一种电路板背钻孔尺寸自动化无损测量方法技术

本发明专利技术公开了一种电路板背钻孔尺寸自动化无损测量方法，其步骤包括：1)利用选取或生成的数据集训练U

An automatic non-destructive measurement method of drilling size on the back of circuit board

【技术实现步骤摘要】
一种电路板背钻孔尺寸自动化无损测量方法


[0001]本专利技术属于X射线计算机层析成像无损检测
，具体涉及一种基于CL断层图像分割的电路板背钻孔尺寸自动化无损测量方法。

技术介绍

[0002]随着工业发展对印刷式电路板(Printed circuit board,PCB)需求逐渐提高，板制作密度、层数以及复杂度越来越高，人们对PCB质量控制和工艺要求越来越高，PCB质量检测研究变得越来越重要并更有实际意义。PCB通常采用多层结构，与电路层垂直互连的孔也是PCB的一部分。PCB的过孔通常为通孔设计(从电路板的Top表层贯通到Bottom底层)，当电路信号的频率增加到一定高度后，PCB中的导通孔中多余的镀铜产生的信号辐射对周围的其他信号造成干扰，严重时将影响到线路系统的正常工作，背钻(Back drilling)的作用就是将多余的镀铜钻掉，从而消除此类问题，在降低成本的同时，满足高频、高速的性能。因此，背钻孔尺寸的测量对于高速PCB的过孔设计十分重要。
[0003]对于PCB的质量检测，破坏性方法更为常见。中国专利申请号“201910731409.3”涉及到一种利用千分表对PCB背钻孔尺寸精度的检测方法，但是此方法是需要对PCB板材表面进行打磨处理，会破坏待检测的PCB内部结构。这个过程大多是手动的，十分耗时、昂贵并且容易出错。因此，对PCB背钻孔尺寸测量采用无损检测的技术具有更大的实际意义。本专利技术考虑的是利用无损检测技术对PCB背钻孔尺寸进行测量。
[0004]基于X射线成像的无损检测技术是利用物质成分和密度不同，对射线的吸收率也不同，对物体进行成像，从而在不破坏物体的前提下得到物体内部结构。在工业无损检测中，传统计算机断层成像CT(Computed tomography,CT)的成像技术是一种十分高效的无损检测方式，但是CT扫描几何不适用于平板物体的检测，对大尺寸板状物体难以获取高分辨重建图像：射线在不同角度下穿透板状物体的长度差异大，进而导致投影数据差异大，难以得到高对比的断层图像，并且对于特定的扫描角度，扫描数据会出现很大的噪声，进而导致重建效果很差；此外，为了重建出高分辨率的图像，CT扫描过程中需要将板状物体贴近X射线源，可是这样可能会导致物体与X射线源碰撞，因此为了避免碰撞，扫描角度范围会受到限制。
[0005]X射线计算机层析成像(Computed laminography,CL)的特殊扫描几何可以对较大纵横比的板状物体进行高分辨检测。中科院高能物理研究所研制的X射线三维分层成像仪可用于平板状物体的检测，能实现三维高分辨扫描，对于大尺寸样品可进行任意区域扫描成像，适用于非切割、大尺寸、结构复杂的PCB质量检验。它采用如图1所示的CL扫描结构。
[0006]物体水平放置于可旋转运动平台，射线斜穿物体，平板探测器水平旋转运动接收扫描过程中的射线信号，并能沿着弧形机械臂滑动以调节角β的大小。这样的扫描几何可以让射线源紧靠物体，从而得到一个很高的放大比，提高重建分辨率。这为实现PCB背钻孔尺寸无损测量提供可行方法。本专利技术用于X射线三维分层成像仪，基于CL断层图像进行处理。
[0007]由于CL扫描结构在竖直方向(z方向)上的扫描角度受限，采样数据不足。Zhao Y.
(2018)等人在文章“Edge information diffusion
‑
based reconstruction for cone beam computed laminography”中提出一种基于边缘扩散的迭代重建算法，用于减少混叠伪影改善CL重建图像质量。然而这些迭代算法虽然一定程度上减小伪影提高了重建图像质量，但数值求解过程计算量很大，迭代过程耗时很长，在难以直接应用到实际PCB重建。Feldkamp
‑
Davis
‑
Kress(FDK)算法是锥束扫描常用的解析重建算法，直接引用FDK算法会给CL重建图像带来层间混叠伪影，但在重建时间比迭代算法要短得多，适用于实际工程应用，对FDK重建后图像进行后处理是一个十分值得研究探索的方向。
[0008]对于PCB重建图像，主要考虑的是对不同材质的分割，从后处理角度来看，就是一个分割问题。图像分割在计算机视觉领域已经有坚实理论基础的支撑，传统图像分割算法包括以直接寻找区域为基础基于区域和边缘的方法、利用训练数据寻找模式的分类方法、聚类方法。但是这些分割算法十分依赖于图像灰度水平，不适用于存在严重层间混叠伪影的CL断层图像；另外，传统算法受参数影响较大，鲁棒性差，难以实现背钻孔尺寸的自动化测量，传统分割算法有较大的局限性。
[0009]随着计算机算力逐渐增加，深度学习在计算机视觉上的飞速发展。Ronneberger(2015)等人在“U
‑
net:Convolutional networks for biomedical image segmentation.”中提出U
‑
net分割网络，网络能够利用较少的训练图像通过连续卷积层来学习数据已得到更精确的输出。但是U
‑
net分割网络是一种有监督学习网络，需要带混叠伪影图像所对应的标签图像进行训练，而真实数据对应的标签数据难以获取也无法人工标注。

