微组装焊接钎透率数值化检测技术研究

88
1 概述
利用X-ray 测量基板焊接钎透率是预评估模块性能的重要手段。

在焊接过程中由于助焊剂残留，或者界面氧化导致的焊接层空洞问题。

为了了解微波组件焊接空洞的位置的具体分布和空洞大小，以及不同位置的焊接情况，我们需要利用X-ray 中的图像滤波算法增加图像的对比度，实现焊接空洞的清晰成像。

而焊接空洞钎透率测量算法则可以实现空洞分布和面积进行分析，和数据统计。

以往的生产过程中，操作人员只是简单的将待检测模块放置入X-ray 设备中成像，凭借经验判断组件的钎透率是否达到要求，并没有数值化的依据，也没有统计分布的结果。

针对不同区域不同的钎透率要求没有办法分别判定。

根据国军标GJB548B 的要求，对于H 级的电路空洞要求小于50%；K 级电路及航天级H 电路空洞率要求小于25%，单个空洞不得贯穿基板或芯片长度和宽度范围或超过预定接触面积10%。

这些数值化的标准需要有可量化的检测算法来实
测器的镜头和光源能力，另一方面需要符合国家标准GB50116的相关要求。

（3）发射单元配有专门的角度对准器，用于调节角度对准。

每一种图像探测单元的水平和垂直视场角是可以计算的，进而可以测算出视场在特定探测距离上的适用水平宽度和垂直高度。

4.2.3 视场角与安装
视场角度原则上取决于探测器所采用的镜头焦距，有效视场角见表1。

根据探测单元的特点，随着探测距离的增加，物体成像尺寸越小，这是一个反比关系。

对于火焰探测性能而言，只要火焰成像达到3%以上，系统的响应时间差异就不会很大；然而对于烟雾探测性能而言，由于烟雾成像尺寸与距离成反比关系，因此烟雾探测的灵敏度受距离的影响较大.例如在90m 处的烟雾就必须成长为30m 处的3倍高才能获得同样成像尺寸的烟雾。

鉴于此，在进行设计安装时，探测器的视场就不能完全照向地面，视场图像至少应覆盖建筑对面屋顶以上一定范围，通常保证屋顶与垂直墙面交叉线以上成像尺寸不少于10%，根据空间大小不同，最大可达30%，这样可以获得较好的烟雾探测性能。

表1：基于1/3″CMOS 的不同镜头类型的BVID 的视场角Focus Horizontal angle of vision
Vertical angle of vision
3.6mm 71.4°57.1°6mm 46.6°36.2°8mm 35.8°27.5°12mm 2
4.3°18.5°16mm
18.3°
13.9°
4.2.4 探测器的安装形式及间距间隔
探测器部件的安装位置和间距应符合国家和地方安装规范的要求。

就多波段光束感烟而言，单一光束的烟雾探测类似于传统线型感烟探测器的安装要求，多光束可以实现空间平面的烟雾监测。

一个空间探测器部件安装，首先光束发射单元可以在空间不同高度进
微组装焊接钎透率数值化检测技术研究
叶桢 吴伟* 王道畅
（中国电子科技集团公司第三十八研究所 安徽省合肥市 230088）
现。

这里我们用来研究微组装焊接模块钎透率的设备型号为GE 的 Microme|x 180。

2 焊料厚度标定原理和算法2.1 X-ray焊料厚度标定基本原理
利用X 射线成像后图像的像素值变化可以用于焊料厚度标定。

X 射线测厚的工作原理是建立在针对某固定金属材料其X 射线的吸收系数μ固定的基础上的[1]。

一般来说，一个穿透式X 射线厚度传感器的测厚原理遵循指数式的吸收曲线：
其中μ为X 射线穿过的固定材料。

如果测量的材料具有复合结构，如图1所示，比尔吸收定律遵循：
行安装，其次，图像探测单元在覆盖了光束安装区域位置的前提下，可以考虑更多的覆盖地面空间，以提高探测器火焰探测的面积。

很多大型建筑中存在着大量的中低高度(5~8m)空间的场所，往往面积较大，以往的设计方法主要是采用点型感烟火灾探测器进行防护，这会造成大量维护工作量，因此采用OSID 会是一种很好的解决方案，而且灵敏度还要优于传统的点型感烟火灾探测器，从测试试验和维护维修的角度，都有优势。

