BGA焊点空洞缺陷的数字形态学检测（英文）

空洞缺陷是BGA焊接缺陷中比较常见的一种,主要由回流焊时产生的气体没有及时排出而导致。X射线无损检测技术可以使空洞缺陷在焊球图像上显示为白色区域供技术人员查看,但在噪声、不均匀照射、存在与缺陷类似目标的干扰下如何准确地自动提取缺陷一直是个难题。提出使用Otsu算法分割焊球,使用数学形态学中的开闭运算、顶帽变换提取空洞缺陷的技术方案,实现每个焊点空洞缺陷的准确提取和自动分析。实验结果表明,提出的技术方案鲁棒性强,可应用于BGA焊点的空洞缺陷检测。     

基于气密封装的BGA基板关键工艺技术研究

球栅阵列（Ball Grid Array,BGA）封装技术是一种先进的高密度封装技术,是实现多基板三维组装的关键工艺。在气密封装的多基板三维组装过程中,BGA基板在组装过程中的形变、焊点的焊接强度及空洞率、多基板间低间距等控制不良,都会影响多基板三维组装的可靠性,而封装体内助焊剂可能会污染或腐蚀封装体内元件的金属层。通过对气密封装中BGA基板三维组装过程中形变、焊接强度、清洗等关键工艺技术的研究和分析,提出气密封装中BGA基板工艺组装质量的解决措施和工艺实现途径。     

基于无损检测的高分辨率PCB板焊点缺陷检测系统

为了能快速、准确地对BGA封装器件的PCB板上的焊点进行缺陷检测,设计了高分辨率X-射线无损检测的缺陷检测系统.给出了系统的基本工作原理和硬件结构,采用等比例成像的方法求解了获得最高分辨率的距离信息.分析了系统可能存在的噪声源,并设计了去噪算法用于提高图像信噪比.试验采用HAWK-180XI型X-射线源、高速图像采集卡和UNIQ-2000型CCD相机等对BGA封装的PCB板缺陷进行检测,结果显示:系统可以快速有效地获得被测PCB板的图像信息,并给出缺陷的位置、尺寸等特征信息,满足设计要求.     

基于焊点形态分析的小节距BGA焊盘尺寸设计

为了寻找BGA焊点体积、焊盘尺寸及焊点节距之间的最佳匹配关系以提高焊接成品率,研究了焊点形态对焊接高度的影响。通过Runge-Kutta方法求解带体积约束的Young-Laplace方程,仿真分析了特定节距下焊点体积与焊盘尺寸对焊接效果的影响。结果表明,焊点体积的变化会使得整个焊点高度与承载力的关系曲线向左或者向右平移,而焊盘直径则对焊点的最大高度影响更加明显。需要同时改变焊点体积及焊盘直径以得到能够适应相应封装形式的翘曲变形。最后,按照中兴通讯股份有限公司某封装的0.4mm节距BGA的标准,分析了0.35mm节距及0.3mm节距BGA封装下焊点体积与焊盘直径的最佳匹配关系。     

基于形态学的木材缺陷检测

介绍了数学形态学灰度形态滤波方法,形态学多结构元素梯度边缘检测算法,给出对木材缺陷图像进行数学形态学运算处理后的图像实例.根据木材内部缺陷的特点,分析了结构元素的选取,提出了一种将数学形态学的灰度形态滤波和形态学双结构元素边缘检测有机结合的方法,对木材缺陷进行边缘检测.实验表明,该方法不仅提高木材内部缺陷检测的可靠性,...     

基于颜色和数学形态学的木材缺陷检测研究

木材天然美丽的纹理、优雅的色泽使其在建筑、家具得以广泛应用,因此人们除对木材纹理特别注重外,对其颜色也近于挑剔.本文根据传统的分割方法、木材的特点、实际生产过程中时间短的的要求,提出了基于色差和数学形态学木质板材分割方法.在HSI空间中,重点选择对H分量和I分量先进行形态学边缘检测,不考虑其中过小的像素块,采用中值滤波将其清除,保留住准确的边缘图像,为此边缘检测以颜色模型的H分量为特征,然后再基于边缘信息进行区域生长.为了克服伪边缘(断边、毛刺等)缺陷,本文又利用边界信息自动选择种子点,以各区域边界为区域模型进行区域生长,最后得到分割结果,很好的分割出木材的缺陷部分.     

