(3.238.7.202) 您好!臺灣時間:2021/03/04 21:43
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:陳星如
研究生(外文):CHEN, HSIN-JU
論文名稱:應用機器視覺於微波通訊基板氣泡瑕疵檢測之研究
論文名稱(外文):A Study of Using Machine Vision to Measure Bubble Flaws on Microwave Communication Substrates
指導教授:江行全江行全引用關係
指導教授(外文):BERNARD C. JIANG
學位類別:碩士
校院名稱:元智大學
系所名稱:工業工程與管理學系
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2005
畢業學年度:93
語文別:中文
論文頁數:115
中文關鍵詞:機器視覺微波通訊基板灰階共變異矩陣法氣泡百分比檢測
外文關鍵詞:Machine visionMicrowave Communication Substrateco-occurrence matrixpercent of bubble flawInspection
相關次數:
  • 被引用被引用:0
  • 點閱點閱:136
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
在微波通訊基板的製程中,A廠商目前採用接合型散熱片方式,主要做法是利用散熱片底板塗抹焊錫,然後再將兩者接合。此製程具有散熱效果佳的優點,且散熱片可選用不同材質製作。但缺點為需利用焊錫作接合,會產生介面阻抗的問題,即結合度不高,將嚴重影響散熱片性能。目前品檢的標準,是由現場人員與品檢人員參考超音波檢測所提供的影像進行檢驗。由於現場人員和品檢人員對於影像中氣泡的認知不同,並且人員無法量化氣泡大小,造成品質檢驗以及標準認定上的困難。所以,本研究將透過影像紋路分析與門檻值的手法,分割出二值化影像,進而來偵測氣泡並且計算其比例以用來界定出接合介面的品質,其中氣泡百分比是個品檢標準。

本研究針對量化氣泡百分比必須先知道微波通訊基板的銲錫區域大小,主要於超音波影像須討論基板大小,以及基板上的IC元件大小之後,才能夠測量基板的銲錫區域大小,接著計算出銲錫區域的氣泡百分比,所以,必須分成輪廓區影像、銲錫區影像以及工件區影像討論氣泡百分比的問題。第一階段包括超音波機台的檢測原理、訊號如何轉成C-Scan影像,以及利用共變異矩陣法與Otsu法,得到不同門檻值。第二階段,經過門檻值分割得到輪廓區、銲錫區以及工件區等三張影像,接著於工件區影像找到焊接IC的區域影像,依據此區域影像大小分割出焊接IC的周圍重要區域,以便於計算區域氣泡。第三階段而言,首先,判斷區域氣泡百分比是否大於k1%的區域面積,若是,則為不良品;相反的話,進行整體氣泡百分比是否大於k2%面積的判斷,若是,則為不良品;若否,此樣本就是良品。

所以,經由實驗結果的分析,本研究假設k1=10%可以正確地判斷重要區域的氣泡百分比,與k2=12.3%亦可分辨出來接合不良和接合良好的基板,所以,經由修正後的方法決定客觀且適當的k1與k2,作為微波通訊基板的接合介面品質標準。
In the process of manufacturing Microwave Communication Substrates, Company A currently bonded the substrate by soldering a heat sink. The advantage of using such approach is that the company can choose different materials to achieve better cooling effects. However, the drawback of using such approach is that soldering would cause high resistance and greatly reduce the cooling effects. Currently, the quality of the Microwave Communication Substrates is verified by on-site operators and QC engineers according to the image provided from the ultrasonic inspection equipment. Since the on-site operators and QC engineers may have different realization of the number of bubbles, the standard of quality inspection is hard to be formalized.

In this study, we analyze the image texture to decide the thresholds for binary image segmentation. One of the Quality Standards to inspect Microwave Communication Substrates is to count the number of bubbles to decide the soldering quality. In order to quantify the ratio of the bubbles, we first need to get the information of the soldering area that is bonded to the Microwave Communication Substrate. Only when the area of a Microwave Communication Substrate and the size of the IC components are decided, the soldering area and the ratio of the bubbles can be measured. Before we attack the problem of detecting the number of bubbles, we need to divide this problem into three parts, namely recognizing the image skeleton, the soldering area, and the IC working area.

