机器视觉精确率可达100？让芯片缺陷无处遁形

引言

随着科技的不断发展，越来越多的产业逐渐被机器所取代。在电子产业中，芯片充当着重要角色，在生产制造过程中自然也需要通过检测环节反馈芯片的品质问题，以便人们掌握各个环节的情况。而随着芯片越来越高端复杂，人工检测逐渐退出历史舞台。

这是因为人工检测存在着以下一些弊端：效率低下、精确度低、耗时长等问题。以常用的双球贴片红外接收头为例，人工部门对于该芯片的外观、引脚长度和引脚距离的一致的检测上总体还是不如机器检测。因为芯片本身要求的高精度技术使得人眼有时难以察觉到一些细节上的问题，而这样的话，对于后续的成品质量方面也没有基本的保证了，机器检测便是在这样的境况下催生的，为了保证芯片质量的优良，简单设计的机器检测过程就可达到人们想要的结果。

机器检测主要针对图像预处理和引脚检测两个环节进行细致的设计，以保证产品生产制造期间的准确性，避免了部件的良莠不齐情况。电子产品的更新换代在我们生活中一直备受关注，机器检测是否能够有效的应用对于电子产品的质量保证也极为重要。

针对机器视觉检测的简单应用

机器视觉是一种复合技术，由图像处理，传感器，光源照明等技术组成，运用图像采集技术采集图像中所需要的信息，代替人工对被测目标进行检测和判断，从而很大程度上提高了工作效率及自动化水平，机器视觉是对人眼视觉的模拟，因此我们可以把它想象成一个电子人眼，具有高度的精确性和自动化的电子人眼。

芯片在生产制造过程中，环环相扣，不可避免地会产生划痕，磕碰等表面不易被察觉的瑕疵，极大的影响了产品的优良，主要在封装前的表面缺陷检测和封装后的封装体缺陷检测。表面缺陷检测也存在着不少的问题：原材料不良、存在异物、划伤、金属污染物等问题对芯片的质量产生一定的影响。封装体所存在的问题为：印刷缺陷和引脚缺陷。印刷缺陷主要体现在表面符号印刷的模糊、偏移、漏印、无字等，而清晰的印刷符号是识别芯片的重要标准之一。引脚缺陷主要体现在引脚缺失、引脚弯曲和引脚破损等。针对芯片中各环节存在的不同问题需要对各环节进行严密检查，而所产生的瑕疵品也需进行不同的分类，这对于劳动力来说是一个巨大的消耗，不仅费时费力效率也低下。

随着机器视觉检测技术逐渐受到重视，多种针对图像信息提取的方法也被提出。机器视觉检测系统可分为两个部分，硬件部分负责图像采集功能；软件部分负责对目标的降噪、预处理、尺寸检测等功能。

首先是硬件系统检测。在这一环节，输送链会将被检测芯片输送至相机下方区域，在相机的光照下，芯片会将反射的光投向镜头并在工业相机成像。工业相机通过图像检测算法对芯片进行检测，之后再通过SOCKET通讯协议发送给机器人，最后由工业机器人将芯片按其优劣程度进行区分并放置相应区域。

软件检测相较于上一步的检测更为细致化。先进行图片采集，完成后对图像滤波、二值化等预处理后可得到清晰的图像；接着对图像进行图像边缘检测，再对其特征进行提取，依此通过对比引脚个数可看出芯片引脚是否存在缺失。这一环节由机器来分检部件是否符合要求，对其进行细致化的检查，和人力来比的话，那么这一步不仅节省了不少时间而且节约了人力成本。

因以双球贴片红外接收头为例进行缺陷检测，所以需要注意的是，在芯片的反面有四个等长、等距的引脚。若引脚个数不足，那么就可以直接输出该芯片的缺陷信息；反之，继续进行下一步的检测，计算引脚间距是否均匀，引脚是否长短一致不存在弯曲；以上检测都达标那么就可视为合格产品，输出合格信息即可；若不是，直接输出缺陷信息。

