基于信息熵的PCB金手指表面镀层缺陷研究

王付军

摘 要：PCB的金手指缺陷直接影响电气设备的性能和稳定性。为了克服传统的图像检测PCB金手指表面镀层缺陷，本文提出了利用计算金手指图像的信息熵来检测其表面镀层缺陷，并讨论了两种信息熵检测算法。一是针对金手指表面露铜、氧化等缺陷，基于颜色变化的信息熵检测算法。二是针对金手指表面划伤缺陷，基于结构变异的信息熵检测算法。测试结果表明，金手指表面图像检测能有效识别露铜、划伤等缺陷，对实际的PCB金手指在线检测有一定的指导意义。

关键词：信息熵;金手指;缺陷;PCB

中图分类号：TG142.15 文献标识码：A 文章编号：1003-5168（2019）26-0029-04

Research on Coating Defects of PCB Gold Finger Surface

Based on Information Entropy

WANG Fujun

（Liaocheng University Dongchang College，Liaocheng Shandong 252000）

Abstract： PCB gold finger defects directly affect the performance and stability of electrical equipment. In order to overcome the traditional image detection PCB gold finger surface coating defects， this paper proposed to calculate the surface coating defects by calculating the information entropy of the gold finger image， and discussed two information entropy detection algorithms. The first is an information entropy detection algorithm based on color change for defects such as copper exposure and oxidation on the surface of gold finger. The second is the information entropy detection algorithm based on structural variation for the scratching of gold finger surface. The test results show that the gold finger surface image detection can effectively identify defects such as copper and scratches， which has certain guiding significance for the actual PCB gold finger online detection.

Keywords： information entropy;golden finger;defect;PCB

金手指在板卡與主板的电气连接方面的重要性不言喻，所以其镀铜或镀锌接触面的导电性要稳定、可靠。在实际的质量控制中，一般采用图像法检测的方法，基本思想是采集电子板件金手指的图像和标准图像进行比对，这种方法对于电子元件的焊点缺陷检测是非常有效的，但是对于金手指的检测，效果不是很好[1-3]。这是因为金手指表面的图像像素值比较分散，缺陷部分的特征主要隐藏在金手指图像的纹理中，鉴别和检测比较困难。

更重要的是，一般采用图像检测来辨别缺陷，都需要把采集到的彩色图像转化为灰度图像，然后转变为二值图像。这样以来，图像的颜色空间信息就被过滤掉，对于金手指的氧化变色缺陷就无法判别。为了能完整地识别电路板件金手指的缺陷，本文提出了采用信息熵和数字图像处理相结合的方法来检测电路板件金手指表面镀层缺陷。

1 电路板件金手指的质量标准和缺陷分类

电路板件金手指是和主板电气联系的关键部件，一般设置在印刷电路板的下面对称设置。其质量判断标准是金手指表面镀层无漏铜、无覆盖涂层、表面颜色鲜艳、无氧化现象和镀铜面无断裂[4-6]。

印刷电路板（PCB）金手指的表面缺陷多以颜色变化为特征，常见的缺陷有：金手指表面凹陷、漏洞、边缘受到外力划伤、表面氧化和漏铜等[7-10]，具体情况如图1所示。

2 信息熵与颜色空间

现代的信息概念包含的范围很广，事物的运动状态可以用信息表示，事物的特征或存在方式也可以用信息表示。图像包含大量信息，例如，PCB金手指表面图像包含镀层是否均匀、是否受到外力划伤等信息。熵作为热力学的概念，用于表征系统的混乱度，系统越乱，熵越大。在近代，熵才和信息联系起来，主要表征信息源的不确定性，对于图像而言，颜色越丰富，熵越大。

PCB金手指表面缺陷检测必然要用到金手指的彩色图像，在计算机中，彩色图像是用RGB颜色空间来显示的。每一点的颜色是由R、G、B三原色混合而成，每一个颜色通道的位数是8位，灰度级为256级（0～255），可以显示16 777 216种颜色。RGB颜色空间和设备本身有关。不能用于检测不同设备参数的PCB金手指表面缺陷，因此需要转换金手指图像的颜色空间，使之与设备无关。

