第一章 簡介
1.1 PCB（Printed circuit board）基本介紹
在科技快速發展的現代，PCB 印刷電路板是不可或缺的一環，在一個電子商 避免不良品外流，而 AOI(Automatic optical inspection)自動化光學檢測是近幾年來 製造業常用的一項外觀檢測技術，此技術綜合了電子、機械、光學、電腦資訊等
2
定度這兩項優點，且根據產品缺陷還可以在外觀檢測站之前的製程做參數調整或 設備調整，可以更有效的對產品品質做把關。
1.2 研究目的
如前一小節所述因為製程複雜，且有許多影響產品良率的因素，為了在電子 元件上件前能確保所有電子元件能正常運作，在產品出廠前，必頇經過電性測詴 及外觀檢測兩大關卡，產品才能送至組裝廠上件。其中電性測詴是為了測詴電路 板在出廠前皆能正常導電使電子元件正常運作，外觀檢測則是藉由外觀來檢測電 路板運作不穩定的因素。
此篇論文的研究目的在於利用工業相機結合 LED 光源，拍攝產品影像，再將 影像利用電腦影像處理等方法，輔助判斷出產品屬於良品或是劣品，若為劣品則 不出貨，良品則可出貨。如此就可以避免不良品外流至組裝廠，導致電子元件彼 此之間無法正常運作。本篇論文中著重於如何檢出 PCB 印刷電路板中導電區域瑕 疵，在此所提到的導電區域即是電路板中的金屬區域，而不導電區域則是電路板 中非金屬的區域，非金屬區域主要為油墨其次為 PCB 基板。
1.3 研究方法
本論文使用影像處理函式庫 OpenEVision 的 ImageRange 檢測步驟，以及提出 四種影像處理步驟用於檢測 PCB 金屬區域的瑕疵，分別為平均統計檢測步驟、閉 合平均統計檢測步驟、相減檢測步驟、相減移動檢測步驟。ImageRange 檢測步驟 目前已實際運用於產線上，但基於缺陷檢出率和檢出正確率一直無法提升，故本 論文利用收集不同的瑕疵種類去設計檢測步驟，期望能提升檢出正確率和總體瑕 疵檢出率。
3
在影像處理中最為直觀判斷影像中有差異的方法為樣板比對也就是影像相 減，因為影像相減後剩下來的區域即是異常區域。故本篇論文從影像相減出發，
首先 ImageRange 檢測步驟即將標準影像經由灰階化、侵蝕運算以及減灰階門檻值 等步驟後，再和灰階化後的待測影像做樣板比對。不過，因為 ImageRange 檢測和 相減檢測皆是屬於樣板比對的檢測步驟，會有很大機會發生產線製程容許範圍的 無異常影像誤判為異常影像。針對此問題，本論文使用侵蝕運算將不導電和導電 區域之間容易誤判的區域減小，使得誤判發生的機會下降，但也因為侵蝕運算使 得瑕疵檢出率大為下降。
由於在樣板比對中誤判發生的頻率太高，因此我們整合平均統計檢測步驟。
在平均統計檢測步驟中，利用二值化的待測樣板為遮罩遮住不檢測非導電區域 後，再利用侵蝕運算使得不檢測區域加大，以減少邊緣誤判的發生機率，最後再 使用門檻比對篩選出高於門檻的異常點，而使用平均檢測步驟的好處是不再需要 樣板比對，所以就可以減少樣板比對中因製程變異而造成的誤判，故而提升檢出 正確率。
平均統計檢測中，因為非導電區域遮罩使得邊緣缺陷、大片沾汙等在二值化 後會變成遮罩的缺陷無法檢出，故本論文在平均統計檢測步驟中的二值化運算後 加入閉合運算，使得較小瑕疵和邊緣毛刺狀缺陷遮罩消失，所以在門檻比對時可 以找到邊緣毛刺或小瑕疵等缺陷。但是閉合運算能處理的瑕疵遮罩大小有限，所 以要檢測出較明顯的瑕疵，如大片沾汙還是必頇仰賴樣板比對。
為了取得明顯樣板輪廓，本論文將標準樣板和待測樣板皆經過灰階化、二值 化處理後，再樣板比對，留下的即是異常區域，以上即是相減檢測步驟。但相減 檢測步驟對於規格內製程變異以及對位誤差所造成的誤殺還是無法避免，為了減 少誤殺發生的機率，本論文在相減檢測步驟中的二值化步驟後，皆對待測樣板和
4
標準樣板計算圖型質心位置，移動待測樣板的質心至標準樣板的質心位置再 執行 影像相減步驟，以上即為本論文所提出的移動相減檢測步驟。
最後整合閉合平均統計檢測步驟和移動相減檢測步驟，以取代 ImageRange 檢 測步驟提升 PCB 金屬區域瑕疵檢出率和檢出正確率。
1.4 論文架構介紹
本論文章節安排如下。將在第二章詳細介紹印刷電路板導電區域問題以及取 像環境和影像處理基本方法。在第三章中介紹 ImageRange 檢測步驟、平均統計檢 測步驟、閉合平均統計檢測步驟、相減檢測步驟、相減移動檢測步驟共五種影像 處理步驟和類神經網路中的 AlexNet 卷積式神經網路用於檢測 PCB 表面金屬區 域。在第四章的模擬實驗，詳述本論文提出的幾種檢測步驟的實驗結果，藉由實 驗結果可以了解矩陣大小或參數的設定對於結果有甚麼影響，且實驗數據可以比 較幾種方法的優缺點。最後在第五章提出結論。