5.1 研究結論
本研究設計與開發一套側照式 SMD-LED 之自動光學檢測系統,可針對側照 式 SMD-LED 進行缺件、側翻、極性反、表面不潔、缺口、電極遺失等六項瑕疵 進行檢測。系統包含了硬體機構、軟體系統與檢測演算法。
硬體機構方面,以符合封測現場實際之生產狀況而設計,馬達帶動收料及入 料轉盤之轉動,以幫助元件定位至檢測可視範圍,再由取像機構擷取元件影像;
軟體系統與檢測演算法則具有高檢測正確性,以及低重複變異性之檢測能力。除 此之外,其所具備之參數調整功能,及人機互動設定框選區域之操作介面,可提 升系統因應現場環境之穩健性(robust)外,亦可讓封測廠根據下游不同之客戶品 質需求,做彈性化之調整。
透過本研究設計與開發之系統,除了可提升側照式 SMD-LED 品質與檢測效 率外,也可針對檢測所辨識、歸類之瑕疵種類數量,統計後回饋予相關生產製造 單位,協助追蹤瑕疵成因,以釐清製程可再繼續改善之處,讓品質管理更臻完善。
本研究之單顆元件檢測演算法時間小於 195 毫秒,其詳細如下表所示
表5-1 單顆元件檢測演算法各項目所需時間(單位:毫秒)
項目 取像 側翻、缺件 極性反、
電極遺失
表面不潔 缺口
時間(單位:秒) 46.12 15.62 42.25 45.18 46.61
59
5.2 後續研究討論與建議
本研究所設計之硬體架構與軟體檢測,雖然可以有效提升品質檢測能力,但 依照目前之設計,仍有以下可持續提升及發展之處
(1) 硬體機構
目前硬體控制機構為研究測詴機構,非商用之精密機構,故其仍具改進 之空間,例如:定位準確度、光源模組自動調整適應等,使取得之影像品質 更加穩定。
(2) 軟體方面
檢測軟體於訓練階段,提供檢測人員調整灰階值不均之允許範圍 (Region growing 之 Torrance),而未包含如何設定才可達欲設定之目標,然 而此值為決定檢測結果之重要參數之一,故此處可再增加輔助檢測人員設 定之參考,以讓檢測結果更可快速符合所需。
(3 ) 檢測環境
目前測詴環境為常態下進行,取像可能受微小灰塵影響,故此部分建議 可於無塵室取像測詴,以減少外在因素之干擾。另外,實際產線待測數量 甚多,環境也較為複雜,故可持續測詴系統,以發現任何潛在需改善之處,
使之更為穩健。
(4) 其他型號之開發
本系統以側照式 SMD-LED 其中一型號為基礎,進行開發。其側照式 SMD-LED 型號眾多,但外觀幾何上仍有些許差異,未來可統合各型號之側 照式 SMD-LED,開發一套通用系統,以利實務之應用。
60
參考文獻
[1] B. G. Batchelor, D. A. Hill and D. C. Hodgson, Automated Visual
Inspection, IFS (Publications) Ltd., 1985
[2] “Blob Analysis” in Active MIL user guide, 7th ed.: Matrox Electronic systems Ltd., pp.129-131, 2002.
[3] E. R. Davies, Machine vision: theory, algorithms, practicalities, 2nd ed.:
Academic, pp. 647-661, 1997.
[4] E. N. Malamas, E. G. M. Petrakis, M. Zervakis, L. Petit, and J. D. Legat,
“A survey on industrial vision systems, applications and tools,” Image and
Vision Computing, vol. 21, pp. 171-188, 2003.
[5] N. Otsu, “A Threshold Selection Method from Gray Level Histograms”, IEEE Transactions on Systems, Man, and Cybernetics, SMC-9, 62-66, (1979)
[6] Mandel, J., “Repeatability and Reproducibility,” Journal of Quality
Technology, Vol.4,No.2,pp.74-85
[7] Montgomery, D. C. and Runger, G. C. “Gauge Capability Analysis and Designed Experiments, Part I : Basic Methods,” Quality Engineering, Vol.6,No.1,pp.115-135
[8]
P. K. Sahoo, S. Soltani, and A. K. C. Wong, “A survey of thresholding
techniques,” Computer Vision, Graphics, and Image Processing, vol. 41, pp.233-260, 1988.
61
[9] L. Shapiro and G. Stockman, Computer Vision, Prentice Hall, 2002
[10] 顏清居,”應用電腦視覺技術與印刷電路板自動插件之元件檢測”,國立 交通大學工業工程與管理學系碩士論文,2000
[11] 彭欲光,”應用電腦視覺技術於表面黏著元件印刷電路板之自動檢測系 統設計與開發”,國立交通大學工業工程與管理學系碩士論文,2000
[12] 原著:福岡 義孝、審閱:陳信文、譯者:王姝雯,『電子構裝技術』,
普林斯頓國際有限公司,2005。
[13] 溫紹芳,“逆向工程中二維圖形特徵線之彈性擷取與綴合系統”,國立交 通大學工業工程與管理學系碩士論文,1997。
[14] 劉如熹,”白光發光二極體製作技術-由晶粒金屬化至封裝”,p27-30,
2009
[15] LED 產業網,” 技術專欄--SMD 表面黏著 LED 的生產流程”,上網日 期:2010/1/25,網址:
http://www.ledinside.com.tw/smd_led_process_200802。
[16] Wikipedia ,”機器視覺”,上網日期 2010/1/20,網址:
http://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E8%A7%86%
E8%A7%89
[17] 梁有燈,”機器視覺在 BGA 銲球尺寸量測上之應用”,中華大學機械與 航太工程所碩士論文,2001
[18] 陳賢義,”視覺技術在線上檢測之應用”,機械工業雜誌 6 月號-自動化 感測技術專輯,pp. 267-279, 1993
[19] 江巧玉(2002),“量測重複性與再現性的分析研究”,成功大學統計學 研究所,碩士論文。
62
附錄 A
表 A[19]: (轉換帄均全距為標準差之因子)
k=總樣本數(每個被測量之總次數) n=樣本數(每個零件被測量之次數)