Furthermore, this problem can be divided into three stages. The first stage includes how to decide the theory to inspect the ultrasonic inspection machines, how to transform signals into a C-Scan image, and how to use the co-occurrence matrix and the Otsu approach to gain the thresholds. In the second stage, we get three images after the image segmentation, namely the substrate skeleton, the soldering area and the IC working area. After gaining the image of the IC working area, the surrounding areas are segmented for further calculation of the bubble area. In the third stage, we inspect the local bubble area. If the local bubble area is larger than k1% of the local area, then it is a defect. On the contrarily, if it is a non-defect, we need to further proceed with the global area detection. If the global bubble area is larger than k2% of the global area, then it is a defect. Otherwise, it is a non-defect.

After the experiment and the empirical analysis, our hypothesis of setting k1 to 10% correctly estimates the bubble ratio of the critical areas, and our hypothesis of setting k2 to 12.3% also correctly recognizes if the substrates are well bonded or not. Therefore, our improved approach of setting k1 and k2 appropriately could be the quality standard for the interface for inspecting bonding defects of a Microwave Communication Substrate.
目錄

第一章 緒論 1
1.1研究背景 1
1.2研究動機 3
1.3研究目的 5
1.4研究範疇及限制 6
1.5研究架構 6
第二章 相關文獻 7
2.1超音波影像 7
2.2接合介面檢測 11
2.3影像品質 14
2.4灰階共變異矩陣法 15
2.5分類法 18
2.6影像相減 19
2.7品質檢驗 19
第三章 研究方法 21
3.1分析架構 21
3.2第一階段 23
3.2.1取像設備 23
3.2.2C-Scan影像 26
3.2.3灰階共變異矩陣法 28
3.2.4 Otsu法 42
3.3第二階段 46
3.3.1重要區域的大小 47
3.3.2影像相減 50
3.3.3分割重要區域 52
3.3.4標定重要區域 54
3.3.5重要區域氣泡 54
3.3.6重要區域的氣泡百分比 55
3.4第三階段 57
3.4.1整體氣泡百分比 57
第四章 實驗結果 61
4.1第一階段 61
4.1.1將訊號轉成影像 61
4.1.2灰階共變異矩陣法 67
4.1.3 Otsu法 76
4.2第二階段 79
4.2.1二值化分割結果 80
4.2.2接合介面之二值化影像 83
4.2.3分割重要區域 86
4.2.4重要區域的氣泡百分比 88
4.3.5判斷產品的不良狀況 91
4.3判斷接合良好的產品 92
第五章 結論與建議 100
參 考 文 獻 101







表目錄

表3-1 灰階共變異矩陣 30
表3-2 灰階共變異矩陣 31
表3-3 灰階共變異矩陣 31
表3-4 處理前矩陣 32
表3-5 對稱矩陣 32
表3-5 比較矩陣的角度結果 38
表3-5(續) 比較矩陣的角度結果 39
表3-6 選擇門檻值 42
表3-7 影像分割結果 43
表3-8 偏差角度範圍 48
表3-9 重要區域的大小 49
表3-10 確認影像偏差 50
表4-1 選擇門檻值 67
表4-2 影像分割結果 68
表4-3 選擇門檻值 69
表4-4 影像分割結果 69
表4-5 選擇門檻值 70
表4-6 影像分割結果 70
表4-7 選擇門檻值 71
表4-8 影像分割結果 71
表4-9 選擇門檻值 72
表4-10 影像分割結果 72
表4-11 選擇門檻值 73
表4-12 影像分割結果 73
表4-13 選擇門檻值 74
表4-14 影像分割結果 74
表4-15 選擇門檻值 75
表4-16 影像分割結果 75
表4-17 重要區域氣泡百分比 88
表4-17(續) 重要區域氣泡百分比 89
表4-18 整體氣泡百分比 90
表4-18(續) 整體氣泡百分比 91
表4-19氣泡百分比 91
表4-19(續) 氣泡百分比 92
表4-20 重要區域氣泡百分比 96
表4-21 整體氣泡百分比 96
表4-22 實驗結果 97
表4-23 整體氣泡百分比 97
表4-23(續) 整體氣泡百分比 98
表4-24 重要區域氣泡百分比 98
表4-24(續) 重要區域氣泡百分比 99










