《11焊点机械视觉检测之简介.doc》由会员分享，可在线阅读，更多相关《11焊点机械视觉检测之简介.doc（31页珍藏版）》请在三一办公上搜索。
1、簡介 21.1銲點機械視覺檢測之簡介 .21.2文獻回顧與問題背景 .41.3 研究計畫書架構 .7第1章 電腦模擬之模型 82.1 銲點三維空間表面模型之建立 .82.2 銲點表面反射模型之建立 .112.3 環形光源之模擬 .14第2章 最佳光源角度與特徵 183.1 高角度與低角度環形光之討論 .183.2 最佳光源角度之選擇 .213.3 銲點影像特徵之萃取 .23第3章 結論與未來工作進度 274.1 結論 .274.2 未來工作進度 .27參考文獻 .29第1章 簡介1.1 銲點機械視覺檢測之簡介 本研究之目的在對於銲點自動化光學檢驗提出一套分析步驟。經由最佳光源的找尋與特徵萃取，
2、以期能夠改善目前文獻方法中的銲點瑕疵檢驗能力。 隨著電子工業的日益發達，不論是消費性電子產品或是需要高精確度的電子計算機均需以優良的電路板（PCB）製程作為其基礎。而在電路板的製作過程中，作為電路元件與電路板間銜接橋樑的銲點（solder joint）則佔有舉足輕重的位置。因為其製作的過程必須經過錫量控制、定位與銲錫凝固的程序，而此程序屬於較難以控制的範疇，故在電路板的製作過程裡，銲點的技術要求相對的高，繼而可能發生的缺陷也相對的多。一個有缺陷的銲點，若能在焊接（wave soldering）後馬上發現其瑕疵並進行修復（rework），其成本約是0.5美元；但若是在成品送出後才發現缺陷的話，則
3、維修的成本將會跳升至85美元。因此，修復一個銲點的缺陷是相當昂貴的11，這也使得檢測銲點的工作變得更加刻不容緩。 檢測銲點瑕疵的方式有數種。最早是使用人工，鑑別率最高約在8090，但隨後即因為人為疲乏所導致的疏失而降低其鑑別率。利用電路測試有機會找出部分缺陷，但卻難以發現錫量的多寡，進而無法估測出缺陷的可能趨勢。利用雷射掃瞄（laser scanner）9-10可完整地找出銲點的3維高度資訊，但卻礙於掃瞄需要大量的時間與雷射儀器的昂貴成本，而無法大量應用於一般的工業界。反觀自動化光學檢測（automatic optical inspection，簡稱AOI）只需使用CCD相機、配置光源與處理數
4、位影像的電腦，已成為一個既方便又可靠的檢驗趨勢。而此趨勢也促使影像處理與工業檢測的專家們在1985年左右，開始大量興起使用AOI作為銲點檢測工具的研究1-2。基本上，銲點的缺陷型態正反應著銲點在製程上的問題，故銲點檢驗可以分為兩種類型：（1）在大部分的應用場所裡，只需要分辨出良品與不良品，以便剔除不良品或進行修復，而不進一步區隔不良品的瑕疵類型1；（2）在要求良率極高的製程設備中，可能會進一步要求區分瑕疵類型，藉以判別導致瑕疵的製程，以便即時將資訊回饋到前面的製程控制，將錯誤製程加以校正1。因此，為因應現代化自動化製程的需求，一套完整的銲點機械視覺檢驗流程，包括了：（1）特殊光源設計與取像、（
5、2）特徵選取與組合、（3）利用此特徵組合將被檢驗銲點的瑕疵加以分類。以期能夠及時的改良製程，提高成品的良率。1.2 文獻回顧與問題背景 在早期的銲點檢測研究裡，最主要的研究群是由Besl與Jain所領導，其目標是放在電路板通孔銲點（through - hole solder joint）的檢測裡1。此類的銲點位於電路板的背面，其形狀類似一個以元件接腳為中心的圓錐體，擁有較為單純且穩定的幾何外型，故當時常以擴散式光源（diffusive light）當作主要的照明方法2。此類照明方法試圖避免因銲點鏡面反射（specular reflection）而造成過飽和的反射亮度值（saturation h
