1-4 章節說明
本論文章節安排如下。將在第二章文獻探討將詳細介紹說明何謂 CPU 與 DIP 的 Bent Pin，以及檢測原理二值化定位法的說明。在第三章研究方法中說明本次 論文使用的二值化定位法與以前常使用的相似度比對法其檢測方法建構方式以 及光學檢測在使用的三角測量法進行說明。
而為了驗證本次論文所使用的方式是否較理想，我們利用的第四章驗證建立 與結果將本次論文使用的二值化定位檢測法與一般在使用相似度比對法來進行 初步的樣本測試與放量測試兩階段，將其檢測結果與相似度比對法進行比較，並 另外尋找是否可使用在其他電子零件的檢測上面以及 SMT 零件的導入可行性評 估，第五章我們將本次實驗的論文的驗證結果進行總結評估。
5
第二章 文獻探討
本章節會說明自動光學檢測系統、影像處理技術以及業界認證使用的檢證條 件，並於工廠端投入樣品進行檢測；本次論文針對自動光學檢測領域中針對 CPU Bent Pin 的瑕疵種類，如：高蹺、凹陷、偏移與缺件，以及 DIP Bent Pin 的錫多、
錫少與錫渣。
2-1 何為 Bent Pin
Bent Pin 原為字面上翻譯稱為腳針彎曲，即彎腳，但由於 Pin 的定義不只腳 針，連 CPU 上的彈簧片也稱為 Pin 且隨著科技進步，CPU 在製程上已將 CPU Pin 愈做愈多且密集。
CPU 為中央處理器，內部會有許多 Pin。這些 Pin 是用於與 IC 結合所使用，
而過密的情況，會使檢查人員無法輕易辨識出異常點，再加上 CPU Pin 本身就已 經很小了，因此在辨識上僅能從光源下確認其反光性，由於反光造成的影像像是 彎曲一般，因此稱為 Bent Pin，而也因為這樣關係，PCB 生產業界也將 Pin 相關 問題點，稱為 Bent Pin。
2-2 Bent Pin 異常種類
在 Bent Pin 檢查上，常見的異常主要如圖 2-1 分為 CPU 內的高蹺、凹陷、
偏移與缺件，而在 DIP 手插件製程上，我們也將錫多、錫少與錫渣也歸類於 Bent Pin 異常。
由於 CPU Pin 的每一根 Pin 都有其功用，因此若生產時造成損壞而未發現，
對於客戶端與工廠本身都是傷害，而 DIP 發生 Bent Pin 多為過錫爐後所產生的
6
問題，理應較好發現，但就因如此，作業人員常忽略掉，直到電測甚至是出貨到 客戶端後才被發現。
項目 高蹺 凹陷 偏移 缺件
CPU
項目 錫多 錫少 短路
NA DIP
圖 2-1 Bent Pin 不良分類
以目前台灣所生產 SMT 製程，Bent Pin 多是採用人員肉眼檢查方式來將其 不良檢出，這種方式存在一個很大的問題，就是使用人來判定的話會發生標準不 一情形。
由於每個人在進行品質判定上很難達到標準化作用且人力成本也較高，因此 本次論文希望將 Bent Pin 檢查進行標準化與自動化，使不良流出風險降低也可降 低人力成本。
2-3 光學檢查
光學檢查是利用機器視覺化技術達到快速、高精度與可靠性佳的影像檢測系 統，如同陳瑞峰[1]所述，現今以用於取代人力使用的儀器檢測，此項技術在半導 體、PCB 電路板、傳統產業皆被廣泛運用。
7
光學檢查依領域不同區分為 AOI (Automated Optical Inspection，自動光學檢 測)、SPI(Solder Paste Inspection，錫膏印刷檢測)、AVI(Automated Visual Inspection，
外觀檢查)，原理上皆為利用光學影像儀器利用非接觸式的感測進行影像擷取與 定義產品表面狀態，最後透過設定的參數將取得的影像找出是否有短路、缺件、
偏移、破損、汙染…等不良發生。
2-4 機械視覺
機械視覺在光學檢測是相當重要一環，如同李秉鴻[2]，與我們視覺系統一樣，
根據圖 2-2 示意圖，機械視覺將看到的影像進行擷取，並經過系統處理後，最後 將影像呈現出來，機械視覺在一般自動化機台多用於校準與定位，而在光學檢測 中更廣泛運用於瑕疵品檢測與尺寸量測。
圖 2-2 機械視覺流程示意圖
2-5 影像處理
本次論文主要採用二值轉換與型態學，我們根據 L. Xu, X. He, X. Li, and M.
Pan [3]所說明，前者為將顏色區分為兩種形式，自動光學影像檢測初期多採用此 種方式，經由簡單的顏色判斷來將簡單的不良品區分出來。
影像截取 系統處理 影像輸出
8
但隨著自動光學影像檢測這塊領域日漸受到重視，愈來愈多的細部不良需倚 賴光學檢測機台來檢出，因此才衍生搭配不同光源所產生的各種檢測方式。而形 態學部分也從早期固定參數部分，為了檢測自由性與專案化，逐漸改變成可依產 品特色自行調整，具體說明如下。
2-5-1 二值轉換
二值轉換是將影像進行二值化，見圖 2-3，當檢測目標灰階度大於或等於設 定值時便會調整為白，小於設定值時則為黑。
本論文使用 Otsu method，如同黃國豪[4]與戴珣[5]，藉由所有影像二值化的 閥值統計結果並計算出不同閥值所造成的差異，差異最大值為最佳閥值 T，如圖 2-4，藉由差異最大處，我們可明顯找出目標閥值 T。
圖 2-3 二值轉換圖
圖 2-4 閥值 T 位置
二值化前 二值化後
閥值 閥值
9
2-5-2 形態學
在影像截取後往往會包含著雜訊，如同陳瑞峰[1]以及徐裕智[6]，為了不使 目標受到干擾需要調整分割成區域形狀，而此時用到的分析空間結構的理論即為 形態學，在二值化影像處理中常被廣泛運用，如下。
1. 膨漲：膨漲主要運用在於填滿隙縫，空間中兩個集合 A 與 B 兩集合，當 a 集合被 b 集合膨脹時，用 a⊕b 表示，a 為輸入的影像，b 為結構元素，圖 2-5 中，當藍色影像 a 經過結構元素 b 膨脹後，得到的結果會使影像 a 看起來更大了 一些。
圖 2-5 膨漲示意圖
2. 腐蝕：腐蝕定義正好與膨脹相反，由於腐蝕是求局部最小值，當 a 集合被 b 集合膨脹時，用 a⊝b 表示，我們從圖 2-6 中看到，當藍色影像 a 經過結構元素 b 腐蝕後，得到的結果會使影像 a 看起來更小了。
圖 2-6 腐蝕示意圖
3. 開放：開放為侵蝕及膨脹兩種運算合成，公式為 a·b =(a⊝b)⊕b，他會針 對結構元素 b 先行侵蝕後再進行膨脹，先進行侵蝕是要將連結弱的區域或小區塊 的雜訊先行濾除，之後經由膨脹使輪廓較為平滑。
10
4. 封閉：封閉與開放正好顛倒，其公式為 a·b =(a⊕b)⊝b，先將結構元素 b 先 行膨脹再行侵蝕，先行膨脹後，區域旁的小雜訊被結合再一起，再經由侵蝕將遠 距離的雜訊侵蝕掉，封閉也可使輪廓較為平滑，但與開放不同的是，他將窄的中 段或常缺口連結起來藉以消除小洞、斑點以及填補輪廓上的缺口。
11