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)