锡膏激光扫描三维测量系统光强自适应调节技术*

宋 佳，孙长库，王 鹏

(天津大学精密测试技术及仪器国家重点实验室，天津300072)

随着大规模集成电路广泛应用于各种仪器仪表及家用电器等各个领域，大规模集成电路的锡膏印刷质量对于电路的稳定性、可靠性影响很大。因此快速准确地检测锡膏印刷质量对于大规模集成电路的生产尤为重要。表面贴装技术是半导体制造中的核心技术，伴随着无铅化印刷被逐渐推广，该技术对电路板锡膏印刷的均匀性提出了更高要求[1]。对于大规模半导体自动化生产来说，采用锡膏检测设备可以实现锡膏均匀性参数自动检测，是生产线质量控制的有力助手。目前应用效果较好的是三维检测技术[2－3]。锡膏三维检测法根据激光测量原理，采用扫描测量方式能够获取完整可靠的锡膏表面数据;对数据进行统计分析，可以得到锡膏的平均高度、最大最小高度以及面积和体积等反映均匀性的系列参数，因此，三维检测法能对锡膏印刷质量进行更好的控制[4]。电路板锡膏三维测量系统的光源对于系统的精度有很大影响。传统的光源采用固定光强的激光，但是由于同一光强的激光投射在同一PCB板的锡膏或者铜箔等金属物质上和投射到底板等塑料物质上的散光效果有很大差异，并且同一光强的激光投射在不同颜色或材质的PCB底板上的散光效果差别也很大，在实际应用中发现即使采用同样的光条中心提取算法，由于光条的亮度不同所提取的中心位置也有很大差别[5]，激光光条中心提取精度决定了锡膏检测的准确程度。目前人们主要研究光条中心提取的算法以及光条图像的前期处理方法，主要的方法有重心法、阈值法和拟合曲线法等[6－7]。实际上影响光条中心提取精度的因素有很多，主要包括光条亮度、宽度和直线度等，其中光条亮度是影响提取精度的主要因素[8]。所以采用固定光强的激光光源不能满足不同电路板的测量要求。并且生产线上需要定期重新调节光源的光强，所以固定光强的激光光源给调节带来了很大不便，也为后期的图像处理增大了难度。为了提高电路板锡膏三维测量系统的测量精度和速度，适应生产的在线测量，本文对其光源进行自适应调节设计来改善光条图像信息提取的质量。

1 锡膏激光三维扫描系统

锡膏激光扫描三维测量系统的基本结构如图1所示，主要由硬件部分和软件部分组成。硬件部分主要由精密平移台、CCD摄像机、线结构光激光器、激光器电源、图像采集卡、计算机组成。线结构光以一定角度投射在电路板上，激光光条受锡膏形貌调制而变形，光条通过CCD相机和图像采集卡成像后，传输到计算机上，利用软件对图像进行处理获得锡膏的三维尺寸和形貌，从而得到锡膏厚度、体积等参数。

图1 锡膏激光扫描三维测量系统基本结构图

锡膏激光扫描三维测量系统对得到的点云数据根据高度的不同渲染不同的颜色，进行3D显示，用户可直观地观察被测物体的三维形貌。图2为系统对PCB电路板进行自动扫描测量得到的电路板锡膏的3D显示效果。

图2 PCB电路板自动扫描得到的锡膏3D显示效果

2 自适应程控电源设计

由于不同光强的光条图像的处理复杂程度不同，所以利用程控电源来获得不同光强的激光光条从而适应不同的测量环境和颜色材质不同的PCB电路板。其光强自适应调节光源的工作原理是:计算机通过控制激光器电源电压来调节激光器光强，相机通过采集卡采集图像传入计算机，利用光强自适应调节算法评价图像，并根据评价的结果调节激光器的输出电压，从而使激光器投射到被测物表面的光强满足测量的需要。