CIE（国际发光照明委员会）提出了多种和设备无关的颜色空间，主要有CIE-XYZ、CIE-Lab、CIE-LUV等。

2.1 CIE-XYZ颜色空间

CIE XYZ是国际照明委员会在20世纪60年代修订的颜色系统，利用红、绿、蓝作为三基色，是其他颜色系统如CIE-Lab、CIE-LUV等的基础。其利用相加或相减配色产生其他颜色。

PCB金手指图像采集的空间是RGB空间，它和CIE-XYZ的变换关系为：

[XYZ=][0.412 453    0.357 580    0.180 4230.212 671    0.715 160    0.072 1690.019 334    0.119 193    0.950 227][RGB]          （1）

变换的结果可以用于后续的处理。

2.2 CIE-LAB颜色空间

CIE-LAB颜色空间是由CIE-XYZ颜色空间通过数学转换而来，其理论基础是颜色不能同时具有两种色别，如红和绿、黄和蓝，与设备的性能无关，使用对色坐标表示，如图2所示。其中，[L]值代表光亮度，取值范围0～100。[b]和[a]代表色度坐标，[a]代表红-绿轴，[b]代表黄-蓝轴，它们的值从0到10，0表示无色，因此[L]就代表从黑到白的比例系数。

CLE-LAB颜色空间和CLE-XYZ颜色空间的转换公式为：

[a=500[（XY）13-（YYn）13]]                       （2）

[b=200[（XXn）13-（ZZn）13]]                        （3）

[L=116（XY）13-16]                       （4）

借助于[a]和[b]的取值，人们可以判断PCB板金手指信息熵的大小。

2.3 CIE-LUV颜色空間

CIE-LUV是从CIE-XYZ颜色空间简化而得，具有视觉统一性，和设备的性能无关。在CIE-LUV颜色空间中，[L]表示明度，[U]表示红/绿，[V]表示黄/蓝值。

借助CIE-LUV颜色空间，可以使用[u]、[v]的数值来表征PCB金手指图像的信息熵。其和CIE-XYZ颜色空间的转换公式为：

[u′=4YX+15Y+3Z]                     （5）

[v*=13L*（v′-v′n]）                       （6）

[L*=116（YYn）13-16]                        （7）

[][v′=9YX+15Y+3Z]                          （8）

[u*=13L*（u′-u′n）]                          （9）

3 基于颜色变化的PCB金手指缺陷检测

图像信息熵的定义为：

[E=i=0LPi∙ln（Pi）]                              （10）

式中，[E]为熵，[Pi]为信元[i]发生概率。[E]值越大，表示影像信息愈复杂，也即说明金手指的颜色越丰富;[E]值越小，表示影像信息愈单纯，也即金手指表面颜色越纯净。图像是二维信元，仅靠一维信号不能精确地区分PCB金手指的缺陷，必须引入二维信息熵。

图3为颜色含量逐渐增加的图像，针对该组图像，提出利用双彩色特征熵（二维信息熵）[EC2]来侦测颜色的变化，从而识别PCB金手指的缺陷。

逐个计算图3中5幅图像的二维信息熵，结果如图4所示，可以看出，图像的信息熵随着图像颜色的复杂而增大，有瑕疵的PCB金手指图像颜色的复杂度肯定大于无瑕疵的图像。

4 基于结构变异信息熵检测法

基于颜色空间的二维特征信息熵无法准确地识别金手指的结构性瑕疵，如刮伤，为此还需要计算PCB金手指图像的结构信息熵[Eθ]，进一步判别具体的金手指瑕疵，金手指表面被外力划伤，其图像方向特征熵肯定会发生变化。

