Exploring image processing tools for printed circuit board defect inspection
โดย จักรกฤษ อ่อนชื่นจิตร
ปี 2564
บทคัดย่อ
ระบบตรวจสอบแผ่นวงจรพิมพ์ (PCB) มีความสำคัญเป็นอย่างมากในอุตสาหกรรมการผลิตชิ้นส่วนอิเล็กทรอนิกส์ การออกแบบระบบตรวจสอบให้มีประสิทธิภาพที่ดีนอกจากจะช่วยให้ได้ PCB ที่มีคุณภาพดีแล้ว ยังช่วยเพิ่มความเร็วของกระบวนการผลิต และส่งผลให้ต้นทุนการผลิตลดลงด้วย ถึงแม้ว่าเทคโนโลยีการตรวจสอบ PCB ที่มีอยู่ในปัจจุบันจะสามารถตรวจจับข้อบกพร่องได้แล้ว แต่ก็ยังไม่สามารถจำแนกประเภทข้อบกพร่องทั้งหมดได้อย่างครบถ้วนและแม่นยำ งานวิจัยนี้จึงนำเสนอระบบตรวจสอบข้อบกพร่อง PCB ที่สามารถตรวจจับข้อบกพร่อง พร้อมทั้งระบุตำแหน่ง ขนาด รูปร่างลักษณะของข้อบกพร่อง และสามารถจำแนกประเภทของข้อบกพร่องที่เกิดขึ้นบน PCB เปล่าแบบหน้าเดียวครบทั้ง 14 ชนิด โดยมีค่าความผิดพลาดในการจำแนกประเภทไม่เกิน 10 เปอร์เซ็นต์
งานวิจัยนี้ใช้วิธีการจัดกลุ่มแบบ Fuzzy c-means สำหรับการแบ่งส่วนภาพก่อนที่จะตรวจจับข้อบกพร่องด้วยวิธีการลบภาพ ในส่วนของการจำแนกประเภทข้อบกพร่องจะใช้การดำเนินการทางคณิตศาสตร์และตรรกศาสตร์ ร่วมกับการแปลงฮัฟแบบวงกลม การสร้างใหม่ทางสัณฐานวิทยา และการติดฉลากส่วนประกอบที่เชื่อมต่อ
ผลการทดสอบพบว่าระบบตรวจสอบข้อบกพร่อง PCB ที่นำเสนอนี้มีประสิทธิภาพในการตรวจจับข้อบกพร่อง 100 เปอร์เซ็นต์ พร้อมทั้งสามารถระบุตำแหน่ง ขนาด รูปร่างลักษณะของข้อบกพร่องได้อย่างชัดเจน และสามารถจำแนกประเภทของข้อบกพร่องได้ครบทั้ง 14 ชนิด โดยมีความแม่นยำในการจำแนกประเภทของข้อบกพร่อง PCB เฉลี่ยอยู่ที่ประมาณ 99.05 เปอร์เซ็นต์
Abstract
Printed circuit board (PCB) inspection systems are essential in the electronics manufacturing industry. Designing an effective inspection system will not only help to get good quality PCBs but it also speeds up the production process and results in lower production costs. Although existing PCB inspection technology is capable of detecting defects, not all defects can be classified accurately and comprehensively. This research there for eproposes a PCB flaw detection system that can detect defects. It identifies thelocation, size, shape and nature of the defect and can identify 1 4 types of defects on asingle-sided blank PCB with a classification error of no more than 10%.
This research uses fuzzy c-means clustering for image segmentation beforedefect detection via image subtraction. Arithmetic and logic operations, circle hough transform(CHT), morphological reconstruction (MR), and connected component labeling(CCL) are used in defect classification.
The research results showed that the proposed PCB flaw inspection system is 100% effective in detecting defects with the ability to clearly identify the location, size, shape, and nature of defects. All 14-known PCB defect types can also be classified, with an average PCB defect classification accuracy of about 99.05%
Download: Exploring image processing tools for printed circuit board defect inspection