圖目錄

圖1-1 基板影像 1
圖1-2 氣泡區域 2
圖1-3 無氣泡區域 2
圖1-4 接合型散熱片加工製程 3
圖1-5 人為判定的不良品 4
圖1-6 結合良好區 5
圖1-7 焊接不良區 5
圖2-1 A-scan資訊 7
圖2-2 超音波影像 8
圖2-3 影像分割 8
圖2-4 錫膏影像 8
圖2-5 接合良好與接合不佳的介面 9
圖2-6 部分接合與良好接合的C-scan影像 10
圖2-7 分割的結果 11
圖2-8 小波轉換 12
圖2-9 氣泡 12
圖2-10 C-Scan的分割結果 16
圖2-11 渦電流的分割結果 16
圖2-12 局部影像 17
圖2-13 方法之簡易流程圖 18
圖3-1 分析架構 22
圖3-2 氣泡區域 24
圖3-3 輪廓區域 24
圖3-4 工件區域 24
圖3-5 銲錫區域 25
圖3-6 浸水式超音波設備 25
圖3-7 使用者介面 25
圖3-8 水槽 26
圖3-9 探頭 26
圖3-10 小於最大接收電壓的對應影像 27
圖3-11 等於最大接收電壓的對應影像 27
圖3-12 大於最大接收電壓的對應影像 28
圖3-13 交織狀排列影像 28
圖3-14 檢測影像位置 29
圖3-15 灰階共變異矩陣(co-occurrence matrix) 33
圖3-16 渦電流影像 33
圖3-17 分割矩陣的第三區域 34
圖3-18 分割矩陣的第四區域 35
圖3-19 工件區域影像 36
圖3-20 門檻值架構圖 36
圖3-21 樣本影像1 37
圖3-22 分類法 38
圖3-23 原始樣本影像1 39
圖3-24 比較矩陣角度偵測的二值化影像 40
圖3-24(續) 比較矩陣角度偵測的二值化影像 40
圖3-25 門檻值的頻率直方圖架構圖 41
圖3-26 含有不同的錫膏溶解結果 41
圖3-27 銲錫區之二值化影像 41
圖3-28 二值化影像 45
圖3-29 二值化影像 46
圖3-30 計算氣泡的流程架構圖 46
圖3-31 標定重要區域的架構圖 47
圖3-32 IC元件區域 47
圖3-33 二值化影像 51
圖3-34 接合介面影像 51
圖3-35 接合介面不良之影像 51
圖3-36 分割重要區域流程 53
圖3-37 重要區域 53
圖3-38 重要區域的權重 54
圖3-39 權重區域的判定 55
圖3-40 產品好壞的判斷流程圖 56
圖3-41 重要區域的氣泡圖 57
圖3-42 接合介面影像 58
圖3-43 接合介面不良之影像 58
圖4-1 不良品的樣本影像 61
圖4-1(續) 不良品的樣本影像 62
圖4-1(續) 不良品的樣本影像 63
圖4-1(續) 不良品的樣本影像 64
圖4-1(續) 不良品的樣本影像 65
圖4-1(續) 不良品的樣本影像 66
圖4-1(續) 不良品的樣本影像 67
圖4-2 Otsu之二值化影像 76
圖4-2(續) Otsu之二值化影像 77
圖4-5(續) Otsu之二值化影像 78
圖4-2(續) Otsu之二值化影像 79
圖4-3 二值化結果 80
圖4-3(續) 二值化結果 81
圖4-3(續) 二值化結果 82
圖4-4 接合介面之二值化影像 83
圖4-4(續) 接合介面之二值化影像 84
圖4-4(續) 接合介面之二值化影像 85
圖4-5 重要區域影像 86
圖4-5(續) 重要區域影像 87
圖4-5(續) 重要區域影像 88
圖4-6 接合良好的原始影像 93
圖4-7 二值化影像 93
圖4-7(續) 二值化影像 94
圖4-8 重要區域影像 95
參 考 文 獻