锡膏激光扫描三维测量系统的光强自适应调节光源的硬件部分采用半导体激光器作为光源，其电源为一32档直流程控电源，可以通过串口利用软件控制改变激光器的工作电压，从而调节激光的光强。程控电源设计初始电压为2.15 V，并且以0.05 V变化电压为阶跃，实现输出电压的32档调节。

程控电源由AC-DC开关电源、输出电压控制电路、电源机壳组成。AC-DC开关电源以170 V～260 V交流电压作为输入端，输出端有两路分别为直流5 V/2 A和直流12 V/1 A。以这两个输出端作为电压控制电路的输入电压。电压控制电路基于串口通信，利用单片机、数字电位器、稳压芯片来实现用软件控制输出电压调节功能。控制电路采用美国ATMEL公司生产的低电压、高性能CMOS 8 bit单片机，配合MAXIM公司生产的MAX202芯片，实现串口通信。稳压芯片选择LM2576－ADJ，其输出电压可调，能驱动3A的负载，具有优异的线性和负载能力。其工作电路如图3所示。

图3 LM2576工作电路图

电路输出电压满足下式:

R1在1.0 kΩ和5.0 kΩ之间。通过调节R2的阻值来控制输出电压的变化，本文为实现输出电压在软件的控制下以0.05 V为阶跃变化，因此，R2采用美国Xicor公司推出的X9313系列数字电位器。该系列电位器为32档数字电位器，电阻值可通过外部数字信号进行控制，选好的电阻值被保存在非挥发存贮器中，可重复调用。考虑到R1需在1.0 kΩ到5.0 kΩ之间，因此R2选择滑动端增量为323 Ω的X9313wp型号电位器。编写上位机程序，利用串口控制单片机，单片机对数字电位器发出增加或者减小信号，控制电位器阻值增大或者减小，从而实现控制输出电压的阶跃式增大或者减小。

3 基于小波变换的光强调节算法

锡膏三维测量系统的激光光条图像的成像效果决定着后期光条中心提取图像处理过程的复杂程度和提取精度。通常，需要考虑相同光强的激光投射到不同材质或者颜色的PCB板上的散光程度不同，表现出来的效果是光条周围噪声大小不同[9]。本系统针对不同颜色的PCB板对激光的散射效果不同进行研究实验。图4为相同光强的激光在不同颜色的PCB板上形成的散射效果不同的光条图像。

图4 相同光强的激光在不同颜色的底板上散光效果对比

为了满足锡膏三维测量精度的要求，简化光条图像处理过程，提高测量结果的准确性，必须保证在图像处理中能到足够多的光条点，同时又要保证光条的边缘的毛刺不能太多。在光条中心提取之前，通常对图像进行预处理，通过灰度数值及其分布情况分辨出图像中效果不佳的光条区域，对该区域的光条进行图像增强、膨胀等处理，来提高光条图像的质量[10－11]。本文设计的锡膏三维测量系统的光强自适应调节光源可以将光条中心提取前的预处理的难度和复杂程度降低，加快预处理速度。采用光强自适应调节方法则可以在每批次PCB电路板测量以前，通过计算机软件向激光器程控电源发送指令，控制激光器的电压变化从而控制激光器投射到被测物体表面的光强，并利用光强自适应算法判断出光条图像效果最好时所对应的程控电源的输出电压，以此电压作为正式测量时激光器的控制电压。由于同种材质的PCB电路板在测量过程中对激光的散射效果变化不大，因此在同一批次完整的测量过程中只需利用上述方法调节电压一次即可。软件控制程控电源的流程为计算机发出开始信号，相机通过采集卡采集图像传输到计算机中，计算机利用光强自适应评价算法评估图像是否满足测量要求，若不满足则向激光器电源发出升高电压信号，再次循环判断过程直到采集到的图像满足测量要求，调节过程结束。