PCBA 板载 DDR 芯片焊点缺陷检测研究

板载芯片朝着小尺寸高密度方向发展,隐藏于芯片封装内部的微焊球缺陷检测愈发困难。针对工业高密度集成印刷电路板组件(PCBA)板载集成电路(IC)内部故障定位难、效率低的问题,提出一种芯片功能测试过程中采用红外热成像检测结合深度学习的多类型缺陷识别方法。以现场可编程门阵列(FPGA)单板双倍数据速率(DDR)存储芯片为对象,建立了芯片缺陷检测模型,搭建检测平台开展芯片内部焊点故障检测试验研究。设计程序实现芯片的数据存储与读出,同步采集红外图像序列,分析存储芯片读写过程中温度变化,并提取不同敏感测量区域热信号。构建卷积神经网络(CNN)分类模型,并进行超参数调优,实现了内部隐藏缺陷包括不同地址、数据、地址空间焊点故障的高效准确识别。引入迁移学习拓展应用于芯片其他9种不同焊点缺陷的检测,在10、20 dB高斯白噪声条件下分别达到95%、92%以上的准确率,从而为实际工业高密度集成PCBA板载微电子封装及可靠性分析提供了一种快速、有效的方法。     

BGA焊球视觉检测算法及系统设计

为了实现对BGA焊球的自动检测,建立了自动视觉检测系统。对系统所采用的焊球特征进行提取及缺陷识别,基于高斯混合模型的分类器对检测算法进行研究。根据焊球的形状和尺寸特征设计了焊球缺陷识别和分类算法,并以锡多、锡少和毛刺缺陷为例,分析典型缺陷的识别算法。以焊球形状的圆度和特征区域的面积等特征参数为评价标准,构建二维特征空间。在二维特征空间线性组合的基础上,构建基于高斯混合模型的分类器。构建了训练样本集,并对该分类器进行训练,根据训练结果并结合应用实际修正了模型,并采用测试集对该分类器进行测试验证。实验结果表明,焊球缺陷检测算法的准确度为97.06%,漏判率为0%,检测可靠度为100%。该视觉检测系统满足了工程运用中对识别准确度、稳定性、可靠性等方面的要求。     

基于自适应形态学滤波的X射线图像的缺陷提取

将数学形态学的理论运用于实际X射线焊缝图像的缺陷提取 ,提出一种结构元大小能随缺陷尺寸自动调整的自适应形态学滤波方法 ,取得了较好效果。     

彩色印刷品缺陷的形态学检测方法

彩色印刷品允许范围内的套印误差以及检测过程中发生的轻微变形,图像差分时会造成缺陷误判,影响检测效果。在IHLS颜色空间上提出一种基于形态学的彩色印刷品检测方法:通过分析模板图像掩膜内的最小生成树的结构特征,将得到的上下确界的矢量距离作为检测图像的阈值,把配准后的差分图像转换为真正的缺陷图像。彩色包装材料的检测结果表明,该方法可以满足彩色印刷品指定精度内的缺陷检测要求。     

基于自组装成品率的球栅阵列焊点工艺参数分析

为了提高球栅阵列焊点封装器件的自组装成品率,研究了焊点体积偏差率及焊盘直径对器件自组装成品率的影响。考虑封装器件的温度翘曲变形、焊点体积的不可避免的制造误差及焊点位置的随机性,分析了器件自组装过程。通过求解不同体积焊点的形态,得到了不同体积焊点的液桥刚度曲线。基于不同体积焊点的液桥刚度曲线,仿真分析了焊点体积偏差率及焊盘直径对器件自组装成品率的影响。结果表明,焊点体积偏差率及焊盘直径的减小会增大焊点液桥刚度曲线的公共范围,从而提高器件的自组装成品率。     

基于边缘算子和数学形态学的光纤面板暗影检测

暗影是光纤面板在生产过程中产生的一种疵病,根据光纤面板暗影透过率的梯度变化特征,讨论其对应图像的灰度变化特性,提出了利用经典边缘算子融合数学形态学检测光纤面板暗影的方法。首先采用Canny算子进行暗影边缘的初步检测,然后选择最优的数学形态学方法及结构元素,最后利用闭运算实现暗影边缘连接。实验结果表明,此方法能有效地检测出光纤面板中存在的暗影,检测效果清晰、完整。     