6、ighlight），並藉由此低反差的銲點灰階影像擷取出銲點的表面特徵，進而將這些特徵分類，以歸納出銲點的瑕疵類別2。但此類論文並沒有對其提出的特徵值進行效能評估，導致了同一類別相似特徵過多與同一特徵分離不同類別的能力不足等問題。 基於以上論文的缺點，Nolan與Driels 3在1990年針對Besl與Jain所提出之特徵進行穩定性、離散性與相關性的測試，進而刪除在統計意義上較為無效的特徵，以求出最佳化的特徵組合。然而此法最後仍無法提高缺陷辨識率，歸究其原因，其一為此最佳化的過程只針對統計意義的改良，並沒有考慮到特定特徵的物理意義與其在分類過程上所扮演的角色；其二，不論是Besl或是Lee均使
7、用擴散式光源，試圖將影像中的灰階值當成實際物體的相對高度值，而沒有考慮到銲點表面的鏡面反射所造成不穩定灰階影像的效果，致使特徵失效進而降低整個系統的辨識率。隨著電路板製作技術的演進，到了80年代末期之後，電路元件的接著方式逐漸演變為表面黏著技術（surface mounting technique簡稱SMT），此沿革使得銲點在外觀上發生了很大的變化。為了檢測此類更富變化性的銲點外觀，Sanderson與Nayar將照明的方式改變成結構式光源（structured light）4。此類照明方式在基本的概念與使用上有別於80年代的擴散光源，在結構式光源中並不將反射的飽和高亮度當成要避免的雜訊，反而
8、利用銲點表面反射特性與表面曲率之間的關係15，試圖由高反差的銲點影像擷取出銲點表面特徵。而其所使用的高反差亮區圖案特徵，實為一穩定並有能力顯示出不同類別銲點的打光方法，為後來的研究人員樹立了一個大的方向。基於以上所提出之結構光源，Sanderson與Nayar在1990年提出了以Extended Gaussian image（簡稱EGI）檢測銲點瑕疵的論文5，此方法由特殊的結構光源掃瞄方式找出每個銲點的曲率分佈特徵，進而由這些分佈特徵分類出不同的缺陷類型。此法雖可避免電路板因定位不準確所造成的位向判斷誤差，但仍遭遇了所需掃瞄打光時間過長與EGI無法分析整體特徵效能等問題。針對以上問題，研究人員
9、開始對於結構光源的形式進行修改，並將目標放在減低打光與取像的繁複性，以配合日益快速的生產流程。到了90年代的中末期，由Kim與Cho所發表出的一系列銲點檢測方法，即是由上述原則所構築而成。其方法採用了改良式結構光源使其成為環形層次光源（tiered ring light）6，並應用了彩色影像特徵，以加快打光取像的步驟。最後採用類神經網路的訓練方式7與模糊邏輯判定法則8，將銲點依錫量的多寡分成五類。其方法並不包括處理影像中的圖案特徵，而是將圖案本身當成形狀特徵，直接利用類神經網路加以訓練，使其能夠辨識出輸入的銲點類別。然而此法一旦遭遇不同尺寸、類別與位向的銲點時，則必須重新訓練銲點影像，此實非工
10、業界所希望的使用方式。歸納其原因，癥結點在於此法缺乏經過正規化的特徵值，致使訓練與分類的過程均沒有彈性，而其分類結果也難以分析。綜上所述，在本節所回顧的論文中，若非規畫了許多抽象且難以分析的特徵即是刻意在分類過程中加以改良，但這些過程均沒有真正掌握住問題的核心。若將問題的全貌展開，則可發現整個檢測流程最後的瑕疵辨識率與分類能力取決於是否選取了具明顯區別能力的特徵值，而此特徵值又來自於穩定且根據不同類別銲點而各異的銲點影像，欲得到這些影像則又必須針對銲點檢測設計特殊的光源。因此本研究將自光源的設計出發，以求能得到適合於銲點檢驗的光源，接著對於銲點影像進行特徵選取與測試，而最終的目的在於找到一最具
11、瑕疵識別能力的特徵值組合。1.3 研究計畫書架構 基於上一節的結論與目標，本研究計畫採取了如下的策略。首先在第2章中，利用電腦模擬出錫不足、良與錫過多等三種銲點表面，以此模型作為第3章光源模擬的基礎。接著在第3章中搭配不同入射角度的光源，以觀察上述銲點模型的影像變化，並由此影像變化中找出最適於銲點檢驗的光源。採用電腦模擬以合成影像的原因有以下數個：（1）、在真實的機械視覺實驗裡，要做出各種光源是費時且高成本的，而電腦模擬則無此困擾；（2）、利用電腦模擬，可快速且大量的合成出各種型態銲點與光源組合的影像，有助於觀察影像變化的全貌；（3）、可同時利用這些合成影像預先估測可能的影像特徵。有了最佳光源