5~8m 空间的安装只需要水平安装一层即可。

总之，当前针对OSID 红紫外双鉴成像式智能探测器研究还处于起步阶段，诸多技术还不是十分的成熟，未来随着研究的进一步深入，必将会使得相关工作朝着更好的方向发展。

参考文献
[1]张鹏翀,潘树国.舰船狭长空间火灾探测研究[J].舰船科学
技术,2020,42(11):168-171.
[2]田灯旺.地铁火灾自动报警系统探测方式设计与研究[J].科
学家,2017,5(10):26,45.
[3]毕振波,王慧琴,卢英,徐飞.云模式图像型火灾探测的应用
研究[J].消防科学与技术,2013,32(04):410-413.作者简介
刘俊蕾（1975-），男，吉林省吉林市人。

大学本科学历，高工。

研究方向为水电厂检修。

王俊博（1979-），男，吉林省吉林市人。

大学本科学历，高工。

研究方向为水电厂检修。

刘鑫（1985-），男，吉林省吉林市人。

研究生，工程师。

研究方向为水电厂检修。

孙海英（1976-），女，吉林省吉林市人。

大学本科学历，工程师。

研究方向为水电厂检修。

胡瀞文（1993-），女，辽宁省复县人。

大学本科学历，助工。

研究方向为水电厂检修。

摘　要：本文介绍了与基板焊接钎透率测量相关的成像滤波算法和调参结果，简述测量焊接空洞面积的算法原理，最后利用测量的数据结果对于焊接质量改进提出建议。

关键词：钎透率；基板焊接；图像滤波；图像增强；阈值法；区域生长法
89
Electronic Technology
Electronic Technology & Software Engineering
●基金项目：安徽省重点研发计划项目（NO.202004a05020049）。

一般的，如果测量的材料是不均匀的，满足，则满
足积分表达：
以上是针对单能x 射线的厚度标定公式。

实际X 射线管一般是通过高能电子流轰击金属靶材而获得[2]。

通常的X 射线光谱分为分立谱和连续谱。

连续谱是由于当加速后的电子轰击金属靶材，电子突然减速，发生韧制辐射而产生。

实际上，根据电磁波理论，具有加速度的电子在电磁场中会辐射光子。

通过这种形式产生的X 光能谱具有连续性。

另一方面，当电子直接轰击靶材原子内层电子，造成内层电子跃迁。

根据量子力学的原理，跃迁的电子有一定的几率跃迁回内层，同时释放出一个高能光子，从而产生具有分立能量的X 能谱。

一般来说，我们需要考虑采用一个等效的单能谱吸收系数μed 来替代整个连续的X 光谱吸收系数，同时当材料区间厚度过大时，存在一个散射因子n ，随着光子能，材料性质和厚度变化而变化，
于是有：
该公式等效为电压与厚度的对数关系：
当测量多组X 值和对应的管电压V 值，利用上式作基于最小二乘法的线性拟合，可以用于材料厚度X 的标定计算。

如图2，一般来说X 射线探测器分为直接式和间接式。

直接式的X-ray 探测器，是将X 射线直接转换为电信号；而间接式的X-ray 探测器，则是将X 射线间接地转变为可见荧光，才能转换为电荷信号。

GE Microme|x 180型号的X 光机采用DXR250RT 型号的平板探测器，是一种间接式的平板探测器。

其核心部分是一块大规模的非晶硅光电二极管阵列和一种碘化CsI 闪烁体薄层的结合。

这种晶体由于其原子序数很高，因此对于X 射线的光子具有很高的吸收转化效率。

根据文献[2]所述，平板探测器首先是将非晶硅薄膜生长在玻璃基板上，再利用薄膜电路工艺制作出光电二极管和薄膜晶体管。

如图3，在薄膜上分布着成像单元阵列，由光电二级管，薄膜晶体管开关(TFT)，数据线等组成。

X 射线照射上层闪烁体时会在局域产
表 1：实验焊料种类和厚度
焊料种类待测厚度/mm
铅锡0.07，0.1，0.14，0.15，0.2，0.28，0.3，0.4，0.6
锡锑0.1，0.2，0.4锡铅铟0.1，0.2，0.4
金锡
0.025，0.05，0.07，
0.1，
0.14
，
0.28
图1：X 射线穿透多层介质示意图
图3：平板探测器结构
图2：X 射线探测器结构
图5：0.1mm 厚度焊料X-ray 图片
图4：焊片厚度和像素值对数关系
90
生很多的荧光光子，而荧光光子会被邻近下层的光电二极管的PN 结吸收激发束缚电子跃迁产生电子和空穴对，而在偏置电压的作用下，电子形成电流，并在TFT 作用下放大。