技术实现思路

[0010]针对现有技术中存在的问题，本专利技术的目的在于提供一种新型的PCB背钻孔尺寸测量的方法，做到在不破坏PCB内部结构的条件下测量背钻孔尺寸(如图2所示)。该算法可适用于常规CL重建得到的PCB数据处理，对于缺少真实标签数据的问题也同样适用。此方法对重建图像进行后处理，可以快速、自动化地得到微米级的测量值。
[0011]本专利技术基于CL层析成像的PCB背钻孔尺寸无损自动化测量的方法，是通过调用CL中原有的FDK重建算法，对断层图像进行后处理，并且考虑到三维数据占内存大，处理起来较为复杂，本专利技术将三维分割问题转化为二维图像序列分割问题。为了实现背钻孔尺寸的自动化测量，它需要对重建后的PCB断层图像进行分割，得到分割后的二值图像，进而才能进行自动化测量。而对于图像序列的分割，本专利技术结合传统分割算法和深度学习分割网络，它利用U
‑
net分割网络的对输入和输出的图像进行学习，对某些特定结构联合自动化模糊C均值算法共同分割，从而得到分割较为精确的图像作为训练数据进行迭代训练。最后对分割处理后的二值图像进行电路层和钻孔末梢自动化定位，从而得到背钻孔尺寸的测量值。
[0012]本专利技术的技术方案为：
[0013]一种电路板背钻孔尺寸自动化无损测量方法，其步骤包括：
[0014]1)利用选取或生成的数据集训练U
‑
net网络，得到一用于对PCB断层图像进行层分割的分割模型；其中所述数据集包括多组带层间混叠伪影的PCB断层图像的层间图像和对应的标签图像；
[0015]2)根据待检测电路板的X射线计算机层析成像重建PCB断层图像，从重建的PCB断层图像中选取包含背钻孔部位的图像区域，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电路板背钻孔尺寸自动化无损测量方法，其步骤包括：1)利用选取或生成的数据集训练U
‑
net网络，得到一用于对PCB断层图像进行层分割的分割模型；其中所述数据集包括多组带层间混叠伪影的PCB断层图像的层间图像和对应的标签图像；2)根据待检测电路板的X射线计算机层析成像重建PCB断层图像，从重建的PCB断层图像中选取包含背钻孔部位的图像区域，并将其层间图像各层输入到所述分割模型中，得到各个层间图像对应的二值图像，根据各所述二值图像生成分割好的二值三维体；计算所述二值三维体内各个层内图像的图像像素和，根据各所述图像像素和生成像素和分布图，将所述像素和分布图中峰半高宽所在层位置作为电路层的位置；3)从步骤2)重建的PCB断层图像中截取经过N个钻孔柱心的层间图像，计算所截取的各层层间图像对应的二值图像的连通量面积，找出连通量面积最大的2N个连通体，从无导电材质向有导电材质的方向逐列遍历每一所述连通体的像素，将像素值不为0的列作为钻孔末梢位置；其中，所述二值图像中导电材质对应的像素值为0，非导电材质对应的像素值为1，N为待检测电路板的钻孔总数，N≤2；4)根据步骤2)确定的电路层位置，以及步骤3)确定的每一钻孔末梢位置，得到电路层和钻孔末梢的像素宽度距离，根据所述像素宽度距离确定出所述待检测电路板对应钻孔的背钻孔尺寸。2.根据权利要求1所述的方法，其特征在于，生成所述数据集的方法为：11)制备模拟训练数据所需的带钻孔PCB模体对应的层内图像；12)对所述层内图像中不同设定材质赋值不同吸收系数，其中所述设定材质包括导电材质和非导电材质；13)将步骤12)处理后的图像堆...

【专利技术属性】
技术研发人员：魏存峰，施柳，刘宝东，
申请(专利权)人：济南中科核技术研究院，
类型：发明
国别省市：