12、，本計畫書尚會根據此光源所得之影像提出一些候選的特徵值。在第4章的未來工作裡，將會討論如何對於這些特徵值進行篩選驗證，以使這些特徵值能同時符合分類時的物理意義與統計要求，以為未來的分類工作鋪路。第2章電腦模擬之模型本章的目的在建立銲點模擬模型，並確認此模型與實際銲點之間的一致性，以為第3章的光源模擬做好準備。故在2.1節裡建立起銲點的三維空間模型，在2.2節裡賦予其特定的表面反射特性，最後在2.3節中搭配由數個點光源所近似的環形光，模擬出銲點的灰階影像。2.1 銲點三維空間表面模型之建立銲點外觀的特性之一即為其富變化性的表面形狀，在此使用畢氏曲面（Bzier surface）12以建構出銲點的
13、表面模型。Bzier surface具有易程式化與凸形封包（convex hull）12的特性，特別是後者尤其適用於模擬銲點因表面張力而呈現的弧形表面。首先考慮一個在2維平面上的Bzier curve。欲完成這段Bzier curve共需要4個控制點，如【圖1a】所示，其中P1與P4點分別代表起始與終點，P2與P3點分別控制曲線內部的斜率，以牽引整個曲線的起伏變化12。若有兩段Bzier curve相連接的情形，則需要考慮其連續性，而常用的方式為C1 continuity。所謂C1 continuity即在兩段曲線的銜接處有相同的切線向量，代表一次微分的連續性。如【圖1b】所示意，前後兩段的B
14、zier curves在P4點銜接，為了達到C1 continuity，則必須使P4-P3=P5-P4，使在兩曲線的銜接處P4點有相同的切線向量。 （a）單一Bzier curve （b）兩段Bzier curve之銜接【圖1】2維平面上之Bzier curve與控制點關係圖而對於一個3維空間中的Bzier surface而言，則共需要16個控制點，如【圖2a】所示。與2維的情況類似，其四個角落的控制點分別代表此Bzier patch四個角落的切確空間位置，而其餘的內部控制點分別控制此patch內部的斜率。 （a）單一Bzier surface （b）兩Bzier surfaces之銜接【圖2
15、】3維空間中之Bzier surface與控制點關係圖由16個控制點所組成的單一表面區塊所能表達的表面變化有限，所以常需要由數個表面區塊組合【圖2b】。此時仍需注意不同區塊彼此之間的連續性。在銲點模擬裡，為了確保表面的平滑性，使用到C1 continuity是合理且必要的。綜合以上，將一個一般化的銲點表面分成三個區塊，分別為top side、solder side與plate side，個別以一個Bzier patch建構出來。（1）、Top side是代表銲點在與元件相銜接處，其大致的形狀是一個稍具圓弧形凸起的矩形平面；在真實銲點中，top side主要的連結力是銲錫與元件之間的吸附力。（2
16、）、Solder side是銲點的主體部分，隨著錫量的多寡而變化其形狀，甚至在與top side與plate side相接處牽引其兩者的形狀變化；在真實銲點裡，此處的連結力是銲錫本體的內聚力。（3）、Plate side為銲點與基板電路連接處，此patch在與solder side連接處需確保其平滑性，故需在連接處有C1 continuity，與top side相似，此處的連結力為銲錫與電路基板的吸附力。【圖3】所示即為錫不足、良與錫過多的銲點模型。（a）錫不足 （b）良 （c）錫過多【圖3】3種狀態的銲點模型2.2 銲點表面反射模型之建立銲點外觀的另一特性即為其高度的鏡面反射成分（specu
17、larity），為模擬出此種特殊的反射表面，在此使用Phong illumination model12作為此模擬的反射模型。Phong illumination model假設光源為無窮遠處的一個點光源，在此假設之下，被光源照射的景物中的每一點都會接受相同方向與亮度的光線。而通常一個銲點的尺寸很小，與在檢測過程中所使用的光源距離相較之下，幾乎可假設光源位於無窮遠處5。故在此使用Phong illumination model的假設是合理的。【圖4】表面反射之示意圖在上圖【圖4】中，代表光源的方向向量，代表表面的法向量，代表視角方向，代表光源的反射方向，為介於光源方向與視角方向中間的方向向量（