光条图像效果的评估过程直接影响了本系统是否能够准确地选择激光器控制电压，因此需要在研究评价方法和标准的基础上提出量化的指标来表征光条图像的效果。评价光条图像效果时要考虑为了后期光条中心地顺利提取，需要光条的灰度值达到一定范围，并且具有一定宽度，同时要考虑避免激光光强过强而在光条边缘产生过多的毛刺影响提取效果。为了兼顾以上两点，本文提出了一种基于小波变换的图像效果评价方法。

小波变换可以提供对图像很好的空间域和频率域的分析[12－13]。由于图像是二维信号，可以用 f(x，y)表示，因此可以对图像进行二维小波变换，需要一个二维尺度函数φ(x，y)和三个二维小波ψH(x，y)，ψV(x，y)和 ψD(x，y)。其中 ψH度量沿着列的变化，ψV响应沿着行的变化，ψD对应于对角线方向的变化。根据给定的二维尺度和小波函数，可以很容易地得到二维小波变换。首先定义一个尺度和平移基函数

其中，上标i指出方向小波。那么，尺寸为M×N的函数f(x，y)的离散小波变换是

其中j0是任意的开始尺度，Wφ(j0，m，n)系数定义了在尺度j0的f(x，y)近似。系数对于 j≥j0附加了水平、垂直和对角方向的细节。对于图像进行一级小波变换可以将图像分解成一个低频带LL1和三个高频带LH1、HL1和HH1，将低频带继续分解可以得到二级小波变换。光条图像经过二级小波变换分解后的图像如图5所示

图5 光条图像经过二级小波分解后的图像

图像经过小波变换后被分解成不同的高频带和低频带，由于不同光强下的PCB板的散光效果不同，表现在图像上为光条边缘的毛刺效果不同，即图像的高频成分不同，同时光条亮度不同，经过小波变换分解后高低频带的能量比不同，通过分析不同光强对应的光条图像的高低频带能量比可以得出最佳图像在所有光条图像中的分布规律。通过小波变换，当图像在某一频率和方向上具有较明显的特征时，与之对应的子带图像的输出就具有较大的能量，因此图像信息集中在相应的少数小波系数上[14－16]。小波变换后，图像的高频带包含图像轮廓细节等信息，低频带包含图像大部分信息。若对单一的能量带进行考察评价，不能充分体现出图像中毛刺和噪声对整幅图像的影响，本文针对光条图像特点采用高低频带能量比来评价图像的效果，评价函数如式

将锡膏三维测量系统的程控电源从电压最低档开始调节，逐档升高电压，同时每个电压档采集一幅图像，并对所有采集到的图像进行2层小波分解，利用式(6)计算每幅图像的高低频带能量比，以黑色PCB板子和绿色PCB板子为例，能量比数据分别如表1和表2所示。

为了能够清楚的显示出表格数据的规律，将表格中的数据绘制成能量比曲线，观察规律，曲线如图6所示。

表1 黑色PCB板不同光强下图像小波分解能量比数据

表2 绿色PCB板不同光强下图像小波分解能量比数据

图6 能量比曲线图

从黑色PCB板子和绿色PCB板子的能量比曲线的变化规律可以看出曲线在经过一段平稳的变化后会出现大幅下降，随后继续平缓地变化。经过观察黑色PCB板子最适合后期光条提取的图像是8号图像，绿色PCB板子最适合后期提取的图像是7号图像。两幅图像的能量比f在各自的能量比曲线中的位置恰好都是曲线向最后平滑变化过度的拐点，因此本文提出以下两条判定准则来确定效果最好的光条图像对应的光强。

4 实验结果

将以上判定条件应用于本文的锡膏激光扫描三维测量系统，并用蓝色PCB板子进行验证实验。首先将通过计算机控制激光器电源电压调至最低，利用相机采集图像传到计算机中进行图像处理，得到图像的能量比f，然后逐步升高电压，在升高电压的过程中同步采集图像，并且对每幅图像计算相应的能量比fi及其变化Δi，当同时满足判定条件式(7)、式(8)时，将判定结果返回，计算机通过串口向激光器发送电压减小一阶的信号，从而得到测量最合适的光强。针对蓝色PCB板子进行上述操作，经过判定蓝色PCB板子最佳光强分别是第6号图像。图7为蓝色PCB板子最佳光强下的光条图像以及其前后两幅图像。