把通过CCD摄像头采集到的RGB通过公式转化为亮度信号，具体公式如下：

[I=R+G+B3]                                  （11）

图像的结构性特征可利用边缘检测算子获得，考虑到PCB金手指图像的特点，本文采用Prewitt算子获取水平和竖直方向的特征。

水平方向为[-101-101-101]，竖直方向为[-1-1-1000111]。

根据式（12）至式（16）遍历图像的每个像素，人们就可以求出图像的结构性特征熵。

[GX（x，y）=j=-11i=-11C（x+i，y+j）×MX（i，j）]             （12）

[GY（x，y）=j=-11i=-11C（x+i，y+j）×MY（i，j）]                （13）

[θ（x，y）=tan-1GY（x，y）GX（x，y）]                           （14）

[Eθ=-θpθ∙ln（pθ）]                          （15）

[pθ=fθθ′=0nfθ′]                                   （16）

式中，n為角度的等份;[fθ]为对应的特征数。

图5为5幅方向信息复杂度不同的特征图像，通过计算它们的特征熵，笔者发现，结构越复杂的图像，信息熵[Eθ]越大。结构方向信息越简单的图像，信息熵[Eθ]越小。

图5可以说明，通过Prewitt算子提取的方向特征信息熵，能有效区分图像的结构瑕疵。

5 PCB金手指图像缺陷实际测试

为了验证上述算法的准确性，本研究搭建了硬件检测系统，现场采集PCB金手指，进行镀层表面缺陷的检测测试。系统的组成如图6所示。

采集设备选用高指标工业摄像机，要求像素点的精度2μm。

5.1 基于颜色变化的金手指缺陷实测

首先采集标准的PCB金手指图像，裁剪处理为锐度高的金手指图像，利用Matlab软件计算基于CIE-LUV参数的二维信息熵，通过多幅标准的金手指图像的熵取平均值和方差，然后确定信息熵阈值。接着，采集待测的金手指图像，对图像边缘进行锐化处理，以矩形的窗口（可以取7×7的邻域）遍历整个图像，确定邻域框的信息熵，和标准值作比较，如果熵的数值高于阈值，说明该区域存在瑕疵，则标记该领域。

实际采集的样本图像如7所示，几乎都包含了缺陷。为了对比测量，笔者提取了2、4、6没有缺陷的区域，其信息熵作为标准值，1、3、5对应的区域作为待测对象。

经过实测，2、4、6三个区域的熵值分别为2.776、3.0、2.49，其均值为2.755，方差为0.256，所以PCB金手指图像熵的阈值取3.01。1、3、5对应区域的测量结果如图8所示，可以看出，基于颜色变化的信息熵检测算法能有效识别漏铜缺陷。

5.2 基于结构变异的金手指缺陷实测

基于同样的图像采集设备，采集待测PCB金手指的图像，如图9所示，然后选取几个没有缺陷的区域，利用Matlab软件，计算基于结构变异的金手指图像的信息熵、平均值和方差，确定信息熵的阈值。再计算待测金手指图像的阈值，如果某区域的熵值明显小于阈值，则标记该区域（表示含有缺陷）。基于结构变异的信息熵检测法检测结果如图10所示，可以看出，其能较好地识别刮伤缺陷。

6 结论

针对PCB金手指的漏铜、氧化、刮伤等缺陷检测，本文提出利用图像信息熵的变化来检测图像，讨论了基于颜色空间的信息熵检测算法和基于结构变异的信息熵检测算法。通过金手指样品的检测实例，笔者验证了算法的可行性。基于颜色变化的信息熵检测算法能有效鉴别漏铜、氧化等缺陷，基于结构变异的信息熵检测法能成功识别刮伤等缺陷。

参考文献：

[1]马子龙.基于内容图像搜索引擎关键技术研究[D].西安：西安科技大学，2010.

[2]袁正希，倪乾峰，袁世通.PCB金手指表面变色研究[J].电子科技大学学报，2009（5）：721-724.

[3]刘福玉，李文玉.SMT生产中金手指污染的处理方法[J].电子工艺技术，2012（6）：355-358.

[4]段练.基于图像处理的印制电路板缺陷检测的研究[D].武汉：华中科技大学，2011.

[5]杜颜颜，杨帆，王晓颖.一种彩色PCB图像的边缘检测算法研究[J].电视技术，2011（13）：113-115.

[6]胡秀亮，叶健敏，王涛.基于图像处理技术的PCB缺陷自动检测系统[J].微型机与应用，2010（1）：24-27.

[7]文燕.自动光学检测技术在贴装检测中的应用研究[D].武汉：华中科技大学，2007.

[8]李宏恩.PCB检测方法研究[J].电子设计工程，2015（14）：106-108.

[9]乔闹生，邓磊，曾友兵，等.含噪声且较模糊的印刷电路板光电图像边缘检测研究[J].光电子·激光，2013（4）：740-745.

[10]潘宏杰，明慧.覆铜板表面油点缺陷探讨[J].印制电路信息，2016（2）：23-24.