逻辑回归树应用于PCB金手指之瑕疵分类.docVIP

逻辑回归树应用于PCB金手指之瑕疵分类 江行全 陈佩铃 王建智 元智大学工业工程研究所 摘 要 一般工件表面瑕疵分类上，较常使用的分类器有贝氏分类器、线性区别函数分类器、最小距离分类器和最邻近区域分类器，但是这些分类器在使用上有一些的限制，致使分类效果具有明显的差别。针对这些不一致性的差别本研究提出了逻辑回归分类树法，并与传统分类器作一探讨。本研究是直接取印刷电路板（PCB）上金手指瑕疵彩色影像的RGB值作为分类资料之特征值。定义的瑕疵类别有刮伤、沾锡、露镍、未镀金四类。经实验结果发现，逻辑回归分类树的分类正确率可达到89.33％，比其它几种分类器的平均正确率56％到80％为佳，且分类决策线相当弹性，对瑕疵类别的分类正确率也具有相当的稳定性，所以运用在分类上可以改善传统分类器的一些缺点，而达到较佳的分类效果。 关键词：机器视觉、金手指、RGB、瑕疵分类、逻辑回归树 研究动机与目的 印刷电路板（PCB）为电子产品中所不可或缺的零组件，其品质的优劣直接会影响到产品整个的功能，因此如何有效的控制印刷电路板的制程，品质以及提高良率，是为制造业者所急需解决的问题。机器视觉系统在自动化上的应用，最常用来作为检测的工具。其基本做法为用CCD相机取像，再以所得到的像素值去建立分类的模式。以往工业上的产品较多取黑白的像，用灰阶值去建立模式【1】，而农业上的产品则是偏向彩色影像，用RGB值做分类，如西红柿、落花生、种子等级的分类【2】。但是现在的工业产品颜色越来越丰富，对于瑕疵的部份也会造成颜色的变化，用彩色来作分类也未尝不可【3】。本研究以RGB作为特征值来建立模式，其主要原因在于来源简单直接，且可利用颜色变化分辨瑕疵，亦能简化模式的复杂度。一般而言分类算法可分成两大领域：有母数与无母数。有母数的方法如贝氏分类器，无母数的方法像是最小距离分类器、最邻近区域分类器、线性区别函数、类神经网络、模糊分类器。不同的统计方法对不同的检测项目的辨识能力也不同，借着这次的实验，希望能找出较稳健的分类器，以供往后使用者的一种参考。 工业上机器视觉常用于工件表面瑕疵的检测【4】，并对工件的瑕疵率加以改善，且利用统计模型对瑕疵品类别加以分类，此做法可以避免人为的误判而损失可用的工件，其结果不仅提高生产效益也减少成本。藉由机器视觉检测系统，可分辨印刷电路板上像是板子焊接点部份【5】、短路【6】的瑕疵，亦可分出SRAM上的错误【7】。通常印刷电路板瑕疵的侦测与分类都是采用黑白影像，取其灰阶值来作分析【5】。彩色分类一般较常见应用于农业的分类上【2】。在灯光的应用上有使用X光、紫外线【6】等等，利用打光技巧强化瑕疵以找出瑕疵的位置。 第二节叙述本研究所提之方法，包括金手指瑕疵的侦测与分类模型的建构，第三节则对 图一： 实验流程图 所提之方法建构来进行验证，并将结果与传统 分类法做比较，最后对整个研究过程与结果做一讨论。研究流程如（图一）。 研究方法 2.1实验系统架构 本研究中所使用的各项硬设备的功能和规格说明如下： 彩色固态摄影机：ＪＶＣ公司TK-1070U型彩色摄影机。 影像处理卡：Matrox公司制造的METEOR/RGB影像处理卡。 个人计算机：ＩＢＭ兼容的个人计算机，中央处理器（CPU）为INTEL Pentium-400，并附有动态存取内存（Ram）128MB。显示卡为曾氏ET-4000全彩卡，最大分辨率为1024 ×768。 光源照明：四条LED灯围成一个四方形，置于工件上方打光。本实验照度约为900 lux。 程序语言：Watcom C的程序语言，并利用Matrox公司本身提供之MIL函式库（Matrox Imaging Library）4.0版。 实验环境：本研究之硬设备是将彩色固态摄影机架设于一垂直操作台上，将工件放置于固定平台上，ＣＣＤ距离台面12.5公分，镜头距离台面4公分。 图二： 实验架构图 2.2建立瑕疵资料 本研究所定义之金手指瑕疵类型如下： 1.刮伤—金手指表面被其它东西刮到而使里面的铜露出来。 2.沾锡—金手指表面沾到金属锡。 3.露镍—金手指表面显现出里层的镍。 4.未镀金—金手指表面并未镀上金。 本研究在建立瑕疵的资料时，是以标准类资料为标准。首先算出R、G、B值之平均值与变异数，在理论上来说，在平均数加减三倍标准差的范围内能够包含99.7％的资料，但是在瑕疵与标准类之间的差异是否有到达瑕疵类