差圖形進行對比分析，從而有效地識別電子元器件的各種缺陷類型。當顯示器對比結果為白殘差，即殘差值為正，說明輪廓周長或面積增加，檢測出電子元器件具有短路、凸起和余銅等缺陷[6]。相反，當圖像對比結果顯示黑殘差，即殘差值為負，說明輪廓周長或面積減少，檢測出電子元器件具有斷路、缺損和空洞等缺陷。其次，根據黑白殘差圖像的特性，對電子元器件的缺陷進行分類。隨后，對這些不同的缺陷類型與特征模版進行對比，以進一步分析缺陷的性質，具體來講，白殘差圖像的瑕疵類型有斷路、空洞、缺損、過度刻蝕，黑殘差圖像的瑕疵類型少孔、短路、余銅、凸起、刻蝕不足。最后，工作人員將根據電子元器件的具體缺陷類型，對電子元器件進行進一步處理和維修。

3 測試實驗

■3.1 實驗準備

為驗證自動化檢測系統在電子元器件的檢測效率，通過模擬實驗測試系統的性能。實驗測試需準備MVCA050-10GC 的CMOS 工業相機、英特爾至強E3-1220的PC 機，具備512GBSSD 大容量的固態硬盤，以及LogitechC920HDProWebcam 傳感器設備、LED 燈穹頂光源、雙軸步進電機，電流為2A，持續扭矩為5Nm、ABCManufacturing XYZ-Platform 的工裝平臺、直流驅動電機、TMP36 傳感器、R100 的電阻器（Resistor）、10μF 的電容器（Capacitor），以及10mH 的電感器（Inductor）并按上述要求在自動檢測系統中輸入軟件程序[7]。

■3.2 實驗結果

結合以上采集的數據對自動化檢測系統進行分析，并生成詳細的實驗報告，實現對該平臺的運行效率、穩定性的評估。實驗數據如表2 所示。

表2 實驗數據結果

由表2 實驗數據可知，實驗數據中包括350 個電阻器，150 個電容器，200 個電感器，檢測的準確率分別在97.00%、98.05%和98.80%，說明自動化檢測系統在元器件整體上的分類正確率較高，可以為生產線的品質控制提供了堅實的支持。故障率分別為98.06、98.33 以及98.74，這意味著系統能夠有效地識別元器件中的缺陷，包括但不限于斷路、短路、空洞等問題，說明自動化檢測系統的元器件故障檢測能力良好。結合上述數據，可以得出結論，表明該檢測系統表明系統在識別正常和缺陷元器件方面都具有很好的性能，這對于提高生產效率、降低不合格產品的生產率以及保持產品的質量至關重要。

4 結束語

綜上所述，自動化測試技術的應用為電子元器件測試帶來了全新的可能性，改變了傳統測試方法的諸多局限性。本文首先構建了自動化檢測平臺總體架構，其次詳細介紹了自動化檢測系統軟件平臺的設計，強調了其在數據處理、圖形采集和分析、結果呈現等方面的重要性。最后利用實驗數據充分展示了該自動化檢測系統的合理性和可行性。相信在不久的將來，科技人員將不斷完善自動化檢測系統，為技術創新和產業發展貢獻更多可能性。