基于蒙特卡罗法和有限元法分析封装焊点中微孔洞对应力的影响

将蒙特卡罗法和有限元方法用于分析球珊阵列封装(BGA封装)焊点中微孔洞缺陷对焊点应力的影响。先用X射线断层扫描方法测定焊点中孔洞大小及其分布规律,然后利用Abaqus有限元分析软件建立BGA封装有限元模型,采用Anand本构方程描述焊点的应力应变响应,分析BGA封装焊点应力分布情况;并针对关键焊点即应力最大的焊点,建立了含孔洞大小和位置呈随机分布的焊点参数化有限元模型,结合试验结果,分析了孔洞直径和位置对焊点应力分布的影响。结果表明:微孔洞直径越小,越接近于焊点的表面,焊点中的应力越大。     

基于数学形态学和MATLAB的车道线边缘检测方法

针对道路图像中的车道线边缘检测问题,提出了利用数学形态学和MATLAB进行车道线边缘检测,讨论了对其中出现的灰度图像转化、图像预处理、二值化图像、边缘检测等问题进行处理的关键方法,给出了基于数学形态学和MATLAB的车道线边缘检测方法。实验结果有效地显示和验证了此方法的高效性。     

Cluster identification in AA5754 aluminium sheets using mathematical morphology analysis

Quantitative image analysis of particle distribution in the microstructure of continuous cast (CC) and direct chill cast (DC) AA5754 aluminium alloy sheets have been conducted. This information can be used as an input for modelling mechanical deformation and instability in these materials. The quantitative analysis reveals that there are significant differences in the microstructure of the two materials even though the total content of second‐phase particles is statistically similar. Qualitative observation shows the second‐phase particles to be arranged in the form of streaks parallel to the rolling direction in the CC sheets and in a uniform random manner in the DC sheets. The main difference in the geometric microstructure of the CC and DC material is the spatial arrangement of the second‐phase particles. A new mathematical technique called proximity analysis is developed to identify clusters and group of particles belonging to a cluster. Quantification through proximity analysis reveals that the particle clusters in CC sheet are in the form of long clusters (streaks) parallel to the rolling direction and are significantly longer than those in DC sheets (with the largest cluster in CC being four times larger than DC), and also have anisotropic angular orientation parallel to the rolling direction. The lower value of fracture strain observed in the CC sheets compared to DC sheets is attributed to a combination of large sizes of clusters and their preferential alignment along the rolling direction in the CC microstructure.     

基于数学形态学和模糊聚类的旋转机械故障诊断

提出了一种数学形态学与GG (Gath-Geva)模糊聚类相结合的旋转机械故障诊断方法,通过对滚动轴承信号的多尺度形态运算得到信号的形态谱,定量反映了信号在不同尺度下的形态变化特征.为进一步对滚动轴承信号进行故障识别,提取出基于形态学操作的分形维数和描述不同信号形态特征的指标即形态谱墒,并把这2个参数作为GG聚类的故障特征向量,进行聚类分析,同时对GG聚类与FCM(fuzzy center means)聚类和GK (Gustafaon-Kessel)聚类进行了比较.实验证明了基于数学形态学与GG聚类相结合的机械故障诊断方法的有效性,且证明了GG聚类更适合对不同形状、大小和密度的空间故障数据模糊聚类,聚类效果更好.     

基于各向异性数学形态学的火焰图像边缘检测

为了更加有效地提取锅炉燃烧火焰图像的边缘,提出了一种基于各向异性数学形态学的火焰图像边缘检测方法.首先计算火焰图像的平均平方梯度向量并由其表示平均梯度向量,然后对平均梯度向量进行扩散得到图像的平均梯度向量场,并计算图像各像素点的平均梯度方向,最后根据各点的方向信息构造适合的形态结构元素,并计算其形态学梯度,据此检测出火焰图像的边缘.针对大量火焰图像进行的实验结果表明,与现有的边缘检测方法包括Roberts方法、Sobel方法、Prewitt方法、Canny方法、Log方法、各向同性数学形态学方法以及自适应邻域方法相比,该方法检测出的边缘,定位更加准确,边缘完整清晰,算法抗噪性更好,运算速度快.