18、halfway vector）。則Phong illumination model的數學形式如下12：（1）其中代表反射光的亮度，亦即影像中的灰階；代表點光源的亮度。表示此反射模型中擴散反射（diffuse reflection）的成分，其中的即為擴散反射係數（diffuse-reflection coefficient），是一個介於0與1間的常數，代表此擴散反射項在總體反射亮度裡的比例，並隨不同的表面特性而改變。由此擴散反射項可知，擴散反射成分只與光源的入射方向與表面的法向量之間的夾角有關，而與自何方向觀看無關。在此限制為介於0到90度的範圍，超出此範圍的的角度則令反射項為0，目的在製造一個
19、具有遮蔽陰影的環境（self-occluding）。表示鏡面反射（specular reflection）的成分，其中的也是一個介於0與1之間的常數，稱為鏡面反射係數（specular-reflection coefficient），隨不同表面特性而改變。由於為光源與視角的中間向量，可知，並由此鏡面反射項可知，鏡面反射成分的最大值會出現在時，亦即當表面位向的法向量恰介於光源與視角的夾角中點時，此視角方向的觀察者會見到鏡面反射的最大值。隨著夾角的增大，此鏡面反射成分跟著下降，其下降的速率取決於此表面的鏡面反射指數（specular-reflection exponent）n，n值越大，鏡面反射下
20、降趨勢越陡峭，故n值也可表示此表面在鏡面反射成分的銳利程度（sharpness），例如對於一個完美的鏡面而言，其n的值會趨近於無限大。在計算鏡面反射的時候，仍然要維持著與擴散反射相同的遮蔽條件。銲點的表面具有高度的鏡面反射特性，亦即其反射模型的值與n值皆很大。在此模擬裡，設=0.1、=0.9、n=150。考慮（1），將其改寫成向量形式，將有助於簡化程式與理解過程，如下式：（2）由於攝影機的架設是固定於待測電路板的正上方，故可知，此時（2）中只剩下兩個變數向量，即表面的法向量與點光源的入射方向向量。最後，Phong illumination model的反射亮度具有累加性，即對於m個點光源而言，
21、個別光源所造成的反射亮度可加總以代表最後的反射亮度：（3）2.3 環形光源之模擬環形光源是在銲點檢測文獻裡常用的照明方式6-8，其擁有依擺設高度不同而造成不同入射角度光源的特性，並且此具有強烈方向性的光源會在高度鏡面反射的銲點表面產生反差很大的光影圖案，故採用環形光源所得到的影像較不易受到外界干擾而產生不穩定的灰階影像，而此穩定且高反差的影像將有助於將來的二值化與特徵粹取。在此節裡，將結合前兩節所做出之銲點表面模型與反射模型，配合近似的環形光源，進行銲點的電腦影像合成。而所模擬與實驗的環形光源，是在一個圓周上擺上數個均勻分佈的點光源，故整體配置將如【圖5】所示。【圖5】光源、取像設備及銲點的配
22、置圖又由於Phong illumination model具有亮度的累加性質，故加總各個點光源所造成的反射亮度值，可代表最後的環形光源照射之結果。考慮（3），由於隨著m值的增大，電腦的計算量也跟著增加，故在此以m=8近似一個環形光。由於在實際的實驗裡，環形光也是由多個LED燈泡排在環形上所組成，並且反射模型裡的鏡面反射指數n不是無限大，故每個點光源仍具有一定的擴散性，因此這個光源數目的模擬仍可有效的觀察出灰階影像裡光影圖案的定性特性。【圖6】所示為=30度環形光之真實實驗結果與=30度環形光之模擬結果。由上下兩行個別比較中，可知合成影像與真實影像之間有高度相似性，尤其是光影圖案的定性規則。30
23、 degreeInsufficientGoodExcessReal dataSynthetic data【圖6】3種狀態銲點在30度環形光下真實與合成影像的比較15 degree30 degreeReal dataSynthetic data45 degree60 degreeReal dataSynthetic data【圖7】錫過多銲點在4種角度環形光下真實與合成影像的比較【圖7】所示為同一個錫過多的銲點在四種不同角度環形光下的真實與模擬結果。目的在顯示隨著光源方向的不同，模擬影像中的光影圖案仍維持著真實影像中的定性特性，即在15度光源時會在銲點平緩處形成一橢圓亮區，隨著光源角度增大，此橢
