FPC點膠異物視覺檢測係統

FPC點膠異物視覺檢測係統的核心目標是在點膠工序前後，自動檢測FPC（柔性電路板）表麵是否存在影響點膠質量和產品可靠性的外來異物或缺陷。

如果說“定位係統”是係統的“眼睛和大腦”
，那麼“異物檢測係統”就是一位 “超級質檢員” ，確保點膠操作是在一個潔淨、合格的基板上進行的。


 一
、 為什麼要進行異物檢測？

在FPC點膠（尤其是芯片封裝、元器件貼合）前
，表麵若存在異物

，會導致：
1.  點膠位置偏差：膠水被異物墊高
，導致粘接高度不準
、溢膠或虛焊。
2.  電氣短路：導電異物（如金屬碎屑、錫珠）可能導致電路短路。
3.  可靠性風險：非導電異物（如灰塵、纖維
、塑料碎屑）會導致粘接不牢，長期使用後脫落引發故障。
4.  堵塞點膠針頭：飛揚的異物可能汙染點膠閥。

因此，該檢測是提升產品良率（Yield） 和可靠性（Reliability） 的重要前置關卡。



 二、 係統檢測目標（What to Detect）

檢測的異物和缺陷類型通常包括：
   顆粒類異物：灰塵、纖維、金屬碎屑
、錫球/錫渣。
   汙染物：油漬
、手指印、水漬、助焊劑殘留。
   基板缺陷：劃傷、壓痕
、褶皺
、銅箔露銅、覆蓋膜破損。
   工藝異物：來自前道工序的殘留物，如切割毛刺
、衝型殘屑。



 三
、 係統核心挑戰

FPC自身特性使得異物檢測極具挑戰：
1.  低對比度：異物（如透明纖維
、白色灰塵）與FPC背景（可能為黃、綠、白色阻焊膜）顏色/灰度接近。
2.  複雜紋理背景：FPC上有走線、焊盤
、字符、網格等固定圖案
，容易與異物混淆。
3.  高反光表麵：金手指

、裸銅焊盤等區域反光強烈
，會掩蓋異物或產生鏡麵反射偽影。
4.  柔性形變：每次放置的平整度有細微差異，導致固定位置的參考圖像匹配失效。
5.  異物多樣性與隨機性：異物形態、大小、位置不固定
，難以用簡單規則描述。



 四、 係統核心硬件構成

1.  高分辨率相機：通常需要比定位係統更高分辨率的相機，以捕捉微小異物（如10μm級別）。線陣相機適合高速高精掃描，麵陣相機更常用。
2.  精密光學鏡頭：遠心鏡頭能消除因高度變化帶來的放大倍率誤差，對於有翹曲的FPC尤其重要。
3.  核心  特種光源係統：這是異物檢測成敗的絕對關鍵。必須采用能凸顯異物、抑製背景的照明方案，常見組合包括：
       多角度環形光：從不同角度照射，凸顯物體表麵凹凸（如顆粒的陰影）。
       同軸光：用於檢測平整表麵的劃傷、凹坑。
       低角度條形光：近乎平行照射，使平坦區域暗、凸起異物亮，非常適合檢測凸起的顆粒和纖維。
       穹頂光/積分球光：提供均勻無影照明，減少反光幹擾
，適合檢測顏色差異。
       多光譜/偏振光：用於區分特定材質的異物（如金屬反光特性）。
4.  高性能處理平台：由於算法複雜
，通常需要更強的計算能力（如工業PC+GPU），以在節拍內完成大尺寸圖像的處理。
5.  分選機構：與PLC聯動
，根據檢測結果（OK/NG）將FPC分流到不同料道。



 五、 核心算法與技術

傳統方法與AI方法並存且常結合使用：

1.  傳統圖像處理算法（適用於規則背景或特定場景）：
       差分法/參考比對法：采集一張“標準良品”圖像作為模板，將待檢圖像與之做像素級差分。對背景穩定、無紋理的簡單FPC有效。
       Blob分析：二值化後分析連通域的麵積、圓度、長寬比等特征來篩選異物。
       紋理分析：使用傅裏葉變換、小波變換等方法分析背景紋理，過濾掉規則紋理

，保留異常的異物信號。
       形態學處理：用於增強或分離特定形狀的異物。

2.  基於深度學習的AI算法（當前主流和趨勢，應對複雜場景）：
       分類模型：判斷整張圖像“有異物”或“無異物”。簡單但無法定位。
       目標檢測模型（如YOLO


， Faster RCNN）：最常用。能直接定位圖像中異物的邊界框
，並給出類別（如纖維、金屬屑）。適合檢測明顯、離散的異物。
       語義分割模型（如UNet
， DeepLab）：更精細。能為圖像中每個像素分類，精確勾勒出異物（尤其是形狀不規則的汙染物、劃痕）的邊緣輪廓。能計算異物的精確麵積和位置。
       異常檢測/無監督學習：僅用大量良品圖像進行訓練，學習“正常”的樣子，任何偏離“正常”模式的區域都被判定為異常。特別適合未知類型、難以窮舉的缺陷檢測，但誤報率可能較高。


與“點膠視覺定位係統”的關係與集成

在實際產線中，這兩個係統常常是協同工作甚至一體化集成的：
   順序作業：先進行異物檢測，通過後再進行視覺定位與點膠。這是最穩妥的流程。
   功能複用：有時會使用同一套相機和光源，通過不同的照明模式和軟件算法
，先後完成“定位”和“檢測”兩項任務，以節省成本和空間，但對係統硬件和軟件調度要求更高。
   數據閉環：檢測係統的數據可以反饋給前道工序（如清洗、切割），用於工藝優化和問題溯源。



FPC點dian膠jiao異yi物wu視shi覺jiao檢jian測ce係xi統tong是shi高gao端duan智zhi能neng製zhi造zao中zhong質zhi量liang控kong製zhi環huan節jie的de核he心xin體ti現xian。它ta利li用yong先xian進jin的de光guang學xue成cheng像xiang和he智zhi能neng圖tu像xiang分fen析xi技ji術shu，解jie決jue了le人ren眼yan檢jian測ce效xiao率lv低di

、易疲勞、標準不一的問題。隨著FPC線路越來越細密，點膠精度要求越來越高
，以及 “零缺陷” 生產理念的推廣
，這套係統已從“可選”逐漸變為 “必備” 。其技術核心在於 “成像” 與 “算法” 的深度融合，尤其是深度學習的應用

，讓係統具備了應對複雜背景和未知異物的強大能力。