Ứng dụng công nghệ hình ảnh siêu phổ trong phát hiện khiếm khuyết bề mặt FPCB

 I. Những hạn chế của kiểm tra thị giác truyền thống

Flexible Printed Circuit Boards (FPCB) được sử dụng rộng rãi trong các lĩnh vực như điện thoại thông minh, màn hình linh hoạt và thiết bị đeo do khả năng uốn cong tốt và khả năng phân tán nhiệt.Khi mật độ mạch tiếp tục tăng lên, các loại khiếm khuyết bề mặt ngày càng trở nên phức tạp, với các khiếm khuyết phổ biến bao gồm mạch ngắn, mạch mở, nhô ra, đốm trắng, đốm đen và lỗ vỡ.

Trong các phương pháp phát hiện truyền thống, khớp mẫu dựa trên hình ảnh RGB được sử dụng rộng rãi.các phương pháp này nhạy cảm với điều kiện ánh sángNgoài ra, một số khiếm khuyết hình thái tương tự như cấu trúc mạch bình thường,làm cho nó khó phân biệt chúng chính xác chỉ dựa trên hình ảnh ánh sáng nhìn thấy.

II. Xây dựng hệ thống hình ảnh siêu phổ

Để cải thiện sự ổn định của phát hiện, nghiên cứu này đã xây dựng một hệ thống hình ảnh siêu quang phổ vi mô vi. Hệ thống bao gồm một máy ảnh siêu quang phổ, một kính hiển vi và phần mềm thu thập.Máy ảnh siêu quang áp dụng mô hình FS-23 từ CHNSpec, có dải quang phổ 400 ‰ 1000nm và độ phân giải quang phổ 2,5nm.

Máy ảnh sử dụng phương pháp quét đường để chụp hình, và dữ liệu thô chứa 1200 băng tần. Để dễ dàng xử lý, mỗi bốn băng tần liền kề đã được hợp nhất thành một trong nghiên cứu,cuối cùng đạt được một cấu trúc dữ liệu 300 băng tầnKích thước của một hình ảnh siêu phổ duy nhất là 1920 × 960 pixel × 300 băng tần, bao gồm toàn bộ thông tin quang phổ của dây dẫn đồng và chất nền polyimide.

Ưu điểm của hình ảnh siêu phổ nằm trong khả năng của nó để có được một đường cong quang phổ liên tục cho mỗi pixel.Nghiên cứu cho thấy có sự khác biệt đáng kể trong phản ứng quang phổ của đồng và polyimide trong dải bước sóng 500 ∼ 750 nm, cung cấp một cơ sở đáng tin cậy cho phân đoạn hình ảnh tiếp theo và nhận dạng vật liệu.

III. Phương pháp phát hiện dựa trên thông tin quang phổ

Khung phát hiện được đề xuất trong nghiên cứu này bao gồm hai mạng con: FPCB-LocNet để định vị khu vực lỗi và FPCB-ClaNet để phân loại lỗi.

Trong giai đoạn địa phương hóa, FPCB-LocNet sử dụng các lõi cong 3D đa quy mô để trích xuất các tính năng từ cả hai chiều không gian và quang phổ đồng thời.Hai kích thước khác nhau của các lõi cong được sử dụng trong mạng để tập trung vào các cấu trúc không gian địa phương và các tính năng quang phổ tương ứng, và các tính năng có quy mô khác nhau được hợp nhất thông qua một cấu trúc dư thừa.đạt được phân đoạn cấp độ pixel của đồng và polyimideSau khi phân đoạn được hoàn thành, các khu vực bất thường được xác định thông qua khớp mẫu.

Trong giai đoạn phân loại, do số lượng mẫu siêu quang phổ hạn chế, mạng lưới áp dụng chiến lược học tập chuyển giao,đào tạo trước trên bộ dữ liệu hình ảnh FPCB RGB và sau đó tinh chỉnh hình ảnh giả màuNhắm vào vấn đề số lượng mẫu không cân bằng cho các loại lỗi khác nhau,Các chiến lược lấy mẫu cân bằng và phân hủy trọng lượng được đưa vào mạng để cho phép mô hình tập trung nhiều hơn vào các loại lỗi với ít mẫu hơnĐồng thời, cơ chế chú ý SE được nhúng để tăng cường sự tập trung của mạng vào các tính năng chính.

IV. Kết quả thử nghiệm và giá trị ứng dụng

Về phân khúc hình ảnh, FPCB-LocNet hoạt động tốt hơn các phương pháp phân khúc truyền thống như phương pháp entropy, thuật toán phân vùng nước và Otsu khi xử lý hình ảnh với ánh sáng không đồng đều,với độ chính xác phân đoạn đạt 97Trong nhiệm vụ phân loại, độ chính xác phân loại toàn diện của FPCB-ClaNet cho sáu loại lỗi phổ biến là 97,84%.

Các thí nghiệm loại bỏ đã xác minh sự đóng góp thực tế của mỗi mô-đun: tăng dữ liệu cải thiện độ chính xác phân loại,lấy mẫu cân bằng theo danh mục và phân hủy trọng lượng đã cải thiện hiệu quả hiệu ứng nhận dạng các danh mục đuôi, và cơ chế SE chú ý đã mang lại một sự cải thiện ổn định trong hiệu suất phân loại trong khi thêm một số lượng nhỏ các tham số.Các kết quả trực quan hóa của bản đồ nhiệt Grad-CAM cho thấy các khu vực của mô hình rất phù hợp với các vị trí lỗi thực tế.

Nghiên cứu này kết hợp hình ảnh siêu phổ với học sâu để xây dựng một chuỗi xử lý hoàn chỉnh từ thu thập dữ liệu, phân đoạn hình ảnh và định vị khuyết tật đến phân loại khuyết tật.Phương pháp này có thể hoàn thành nhiệm vụ xác định các khiếm khuyết bề mặt FPCB một cách ổn định mà không dựa vào các điều kiện chiếu sáng cụ thể, cung cấp một con đường kỹ thuật khả thi cho quản lý chất lượng sản xuất của bảng mạch linh hoạt mật độ cao.

Đề xuất sản phẩm:Chiếc máy ảnh siêu phổ hình ảnh FigSpec FS-23

• Độ phân giải hình ảnh: 1920*1920
• Phạm vi quang phổ: 400-1000nm
• Độ phân giải quang phổ (FWHM): 2,5nm
• Số kênh quang phổ: 1200