[发明专利]基于机器视觉的焊球表面缺陷检测装置与方法

说明书

技术领域

本发明涉及一种光学检测技术领域的检测装置与方法，具体地说，涉及的是一种基于机器视觉的焊球表面缺陷检测装置与方法。

背景技术

随着芯片生产和封装技术的发展，传统的基于焊脚的芯片生产方式已经无法满足要求，取而代之的是基于焊球的表面贴装技术，典型代表为球形栅格阵列芯片BGA。作为重要的连接部件，焊球质量对芯片质量起着重要作用。由于焊球体积微小，人工目测检测不仅效率低下，而且误检率很高，因此，出现了众多焊球质量检测装置和方法。

经对现有技术的文献检索发现，中国专利公开号CN101136346，公开日2008年3月5日，专利名称：一种芯片焊点在线检测和缺陷辨识装置及芯片封装装置，公开了一种基于热成像的检测装置，可以对贴装后的焊点进行在线检测，但需要对芯片加热，同时需要红外热像仪，装置比较复杂。中国专利授权号CN1306582C，授权日2007年3月21日，专利名称：基于机器视觉的球栅阵列半导体器件品质检测系统，公开了一种球栅阵列半导体器件品质光学检测方法，但主要集中在对焊球高度、大小、形状和位置的检测，不能有效检测焊球表面缺陷。焊球表面缺陷包括表面刮伤，表面坍陷，大的刮伤或塌陷会造成焊球接触不良，影响芯片质量，因此有必要研究一种针对焊球表面缺陷的光学检测方法。

发明内容

本发明的目的在于针对现有技术的不足，提出一种基于机器视觉的焊球表面缺陷检测装置与方法，利用光学成像系统和图像采集系统获取焊球图像，通过图像特征提取，概率神经网络分类，实现对焊球表面缺陷的无损检测。

本发明是通过以下技术方案实现的：

本发明所涉及的基于机器视觉的焊球表面缺陷检测装置包括光学成像系统、图像采集系统、图像分割模块、特征提取模块和概率神经网络模块。其中：

所述光学成像系统采用黑白CCD摄像机采集芯片图像；

所述图像采集系统从黑白CCD摄像机接收集芯片图像，并传输至计算机，使用软件触发采集信号，从光学成像系统输出的视频流信号中截取单帧灰度图像，以二维整数矩阵的形式存储在计算机内存中；

所述图像分割模块以图像采集系统输出的二维整数矩阵为输入，将整幅图像对应的二维整数矩阵分割为一个个包含单一焊球的子矩阵；

所述图像特征提取模块接收图像分割模块输出的二维整数子矩阵，通过对该矩阵的处理，即图像特征提取，输出一个一维浮点数向量，该向量包含三个元素，依次为图像的表面纹理熵，团块面积比和相似度比三个特征；

所述概率神经网络模块接收图像特征提取模块输出的一维浮点数向量，经训练和测试后，将焊球分成良好焊球和缺陷焊球两类。

所述光学成像系统包括光学显微镜、黑白CCD摄像机、LED白光源。LED白光源固定在显微镜物镜下方，CCD摄像机固定在光学显微镜目镜上方，芯片图像经光学显微镜放大后被黑白CCD摄像机采集。

所述图像采集系统使用1394火线接口将图像从黑白CCD摄像机传输至台式计算机。

所述概率神经网络模块完成概率神经网络的训练、测试和分类，将焊球分成良好焊球和缺陷焊球两类，其中：

在训练阶段，该模块接收图像特征提取模块输出的一维浮点数向量和相应的训练目标值，通过反复迭代，输出一个包含输入、径向基层和竞争层的概率神经网络；

在测试阶段，该模块接收图像特征提取模块输出的一维浮点数向量，利用训练阶段生成的网络，输出网络分类值，并与相应的分类目标值比较，若与目标值相等，则分类正确，否则分类错误，统计该网络在整个测试样本集上的准确率，若未达到期望准确率值，则调整径向基层的分布密度spread，再次训练；若准确率达到期望准确率值，则可以应用该网络对输入向量进行分类；在分类阶段，该模块接收图像特征提取模块输出的一维浮点数向量，利用通过测试的网络，输出网络分类值，即所检测焊球为良好焊球或表面缺陷焊球。

本发明所涉及的基于机器视觉的焊球表面缺陷检测方法，包括以下步骤：

第一步，图像采集模块通过软件触发采集信号，从光学成像模块输出的视频流中截取一帧图像，将该图像以二维整数矩阵的形式存储在计算机内存中。

第二步，图像分割模块以图像采集系统输出的二维整数矩阵为输入，根据芯片上焊球的分布，将整幅图像对应的二维整数矩阵分割为一个个包含单一焊球的子矩阵。

第三步，图像特征提取模块根据图像分割模块输出的二维整数子矩阵，提取图像的表面纹理熵特征。