控制电路将程序指定位置激发的电流收集形成一个模拟电平信号，然后经模数转换电路转化为数字信号，而由数字信号阵列合成的图像会被送入计算机系统进行后续图像分析。

我们注意到光电二极管产生的载流子数量应当与由闪烁体激发并被该二极管吸收的光通量成正比。

实际上，成像单元把高能X 射线光子装换为低能量的荧光光子，再转化为一定数量的电荷，整个物理过程中，照射在成像单元上的X 射线的能量与转换得到的电荷数量近似存在线形关系。

最后利用模数转换器，将模拟电平信号转化为数字信号。

因此，X 射线强度和图像像素值关系推导为下式：
其中N 是X 射线产生电荷数量，等价于像素值的数量，A 0是一个与X 射线系统与平板探测器系统相关的常数，X 被照射材料的厚度参数，实际测厚时，需要对于被测量的焊接材料进行标定，制备一些被测量厚度的已焊接基板，利用不同厚度焊料的焊接基板，对于不同种类的焊料和其厚度进行标定，并作出相应的厚度标定曲
线。

由于X 光成像系统中，存在着大量的不同种类的噪声，包括电子学噪声，光电噪声和元器件本身引起的噪声，给我们在利用X 光图像中的像素值分布来估计不同种类焊料厚度带来了极大的不确定性。

这里我们首先需要针对原始X 光图像调节合适的管电压和管电流,保证成像质量和图像的对比度,保证不同材质和厚度的焊料在同一管电流和管电压下,图像灰阶差异足够明显。

同时适当的调节图像曝光时间和最终成像的图像合成数量，通过曝光时间的调节有效控制图像的亮度和对比度，通过多图像素取平均的方法，来消除由于模数转换电路中产生信号大小的不确定性所造成的图像局部噪声，从而保证后来的焊料厚度准确标定。

2.2 焊料厚度标定实验
如表1所示，我们在实验中测量不同种类和厚度的焊料，拟定管电压120KV ,管电流60uA ，曝光时间200ms ，图像合成张数为4。

并且利用Matlab 的相关程序对于不同图片的像素值分布进行统计。

并最终拟合了不同焊料种类，焊料厚度关于像素值对数分布的曲线, 如图4。

实验中采用的不同厚度焊片是铅锡焊片，锡锑焊片，锡铅铟焊片和金锡焊片。

从图中可以发现，金锡焊料的密度最高，因此拟合直线的斜率最高。

拟合中存在数据点偏离直线过大的情况。

虽然焊片厚度X 和激发电荷N 的对数满足线性关系，但对于平板探测器来说，相同剂量的X 射线在闪烁体中产生的荧光光子数量并不是一个固定的值，而是一个随机值，因此光电二极管产生电荷数以及信号读出的电平值也并不是固定值，导致最终图像中像素平均值
的与理论预测存在偏差。

当厚度同为0.1mm 时不同材质的焊片X-ray 照片，如图5。

3 焊接空洞率数值化测量的原理和分析
针对X 射线图像，利用一系列的图像处理算法，可以实现对于被检测物体的钎透率检测。

对于常见的微组装模块来说，直接的X 射线成像的图像具有对比度低，图像噪声大，和气泡边缘模糊的特点。

如果要实现基板钎透率的测量，就必须实现对于基板与壳体间气泡的边缘的提取，气泡面积的计算和重心位置的确定，具体依据
以下流程：3.1 图像滤波
包括空间域的滤波和频率域的滤波空间域的滤波[3-4]。

设备中采用领域平均法，高斯平均法和中值平均法等等。

领域平均法是，将图像中选中的像素点用其临近的其他8个像素点和自身的平均值来替代，定义的加权平均模板可以用这个矩阵表征：
，对应的计算矩阵是。

类似的高斯平均
法的表征矩阵为
，近似为二维平面的一个高斯分布。

中值滤波就是在选
择掩模的范围内计算所有像素值的中位数，用于替代目标像素。

如图6
所示，原图像中存在大量的微小气泡，边缘毛刺和各种图6：图像滤波算法处理后的X-ray 图像
图7：分段线形变换区间与变换后焊接图像示例
图8：不同γ参数的变换图片
图9：边缘提取算子处理后的图像
Electronic Technology Electronic Technology & Software Engineering
脉冲性的噪声，通过对于图像施加平面滤波算法可以有效去除这些
噪声，同时对于大型气泡的边缘具有一定的平滑作用，为后续准确
的气泡面积测量奠定基础。

