电路板缺陷焊点在线标识自动控制系统的设计

针对通孔插装技术的电路板缺陷焊点检测不能实体在线标注的问题,应某电子企业生产流水线的要求,设计了一种电路板缺陷焊点自动标识装置控制系统。系统以STM32F103VET6为控制核心,与作为上位机的AOI检测设备进行通信,获取缺陷焊点坐标值,控制多机构动作,实现缺陷焊点自动标识功能。测试表明,该系统能够准确无误地对缺陷焊点进行在线标识,直观易辨,完全满足企业生产需求,具有良好的应用前景。

PCB缺陷焊点实体标记自动控制系统

针对人工用肉眼检查电路板焊点容易造成漏检和误检的问题,文章设计了一种PCB缺陷焊点实体标记自动控制系统。系统以STM32F103VET6微处理器为核心,通过串口接收工控机的参数与处理结果,结合开关模块,分别控制三个电动直线推杆和三台步进电机,利用电磁铁推动标记笔,实现缺陷焊点的自动标识。通过试验测试表明,该控制系统可实现电路板缺陷焊点自动标记功能。

BGA焊点缺陷的全光学激光超声检测技术

激光超声检测技术凭借其检测精度高、响应速度快、非接触、无损伤等优点,在无损检测与材料性能评估领域具有重要地位。光学麦克风作为一种新型的全光学激光超声探测器,具有全光学、带宽范围广、灵敏度高等优势,已得到学者广泛关注。文中采用光学麦克风探测器对球状引脚栅格阵列封装(Ball Grid Array, BGA)焊点与模拟缺陷开展了激光超声检测的初步理论、仿真及试验研究。首先对脉冲激光作用于材料表面激发出超声波的过程进行理论分析,并利用有限元方法建立了BGA焊点的热力耦合仿真模型,研究了模拟焊点内部超声波的传播规律与缺陷对超声波传播的影响。最后利用全光学激光超声检测系统对具有模拟缺陷的BGA封装电路板样件进行检测试验研究,并通过Lanczos去噪算法对结果进行处理。结果表明:利用波长为532 nm,单脉冲能量为2.66 mJ的脉冲激光能够实现直径5.5 mm焊点及缺陷的检测。

基于深度智能视觉的基站天线焊点缺陷检测技术研究

针对基站天线焊点缺陷种类多且焊接质量紧密关联天线性能的现状,提出了一套基于深度智能视觉的焊点缺陷检测技术,该项技术将新颖的图像数据预处理技术与深度学习核心算法相融合,将识别准确率提升至97.98%,该项技术也解决了人工检测容易混淆出错、视觉疲劳等问题。

一种倒装芯片二维封装过程焊点缺陷原位监测方法

芯片质量检测作为芯片生产线中的关键环节,可以积极地反馈产品质量信息,以便及时掌控各生产环节的状况,质量检测技术在生产线中的作用愈发凸显。传统倒装芯片二维封装的缺陷检测均是在倒装芯片二维封装键合完成后进行,检测过程和键合过程完全分离,效率较低,未能阐明焊点在键合过程中的状态变化,属于盲键合。并且通常采用激光照射对待检测芯片进行加热,也可能会对芯片造成损伤。因此,亟需发展一种能够对键合过程中的焊点缺陷进行实时监测的缺陷原位监测方法。

航天电子产品焊点缺陷的热仿真与试验

推导了恒定激光脉冲激励作用下的焊点瞬态热平衡方程,及基于极限温差反问题识别的缺陷尺寸及热阻解析求解方法;通过建立空洞缺陷焊点数字化模型,对恒定激光脉冲激励过程进行了热分析仿真,得到了焊点温差、热阻及缺陷尺寸之间的演化规律;通过制备虚焊缺陷焊点试验样本,实施了不同温度参数组合下的热试验,并对热试验后的焊点缺陷演化情况进行红外测温分析.试验结果表明,热试验过程中的焊点缺陷演化机理具有与金属材料蠕变曲线相似的变化规律,缺陷尺寸呈现先增大、后减小及再增大的变化行为,有助于完善和补充焊点的热试验理论.