24、圓漸擴大成一中空的環形，並且此中空環形光影會隨著光源角度增加而逐漸擴大。經由此章的討論，可知目前已掌握模擬模型的表面形狀特性與反射特性，並且經由與真實影像的比較中確認了此模型與真實銲點的一致性。此一致性將確保模擬成果的可性度，這在後來的最佳光源角度找尋與特徵萃取裡將有重要的影響。第3章最佳光源角度與特徵本章的目的，在接續第3章所建立起的銲點模型，進行最佳光源選取與特徵萃取。在3.1節中將討論在各個不同角度環形光下所呈現的銲點影像，並在3.2節裡估測最佳光源的角度，進而在3.3節裡，以最佳光源為前提下，提出銲點影像的候選特徵值。考慮2.1節裡所建立的三種銲點狀態之表面模型，將錫不足與良、良與錫過
25、多之銲點表面模型之控制點進行線性內差，各分成4與5等分，以模擬銲點由錫不足到良再到錫過多的10個變化過程。接著改變環形光源與相機軸的夾角，以模擬出由0度到90度等7個由高而低的環形光源，最後總共有70個合成影像，如【圖8】所示。3.1 高角度與低角度環形光之討論 觀察【圖8】之0度的10張合成影像，其由錫不足到錫過多所顯示出之光影特徵很具區別性（separability），並且光影圖案的形狀多屬簡單的幾何圖形，對於特徵萃取的過程將有簡化的功能，故0度之環形光本應是最佳角度的光源之一。 但由於0度之環形光需將光源置於無窮遠的高度處，這在物理上是難以實現的，若要以同軸光取代0度環形光，又必須遷就到
26、目前實驗與工業上之同軸光均具有較大的擴散性，無法做出真正具單一方向的平行落射光。故雖然其模擬結果很令人滿意，但仍無法在實際應用上採用。 對於45度到90度等四組環形光源而言，其雖可以電腦模擬出合成影像，但在實際的實驗與應用裡卻有一定困難性。首先，銲點的尺寸很小，在電路板上經常有許多體積較大的元件容易將低角度的光線遮蔽，使銲點無法受光以進行檢測。甚至在超過60度之後的光源本體已與電路板相當靠近，容易與電路元件相碰撞，以致難以進行實驗，而90度光源更是在實際上不可能產生的入射光源。但相反的，自上方即角度較小的入射光線則不受此限制。第二，角度較大的入射光源所能放置的高度範圍比起角度較小的光源小很多，
27、並且其入射光的入射角度也會對高度的變化極度敏感，以致在實際應用裡需要較準確的定位與較多的光源校正。換句話說，角度較大之光源所產生之影像較缺乏對光源些微位置改變的容誤性與強健性。 綜合以上，在避開最高角度與過低角度的環形光源後，我們將進一步把重心放在15度與30度入射光源的討論。 The angle of light The stateof solder joint0153045607590InsufficientSolderGoodSolderExcesssolder【圖8】改變銲點狀態與光源角度之70張合成影像3.2 最佳光源角度之選擇 考慮【圖8】中入射光源角度分別為15與30度之銲點合成
28、影像。初步的觀察將會發現15度這組的影像特徵較屬於單純幾何形狀，而30度這組的影像則具有較多彎曲與破碎的光影圖案，較不容易進行處理。故容易導向以入射角15度的環形光作為最佳光源。然而，觀察【圖9】銲點在15度環形光下之影像比較，特別是錫不足這組的影像。發現位於銲點模型plate side位置處的光影與真實影像，在此位置有很大的出入。這是由於銲點模型裡plate side本應是銲錫與電路相連接的位置，其間的連結力主要是兩種不同材質間的吸附力，此吸附力與銲錫本身的內聚力相較之下自然是較不穩定的，而其呈現的表面影像特徵也相對的不穩定。唯此不穩定的表面特性是目前模擬模型尚無法表現的。15 degree
