[发明专利]一种基于微形变智能分类器的电子器件焊点热循环失效的检测方法

权利要求书

1.一种基于微形变智能分类器的电子器件焊点热循环失效的检测方法，其特征在于：包括以下步骤：

(1)选择高分辨率的CCD摄像，经图像采集卡，把焊点的图像信息转换成数字信号，并存储为数字图像；

(2)对焊点的数字图像进行预处理；

(3)焊点热失效的微形变特征提取；

(4)对热失效特征参数进行归一化和主元特征提取；

(5)根据热失效特征参数集，建立超平面支持向量机热失效分类器；

(6)训练超平面支持向量机分类器；

(7)将主元特征量输入到已学习的最优超平面支持向量机分类器，得出焊点热失效的分类结果。

2.根据权利要求1所述的一种基于微形变智能分类器的电子器件焊点热循环失效的检测方法，其特征在于：步骤(2)包括以下子步骤：

(2.1)图像分割：分析焊点图像的特点，把焊点图像从整体图像中分离出来，首先使用循环法确定焊点图像与基板图像灰度级区间内阈值T，根据阈值把焊点图像从整体图像中分离出来；

(2.2)图像滤波：

(2.3)边缘检测：采用Roberts算子提取出焊点的分界线，分界线函数：

式中，g(x,y)为输出的图像，f(x,y)是输入图像；

采用分界线函数梯度幅值在水平和垂直二个方向检测边缘：

式中，R_x为水平方向边缘，R_y为垂直方向边缘。

3.根据权利要求1所述的一种基于微形变智能分类器的电子器件焊点热循环失效的检测方法，其特征在于：步骤(3)包括以下子步骤：

(3.1)周长的提取：使用连续的代码x₀,c₀,c₁,…,c_n表示得到的边缘。x₀表示初始坐标，c_i代表数码，使用欧几里德进行计量，最后对每一小段的长度进行求和：

式中，L为整个边缘的周长，ΔL_i第i段欧几里德长度；

(3.2)面积提取：对整个焊点区域R分割成边长为1的正方形像素集，对区域R的像素集进行计数获得焊点的面积A：

(3.3)圆度提取：采用面积和周长比率法提取焊点的圆形度：

式中，A为区域面积，L为区域周长，R₀值的范围为0≤R₀≤1，R₀值越大，区域越接近圆形；

(3.4)凸度提取：焊点的凸度用曲率来表达：

式中，为焊点的曲率，为焊点的曲线方程，和分别为焊点的曲线方程的一阶和二阶导数；

计算凸度近似用：

K＝y。

4.根据权利要求1所述的一种基于微形变智能分类器的电子器件焊点热循环失效的检测方法，其特征在于：把步骤(3)提取的焊点周长、面积、圆度、凸度四个形状因子作为热失效特征参数集，表示为R＝{R₁,R₂,…,R₄}^T，其中R₁-R₄为四个热失效特征参数；对热失效特征参数R＝{R₁,R₂…,R₄}进行归一化和主元特征提取。

5.根据权利要求1所述的一种基于微形变智能分类器的电子器件焊点热循环失效的检测方法，其特征在于：对热失效特征参数集进行预处理后，作为最优超平面支持向量机分类器的输入向量；分类器的输出为失效或正常两种分类结果：

F∈{-1,1}；

式中，F为分类结果值。

6.根据权利要求1所述的一种基于微形变智能分类器的电子器件焊点热循环失效的检测方法，其特征在于：采用50组焊点热失效数据，经过归一化和主元特征提取后对最优超平面支持向量机分类器进行训练和优化。

7.根据权利要求1所述的一种基于微形变智能分类器的电子器件焊点热循环失效的检测方法，其特征在于：把步骤(4)获得的焊点周长、面积、圆度、凸度四个形状因子主元特征量，作为失效检测的数据源，并将数据源输入到已学习的最优超平面支持向量机分类器，得出焊点热失效的分类结果。