Bashford, A.G.‚Schindel, D.W.‚and Hutchins, D.A.‚“Characteristics of ultrasonic micromachined capacitance transducers in water‚”Ultrasonics Symposium, 1996 ‚Vol.2‚pp.955 – 958

L. Bechou, Y. Ousten, B. Tregon, Y. Danto, M. Salagoity‚“Improvement of micro assemblies ultrasonic images using adapted signal processing techniques‚”Electronics Manufacturing Technology Symposium‚Twenty-First IEEE/CPMT International‚1997‚Vol.1‚pp.457 – 462

Zongjie Cao, Huaidong Chen, Jin Xue, Yuwen Wang‚“Evaluation of mechanical quality of field-assisted diffusion bonding by ultrasonic nondestructive method‚”Sensors and Actuators A: Physical‚2005‚Vol.118‚pp. 44-48

Chan, K.L.‚“Adaptation of ultrasound image texture characterization parameters‚”
Engineering in Medicine and Biology Society‚Proceedings of the 20th Annual International Conference of the IEEE‚1998‚Vol.2‚pp.804 – 807

Cheng,Sheng-Wen‚Chao,Min-Kang ‚“Image quality improvement of underwater synthetic aperture ultrasonic holography by deconvolution of spatial response of transducers‚”OCEANS '95. MTS/IEEE. 'Challenges of Our Changing Global Environment'. Conference Proceedings.‚1995‚Vol.3‚pp.1859 – 1864

Corneloup, G.‚Moysan, J.‚Magnin, I. E.‚“B-scan image segmentation by thresholding using co-occurrence matrix analysis‚”Pattern Recognition‚1996‚Vol.29‚pp. 281-296
Delsanto, P.P.‚Hirsekorn, Sigrun‚and Agostini, V.‚et al.‚“Modeling the propagation of ultrasonic waves in the interface region between two bonded elements‚”Ultrasonics‚2002‚Vol. 40‚pp.605-610


D'Sa, E.J.‚Krause, P.‚and Ramakrishnan, K.R.‚“ultrasonic image analysis:implications for inwater imaging‚”OCEANS '89. Proceedings‚1989‚Vol. 4 ‚pp.1115 – 1117

D'Sa, E.J.‚Ramakrishnan, K.R.‚and Krause, P.‚“Defect detection in ultrasonic images‚”TENCON '89. Fourth IEEE Region 10 International Conference‚1989‚Vol.1‚pp.577 – 580

Dunlop, I.‚McNab, A.‚“automated parameter extraction for ultrasonic flaw analysis‚” IEE Proceedings-Science, Measurement and Technology‚1997‚Vol.144‚pp.93 – 99

Evans, J.‚Beddow, J‚“characterization of particle morphology and rheological behavior in solder paste‚”IEEE Transactions on Components, Hybrids, and Manufacturing Technology‚1987‚Vol.10‚pp.224 – 231

Garra, B.S.‚Krasner, B.H.‚Horii, S.C.‚Ascher, S.‚Mun, S.K.‚Zeman, R.K.‚“Improving the distinction between benign and malignant breast lesions:the value of sonographic texture analysis‚”Ultrasonic Imaging‚1993‚Vol.15‚pp. 267-285

Goglio, Luca‚Rossetto, Massimo‚“Ultrasonic testing of adhesive bonds of thin metal sheets‚”NDT & E Internationa‚1999‚Vol.32‚pp.323-331

