[發(fā)明專利]一種焊點(diǎn)缺陷鑒別方法

有效

• 申請?zhí)枺?/td>: 201110311514.5
• 申請日: 2011-10-14
• 公開（公告）號(hào): CN102509108A
• 公開（公告）日: 2012-06-20
• 發(fā)明（設(shè)計(jì)）人: 周德儉;李春泉;吳兆華;黃春躍;陳小勇
• 申請（專利權(quán)）人: 桂林電子科技大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/02
• 代理公司: 桂林市華杰專利商標(biāo)事務(wù)所有限責(zé)任公司 45112
• 代理人: 巢雄輝

技術(shù)領(lǐng)域

本發(fā)明涉及微電子封裝與組裝技術(shù)，特別是焊點(diǎn)缺陷鑒別方法。

背景技術(shù)

焊點(diǎn)缺陷鑒別技術(shù)，是在不破壞實(shí)際焊點(diǎn)形態(tài)的前提下，依靠先進(jìn)的光學(xué)或電磁技術(shù)，采集得到焊點(diǎn)的圖像信息，對采集到的焊點(diǎn)圖像信息進(jìn)行處理，提取影響焊點(diǎn)形態(tài)的某些重要特征，并對這些信息進(jìn)行各種分析、處理、區(qū)分和識(shí)別，確認(rèn)其焊點(diǎn)缺陷。目前，對于焊點(diǎn)的缺陷鑒別，主要是通過對采集到的焊點(diǎn)圖像信息進(jìn)行特征提取，然后采用閾值判別、模糊推理及神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行焊點(diǎn)缺陷的鑒別，但是，神經(jīng)網(wǎng)絡(luò)存在收斂性慢及容易陷入局部最優(yōu)解等缺陷。

發(fā)明內(nèi)容

????本發(fā)明的目的是提供一種新的焊點(diǎn)缺陷鑒別方法，通過利用改進(jìn)后的人工神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)焊點(diǎn)的缺陷鑒別。

本發(fā)明提出的焊點(diǎn)缺陷鑒別方法中，包括對采集到的焊點(diǎn)圖像信息進(jìn)行特征提取，然后根據(jù)特征進(jìn)行判別、模糊推理及神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行焊點(diǎn)缺陷的鑒別，其過程包含下述步驟：

1）、基于焊點(diǎn)形態(tài)理論，根據(jù)正交試驗(yàn)的原理，得到對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練用的樣本；

2）、用改進(jìn)神經(jīng)網(wǎng)絡(luò)算法對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到用于預(yù)測焊點(diǎn)各種缺陷可能度的網(wǎng)絡(luò)；?

3）、對實(shí)際焊點(diǎn)進(jìn)行圖像處理后，提取形態(tài)質(zhì)量特征作為訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)的輸入，利用訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行前向計(jì)算，實(shí)現(xiàn)焊點(diǎn)缺陷的鑒別。

在步驟1）中，包含：

(1)?選取焊點(diǎn)的缺陷類別，然后根據(jù)各類別缺陷焊點(diǎn)的質(zhì)量特征與焊點(diǎn)缺陷之間的聯(lián)系，確定對應(yīng)的焊點(diǎn)主要形態(tài)質(zhì)量特征；

(2)?以焊點(diǎn)形態(tài)質(zhì)量特征作為輸入，焊點(diǎn)缺陷的各種可能度作為輸出，建立與之對應(yīng)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；

(3)?根據(jù)正交試驗(yàn)的原理，得到對人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練用的樣本，具體為：

（3.1）確定該焊點(diǎn)形態(tài)需要鑒別的焊點(diǎn)缺陷????????????????????????????????????????????????；

（3.2）根據(jù)這些焊點(diǎn)缺陷，選取影響焊點(diǎn)缺陷的主要質(zhì)量特征的設(shè)計(jì)空間，并結(jié)合均勻?qū)嶒?yàn)設(shè)計(jì)表安排設(shè)計(jì)水平；

（3.3）使用均勻?qū)嶒?yàn)安排，根據(jù)IPC相關(guān)標(biāo)準(zhǔn)及虛擬焊點(diǎn)缺陷形態(tài)，得到用于人工神經(jīng)網(wǎng)進(jìn)行訓(xùn)練用的樣本：

其中：R表示實(shí)數(shù)，N表示訓(xùn)練樣本個(gè)數(shù)，輸入節(jié)點(diǎn)為個(gè)，輸出節(jié)點(diǎn)為個(gè)，隱節(jié)點(diǎn)為個(gè)。

這里，選取的焊點(diǎn)的缺陷類別包括：空洞、橋連、無焊球、焊球過大、焊球過小、焊球變形，焊點(diǎn)主要形態(tài)質(zhì)量特征包括：焊球面積、焊球周長和空洞面積，作為輸入的焊點(diǎn)形態(tài)質(zhì)量特征分別為焊球面積，焊球周長，空洞面積，作為輸出的焊點(diǎn)缺陷的各種可能度為空洞可能度，橋連可能度，無焊球可能度，焊球過大可能度，焊球過小可能度，焊球變形可能度。???

本發(fā)明的步驟2）包含：

（2.1）數(shù)據(jù)處理：

將輸入按下式歸一化處理：

其中：

和分別為第個(gè)輸入?yún)?shù)的平均值和標(biāo)準(zhǔn)差，表示第個(gè)樣本的第個(gè)輸入?yún)?shù)值，N表示訓(xùn)練樣本個(gè)數(shù)。

顯然，標(biāo)準(zhǔn)化后的樣本數(shù)據(jù)集的平均值為零，而且消除了物理的影響。

則得到標(biāo)準(zhǔn)化輸入為：

（2.2）BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)建立：

（2.2.1）輸入層和輸出層節(jié)點(diǎn)個(gè)數(shù)的選取：

輸入層節(jié)點(diǎn)數(shù)為焊點(diǎn)形態(tài)參數(shù)，輸出層節(jié)點(diǎn)數(shù)為焊點(diǎn)缺陷可能度；

（2.2.2）隱含層節(jié)點(diǎn)個(gè)數(shù)的選取：

m為輸入層節(jié)點(diǎn)數(shù)，n為輸出層節(jié)點(diǎn)數(shù)，h?為隱含層節(jié)點(diǎn)數(shù)，a?為1～10?之間的常數(shù)，h先從小的開始取值；

（2.3）改進(jìn)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練：

（2.3.1）根據(jù)相關(guān)論文資料和經(jīng)驗(yàn)，初步設(shè)置網(wǎng)絡(luò)的系統(tǒng)精度1e-2，選取最大迭代次數(shù)1000次；?

（2.3.2）遺傳算法的利用：利用遺傳算法全局性搜索的特點(diǎn)，尋找優(yōu)化后的較為合適的神經(jīng)網(wǎng)絡(luò)初始連接權(quán)值和節(jié)點(diǎn)閾值。

數(shù)學(xué)描述如下：

其中：

和分別為神經(jīng)網(wǎng)絡(luò)第個(gè)樣本的期望輸出和實(shí)際輸出；

（維矩陣）為神經(jīng)網(wǎng)絡(luò)輸入層與中間層的連接權(quán)值；

（維矩陣）為神經(jīng)網(wǎng)絡(luò)中間層各神經(jīng)元的連接閾值；

（維矩陣）為神經(jīng)網(wǎng)絡(luò)隱含層與輸出層的連接權(quán)值；

（維矩陣）為神經(jīng)網(wǎng)絡(luò)輸出層各神經(jīng)元的連接閾值。

?

（2.3.3）用LM算法對構(gòu)建的網(wǎng)絡(luò)進(jìn)行訓(xùn)練；