基于压缩感知的微组装焊点质量三维检测方法研究

Solder joint quality inspection is the key technology for protecting the microelectronic assembly products quality and reliability. With the development of microelectronics assembly components, the traditional inspection way which has low accuracy and a limited detection range cannot meet the requirements of solder joint quality inspection. It is urgent to develop a high precision method for solder joint quality inspection. At first, by analyzing the features of 3D point cloud, a 3D point cloud segmentation algorithm is proposed, and solder joint surface 3D point cloud is got. Then, According to the theory of compressed sensing, 3D data sparse representation and reconstruction are researched. And a 3D sparse model based on compressed sensing is established, then its fast solving algorithm based on minimum norm method is researched; At last, with the use of sparse and local sparse characteristic, a recognition method of for 3D point is developed, and the solder joint quality inspection is achieved. A novel method for solder joint quality inspection based on compressed sensing is proposed. Compare with the traditional inspection way, the novel method can not only solve the defects existing in traditional method, and improve the detection accuracy, also cover more types of solder joint failure inspection. The research results have important significance to protect the microelectronic assembly products quality and reliability, and it has an important theoretical value for the micro-object recognition.

焊点质量检测是保障微组装电子产品质量和可靠性的关键技术。随着电子元件的微型化发展，传统的检测方式由于误差大，检测故障类型有限等原因，难以满足焊点质量检测要求，焊点质量高精度检测方法是亟待解决的重要课题。先对微组装电路模块的三维表面高度点云进行特征分析，研究一种三维点云分割算法，从中提取出焊点的表面三维点云信息；然后，利用焊点表面三维点云的稀疏或局部稀疏特性，根据压缩感知理论，对三维点云数据压缩与重构展开理论推导，建立基于压缩感知的三维点云稀疏模型，并以最小化范数方法为思路，研究三维稀疏模型的快速重构算法；最后，研究一种基于稀疏模型的焊点表面三维点云分类识别方法，实现对焊点质量检测。本项目研究的微组装焊点质量检测新方法，不仅可解决传统方法中存在的缺陷，提高检测精度，还可覆盖更多类型的焊点故障检测。研究结果对保障微组装电子产品质量和可靠性具有重要意义,在微型物体识别研究方面具有重要的理论价值。

对焊点图像压缩重构、图像检测、图像分割、图像识别等技术进行研究。项目的主要工作、创造性成果和关键数据主要有：.(1)提出了一种FGbCS焊点图像压缩感知算法。将噪声图像重建作为凸最小化问题来处理;为了提高效率，梯度迭代中的步长用一个常数1/L代替，该常数与Lipschitz常数有关。FGbCS算法的收敛性由O（1/K）降到O（1/k*k）。(2)提出了一种基于凸优化和GINI指数（AD_BCSGB_GINI）的焊点图像自适应块压缩传感方法。通过比较不同控制因子值下重建结果的GINI指数，自适应地选择最佳结果。实验结果表明AD_BCSGB_GINI方法具有良好的鲁棒性。(3)提出一种基于梯度下降法的自适应块压缩传感方法(AGbBCS_SP)，用于噪声图像的压缩与重建。AGbBCS_SP利用像素的稀疏度自适应地选择块形状，可以自适应地获得最好的效果。(4)提出了一种基于小波包分解的焊点图像压缩重建方法。小波包分解用于生成图像的一些频率系数。分别采用重构信号的高、低频系数来提高重构性能。在不同层次的小波包分解中，使用3*3维纳滤波器可取得更好PSNR和SSIM结果。当采样率u<0.5时，基于二层小波包分解的方法比三层小波包取得更好的PSNR和SSIM值。当采样率u>=0.5时，基于3层小波包分解的方法比2层小波包取得更好的PSNR和SSIM值.(5)提出了一种基于多任务特征选择的图像分割方法，多特征选择用于识别与每个目标区域相关的特征。使用prism算法生成一组特定于类的特征选择规则，使用k最近邻算法对为每个类选择的特征子集训练分类器。(6)提出了一种在集成学习环境下的字符识别的方法，以增强不同学习算法训练的分类器之间的差异。实验结果表明，该集成分类器能够实现使用mniset数据集的识别精度为98%以上。(7)提出一种基于语义分割的图像风格迁移算法。该方法基于自动分割对象并从风格和内容图像中提取它们的语义soft mask。风格图像的每个soft mask表示风格图像的特定部分，对应于具有相同语义的内容图像的soft mask。soft mask和源图像都作为多通道输入提供给一个扩展的深度CNN框架，用于风格转换。