柔性印制电路板是刚性印制电路板(Printed Circuit Board,PCB)中相对高端的产品,现代的FPC检测方法主要基于机器视觉的原理,自动光学检测(Automatic Optical Inspection,AOI)技术可以无接触地检测FPC表面缺陷,不会对FPC造成二次伤害,是当前FPC缺陷检测的热点研究方向。
虽然基于深度学习的检测方法目前已有较多研究,但由于难以收集并标记大量缺陷训练样本,因此目前用于FPC板的视觉检测算法大部分仍是数字图像检测法,即直接采集特定部分的图像,然后根据电路板上特定组成部分的颜色、灰度及纹理等特点在划定区域内检测缺陷,如Rau等人将标准参考图像与待检图像做图像减法来确定是否存在缺陷,接着提出边界状态转移法对缺陷进行识别;Silva提出了粒子分析方法,可快速检测焊接镀通孔元件焊料的缺陷。Wei-ChienWang利用模板匹配的思想,全面检测电路板上镀通孔部位的缺陷。VikasChaudhary利用图像配准技术实现PCB线路、焊盘及镀通孔等部位的14种缺陷的检测识别。
上述处理技术在实际实现时多是跳过了定位步骤直接采集目标部位的图像,然后进行后续检测步骤,但在实际生产过程中,我们每次拍照都只能获FPC板的整体图像,难以直接定位到特定部位并进行图像采集,因此上述算法无法直接运用于生产过程中的缺陷检测。
针对这一问题,将微分几何理论和方法用来描述FPC图像轮廓:对经过灰度化预处理后用区域生长的方法提取出的FPC图像轮廓,采用双向差分法计算其离散曲率,定义曲率距离特征并据此计算陆地移动距离,最终达到对FPC特定区域的识别。该方法是通过对FPC表面各组成部分的形状进行探究,利用曲率特征进行相似性度量,能在不依赖大量缺陷样本的基础上较为精确地实现FPC不同缺陷部位的识别,实时性高,能满足企业在FPC缺陷检测方面的实际需求。