BGA焊点缺陷在线自动识别方法研究
本文选题:缺陷识别 + X射线BGA焊点图像 ; 参考:《沈阳大学》2016年硕士论文
【摘要】:BGA封装是一种高集成度的现代集成电路器件封装方式,BGA封装器件的发展直接推动了芯片焊接技术的发展。但因为芯片内部焊点不可见并且焊点越来越小,焊接方式也越来越精密,造成了焊接缺陷增加的同时其检测技术也成为工业生产中的难题。然而在国内企业中,主要采用人工视觉检测的方法对BGA焊点缺陷进行检测,这大大增加了检测的不可靠度。因此如何提高BGA焊点缺陷检测的效率和准确性,以及提高检测效率和改善电子产品质量有着非常重要的研究价值和现实意义。本文重点完成以下工作:分析了BGA焊点的成像特点以及常用降噪方法对BGA焊点图像降噪时不佳现象的原因,并研究了PM模型在BGA焊点图像降噪的适用性;提出了以连通区域面积均值为阈值的新分割算法。主要研究了常用的阈值法并分析了它们分割不准确的原因,提出了以独立连通区域的面积均值为阈值然后用数学形态学平滑焊点边缘的新分割算法,不仅有效滤除线桥等干扰,而且使用此阈值结合经验来识别并滤除焊桥缺陷,统计出连通区域面积;对BGA焊点图像做直方图均衡化,分析了增强不明显的原因,提出了对每个焊点区域使用直方图均衡化单独增强,有效实现焊点区域与气泡区域具有明显的亮度区别;改进了梯度方向性滤波器。基于气泡区域对比度低、大小不同、位置随机等特点,设计了一种新的梯度方向性滤波器,成功滤除了非气泡区域;生成气泡区域的blob图从而提取出气泡部分,判断所有气泡的有效性,确定出有效气泡并统计其面积,然后计算出有效气泡占所在焊点的比值,再参照IPC标准结合实际生产要求对BGA焊点中的气泡缺陷进行缺陷识别。
[Abstract]:BGA packaging is a highly integrated and modern integrated circuit device packaging method. The development of BGA packaging device directly promotes the development of chip welding technology. However, the internal solder joint is invisible and the solder joint is becoming smaller and smaller, and the welding method is becoming more and more precise, which results in the increase of welding defects and its detection technology has become a difficult problem in industrial production. However, in domestic enterprises, manual visual inspection is mainly used to detect BGA solder joint defects, which greatly increases the reliability of detection. Therefore, how to improve the efficiency and accuracy of BGA solder joint defect detection, as well as improve the detection efficiency and improve the quality of electronic products has a very important research value and practical significance. The main work of this paper is as follows: the imaging characteristics of BGA solder joint and the causes of the poor noise reduction of BGA solder joint image by common noise reduction methods are analyzed, and the applicability of PM model in BGA solder joint image denoising is studied. A new segmentation algorithm based on the mean area of connected region is proposed. This paper mainly studies the commonly used threshold method and analyzes the reason why the segmentation is inaccurate. A new segmentation algorithm, which takes the area mean of the independent connected region as the threshold value and smoothes the solder joint edge with mathematical morphology, is proposed, which not only effectively filters the interference such as the wire bridge, but also the edge of the solder joint. Using this threshold and experience to identify and filter the defects of the welding bridge, the area of the connected area is calculated, and the BGA solder joint image is equalized by histogram, and the reason of the enhancement is analyzed. Using histogram equalization to each solder joint area is proposed to realize the obvious brightness difference between the solder joint region and the bubble area effectively and the gradient directional filter is improved. Based on the characteristics of low contrast, different size and random position of bubble region, a new gradient directional filter is designed to filter the non-bubble region successfully, and the bubble part is extracted by generating the blob diagram of bubble region. The validity of all bubbles is judged, the effective bubble is determined and its area is counted, then the ratio of the effective bubble to the solder joint is calculated, and then the bubble defect in BGA solder joint is identified according to the IPC standard combined with the actual production requirements.
