本文選題：缺陷識別 + X射線BGA焊點圖像　； 參考：《沈陽大學》2016年碩士論文

【摘要】：BGA封裝是一種高集成度的現(xiàn)代集成電路器件封裝方式,BGA封裝器件的發(fā)展直接推動了芯片焊接技術的發(fā)展。但因為芯片內部焊點不可見并且焊點越來越小,焊接方式也越來越精密,造成了焊接缺陷增加的同時其檢測技術也成為工業(yè)生產中的難題。然而在國內企業(yè)中,主要采用人工視覺檢測的方法對BGA焊點缺陷進行檢測,這大大增加了檢測的不可靠度。因此如何提高BGA焊點缺陷檢測的效率和準確性,以及提高檢測效率和改善電子產品質量有著非常重要的研究價值和現(xiàn)實意義。本文重點完成以下工作:分析了BGA焊點的成像特點以及常用降噪方法對BGA焊點圖像降噪時不佳現(xiàn)象的原因,并研究了PM模型在BGA焊點圖像降噪的適用性;提出了以連通區(qū)域面積均值為閾值的新分割算法。主要研究了常用的閾值法并分析了它們分割不準確的原因,提出了以獨立連通區(qū)域的面積均值為閾值然后用數(shù)學形態(tài)學平滑焊點邊緣的新分割算法,不僅有效濾除線橋等干擾,而且使用此閾值結合經(jīng)驗來識別并濾除焊橋缺陷,統(tǒng)計出連通區(qū)域面積;對BGA焊點圖像做直方圖均衡化,分析了增強不明顯的原因,提出了對每個焊點區(qū)域使用直方圖均衡化單獨增強,有效實現(xiàn)焊點區(qū)域與氣泡區(qū)域具有明顯的亮度區(qū)別;改進了梯度方向性濾波器。基于氣泡區(qū)域對比度低、大小不同、位置隨機等特點,設計了一種新的梯度方向性濾波器,成功濾除了非氣泡區(qū)域;生成氣泡區(qū)域的blob圖從而提取出氣泡部分,判斷所有氣泡的有效性,確定出有效氣泡并統(tǒng)計其面積,然后計算出有效氣泡占所在焊點的比值,再參照IPC標準結合實際生產要求對BGA焊點中的氣泡缺陷進行缺陷識別。
[Abstract]:BGA packaging is a highly integrated and modern integrated circuit device packaging method. The development of BGA packaging device directly promotes the development of chip welding technology. However, the internal solder joint is invisible and the solder joint is becoming smaller and smaller, and the welding method is becoming more and more precise, which results in the increase of welding defects and its detection technology has become a difficult problem in industrial production. However, in domestic enterprises, manual visual inspection is mainly used to detect BGA solder joint defects, which greatly increases the reliability of detection. Therefore, how to improve the efficiency and accuracy of BGA solder joint defect detection, as well as improve the detection efficiency and improve the quality of electronic products has a very important research value and practical significance. The main work of this paper is as follows: the imaging characteristics of BGA solder joint and the causes of the poor noise reduction of BGA solder joint image by common noise reduction methods are analyzed, and the applicability of PM model in BGA solder joint image denoising is studied. A new segmentation algorithm based on the mean area of connected region is proposed. This paper mainly studies the commonly used threshold method and analyzes the reason why the segmentation is inaccurate. A new segmentation algorithm, which takes the area mean of the independent connected region as the threshold value and smoothes the solder joint edge with mathematical morphology, is proposed, which not only effectively filters the interference such as the wire bridge, but also the edge of the solder joint. Using this threshold and experience to identify and filter the defects of the welding bridge, the area of the connected area is calculated, and the BGA solder joint image is equalized by histogram, and the reason of the enhancement is analyzed. Using histogram equalization to each solder joint area is proposed to realize the obvious brightness difference between the solder joint region and the bubble area effectively and the gradient directional filter is improved. Based on the characteristics of low contrast, different size and random position of bubble region, a new gradient directional filter is designed to filter the non-bubble region successfully, and the bubble part is extracted by generating the blob diagram of bubble region. The validity of all bubbles is judged, the effective bubble is determined and its area is counted, then the ratio of the effective bubble to the solder joint is calculated, and then the bubble defect in BGA solder joint is identified according to the IPC standard combined with the actual production requirements.
【學位授予單位】：沈陽大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN405