Hall, I.D.‚McNab, A.‚and Hayward, G.‚“Improvement ultrasonic image generation through tomographic image fusion‚”Ultrasonics‚1999‚Vol.37‚Issue 6‚pp. 433-443

Horng, Ming-Huwi‚Sun, Yung-Nien‚and Lin, Xi-Zhang‚“Texture feature coding method for classification of liver sonography‚”Computerized Medical Imaging and Graphics ‚2002‚Vol.26‚pp.33-42

Hutchins, D.A.‚Pardoe, A.C.‚Billson, D.R.‚Hines, E.L.‚“Neural network correction of ultrasonic C-scan images‚”Ultrasonics‚1999‚Vol.37‚ pp.263-272

Ibrahim, Z, Al-Attas, S.A.R,and Aspar, Z.‚“Analysis of the wavelet-based image difference algorithm for PCB inspection‚” SICE 2002. Proceedings of the 41st SICE Annual Conference‚2002‚Vol.4,pp. 2108 - 2113

Iraca, D.‚Landini, L.‚and Verrazzani, L.‚“Power spectrum equalization for ultrasonic image restoration‚”IEEE Transactions on Ultrasonics, Ferroelectrics and Frequency Control‚1989‚Vol.36‚ pp.216 – 222

Jae-Yeol Kim‚ Hyun-Jo Jeong‚ Hun-Cho Kim‚Chang-Hyun Kim ‚“Adaptation of neural network and application of digital ultrasonic image processing for pattern recognition of defects in semiconductor‚”Advances in Electronic Materials and Packaging‚2001‚Vol.1‚pp.274 – 279

Krass, S.‚Brennecke, R.‚Voigtlaender, T.‚Staehr, P.‚Rupprecht, H.J.‚Meyer, J.‚“Assessment of image quality of intracoronary ultrasound system with Tissue-Equivalent vessel phantoms‚”Computers in Cardiology‚1994‚Vol.1‚pp.289 – 292

Kato, Hiroshi‚ Abe, Shoji‚“ultrasonic evaluation of the bonding strength of dissimilar metal bonds‚”NDT & E International‚1996‚Vol.29‚ pp.355-361

Kubota, J.‚Musha, Y.‚and Takahashi, M.‚“Imaging flaw in soldered joints of integrated circuits using an ultrasound electronic scanning technique‚”IEEE Transactions on Ultrasonics, Ferroelectrics and Frequency Control‚1992‚Vol.39‚ pp.122 – 126

Lavrentyev, Anton I.‚Beals, James T.‚“ultrasonic measurement of the diffusion bond strength‚”Ultrasonics‚2000‚Vol.38‚ pp.513-516
Ludwig, R.‚Roberti, D.‚“A nondestructive ultrasonic imaging system for detection of flaws in metal blocks‚”IEEE Transactions on Instrumentation and Measurement‚1989‚Vol.38‚ pp.113 – 118

Medina, L. ‚Rubio, E.‚“Wigner-Ville distribution enhancement for 2D-flaw location‚”2003 IEEE Symposium on Ultrasonics‚2003‚Vol.2‚pp.1380 – 1383

Mesrati, N.‚Saif, Q.‚Treheux, D.‚Moughil, A.‚Fantozzi, G.‚Vincent, A.‚“Characterization of thermal fatigue damage of thermal barrier produced by atmospheric plasma spraying‚”Surface and Coatings Technology‚2004‚Vol.187‚pp.185-193

Moysan, J.‚Corneloup, G.‚Magnin, I.‚Benoist, P.‚Basset, O.‚“Cracklike defects sizing from co-occurrence matrix”Ultrasonics Symposium, 1990. Proceedings.‚ Vol.2‚pp.1147 – 1150

MOYSAN ,J.‚CORNELOUP ,G.‚and GUEUDRE ,C.‚ GARNIER. V.‚“Four Segmentation Examples in the Field of Non Destructive Testing‚”NDT.net [online] ‚2000, Vol.5‚Available:http://www.ndt.net/article/v05n06/moysan/moysan.htm