3.2 图像增强
在图像滤波之后，针对图像中关心的细节问题，我们需要明确
其像素值的取值范围。

通过对感兴趣区间的像素值范围进行拉长，
增强该区域在图像显示过程中的对比度，提高目测和视觉算法计算
钎透率的准确度。

图像增强方法主要包括了灰度线性变换和幂变换
[5]，而灰度线性变换则有两段式和多段式。

两段线性变换：假设原图像灰度分布值用函数 f ( x, y )表示，
其灰度范围是[m, n]，变换后的图像 g ( x, y )的灰度范围如果扩展
成为[M, N]，则灰度线性变换可以表示为：
三段式线性变换：同样的我们可以采用三段式线性变换来加强
感兴趣区域，削弱不感兴趣区域
如图7，比较原图像与变换之后的图象发现，通过两段式线形
变换，(d)图像可以使得小微带线处的图像对比度增强，而(e)三段
式线形变换则使得环形隔离器和连接器处同时提高对比度，实现图
像高质量输出。

幂变换：又叫又叫做伽玛校正，其数学形式为：
如图8，当γ大于1时，可以对灰度的分布范围进行非线性压缩，
提高了图像的整体亮度，同时扩展了图像的低灰度范围，也增强了
低灰度区域的对比度。

而当γ小于1时，降低了图像的整体亮度，
同时扩展了图像的高灰度范围，也增强了高灰度区域的对比度。

3.3 图像锐化
在设备中我们主要通过一些边缘检测的算子来实现图像边缘的
增强显示，突出图像中物体的边缘轮廓。

具体方法可以对原图像利
用边缘提取算子获得其边缘位置，强度和连续性信息，然后通过加
权相加的方式与原图像再次合成，最终实现原图像的图像锐化作用。

边缘提取实际上是对于原图像中的像素值阵列计算每一点的
梯度函数的幅值和方向，利用人工设置的阈值和边缘连续性特征，
对于计算出的大量候选边缘点进行筛选和最终定位。

边缘提取算子
是对于数字图像中每一点利用不同的差分计算格式计算X，Y方向
的梯度大小，然后合成每一点的梯度幅值和方向。

设备中提供了
Sobel，Prewitt和Roberts等多种边缘提取算子，其矩阵形式如下：Sobel算子： Prewitt算子： Roberts算子：
如图9，Sobel和Prewitt算子都具有一定的图像滤波功能，两者在垂直和水平方向的边缘检测效果较好，而Roberts算子对于水平和垂直边缘的检出程度较差，部分明显区域的边缘未检出。

3.4 气泡周长面积测量和质心位置确定
如图10，经过边缘提取处理，图像中单一的空洞或者气泡具有封闭并且连续的边界[6]，我们将其看成是一个凸多边形，这个多边形是以各个像素点中心为顶点的多边形。

于是，这个多边形的周长可以通过统计有多少，横向（或者纵向）相连和对角相连的像素对来计算。

其中横向（或者纵向）相连的像素对数目记为N0，而对角相连的像素对数目记为N d。

则该多边形的周长记为：
而对于一个多边形的面积，实际上是由这个多边形的面积等于由各顶点与内部一点连线的所组成的所有三角形的面积之和确定。

假设这个多边形所有边界点的数目为N b，依照逆时针顺序其坐标分别为（X1，Y1），（X2，Y2）…… (X Nb
，Y
Nb
），则该多边形面积记为
图10：气泡的周长和面积计算示意图
(a)周长(b)面积
图11：焊接分区检测示意图
图12：空洞检测参数设置和结果统计
91
92
气泡重心可以通过计算边缘包围面积的矩来计算：定义：一个具有两个自变量的函数f(x,y)的矩可以表达为：
其质心坐标为：
利用X 光射线的气泡测量算法可以用于检测组件的面积和分布。

4 分区域检测焊接空洞率的结果分析和改进方法
由于测量的基板往往具有多块区域，不同区域的具有不同的焊料种类，基板材质和元器件，因此要精确评估模块焊接情况，需要分区域进行焊接钎透率的评估。

如图11所示，由于组件焊接部件导致的材质不同自然分为四个区域，A 区为连接器，B 区为环形器，C 区为微带板，而D 区为LTCC 基板。

在图中分别针对不同的区域测量钎透率。

如图11，测量过程中，不同区域的形状参数可以根据实际元件大小设置，参数设置时要根据不同区域的成像特征设置不同的阈值参数，从而实现多个区域的同时准确测量。

利用X 射线检测系统可以分区域实现基板焊接钎透率的测量和标定，实现了气泡的准确测量。

如图12,算法标定了焊接检测区域出现的最大5个气泡的面积。

设备自带的两种不同的测量焊接钎透率的算法，第一种通过设置阈值的上下边界，排除我们不需要测量的区域，然后通过设置气泡部分和其他部分的区分度最大的阈值分割，实现对于气泡区域的准确标定。