29、InsufficientGoodExcessReal dataSynthetic data【圖9】3種狀態銲點在15度環形光下真實與合成影像的比較 另一個由吸附力所建構的銲點部分為模型裡的top side。觀察【圖9】，可發現top side在模擬影像裡有完整且穩定的影像特徵，但在真實影像裡，卻會因為不穩定的表面特性而產生與模型有較大出入的影像。 綜上所述，在尋找影像特徵時應該避免採用位於以吸附力為主體的表面反射特徵，且應儘量採用以銲錫內聚力為主體的表面反射特徵。15度的光源入射角度較小，容易使較為平緩的銲錫表面產生鏡面反射。而在錫不足與良的情況下，此種平緩表面多為擁有不穩定表面特性的top
30、side與plate side，致使找尋出來的模擬影像特徵將容易與真實影像特徵不一致。 另一方面，30度的環形光源入射角度較大，容易使較陡峭的表面部分產生鏡面反射，此時光影圖案將會移動到模型裡的solder side，而此部分的銲錫表面主要是由內聚力所構成，所以表面特性與反射影像都相對的穩定。以上的推論可由觀察【圖6】加以確認。縱使由30度環形光源所產生之銲點影像特徵屬於較難以描述的幾何形狀，但由於其穩定且具區別性的光影圖案，我們可大致推論最利於找尋光影特徵的光源角度會是位於30度附近。3.3 銲點影像特徵之萃取 既已估測出最佳光源角度為30度，就可進一步觀察在此角度光源下的影像變化。瞭解影像
31、的變化方式，方能歸納出欲選取的特徵值，因為在本文的策略中，特徵值的選取必須根據物理變化的定性特性，如此萃取出的特徵值才具有分類上的實質意義。【圖10】所示為在30度角光源下的錫不足、良與錫過多之銲點影像。首先考慮【圖10a】錫不足之影像，由此影像可觀察出其中最主要的兩個亮區A與B，形狀分別為半圓弧的長條狀以及一類似矩形的周邊。但由於在錫不足的狀態時，B亮區是為於銲點中的top side，而此處的銲點外觀屬於較不穩定的區域，故並不適宜將其當作特徵萃取的對象；反觀A亮區，隨著銲錫量的增加，類似此處位向分佈的區域則會向前移動，導致A亮區也跟著向前移動，甚至在接近良錫時，此A亮區還會被迫分離為兩個部分
32、，如【圖10b】所示。BABA （a）錫不足 （b）良 （c）錫過多【圖10】30度光源下的3種銲錫影像 亮區A在由良錫到錫過多的過程中，除了面積的微小變化外，已無太多的變動；但在由良錫到錫過多的過程裡，亮區B卻有了很大的變化。隨著錫量的漸漸增多，銲點也逐漸在靠近中心的位置處隆起，而有較多位向平緩的區域面積，此情形導致B亮區在top side與solder side的連接處漸漸有較大的面積，甚而到了錫過多時，B亮區往銲點的中心處移動，形成一類似圓環的形狀，如【圖10c】所示。 既已觀察了銲點影像變化的定性特性，接下來就可提出一些候選特徵。由於以上的觀察均是以亮區變化作為主要考量，故在此提出的特
33、徵將是來自二值化過後的銲點影像。將初步考慮的候選特徵值分述如下。對於A亮區而言：（A1）、面積（area）：在由錫不足【圖10a】進入到良錫【圖10b】的過程裡，A亮區會被分離為兩部分，故其面積會有一明顯的下降；而此下降趨勢在由良錫到錫過多【圖10c】的過程裡又將恢復平緩。（A2）、連通性（connectivity）：A亮區在錫不足的狀況下，形狀呈現單一的半圓弧形，此時連通物件（connected component）的數目只有1個；進入到良錫的狀態之後，A亮區被分離，故連通物件的數目變為2個。此連通性特徵值不受其他定量變化的影響，故為一強健的拓樸特徵值（topological feature
34、）13。（A3）、型心位置（position of centroid）：在由錫不足進入到良錫的過程裡，亮區A的型心位置不斷向銲點的前方移動，此移動趨勢直到亮區A分離為兩部分，亦即由良錫到錫過多的過程裡才又漸緩。（A4）、緊致性（compactness）：A亮區的型心位置可表達其移動的趨勢，但卻無法進行形狀的描述，緊致性即是針對此問題而衍生出來。區域的緊致性定義為區域周長的平方除以區域的面積13。則儘管有相同的型心位置，半圓弧形長條狀的A亮區之緊致性當有別於單純的矩形長條狀亮區。緊致性本身是一種無量綱（dimensionless）的量，因此不受比例變化影響，也不對於方位變化敏感。對於-B亮區而言
