14020319870317702X
13062119861015274X
摘要:经过长期发展,我国电子元器件缺陷检查技术不断进步,已经可以全面实现内外部共同检测,但是实践研究发现大多数的检测工作仍然集中在外部缺陷,而且仍然以人工检测或者显微镜检测作为主要检测方式,不仅检测效率偏低,也容易造成资源浪费;而内部检测难度系数较高,尤其是一些精准性参数的检查过程尤为复杂,最终所提供的检测数据准确性偏低。所以近几年电子元器件出现检测技术的研发更受到重视,技术人员希望通过更加智能的电子技术和数字图像处理技术进行缺陷分析检测,基于此,本文通过五个方面内容分析,电子元器件缺陷检测技术研究与开发的主要内容。首先,分析性能参数缺陷检测技术;其次,分析外观缺陷检测技术;然后,分析检测系统架构与功能;另外,分析电子元器件表面图像获取与分割技术实现;最后,分析图像降噪与特征提取技术实现。
关键词:电子元器件;缺陷检测技术;开发
引言
21世纪是信息化技术迅猛发展的时代,在此背景下,电子制造业进入如火如荼的发展阶段当中,电子元器件也朝着轻型化发展,同时电子元器件缺陷检测工作难度系数提升,人工抽检的方式不仅效率低,而且精度差,更容易出现缺陷问题,所以本文通过多方面内容深入分析电子元器件缺陷检测技术研发的相关内容。
1性能参数缺陷检测技术
电子元器件的性能参数检测属于内部检测的重要内容,具体检测时需要应用到专业检测设备。进行性能参数检测需要将检测设备与被检设备相连接,然后打开电源开关,确保被测元器件初始化,在这个环节当中,电源开关打开后,检测设备可以向被检测电子元器件提供信号,然后被检原件接收信号后通过特殊装置进行失效测试,整个过程并不复杂,主要是通过传感器以及测试元器件输入端,输出端的信号进行电子元器件的性能参数测定。实际检测过程中,参与测试的电子元器件输入端获得信号,然后检测设备可以获取被测电子软件的各种性能参数,这个过程中的信号可以分为有效信号和无效信号两种,有效信号的存在可以确保后续失效测试流程的顺利进行,而无效信号则停止失效检测,检测设备可通过使能信号确定电子元器件内部是否存在性能参数缺陷。
2外观缺陷检测技术
电子元器件的外观检测基本包括元器件型号、出产厂家、外观镀层的完整性、表面是否出现划痕,凹陷等等,传统外观检测过程中基本以人工检测为主,工作效率较低,且容易出现检测误差。现阶段随着科学技术的不断进步,外观检测技术也开始应用智能化的数字图像处理技术,这种先进的检测技术能够在最短时间内对外观图像进行数据化处理,然后将数据输送至软件中进行专业分析,流程简单,效率高,检测结果可靠性高。但是由于我国外观检测技术,尤其是数字图像处理技术仍处于发展阶段,所以实践应用过程中出现了不足,所以如何提升图像数据转换效率和质量,确保数据信息的多样化是现阶段的研究重点。信息处理技术进行外观检测,内部结构算法和技术处理是相对比较复杂的,图像获取后还需要进行分割、去噪、特征提取,因此对图像的精准度提出了较高要求。目前常用的几种数字化图像处理技术在图像转换,图像清晰度增强和图像复原等方面均开展了深入研究,并取得了一定研究成果,为后续电子元器件的内外观检测提供技术支持。数字图像处理技术所指的图像变换是指通过各种高新技术和专业软件对图像进行转换处理,为后续数据分析工作的顺利进行,提供更加准确可靠的图像信息;图像增强复原是指通过特殊手段提升图像质量,确保数据参考的可靠性,例如,可以借助处理软件提升图像清晰度,提取重点检测部位等等;图像分割主要是指通过对图像的进一步识别和分析,选取重点检测部位,便于工作效率的提升。
3检测系统架构与功能
