摘要
本文探讨以机器视觉进行印刷电路板表面组件的自动化检验工作。首先，将待测之彩色影像灰阶化，以减少数据处理量，接着以中通滤波 (Median filter) 作减低噪声的运算，再利用相关系数 (Coefficient of correlation) 对待测区域进行定位点影像搜寻与定位处理，并使用金字塔(pyramid )的观念加速运算。接着将影像以默认值予以二值化(Thresholding)，进一步滤除电路影像数据，以突显待检主要目标。然后利用反复投射(Interactive project) 方式将各个待检主体所在的位置分割出来，再藉由所得之相关系数，将待检主体依相关系数的值，而选择相对应的特征撷取方式与缺陷判断规则。本文所提方法，在表面组件检验上可侦测的瑕疵有断字、缺字、型号错误、印字不清、放置错位等。
关键词：印刷电路板，瑕疵，特征撷取，自动化检验
1. 绪论
印刷电路板表面组件检验近年来成长迅速，随着生产技术的改进，电子组件朝向精致化、迷你化发展。人工检验的方式已不符使用，机器视觉取代人工成为新兴的检验方法。其中有许多学者致力于IC 组件的检验，大多为批号辨识、缺陷检验等[1]。
黄旭东提出以改进式类神经结构来进行字符辨识，利用霍普菲尔网络的记忆特性来辨识字符，并利用改良网络结构型态来改进霍普菲尔的记忆限制问题，并追求辨识速度的优化，其将整个字元辨识领域由特征数据转到了图面思考的境界[2]。
廖彦生提出利用不同的色彩转换模式来凸显特定零件，如检验电容便以HIS的颜色模型来处理，并利用转换式将蓝色强调用以显现出电容影像[3]。
蔡嘉雄于印刷电路板检视系统中，提出2.5D的取像检验方法，并说明了曲线拟合、与圆形影像之圆心坐标与半径的推导，其缺陷检验方式为建立标准影像，再将待测影像与之作逻辑运算后，进行分析[4]。
戴祥林提出电路板的检测规则，其文中对影像前处理运用于电路板检验之叙述相详尽，其中所提及之XOR应用于影像比对的方式，可以应用在许多方面[5]。
Chung整合了IC批号辨识常应用的技术，如相关系数与金字塔，文中也提出了盒形滤波(box-filter)的演算观念与相关系数正规化的想法，将检验的能力与方法强化，提升其检验速度与系统环境适应力[7]。
Sauvola和Pietikainen提出以一分类器来将影像先行作一分类，接着利用模糊理论找出一较合适的选值方法，使得二值化的应用有了另一个思考的方向，文中并以区域像素平均值加上标准偏差的乘积的方法来选择阀值[8]。
Zhou 等人提出IC封装与方位的检验法则，文中对于IC的封装结构叙述清楚，也提出了用对比强化的方式来突显IC芯片的信息，且透过Candy边缘侦测法来萃取出IC影像的线性特征[9, 10]。
本文着重于IC组件上的商标与文字辨识，在方法上，先进行影像前处理来强化待测影像的质量，接着透过反复投射与相关系数的运算来得到特征值，并以此特征值判断是否存在瑕疵，以进行常见的IC组件瑕疵侦测与分类。
第二节将叙述本文提出之印刷电路板表面组件的常见瑕疵与检验方法。第三节则对所提方法实作进行印证，最后，并对整个研究过程与结果作一个讨论。
2. 印刷电路板检验
印刷电路板组件自动化检验的主要流程与步骤如图一所示。包括影像前处理步骤，瑕疵定义与判断法则，与样版之建立等。以下各小节将作进一步介绍与探讨。
2.1 影像前处理步骤
在影像前处理部分，包括影像灰阶化，噪声消除，定位，二值化，反复投射与正规化等，各步骤简略叙述如下：
图一. 印刷电路板组件检验流程
灰阶化
在此我们采用将影像转为灰阶影像，以简化后续的处理，使用之转换公式如下：
其中r(x,y), g(x,y), b(x,y)分别为像素(x,y)之红色、绿色与蓝色色彩值。
噪声消除
在此我们使用中值滤波 (Median filter) 来降低噪声，由实验中发现，中值滤波可以适当保留主体轮廓。
定位
我们利用相关系数 (Correlation) ，对特定区域进行两个定位点的搜寻(参见公式2)，结果如图二所示[7]。
m 和 n 为欲搜寻影像的宽度与高度，M是标准影像，I 是欲搜寻的影像区域。u , v 则是搜寻过程中坐标相对的偏移值。
为标准样板的灰阶值平均，
为欲搜寻影像区域的灰阶值平均。找到定位点后即可以最小平方法计算出这两个定位点之中心，再透过标准样板两个定位点所成的直线与待测影像两个定位点所成直线，运用公式(3) 即可算出样板与待检向之旋转角度。
其中m1为标准样板定位线的斜率，
为待测影像定位线的斜率，θ为两线间的夹角。计算出旋转角度与位移后，接着利用公式(4)进行平移与旋转运算来修正待检影像之坐标。
其中， 0, 0 x y 为待测影像的定位参考点，