图7 绿色被测物光条图像

从上图7中图7(b)为利用本文提出的光强自适应调节算法选定的光强最适合的图像，图中箭头所指处可以看出图7(c)相对于图7(b)有更多的毛刺，干扰更强，而图7(a)明显不能准确提取光条。因此本文设计的调节电路和光强自适应调节算法能够满足锡膏激光扫描三维测量系统要求，实现光条图像的自适应评价，并能选出光强最适合测量时的激光器电压。

5 结论

本文详细介绍了光强自适应调节光源的硬件组成，并提出了利用小波分析和能量比相结合的方法作为光强自适应评价算法。通过对黑色和蓝色PCB电路板实验结果分析提出了判定准则。并设计实验验证该光源能够较好的实现光强自适应调节，可以满足锡膏三维测量系统的测量要求，能够简化后期图像处理的难度，缩短扫描测量过程中图像处理和数据转换等操作过程的耗时，而且能够适应在线测量时需经常对系统光强进行校正的要求，效果很好。

[1]Johnson S K.3D Inline Solder Paste Inspection-Benefit Realized[EB/OL].http://www.agilent.com.2003－06－01.

[2]刘涛，贾刚，王宗义.一种基于运动的线结构光视觉测量系统标定方法[J].传感技术学报，2011(4):624－628.

[3]张玉纲，孙长库.高精度圆柱直径大量程在线测量系统[J].传感技术学报，2009(12):1839－1842.

[4]张效栋，孙长库，刘斌，等.电路板锡膏均匀性参数检测系统[J].纳米技术与精密工程，2008(4):278－283.

[5]解则晓，辛悦向，金明，等.光条亮度对线结构光测量精度的影响[J].光学技术，2008:52－54.

[6]吴庆阳，苏显渝，李景镇，等.一种新的线结构光光带中心提取算法[J].四川大学学报(工程科学版)，2007(4):151－155.

[7]刘枝梅，邓文怡，娄小平.结构光测量系统中光条中心的提取算法[J].北京机械工业学院学报，2009(1):42－45.

[8]Izquierdo M A G，Sanchez M T，Ibañez A，et al.Sub-Pxel Measure-ment of 3D Surfaces by Laser Scanning[J].Sensors and Actuators A:Physical，1999，76(1－3):1－8.

[9]任福元，许增朴，于德敏，等.光三维测量中影响光条中心提取的因素及对策[J].微计算机信息，2006(32):259－261.

[10]贺俊吉，张广军.结构光三维视觉检测中光条图像处理方法研究[J].北京航空航天大学学报，2003(7):593－597.

[11]周富强，陈强，张广军.结构光光条提取的混合图像处理方法[J].光电子·激光，2008(11):1534－1537.

[12]Nirmala S R S D P K.Wavelet Weighted Blood Vessel Distortion Measure for Retinal Images[J].Biomedical Signal Processing and Control，2010:282－291.

[13]Dachengtao X G W X.Wavelet-Based Contourlet in Quality Evaluation of Digital Images[J].Neurocomputing，2008，72:378－385.

[14]龚昌来.基于局部能量和小波系数相位特征的图像融合方法[J].计算机应用与软件，2009(10):99－102.

[15]吕英华，崔景霞.基于FWT-Projection-BPNN的表情识别[J].东北师大学报(自然科学版)，2009(2):84－91.

[16]郭丙华，廖启亮，余志.基于小波变换的快速自动聚焦算法[J].中山大学学报(自然科学版)，2007(2):12－15.

[17]王昕，刘畅.基于提升小波变换的图像清晰度评价算法[J].东北师大学报(自然科学版)，2009(4):52－57.