随着技术不断进步和各种电子元器件内外观检测技术的快速发展,在实践检测工作过程中逐渐形成了检测系统架构,以电子元器件外观检测系统总体结构为例。此结构主要包括图像获取,图像筛选,器件分类,图像处理,缺陷分析,云端服务等模块,所包含的内容是比较全面的,具体如下:图像获取模块主要通过专业设备获取电子元器件的内外部结构成像,同时将图像传送到筛选模块当中;之后图像筛选模块接收数据信息后,可在多个图像当中选取质量更好的原始图像,之后这部分优质图像进入器件分类和图像处理模块当中;分类模块会提取图像的轮廓信息,然后在数据库当中对比各种不同类型的标准轮廓,确定此次检测的元器件类型;处理模块则主要进行图像数据的优化处理,包括降噪,图像清晰度提升和特征数据提取等等;所提取的优质信息进入电子元器件缺陷检测模块,此时可以将获得的信息与数据库当中的元器件特征数据进行分析比对,确定是否出现了缺陷问题,如果并未出现缺陷问题,那么可以将检测结果上传至服务器当中;如果存在缺陷问题,那么需要进行下一步检测,确定具体的缺陷表现;云服务器是现代化图像处理技术的重点环节,服务器的出现可以将各种检测信息结果和信息数据库做连接处理,更有利于各种准轮廓信息和缺陷数据传输和比对工作的完成;最后,设备可以接收并储存缺陷检测结果,为后续工作进行提供参考依据。
4电子元器件表面图像获取与分割技术实现
4.1图像获取技术
部分电子元器件检测技术的采样周期相对较长,所以正常检测过程中不需要进行成像速度设定。另外,图像获取过程中考虑到不同电子元器件的外观形式不同,如果待测元器件和背景以及机械爪存在明显的色彩差异,那么需要使用HSV模型图像进行表示。
4.2图像分割技术
通过二值化操作确定电子元器件的区域位置,然后进行原始图像灰度图的分割。
5图像降噪与特征提取技术实现
5.1图像降噪技术
图像降噪技术是现代化电子元器件检测技术的重要技术,工作人员通过图像处理技术获得分割后的灰度化图像后,需要进一步进行优化处理才能获得精准度更高的图像,从而为后续数据分析和比对提供参考。首先,图像降噪技术的运行需要选取大小为M×M的滑动窗口Ω,然后进行估计值的计算,之后进行替换获得去躁后的图像。
5.2图像特征提取技术
图像特征提取技术的出现为后续精准性对比和检测提供技术支持,同时减少缺陷对比工作量,提升工作率,具体工作过程中需要以灰度共生矩阵为基础进行特征提取。提取过程中需要以纹理图像为基础,在特定方向,以特定间隔进行灰度统计规律的确定,然后再表现图像的纹理特性。灰度共生矩阵是图像特征提取技术的基础,也是后续纹理特征分析的重要内容,产生共生矩阵后,可以以共生矩阵进行特征的定义和记录,实践提取过程中,如果发现待检图像没有表现纹理特征,那么熵值则会无限接近于0;如果出现了明显的纹理特征,熵值也比较大;另外,图像视觉效果清晰度更高的状态下,纹理沟纹更深,反之,沟纹浅也意味着图像清晰度差。
结束语
综上所述,现代化科学技术不断发展在促进电子行业发展的同时,也带领了各种智能化检测技术的迅速进步,因此电子元器件检测技术越来越多样,相对于传统检测技术来讲,方便快捷且精准性高,本文主要分析缺陷检测技术,为后续电子行业的快速发展和电子器件缺陷检测效率的提升提供理论参考。
参考文献:
[1]夏士超.基于ARM嵌入式的电子元器件检测与识别系统的研制[D].河北:河北工业大学,2016.
[2]马晨光.基于生产质量控制的电子元器件供应商选择问题的研究[D].辽宁:东北大学,2011.DOI:10.7666/d.J0105123.
[3]林柱杰.基于HALCON的表面贴装电子组件检测技术的研究与开发[D].广东:华南理工大学,2009.DOI:10.7666/d.Y1593404.