35、：（B1）、修正區域之面積（modified region area）：在由錫不足到良錫的過程中，原本的B亮區屬於不穩定的區域，故將檢測區域往前挪到top side與solder side交接處，成為一修正過的B亮區。此修正區域的亮點面積在錫不足到良錫的過程裡會是一個很小的值；而在錫量到錫過多的過程中，則將隨錫量的增加而有明顯上升。（B2）、修正區域型心位置（modified position of centroid）：與修正區域面積的討論相似，將檢測區域移動到修正過的B亮區。此修正亮區在錫不足到良錫的過程裡不僅面積值很低，其型心位置也不會有太大的變動；而於良錫到錫過多的過程裡，則會隨著面積的
36、增加，而有往前移動的趨勢。（B3）、離心率（eccentricity）14：在由錫良到錫過多的過程裡，修正過的B亮區逐漸由扁平的三角形變化為最後的中空圓環，在此過程中，描述經修正B亮區的離心率值會由一個很高的值而逐漸下降。（B4）、中空區域數目（number of holes）：在由錫良到錫過多的過程裡，修正過的B亮區原為一實心區域，此時中空區域數目為0；但在接近錫過多時，此區域會在中心處出現空心的現象，而成為一中空圓環，此時中空區域數目為1。此特徵值也是一種拓樸描述方式，故也具備了分類意義的強健性。 以上所提之候選特徵值，無論是A或B亮區的描述子，皆必須經過正規化（normalization
37、）的處理，如此方能適應不同尺寸變化的銲點檢驗。目前的特徵萃取尚在對於合成影像的初步定性觀察階段，至於定量計算與使用真實銲點影像進行特徵萃取則需要留待未來工作裡進行。儘管如此，上述的候選特徵組合已為未來的最佳特徵組合與分類提供一個好的方向。第4章結論與未來工作進度4.1 結論 本研究計畫對於銲點自動化光學檢測提出一套分析步驟。其中包括：（1）、在第2章中建立與實際銲點有一致性的電腦模型。（2）、在第3章中，由模型模擬在各種角度環形光源下的影像，並進一步討論各種角度光源的利弊以找出最適合銲點檢驗的光源。（3）、最後對於銲點影像提出候選特徵值。 本研究主要特點在於使用電腦模擬的方式，大量合成出各種角
38、度光源與銲錫狀態之銲點影像，如此方能對於銲點檢驗找出最適合的光源，並求出銲點影像變化的最佳特徵組合，目的在針對目前文獻方法之弱點，在生產線打光取像與運算時限的要求下，改良銲點檢驗的瑕疵辨識能力。4.2 未來工作進度 目前的研究成果，已對最佳光源下之銲點影像變化提出候選特徵值。然而這些特徵值尚處於定性的初步觀察階段，故搜尋更多有物理意義的候選特徵值及對於這些特徵值進行定量運算的程式撰寫，則是下一步亟待進行的工作。既已提出估測特徵值，則可將此估測值套用於合成及真實的銲點影像中，將特徵值加以修正，目的在對於特徵組合的物理效能進行測試。接著便是對於修正後的特徵組合進行穩定性、離散性與相關性的測試，目的
39、在進行統計效能的測試，以作為最佳化特徵組合建構時的標準。最後即是完成最佳特徵組合與銲點檢測流程。工作進度如下表： 月次項目91/1191/1292/192/292/392/492/592/6候選特徵搜尋計算程式撰寫物理效能測試統計效能測試特徵組合與檢測流程建構結果分析與報告撰寫參考文獻1 Paul J. Besl, Edward J. Delp, Ramesh Jain, “Automatic visual solder joint inspection,” IEEE Journal of Robotics and Automation, vRA-1, n1, pp.42-56, 1985.2
40、 Sandra L. Bartlett, Paul J. Besl, Ramesh Jain, “Automatic solder joint inspection,” IEEE Transactions on Pattern Analysis and Machine Intelligence, v10, n1, pp.31-43, 1988.3 Morris R. Driels, Daniel J. Nolan, “Automatic defect classification of printed wiring board solder joints,” IEEE Transactions
