基于图像处理技术的印制电路线宽精密测量与光源光强调节方法研究

洪润莉 何佳乐 古庆宏 张真汶 黄杰贤

（1．广东省梅州市质量计量监督检测所，广东 梅州 514072；2．嘉应学院物理与电子工程学院，广东 梅州 514015）

1 引言

印制电路，英文名称为：Printed Circuit Board(简称PCB)。中国是印制电路板制造大国，2019年印制电路板的总产值达到422.5亿美元，占全球的55.7%[1,2]。随着信息技术的飞速发展，5G通信技术的发展与普及，电子产品朝着轻、薄、小、巧的方向发展，也意味着对作为一切电器的载体——印制电路板制造提出了极高的要求。以常用的阻抗板为例，线路过宽，造成线路短路；线路过细，造成传输信号不正常；粗细突变，易产生高频反射，形成电磁干扰[3]。这就对印制电路板线宽的加工精度提出了极高的要求。因此，发展出一套高效的、精密的、针对印制电路线宽的测量方法对于保障印制电路质量具有重大意义。随着我国产业结构不断优化、升级；环保标准不断提高，劳动力成本日益上涨，许多低附加值的印制电路企业纷纷被市场淘汰。几乎所有的印制电路企业都采用机器视觉替代人眼进行对线路板进行检测。在自动光学检测系统中，光源是最基本、最关键的部分，将光源的光照强度调节到最有利于图像处理的状态是一切工作的基础。例如龙庆文从光源入手，利用PCB基材表面散射光，金属表面反射光的原理，设计出一种高角度环形光源以提高线宽检测的效率与精度。尽管使用该光源对于提高测量精度有极大作用，但使用条件苛刻——要求将线路放置在光源下方、中心位置；否则检测精度因线路光照不均，照射角度不对称而受到不良影响[4]。何瑞英使用滤波器对光照不均的PCB图像进行处理，以有利于对PCB检测目标的图像分割[5]。而在针对印制电路线宽精密测量方面，彭禹豪通过对位移平台与线阵CCD协同控制，提取PCB图像后对线宽进行精密测量，但线阵CCD提取图像存在着效率不高的问题[6]。Hessian矩阵也常用于线路边缘提取，进而实现线宽测量，但该方法实现复杂，不利于推广与应用[7]。神经网络，深度学习也是近年的研究热点，但是该类方法需要大量的数据作为支撑，无论是收集样品数据还是建立合理的模型都是一项复杂的工作，不具有实用价值[8-10]。为了让测量方法具有实用性，充分挖掘相机的性能，基于亚像素的精密测量是比较好的选择，例如张亚楠采用Zernike矩对边缘进行亚像素级别的定位，同一线路两边缘距离为线宽[11]。但该方法测量精度不高，仅稳定在0.8个像素左右。在前人研究的基础上，综合考虑光源与图像处理算法，本文提出协调光源光照强度控制与图像处理算法取得最佳的测量效果。文章分为4个部分：（1）光源选取与成像分析；（2）线宽精密测量；（3）最佳光照调节方法；（4）通过实验验证本文方法的有效性与优越性。

2 光源选取与成像分析

针对印制电路线宽的测量系统如图1所示，包括了相机、同轴光源、计算机三部分。同轴光源可提供均匀的光照，既能凸显物体表面部平整，又能克服表面反射造成的干扰。印制电路的线路与基材材质不同，在图像中存在明显的差异，体现为线路的灰度值明显高于基材的灰度，如图2所示。

图1 光学检测系统图

图2 印制电路板线路及其灰度图

在线路的边缘区域，灰度发生剧烈的陡变，也在图3的灰度梯度特征分布中得到反映。灰度梯度公式如表达式1所示。

公式(1)中，grad(x,y)为(x,y)坐标上的灰度梯度值，f(x,y)表示(x,y)坐标上灰度值，abs()为绝对值函数。

3 基于亚像素的线宽测量

在线路左、右边缘区域中，灰度梯度极大值的位置为边缘位置，以图3为例，选取一组坐标值，左边缘为坐标为（50,12），右边缘的坐标为（50,30），线宽为18像素，以55.7um/像素为比例系数，线宽的测量值为1003um，标准值为975um，绝对误差为28um，约1/2像素。