另一种气泡面积的标定是通过在测量区域随机生成种子点，由种子点往不同方向的邻域延伸，寻找其他像素点的特征值与种子点特征值或者种子点生长区域特征值的平均值之差小于某个阈值的所谓类似像素点群，生长成一个区域，直到遇到特征值明显变化的区域，生长停止。

实际上，对于焊接图片来，空洞区域相比较与周围焊料区域，其像素值平均较大，其梯度值较小，通过合理设置空洞区与周边区域的均值差，将空洞区域和其他焊接区域分割开来。

我们针对10个不同TR 组件的不同位置,统计其不同位置的焊接钎透率,并采用不同的算法测量气泡面积的算法,我们将统计的结果展示在图13中。

由图13结论可知两种不同的算法测量误差均在10%之内，可
图13：不同空洞测量算法结果比较
以认为两种算法都准确有效，测量基板气泡空洞率的误差均在10%之内。

以往的检测焊接钎透率，采用人工将组件放入X 光机，并且由专业工艺人员通过目测是否合格完成。

通常10只组件的钎透率判定时间为15分钟。

而采用程序预设的图像算法自动测量判定后，检测每10只组件的时间缩短至3分钟，效率提高了500%。

经过大量的基板试验，发现B 处环形器下方有常有巨大气泡，这是由于此处焊料熔化的时间滞后于周围焊料熔化导致此处焊料被牵扯所致，说明此处由于环形器存在较大热容，导致等效热阻与周边热阻相比较大，温升减慢。

根据空洞发生的具体物理机理，我们可以将此处底部的传热工装减薄减少热阻，从而增加传热速率，从而实现B 位置与周围温升速率的一致，减少此处出现大气泡的概率。

5 结论
传统的焊接方式是从结构，材料和焊接工艺等多个方面进行
提升和改进。

由于缺少数字化的检测手段，导致产品在量产时缺少过程控制手段经常突发缺陷。

另一方面数字化的检测手段为工艺师提供了更多关于组件焊接的多维度信息，方便工艺师依据数据内部关联提出精确的焊接改进方案。

而对于微组装基板焊接工序来说，数字化分布式的焊料厚度和焊接空洞率数据为焊接过程中的焊料选型，焊接温度调控，工装夹具的改造提供了具体支撑。

而要获得精确焊料厚度和空洞数据，需要我们对X 射线系统成像过程中光信号转化为离散电信号的物理过程进行具体分析，对于空洞测量过程中适用的相关图像滤波，图像增强和区域分割算法进行具体研究。

这篇文章讨论的相关检测算法为实现微组装焊接工序的质量智能化反馈，提供了具体的算法基础，具有一定的意义。

本文要特别感谢2020年安徽省重点研发计划项目（NO. 202004a05020049），基于机器学习的核心微波组件装焊单元质量分析与预测系统项目的研究资助。

参考文献
[1]张清敏等.扫描电子显微镜和X 射线微区分析[M].天津:南
开大学出版社,1988:19-22.
[2]艾维平.DXR250RT 平板探测器X 射线实时成像检测系统的研究
[D].兰州：兰州理工大学材料学院,2007.
[3]陈小改.图像处理技术中Matlab 方面的应用[J].自动化与仪
器仪表,2017,6(6):214-215.
[4]张康等.在空间域获得同态滤波模板的新方法[J].计算机与
现代化,2007,3(3):81-83.
[5]RafaelC 等.数字图像处理[M].北京:电子工业出版社,2012:
72-88.
[6]苑玮琦等.利用矩实现植物叶片长宽的测量[J].计算机工程
与应用,2013,49(16):188-191.作者简介
叶桢（1986-），男，安徽省合肥市人。

硕士学位，工程师，2012年毕业于美国布朗大学。

研究方向为自动光学检测，机器视觉与人工智能算法应用于微组装和微系统工艺缺陷检测。

吴伟（1986-）（通讯作者），男，安徽省合肥市人。

博士，高级工程师，2015年毕业于北京航空航天大学。

研究方向为智能制造，数字化生产，微组装工艺技术。

王道畅（1993-），男，安徽省六安市人。

硕士学位，工程师，2017年毕业于哈工大。

研究方向为电子封装可靠性。