SOP封装电子元器件的检测筛选方法研究

刘娟　韩璞辉

电子产业的飞速进步为电子元器件注入了强大的发展动力，成为信息革命的主阵地。针对电子元器件的检测筛选则是为其跨越性的技术进步与升级换代提供质量保障。SOP（Small Out-Line Package）封装的电子元器件作为当今较为成熟的封装形式，一般应用于系统集成度、可靠性、体积重量要求高的工业级及以上质量等级的电子元器件设计中。为了实现更为高效、快捷、准确的SOP封装电子元器件检测筛选，结合工作实际，采用图像对比的方式，可以发现元器件表面的质量偏差点，实现对SOP封装电子元器件的检测筛选方法创新。

在电子元器件封装的过程中，由于厂房设备的磨损、季节天气的变化、电子污染物等原因，很容易导致电子元器件存在质量缺陷。为了检测出这些质量缺陷，采用图像处理的方法，对比检测图片与正常图片的差异，发现缺陷。本文研究的重点主要为图像处理的校正、对比设计实现。

在图像采集前，需要将电子元器件按照标准的阵列排布，设计为五行流线进程，图像采集的基准点是电器元器件固有的标准基点。电子元器件引外部区域的定位算法的设计也是以这些标准基点为基础。电子元器件外部缺陷检测算法主要包括镜头的偏移检测矫正和外部瑕疵检测。受光学镜头边缘畸变以及元器件排布误差的影响，采集到的元器件影像存在边线弯曲、图片扭转、比例失调等现象，需要进行图像分割并校正。

本文在简化传统算法的基础上，设计实用投射模型，实现对原有算法的简化处理，并更贴近近焦距工业相机的成像特点，建立数学模型。在不考虑畸形变化的前提下，可得下列表达式：

通过简化操作，考虑了检测筛选实际工作中的相机性能特点，剔除了背景干扰，简化了图像识别的流程。

完成图像定点校准后，基于Sobel算子提取圖像底部边缘轮廓线，统一图像对准基准;然后采用最小二乘法拟合，得到图像轮廓直线的坐标数值，通过计算获取图像的倾斜角度;最后，将图像按照计算得出的倾斜角度反向旋转，实现图像的倾斜校正。由于图像上的点是分散的数值影像单位，因此在规定半径的圆上满足已知数值坐标的点是可统计的。对于信息化检测系统的算法来说，一定是在规定时间内的运行时间越少越好。扫描次数少在一定程度上可以缩短时间。但也需要注意图像呈现的完整性和结果的准确度。

完整、准确的元器件图像信息是进行图像对比检测的数据基础。在此基础上，调取预存的标准元器件图像，与获取的图像进行灰度值差值运算。如果元器件不存在质量缺陷，其表面图像应当是平滑的，与标准图像的差值应当接近于零;如果存在裂纹、磨损、凹陷等质量缺陷，在图像差值运算后，表现为明显的黑色，即为元器件的缺陷点。以此实现SOP封装的电子元器件自动检测筛选。

（一）实验准备

实验过程模拟真实的机器设备运行环境。电子元器件引线框架的两侧与模拟导轨接触，并且最少需要四次出片，才可完成整个引线框架的图像采集。电子元器件的包装外部瑕疵缺陷主要有包装的划痕、胶面的崩裂、有出气孔、不同程度的破坏或者空洞以及胶面的擦痕。为了方便统计，收集到的图像中随机截屏缺陷图像。而这些损伤在成像方面的差别细微到难以察觉，如果想要运用传统的缺陷检测算法来检测，那么检测结果的正确度和完整性将不能保证。

（二）实验结论

设100个样本，分别用本文的缺陷检测算法和传统检测方法进行在划痕、崩裂与气孔、破损、空洞和擦伤方面的检测对比，结果如下表所示：

根据上表可知，100个瑕疵样本中，用缺陷检测算法检测的五个方面的瑕疵样本数量比传统的检测方法检测出的数量都要更多，由此可以得知缺陷检测算法的实用性和先进性。

电子元器件的检测与筛选是电子产品可靠性的基础把关，其特点是种类繁多，数量庞大，单单依靠人工检测筛选已经不能满足实际检测的需要，必须在技术手段和检测方法上不断研究、创新思维，设计出更为便捷、高效、准确的方法。希望通过本文的研究，为业界同行带来启发，为电子元器件的检测筛选研发出更好用的技术手段。