基于无损检测的高分辨率PCB板焊点缺陷检测系统

为了能快速、准确地对BGA封装器件的PCB板上的焊点进行缺陷检测,设计了高分辨率X-射线无损检测的缺陷检测系统。给出了系统的基本工作原理和硬件结构,采用等比例成像的方法求解了获得最高分辨率的距离信息。分析了系统可能存在的噪声源,并设计了去噪算法用于提高图像信噪比。试验采用HAWK-180XI型X-射线源、高速图像采集卡和UNIQ-2000型CCD相机等对BGA封装的PCB板缺陷进行检测,结果显示:系统可以快速有效地获得被测PCB板的图像信息,并给出缺陷的位置、尺寸等特征信息,满足设计要求。

基于多特征的SVM多分类PCB焊点缺陷检测方法

为了提高印刷电路板(PCB)中元件焊点缺陷检测的分类准确率,提出一种基于多特征的支持向量机(SVM)多分类缺陷检测方法。对采集到的焊点图像进行特征提取,提取焊点的形状和纹理特征参数及方向梯度直方图(HOG)特征。首先对提取到的形状和纹理特征,利用SVM中最优的核函数,对焊点多锡、少锡、焊锡合适以及漏焊四种类型进行检测;误检焊点,再利用基于HOG特征的SVM多分类算法对其进行二次检测分类,得到最终分类准确率,提出的算法分类准确率可以达到98.46%以上,具有一定的应用价值。

基于图像处理的焊点缺陷识别方法的研究

针对生产线上的SMT(表面贴装技术)焊点图像的特点,研究基于图像处理的焊点缺陷识别算法,采用中值滤波、迭代阈值法、Sobel算子等一系列的图像预处理方法,有效抑制了噪声干扰,提高了图像的对比度,提取出较好的图像特征。采用径向基函数(RBF)神经网络对四种焊点缺陷进行识别。仿真结果表明,RBF神经网络很好地克服BP神经网络训练过程收敛依赖于初值和可能出现局部收敛的缺陷,具有较快的运算速度和较好的检测结果,基于图像处理的焊点识别方法是有效的。

基于小波特征与支持向量机的焊点缺陷识别方法的研究

基于视觉信息的焊点缺陷检测已成为当前机器视觉中的研究热点问题.针对焊接设备的不稳定性、操作环境的不确定性等问题对焊点质量的影响,本文提出了利用增强小波系数和主成分分析相结合的方法对焊点图像特征进行提取,利用主成分分析的降维作用,对提取的增强小波系数50维特征向量进行降维处理.同时提出了融合决策树与支持向量机的方法对焊点的缺陷类型进行识别.实验结果表明,本文提取的焊点特征值具有更好的区分性与紧致性,提出的分类方法有效提高了焊点缺陷检测的识别率,同时提高了算法效率.

基于微焦点X射线BGA焊点缺陷检测

BGA封装是是一种高集成的封装方式,其焊点缺陷会影响封装器件性能。为克服全局阈值分割、边缘检测方法对BGA焊点缺陷检测错误率较高的问题,本文提出采用Otsu阈值分割、轮廓提取、边界跟踪方法提取焊点轮廓,并用灰度形态学顶帽操作、直方图拉伸、Blob分析提取焊点气泡轮廓。通过分析BGA焊点缺陷类型及特征,提出基于焊点轮廓、气泡轮廓特征参数的焊点检测与分类算法。试验研究表明该算法较全局阈值、Canny算子焊点缺陷检测的准确率高,能够准确的完成焊点缺陷分类。

基于LMBP神经网络的SMT焊点缺陷智能鉴别技术

针对SMT焊点的常见缺陷,采用Levenberg—Marquardt(LM)算法改进的BP神经网络,运用仿真方法产生训练样本,利用正交试验设计选取具有代表性的训练样本,利用机器视觉技术获取测试样本,实现了对SMT焊点缺陷的智能鉴别。经验证,对几种常见的缺陷,所建立的LMBP网络模型具有较好的鉴别能力,与标准的BP网络的鉴别结果相比,提高了智能鉴别精度和速度。

基于机器视觉的集成电路板焊点缺陷识别方法

现有的集成电路板焊点缺陷识别方法未对集成电路板二值图像进行边界跟踪,导致集成电路板焊点缺陷特征提取效果不佳,严重影响了集成电路板焊点缺陷识别效果。为此,文中提出一种基于机器视觉的集成电路板焊点缺陷识别方法。获取集成电路板焊点图像,通过傅里叶变换对集成电路板焊点图像缺陷数据进行空间数据转换,得到空间域的复数图像。引用Rician噪声的期望值对集成电路板焊点图像噪声偏差校正,通过高阶奇异值分解方法获取集成电路板焊点图像块硬阈值;对焊点图像进行阈值分割,利用连通链码对二值图像展开边界跟踪,提取集成电路板焊点缺陷特征,通过Adaboost分类算法构建分类器,将提取的特征输入到分类器内,最终实现集成电路板焊点缺陷识别。试验结果表明,所提方法能够准确识别全部焊接缺陷,缺陷识别耗时仅为103 s,焊点缺陷识别效果较好。