图3 印制电路板线路及其灰度梯度图

为了进一步提高测量精度，本文通过拟合边缘区域的灰度梯度值求取线路边缘的精确位置。观测边缘区域的灰度梯度变化情况，例如左边缘区域中，坐标(50,11)(50,12)(50,13)(50,14)上的灰度梯度分别为：52、157、153、49；右边缘区域中，坐标(50,29)(50,30)(50,31)(50,32)上的灰度梯度为：84、137、104、33。采用最小二乘曲线[12]对灰度梯度进行拟合，拟合结果如图4、图5所示。

图4 左边缘曲线拟合及边缘定位

图5 右边缘曲线拟合及边缘定位

图4、图5中，点线为拟合曲线，虚线为当拟合曲线极大值时的纵轴线。纵轴线的X坐标值判定为边缘的位置。图显示左边缘坐标为(50,12.48)，(50,30.2)。线宽为17.72像素，测量值为987um，绝对误差为12um，约1/5像素。因此，基于灰度梯度曲线拟合的亚像素测量方法可有效地提高测量精度。

4 光照强度调节方法研究

在基于亚像素的线宽精密测量过程中，灰度梯度间接反映了线宽边缘区域的几何形貌的变化情况，对于准确拟合曲线起到关键作用。若同轴光源光照太强，容易丢失特征信息(如图6(a)样品所示)；太弱则难于凸显线路边缘(如图6(b)样品所示)，图的样品的测量值分别是：1027um、938um、987um，误差分别为52，-37、12：因此，光线太强或者太弱都不利于线路线宽测量。

图6 不同光照条件下线路成像

熵可以度量灰度梯度分布的不确定性，熵的数学表达式如式（2）所示。其中Xi表示灰度梯度值，X1为灰度梯度最小值，XN为灰度梯度最大值。P(Xi)表示灰度梯度为Xi的像素数在总像素数的比例。

灰度梯度分布越集中，熵值越低；灰度梯度特征越丰富，分布范围越广，熵值越高。当光线太强或者太弱的时，灰度梯度特征呈集中分布，熵值较小。本文采用数字光源电源控制器控制同轴光照强度(如图7所示)，图7的数字中，1表示通道，60表示光照强度。

图7 数字光源电源控制器

通过不断调整光强，对同一个目标做图像采集并进行熵值计算，图8(a)(b)(c)(d)(e)(f)(g)分别是在光强为20、30、40、50、60、70、80下采集的图像，熵值计算值为：5.0904、5.1335、5.3585、5.5494、5.4801、5.4108、5.1471。熵与光强的关系如图9所示。

图8 调节光强采集的线路图像

图9 光强与熵

为了建立熵与测量精度的关系，本文收集了100个样品，计算平均熵值与平均测量误差，两组数据之间的关系如图10所示，测量误差与熵值成反比关系。

图10 熵值与测量误差

根据实验结果，光照太强或者太弱，都不适宜线宽的精密测量，测量精度与熵值成正比。因此，在实验的基础上提出光照调节方法步骤为：（1）计算机控制光照强度；（2）采集图像；（3）计算的熵值；（4）当熵为最大值时的光照为最佳光照强度。

5 实验结果

为了验证该方法的有效性，实验选取平均线宽468um、975um、1987um的线路样品做光照调节的实验，观测光照调节前后的测量精度，不同的光照条件获取的图像如图11、图12、图13所示。对比数据如表1，表2，表3所示。

图11 强光照条件下的线路图像

图12 弱光照条件下的线路图像

图13 最佳光照条件下的线路图像

表1 强光照条件下测量误差（单位:um）

表2 弱光照条件下测量误差（单位:um）

表3 最佳光照条件下测量误差（单位um）

为了更进一步验证光照对于测量精度的重要性，本文随机选取500个样品，在不同光照环境下进行测量，测量结果如表4所示。

表4 不同光照条件下的测量误差（单位um）

6 结语

本文分析了同轴光光源光照对印制电路板线宽的精密测量的影响，提出一套有利于提高测量精度的光照调节方法。通过实验证明，该方法可有效地提高测量精度，具有极大的实用性，对于同类型的基于图像处理技术的精密测量研究极具参考价值。