Метод автоматизированного контроля электронных компонентов на микрофокусных рентгеновских снимках
https://doi.org/10.32603/1993-8985-2021-24-4-27-36
Аннотация
Введение. Все более популярным становится внедрение в промышленность систем машинного зрения, особенно это актуально для контроля электронных компонентов. Одним из наиболее широко распространенных видов неразрушающего контроля является рентгеновский. Поскольку рассматриваемые электронные компоненты, как правило, имеют небольшой размер, то для повышения информативности контроля выполнять их рентгенографию целесообразно по схеме съемки с увеличением изображения. Специфика рентгеновской аппаратуры для выполнения таких исследований предполагает сравнительно небольшие входные дозы рентгеновского излучения в плоскости приемника, что обуславливает более высокую зашумленность снимков, чем при традиционной рентгенографии.
Цель работы. Разработка метода автоматизированного поиска объектов на микрофокусных рентгеновских снимках.
Методы и материалы. Предложен метод сегментации рентгеновских изображений. На первом шаге выполняется адаптивная медианная фильтрация, на втором шаге - коррекция фона изображения путем вычитания искажающей функции. Далее выделяются контуры объектов на изображении по методу Кэнни, затем на полученном изображении определяются объекты.
Результаты. Разработанный метод был апробирован в задаче контроля качества установки микросхем и в задаче определения числа электронных компонентов. Эксперименты подтвердили корректность работы предлагаемого метода. Было выявлено, что при определении качества установки микросхем количество обнаруженных дефектов отличается от верифицированных оператором не более чем на 10 %, при определении количества электронных компонентов предложенным методом средняя ошибка составила менее 0.1 %.
Заключение. Представленный метод определения объектов на микрофокусных рентгеновских снимках продемонстрировал достаточную точность в типичных задачах неразрушающего контроля электронных компонентов.
Об авторе
Н. Е. Староверов
Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В. И. Ульянова (Ленина)
Россия
Россия
Староверов Николай Евгеньевич – аспирант 4-го года обучения, ассистент кафедры электронных приборов и устройств. Окончил магистратуру (2017) по направлению "Электроника и наноэлектроника"
ул. Профессора Попова, д. 5, Санкт-Петербург, 197376
Список литературы
1. Laghari M. S., Memon Q. A. Identification of faulty BGA solder joints in X-ray images // Intern. J. of Future Computer and Communication. 2015. Т. 4, № 2. P. 122-125. doi: 10.7763/IJFCC.2015.V4.369
2. Shao-hu Peng, Hyun Do Nam. Void defect detection in ball grid array X-ray images using a new blob filter // J. of Zhejiang University SCIENCE C. 2012. Vol. 13, № 11. P. 840-849. doi: 10.1631/jzus.C1200065
3. Detection of defects at BGA solder joints by using X-ray imaging / T. Sumimoto, T. Maruyamay, Y. Azuma, S. Goto, M. Mondo, N. Furukawa, S. Okada // IEEE Intern. Conf. on Industrial Technology, 2002. IEEE ICIT'02. IEEE, 2002. Vol. 1. P. 238-241. doi: 10.1109/ICIT.2002.1189898
4. Türer Akdeniz C., Dokur Z., Ölmez T. Detection of BGA solder defects from X-ray images using deep neural network // Turkish J. of Electrical Engineering & Computer Sciences. 2020. Vol. 28, iss. 4. P. 2020-2029. doi: 10.3906/elk-1910-135
5. Staroverov N. E., Gryaznov A. Y., Kholopova E. D. Digital x-ray image processing with using adaptive histogram equalization and adaptive background correction // Биомедицинская радиоэлектроника. 2018. № 5. P. 56-58.
6. Мазуров А. И., Потрахов Н. Н. Возможности и ограничения микрофокусной рентгенографии в медицине //Биотехносфера. 2010. № 4. С. 20-24.
7. Микрофокусная рентгенография в медицине: физико-технические особенности и современные средства рентгенодиагностики / Н. Н. Потрахов, А. Ю. Грязнов, К. К. Жамова, В. Б. Бессонов, А. В. Ободовский, Н. Е. Староверов, Е. Д. Холопова // Биотехносфера. 2015. № 5 (41). С. 55-63.
8. Грязнов А. Ю., Потрахов Е. Н., Потрахов Н. Н. Портативная установка для рентгеновского экпрессконтроля качества пищевой продукции // Биотехносфера. 2009. № 6. С. 26-28.
9. Гонсалес Р. С., Вудс Р. Е. Цифровая обработка изображений / пер. с англ. Л. И. Рубанова, П. А. Чочиа. М.: Техносфера, 2012. 1104 с.
10. Canny J. A computational approach to edge detection // IEEE Transactions on pattern analysis and machine intelligence. 1986. Vol. PAMI-8, № 6. P. 679-698.
11. Vincent O. R., Folorunso O. A descriptive algorithm for sobel image edge detection // Proc. of informing science & IT education conference (InSITE). Informing Science Institute California, 2009. Т. 40. P. 97-107. doi: 10.28945/3351
12. Xuan L., Hong Z. An improved canny edge detection algorithm // 8th IEEE intern. Conf. on software engineering and service science (ICSESS). IEEE, Shenyang, China, 2017. P. 275-278. doi: 10.1109/ICSESS.2017.8342913
13. Dynamic thresholding based adaptive canny edge detection / F. Hossain, M. Asaduzzaman, Md. A. Rahman, M. A. Yousuf // Intern. J. of Computer Applications. 2016. Vol. 135, iss. 4. P. 37-41. doi: 10.5120/ijca2016908337
14. Peebles P. Z., Shi B. E. Probability Random Variables and Random Signal Principles / ed. by S. W. Director // McGraw-Hill Series in Electrical Engineering. 2015. 349 p.
15. A fast 2D otsu thresholding algorithm based on improved histogram / N. Zhu, G. Yang, W. Dai, G. Wang // Chinese Conf. on pattern recognition. IEEE, 2009. P. 1-5. doi: 10.1109/CCPR.2009.5344078
Рецензия
Для цитирования:
Староверов Н.Е. Метод автоматизированного контроля электронных компонентов на микрофокусных рентгеновских снимках. Известия высших учебных заведений России. Радиоэлектроника. 2021;24(4):27-36. https://doi.org/10.32603/1993-8985-2021-24-4-27-36
For citation:
Staroverov N.E. A Method for Automated Control of Electronic Components on Microfocus X-ray Images. Journal of the Russian Universities. Radioelectronics. 2021;24(4):27-36. (In Russ.) https://doi.org/10.32603/1993-8985-2021-24-4-27-36
Просмотров: 217
Послать статью по эл. почте 