在对缺陷检测环节的每一个产品做出精确的要求，以保证在具体实施阶段可以得到准确的结果，对部件进行精密的筛选，保证清晰的成像，为引脚缺陷检测环节筛选了成像清晰的，可能会在引脚方面存在缺陷的部件，过滤掉人工检测中未被察觉的问题，保证了机器视觉检测的高度准确率，对于部件的质量保证有很大的提高，减少人工成本造成的不必要的损失。

如何界定机器检测的合格品

在机器准备就绪以后，我们又怎么知道机器对于部件质量的标准呢？同样的标准又是如何被统一的呢？

那么，接下来，我们一起探索机器视觉检测与人眼检测的不同，一起了解智能化的机器是怎样将部件进行统一的筛选的。首先，在图像预处理阶段，通过滤波器对图像边界以及噪声进行统一设计。高频滤波器突出了图像的边界，低频滤波器使得在滤除图像噪声时不会造成图像的模糊，有效地避免了滤波后图像模糊不清的情况。

其次，是对图像的灰度化处理。在图像拍摄过程中若周围环境出现色彩，拍出的图像也会成为彩色图像，这会影响到机器引脚检测的准确度；因此，对图像进行灰度化处理可提高机器检测的准确性。

最后，在对引脚进行统计检测阶段，对其个数、间距也都有着精确的标准。其检测的基本原理是：以合格芯片中的合格品为模板，参照这个模板，当被检测的图像与模板的特征高度匹配时，则视该图像为合格品。

机器检测能否真正用于实践

除了对机器检测各环节的进行计划，专家们对各环节所需要的机器也选用了精确度高，相互性强的设备。经过一系列的规划后就需要对设想进行实践性的检验，以发现其存在的问题，从而在后期的改进中对各环节存在的缺陷进行调整。为了保证机器人可以准确获取目标，需要将相机的坐标数据转化为机器人坐标数据，相机的坐标数据可以实时更新机器人的坐标数据，以保证机器人可精准识别目标产品。

在完成以上的分析及简单的设计规划后，我们需要考虑的是能否让机器检测实现呢？首先，在整个系统设计完成后，要随机抽取一部分样本进行实践检测，以两千个芯片为样本进行测试，准备一千个合格品和一千个瑕疵品分别进行检测，在检测过程中，我们发现九百九十九个合格品样本被精确筛选出，有四个样本存在误差，合格品样本的误判率可视为百分之零点四，而瑕疵品样本的误差率为百分之零。合格品存在的误差可能是由于样本芯片引脚过于弯曲，因此对于引脚个数的检测存在一些失误，将四个引脚判断为不足四个引脚，在引脚距离，偏移度方面暂未发现失误，精确的控制在合格品范围内，符合工业的生产标准。

从预期结果来看，这个设计是较为可行的，在实施过程中遇到的一些问题也有了解决的方法，如果真的将机器检测运用到电子产业中，也许我们会遇到和今天不一样的问题，但是在一千个样品的实验中我们看到了这个方案的可行性，它将会使电子产业更上一层楼，机器检测技术会在世界范围内得到广泛的应用。现阶段，视觉检测技术已经在各行各业中广泛应用，技术也逐渐熟练，但是对于芯片缺陷方面的检测仍有一些问题需要解决，因其表面缺陷的独特性使得表面缺陷和封装体缺陷方面的问题都需要联系起来，运用更精确的方法准确研究这两个部分所出问题的环节与解决方案。

结语

随着当今社会的不断发展，技术的进步，人工智能代替人力也不可避免，机器的各方面优势成为它取代人力的重要条件。在全球化趋势加快的今天，机器视觉检测系统的技术已成为产业中不可或缺的一部分。从最初的人眼视觉检测到如今机器化的发展，无一不在说明当今社会对产业新的要求，对工艺，高标准；对产品，高质量。机器视觉只是电子产业进步的一个小趋势，它体现了我们的科技随之不断创新，不断发展，不断进步。