焊点图像和缺陷的X射线分析

伴随着元器件封装的迅速发展,电子组装向着密、小、轻、薄的趋势发展,诸如BGA、Flip Chip、CSP等高新封装技术的出现,使得表面安装电子组装变得更加复杂,也更具有挑战性,当然对于焊点的测试来说也更增添了难度。X射线焊点检测着重于焊点的物理结构测试,克服了其它测试方法的不足,可以达到满意的缺陷覆盖率。

基于特征聚集度的FCM-RSVM算法及其在人工焊点缺陷识别中的应用

针对人工焊点缺陷识别方法进行研究,提出了一种基于特征聚集度的模糊C均值聚类(FCM)与松弛约束支持向量机(RSVM)联用的分类识别算法。在提取人工焊点特征向量的基础上,算法首先对样本特征数据进行模糊C均值聚类,依据样本隶属度函数计算不同特征的特征聚集度,并由特征聚集度指标改进RSVM算法中的松弛量参数,建立最终的分类器模型。实验结果表明:本文提出的算法建立了泛化能力更强的分类模型,能有效抑制噪声及模糊边界点对分类模型的影响,在人工焊点缺陷识别的应用中获得了满意的识别结果。

考虑修正平均等效应力强度因子的焊点缺陷疲劳寿命研究

提出了一种基于超声回波的焊点缺陷疲劳寿命预测评价方法。该方法采用模糊数学理论,基于超声回波特征获得损伤系数,然后综合考虑法向应力、剪切应力和初始缺陷的影响,将焊点缺陷在裂纹扩展路径上的修正平均等效应力强度因子作为疲劳评价的参量。通过对DP600GI材料的合格焊点、焊核过小焊点和烧穿焊点的接头进行疲劳试验,比较不同缺陷对焊接疲劳寿命的影响,得到一条修正平均等效应力强度因子与疲劳寿命的拟合曲线作为含初始缺陷的焊点疲劳寿命预测曲线,研究结果表明,该曲线能有效预测含初始缺陷的点焊接头的疲劳寿命。该方法有助于合理设计电阻点焊的缺陷容限。

基于PCA和粒子群优化算法的焊点缺陷识别

针对生产线上的表面贴装技术(SMT)焊点图像的特点,提出了一种基于PCA和粒子群算法-误差反向传播(PSO-BP)神经网络的焊点缺陷识别方法;首先使用图像处理技术和CCD传感器对PCB焊点图像进行预处理,采用中值滤波、灰度图像增强、全局阈值法等方法,有效抑制噪声干扰并提高了图像对比度,提取出较好的图像特征;然后运用主成分分析法,提取包含焊点86.6%特征信息的5个主成分,并输入到经粒子群算法改进后的BP神经网络;通过具体的实验分析,结果表明改进的BP神经网络具有较好的识别分类效果,能够对正常、多锡、少锡、漏焊四种不同类型的焊点进行识别,准确率达93.22%,算法可靠,在实际生产中能够有效的提高检测效率。

基于微焦点X射线BGA焊点缺陷检测

BGA封装为一类集成较高封装办法,它的焊点缺陷可能对封装器性能构成影响。为了缓解全局阙值的分割,边缘检测法给BGA焊点缺陷的检测带来较高错误检测率等问题,本文结合Otsu阙值分割,边界跟踪以及轮廓提取等方法对焊点轮廓进行提取,结合灰度形态理论等进行顶帽操作,借用直方图引申等焊点的气泡轮廓进行提取。凭借对BGA焊点缺陷的类型与特征进行分析,从而提取气泡轮廓,焊点轮廓灯特性参数焊点检测和分类算法进行评估。实验结果证实该核算方法同全局阙值,Canny算子焊点缺陷的检测准确率比较高,可以很明确实现对焊点缺陷的分类。

基于无损检测的高分辨率PCB板焊点缺陷检测系统研究

随着电力技术的快速发展,球栅阵列结构PCB(BGA)在集成电路设计中的应用日渐广泛,PCB焊点缺陷检测的受关注程度也日渐提升。基于此,详细论述了高分辨率PCB板焊点缺陷检测系统的设计与性能,并给出了其他高分辨率PCB板焊点缺陷检测思路,希望由此能够为相关业内人士带来一定的启发。

表面安装电路板的焊点缺陷及处理技术

一、前言用表面安装技术SMT(Surface Mount Technologr)生产的印制电路板PCB(Printed—Circuit—Board),由于其组装密度高,元器件轻、薄、小,故对焊接的工艺要求更为苛刻,对电路板的正确的布线设计、焊区图形设计也必须考虑周到,否则焊点将会出现许多结构上和外观上的缺陷。这些结构上的和外观上的缺陷在电路调试中就会导致电路故障。