焊点检测技术发展现状与趋势

沈阳建筑大学 李凌燕 阚凤龙 刘西洋

0 引言

随着电子产品的发展，电路板也朝着高精度、高密度的方向发展，同时焊点的质量直接影响到产品的寿命、稳定性和机器整体的质量。焊点的缺陷是影响质量的主要因素，焊点的缺陷有很多种，例如多焊锡、少焊锡、孔洞等，其中最为常见的缺陷是多焊锡和少焊锡。因此如何及时地对焊点缺陷进行检测，以保证产品质量的可靠性和稳定性，成为当今社会越来越关注的问题。

1 国内外的发展现状

焊点检测技术常用的焊点检测方法可以分为破坏性检测和非破坏性检测[1]。破坏性检测包括显微镜切片检测和机械强度测定等，非破坏性检测主要包括目测法、X射线检测、红外激光检测、电气检测、计算机视觉检测等。

目测法是一种最常用的非破坏性检测方法，但易受主观因素影响，不稳定，速度慢，效率低，影响产品的市场竞争力。X射线检测利用射线穿透物质的衰减特性来检测缺陷情况，主要用来检测内部缺陷[2]。红外线激光检测用红外激光照射焊点，使焊点的温度先升高再降回到室内气温，通过比较升降曲线和标准曲线来判别焊点的缺陷[3]。X射线和红外线激光检测虽然可以对多种类型的焊点进行检测，但由于设备价格昂贵，不进行大规模的应用。电气检测能有效地检查出目视检测所不能发现的微小裂痕和连桥等，但采用的离线检测不能及时反馈信息，同时也存在着效率低的缺点[4]。计算机视觉检测系统包括光源、摄像传输系统、载物台和图像处理系统，是近年来一种新兴的缺陷检测方法。通过图像处理、模式识别技术与智能算法相结合，可以有效地提高焊点缺陷检测的准确性。国外早在20世纪60年代就提出机器视觉的概念，70年代MIT人工智能实验室的D.Marr教授提出视觉计算理论，成为计算机视觉领域中一个重要的理论框架，为日后的蓬勃发展奠定基础。国内起步相对较晚，直到80年代才引进了计算机视觉技术，最早应用在半导体和电子行业，如PCB印刷、元器件制造、电路组装、半导体设备。经过这些年迅速的发展，我国已成为计算机视觉发展最为活跃的国家之一。至90年代中期，机器视觉得到深入发展，广泛地应用于电子、制药、汽车检测、航空航天、太阳能等众多领域。利用机器视觉对产品进行定位、质量检测、分类等处理，提高了产品质量和生产效率，并且大大解放了人工视觉，降低人工风险。

发展至今，机器视觉早已不是单一的应用于产品，这就对系统的集成性提出了更高的要求。专业的系统集成商超过50家，以KEYENCE(基恩士)、欧姆龙、松下、研华科技、上海纬朗等为首，涵盖了工业镜头、工业相机、光源、以及图像采集卡等所有机器视觉产业链产品。在现代的自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、质量控制和成品检验等领域[5]。但仍然存在识别精度和计算能力不足，以及分类算法不够完善等缺点。

针对这些不足国内外学者提出了一些方法的改进例如：N.Mar等提出一种自动焊点识别检测系统[6]；杨富超等提出RGB图像分析技术，成功分离焊点[7]；戴丹提出了一种基于改进的分水岭算法的图像分割技术，大大提高了工作效率[8]。国外以美国的麻省理工学院(Massachusetts Institute of Technology)和英国的卡耐基梅隆大学(Carnegie Mellon University)为首的计算机视觉相关的研究单位都对此方面做了大量的研究。国内的清华大学和北京大学等高校也将此领域作为课题进行深入的研究。相比国外，国内对此领域的研究起步较晚，但发展迅速且存在很大的发展空间，因此需要更深入的理论作为研究的基础。

2 焊点检测的发展趋势

近年来，国际上对焊点检测研究的热点问题,有许多相关的一流国际会议如：ICCV，ECCV和CVPR等重要的国际期刊上发表了大量有关焊点检测的文章。在对高密度组装电路板进行检测方面，机器视觉作为一种非破坏性、自动化和智能化的在线检测手段已经得到广泛的应用[9]。机器视觉的发展在很大程度上决定了基于计算机视觉的焊点检测的发展。目前相应的配套设施、技术等方面的逐步完善，各行各业对机器视觉和图像处理技术的自动化、智能化的需求越来越广泛，国内的许多大学、研究所和企业对机器视觉技术进行深入的研究。因此，机器视觉仍然具有很大的发展前景。

计算机视觉在焊点检测方面的发展与普及受诸多因素的影响，如技术、人才、制造业的需求、图像处理技术等。计算机视觉也由过去单纯的采集、分析、传递数据等，逐渐向开放性发展，这也预示着将与智能化和自动化进一步的融合。未来的发展方向主要为以下几点：

(1)专业型人才

在国内，计算机视觉本来就是新兴的领域，目前从事计算机视觉研究的人员大多不是科班出身，缺少对图像处理基本理论的认识和理解。在机器视觉中图像处理是非常重要的环节，很多人对于图像处理的理解还停留在“二值化”等认知上。计算机视觉更多的应用在自动化设备这一块，而自动化是属于一门比较交叉的学科，涉及电气控制、机械、光学、软件编程等。这些学科的基本东西不难，但要想研究的比较透彻并且综合运用就比较困难，因此需要更加专业型的人才推动机器视觉更快的发展。

(2)计算机能力

计算机视觉面向的研究对象主要是图像和视频，其特点就是数据量庞大、冗余信息多、特征维数高等，因此对计算机的存储和计算能力的要求十分巨大，这也导致开发成本的大幅度提高。

(3)图像处理技术

图像处理技术通过将输入图像进行转换，成为具有所希望特性的另一幅图像。计算机视觉主要应用在工业领域，如外观检测、测量、条码、字符识别、定位等，在研究中经常利用图像处理技术进行预处理和特征提取。但目前应用计算机视觉的几个领域还没有从真正意义上实现批量化检测的同时保证极高的准确率。因此，图像处理技术的提升可以促进机器视觉在检测方面的发展。

3 总结

将计算机视觉应用于焊点检测方面，满足了社会发展的需要，有效地降低了检测成本，提高了社会的生产水平。实现对焊点的质量进行严格地控制，具有速度快、效率高、低成本等优点，但计算机视觉常用的检测分类算法大多采用无法统计数据规律的欧氏距离进行度量，因此未来的发展趋势可以通过对分类算法进一步的改良，进而提高焊点检测的准确率和效率。