【学位授予单位】:沈阳大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TN405
【相似文献】
相关期刊论文 前10条
1 张毅刚;建筑结构缺陷识别与计算机应用[J];工程设计CAD与智能建筑;1999年12期
2 方艳;杨洗陈;;激光再制造中缺陷识别关键技术研究[J];中国激光;2012年04期
3 任海鹏;马展峰;;基于复杂网络特性的带钢表面缺陷识别[J];自动化学报;2011年11期
4 高顶;张长明;李国庆;张晓光;;基于粗糙-模糊神经网络的焊接图像缺陷识别[J];华东理工大学学报(自然科学版);2006年09期
5 王忠辉;;框架结构缺陷识别的小波信息熵方法[J];河南科技大学学报(自然科学版);2012年04期
6 胡杰;马铁军;胡志平;尹志宏;;一种新的轮胎激光散斑检测缺陷识别方法[J];机电工程技术;2010年06期
7 左凯;孙同景;李振华;陶亮;;基于新息正交的工业CT图像自适应缺陷识别[J];北京航空航天大学学报;2010年09期
8 孙梁;郗安民;;LED芯片损坏和缺陷识别[J];半导体光电;2009年06期
9 陈天璐;阙沛文;;基于超声衍射反射回波渡越时间的缺陷识别技术[J];化工自动化及仪表;2006年04期
10 陆宝春;李建文;陈吉朋;王婧;李纯健;汤海昌;;荧光磁粉探伤自动缺陷识别方法研究[J];南京理工大学学报(自然科学版);2010年06期
相关会议论文 前7条
1 张毅刚;;结构缺陷识别的线性规划法[A];中国土木工程学会计算机应用分会第七届年会论文集[C];1999年
2 张毅刚;;结构缺陷识别的线性规划法[A];中国土木工程学会计算机应用分会第七届年会土木工程计算机应用文集[C];1999年
3 张毅刚;;结构缺陷识别的参数判定法[A];面向21世纪的科技进步与社会经济发展(下册)[C];1999年
4 尚钢;陈立耀;李卓球;王建平;;神经网络在梁体结构缺陷识别中的应用[A];第七届全国结构工程学术会议论文集(第Ⅰ卷)[C];1998年
5 张潜;高立群;王贞祥;;基于小波分析的板型缺陷识别方法[A];管理科学与系统科学研究新进展——第6届全国青年管理科学与系统科学学术会议暨中国科协第4届青年学术年会卫星会议论文集[C];2001年
6 戴飞虎;;特厚板AUT典型缺陷识别[A];2011年全国中厚板生产技术交流会论文集[C];2011年
7 原培新;孙丽娜;;基于图像处理的X射线胶片缺陷识别[A];2007'中国仪器仪表与测控技术交流大会论文集(二)[C];2007年
相关博士学位论文 前1条
1 赵向阳;基于神经网络的钢板表面缺陷识别若干问题的研究[D];大连理工大学;2006年
相关硕士学位论文 前10条
1 田丹;基于电致发光与BP神经网络的太阳电池缺陷识别[D];河北大学;2015年
2 李佳;基于压缩感知的多模型木材图像缺陷识别[D];东北林业大学;2015年
3 张洁;输电线路缺陷在线监控系统设计与实现[D];电子科技大学;2015年
4 李梦园;深度学习算法在表面缺陷识别中的应用研究[D];浙江工业大学;2015年
5 赵亚丁;基于LBP的DR图像缺陷识别算法研究与软件设计[D];重庆大学;2015年
6 刘丹;BGA焊点缺陷在线自动识别方法研究[D];沈阳大学;2016年
7 李建文;磁粉探伤缺陷识别自动化系统设计与开发[D];南京理工大学;2012年
8 侯晓琴;基于射线成像的缺陷自动识别方法研究及应用[D];重庆大学;2009年
9 毛锋;面向成型生产的视觉式缺陷识别技术及应用研究[D];浙江大学;2010年
10 吕作超;荧光磁粉探伤缺陷识别系统图像处理技术研究[D];南京理工大学;2006年
,本文编号:2042121
本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2042121.html