【相似文獻】

相關期刊論文 前10條

1 張毅剛;建筑結構缺陷識別與計算機應用[J];工程設計CAD與智能建筑;1999年12期

2 方艷;楊洗陳;;激光再制造中缺陷識別關鍵技術研究[J];中國激光;2012年04期

3 任海鵬;馬展峰;;基于復雜網(wǎng)絡特性的帶鋼表面缺陷識別[J];自動化學報;2011年11期

4 高頂;張長明;李國慶;張曉光;;基于粗糙-模糊神經(jīng)網(wǎng)絡的焊接圖像缺陷識別[J];華東理工大學學報(自然科學版);2006年09期

5 王忠輝;;框架結構缺陷識別的小波信息熵方法[J];河南科技大學學報(自然科學版);2012年04期

6 胡杰;馬鐵軍;胡志平;尹志宏;;一種新的輪胎激光散斑檢測缺陷識別方法[J];機電工程技術;2010年06期

7 左凱;孫同景;李振華;陶亮;;基于新息正交的工業(yè)CT圖像自適應缺陷識別[J];北京航空航天大學學報;2010年09期

8 孫梁;郗安民;;LED芯片損壞和缺陷識別[J];半導體光電;2009年06期

9 陳天璐;闕沛文;;基于超聲衍射反射回波渡越時間的缺陷識別技術[J];化工自動化及儀表;2006年04期

10 陸寶春;李建文;陳吉朋;王婧;李純健;湯海昌;;熒光磁粉探傷自動缺陷識別方法研究[J];南京理工大學學報(自然科學版);2010年06期

相關會議論文 前7條

1 張毅剛;;結構缺陷識別的線性規(guī)劃法[A];中國土木工程學會計算機應用分會第七屆年會論文集[C];1999年

2 張毅剛;;結構缺陷識別的線性規(guī)劃法[A];中國土木工程學會計算機應用分會第七屆年會土木工程計算機應用文集[C];1999年

3 張毅剛;;結構缺陷識別的參數(shù)判定法[A];面向21世紀的科技進步與社會經(jīng)濟發(fā)展（下冊）[C];1999年

4 尚鋼;陳立耀;李卓球;王建平;;神經(jīng)網(wǎng)絡在梁體結構缺陷識別中的應用[A];第七屆全國結構工程學術會議論文集（第Ⅰ卷）[C];1998年

5 張潛;高立群;王貞祥;;基于小波分析的板型缺陷識別方法[A];管理科學與系統(tǒng)科學研究新進展——第6屆全國青年管理科學與系統(tǒng)科學學術會議暨中國科協(xié)第4屆青年學術年會衛(wèi)星會議論文集[C];2001年

6 戴飛虎;;特厚板AUT典型缺陷識別[A];2011年全國中厚板生產技術交流會論文集[C];2011年

7 原培新;孫麗娜;;基于圖像處理的X射線膠片缺陷識別[A];2007'中國儀器儀表與測控技術交流大會論文集（二）[C];2007年

相關博士學位論文 前1條

1 趙向陽;基于神經(jīng)網(wǎng)絡的鋼板表面缺陷識別若干問題的研究[D];大連理工大學;2006年

相關碩士學位論文 前10條

1 田丹;基于電致發(fā)光與BP神經(jīng)網(wǎng)絡的太陽電池缺陷識別[D];河北大學;2015年

2 李佳;基于壓縮感知的多模型木材圖像缺陷識別[D];東北林業(yè)大學;2015年

3 張潔;輸電線路缺陷在線監(jiān)控系統(tǒng)設計與實現(xiàn)[D];電子科技大學;2015年

4 李夢園;深度學習算法在表面缺陷識別中的應用研究[D];浙江工業(yè)大學;2015年

5 趙亞丁;基于LBP的DR圖像缺陷識別算法研究與軟件設計[D];重慶大學;2015年

6 劉丹;BGA焊點缺陷在線自動識別方法研究[D];沈陽大學;2016年

7 李建文;磁粉探傷缺陷識別自動化系統(tǒng)設計與開發(fā)[D];南京理工大學;2012年

8 侯曉琴;基于射線成像的缺陷自動識別方法研究及應用[D];重慶大學;2009年

9 毛鋒;面向成型生產的視覺式缺陷識別技術及應用研究[D];浙江大學;2010年

10 呂作超;熒光磁粉探傷缺陷識別系統(tǒng)圖像處理技術研究[D];南京理工大學;2006年

，

本文編號：2042121