Murthy, R.‚Bilgutay, N.M.‚and Li, X.‚“temporal and spatial spectral features of B-scan images‚”Ultrasonics Symposium, 1991‚vol.2‚pp.799 – 802

Ogawa, K.‚Fukushima, M.‚Kubota, K.‚Hisa, N.‚“Computer-aided diagnostic system for diffusion liver diseases with ultrasonography by neural networks‚”IEEE Transactions on Nuclear Science‚1998‚Vol. 45‚pp.3069 – 3074

Ong, S.H.‚Tan, S.H.‚and Tan, K.T.‚“acoustic microscopy reveals IC packaging hidden defects‚”Electronic Packaging Technology Conference, Proceedings of the 1997 1st ‚1997‚Vol. 1‚pp.297 – 303

Robini, M.C.‚Magnin, I.E.‚Benoit-Cattin, H.‚Baskurt, A.‚“two-dimensional ultrasonic flaw detection based on the wavelet packet transform‚”IEEE Transactions on Ultrasonics, Ferroelectrics and Frequency Control‚1997‚Vol. 44‚pp.1382 – 1394

Veklerov‚ E‚“How to compute the difference between tomographic images‚” IEEE Transactions on Medical Imaging‚1994‚Vol. 13‚pp. 566 - 569

Wegner, A.‚Koka, A.‚Janser, K.‚ Netzelmann, U.‚ Hirsekorn, S.‚ Arnold, W.‚ “Assessment of the adhesion quality of fusion-welded silicon wafers with nonlinear ultrasound‚”Ultrasonics‚2000‚Vol.38‚pp.316-321

Wong, S.H.‚Chan, K.L.‚and Fung, P.W.‚“Automatic segmentation of ultrasonic image ‚”TENCON '93. Proceedings. Computer, Communication, Control and Power Engineering‚1993‚Vol.2‚pp.910 – 913

Zhao, D.‚Trahey, G.E.‚“comparisons of image quality factors for phase aberration correction with diffuse and point targets:theory and experiments‚”IEEE Transactions on Ultrasonics, Ferroelectrics and Frequency Control‚1991‚Vol.38‚pp.125 - 132

郭嘉龍 , 圖解SMT接合材料入門 , 全華科技圖書股份有限公司,1990
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 趙寶琴(2001)。親職教育問題面面觀。北縣教育,38,50-55。
2. 張美玉、羅美惠(2000)。國小實習教師歷程檔案評量工具發展之研究。科學教育學刊,8(3), 225-249。
3. 張美玉(2001)。從多元智能的觀點談歷程檔案評量在教育上的應用。教育研究資訊,9(1),32-54。
4. 張美玉(1996)。反省思考的教學模式在教育實習課程的應用。教育研究資訊,4(6),88-107。
5. 張巧琳(2004)。促進教師專業成長以因應九年一貫課程改革。師說,179,40-43。
6. 趙文達(1989)。如何落實國小親職教育。輔導月刊,25,42-45。
7. 曾端真(1991)中小學親職教育的檢討與突破。教師天地,50,33-36。
8. 章淑婷(1988)。親職教育理論之探討。國教園地,24,19-30。
9. 許勝雄(1997)。推展親職教育的可行性方案。社教資料雜誌,227,11-13。
10. 林義男(1988)。國小學生家庭社經背景、父母參與及學業成就的關係。國立台灣教育學院輔導學報,11,95-141。
11. 林淑玲(2000)。臺灣地區親子互動的真面貌:期許研究觀點的突破。應用心理研究,7,7-9。
12. 吳宗立(1998)。開放社會中學校親職教育的推展。教育實習輔導季刊,4(1),70-73。
13. 何進財(1994)。積極推展家庭教育共享溫馨家庭生活。研考雙月刊,18(6),4-11。
14. 朱敬先(1979)。變遷社會中的親職教育。教育與心理研究,3,30-58。
15. 王欽群(1998)。父母難為─談親職教育的實施。臺灣教育,567,37-38。
 
系統版面圖檔 系統版面圖檔