41、 on Components, Hybrids, and Manufacturing Technology, v13, n2, pp.331-340, 1990.4 Arthur C. Sanderson, Lee E. Weiss, Shree K. Nayar, “Structured highlight inspection of specular surfaces,” IEEE Transactions on Pattern analysis and Machine Intelligence, v10, n1, pp.44-55, 1988.5 Shree K. Nayar, Arth
42、ur C. Sanderson, Lee E. Weiss, David A. Simon, “Specular surface inspection using structured highlight and Gaussian images,” IEEE Transactions on Robotics and Automation, v6, n2, pp.208-218, 1990.6 David W. Capson, Sai-Kit Eng, “A tiered-color illumination approach for machine inspection of solder j
43、oints,” IEEE Transactions on Pattern analysis and Machine Intelligence, v10, n3, pp.387-393, 1988.7 J. H. Kim, H. S. Cho, “Neural network-based inspection of solder joints using a circular illumination,” Image and Vision Computing, v13, n6, pp.479-490, 1995.8 K. W. Ko, H. S. Cho, “Solder joint inspe
44、ction using a neural network and fuzzy rule-based classification method,” IEEE Transactions on Electronics Packaging Manufacturing, v23, n2, pp.93-103, 2000.9 R. Schneider, A. Schick, “High-speed optical three-dimensional scanner for automatic solder joint inspection,” Society of Photo-Optical Instr
45、umentation Engineers, v36, n10, pp.2878-2885, 1997.10 O. Oyeleye, E. A. Lehtihet, “Automatic visual inspection of surface mount solder joint defects,” International Journal of Production Research, v37, n6, pp.1217-1242, 1999.11 Ralph W. Woodgate, “The Handbook of Machine Soldering, SMT and TH,” John Wiley and Sons, Inc, 1996.12 Foley, Van Dam, “Introduction to Computer Graphics,” Addison
