Исследование и разработка алгоритмов структурного описания и анализа топологии изделий радиоэлектроники в системах контроля тема диссертации и автореферата по ВАК РФ 05.13.14, кандидат технических наук Егоров, Станислав Феликсович

• Егоров, Станислав Феликсович
• кандидат технических наук
• 1998

Оглавление диссертации кандидат технических наук Егоров, Станислав Феликсович

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. ОБРАБОТКА ИНФОРМАЦИИ В СИСТЕМАХ

КОНТРОЛЯ ТОПОЛОГИИ ФОТОШАБЛОНОВ И ПЕЧАТНЫХ ПЛАТ

1.1. ОСОБЕННОСТИ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ ПРОИЗВОДСТВА И КОНТРОЛЯ ПЕЧАТНЫХ ПЛАТ

1.2. МЕТОДЫ И СИСТЕМЫ КОНТРОЛЯ ТОПОЛОГИИ

1.3. МЕТОДЫ ОПИСАНИЯ ТОПОЛОГИИ

1.4. МЕТОДЫ ВЫДЕЛЕНИЯ СКЕЛЕТА

ИЗОБРАЖЕНИЯ

1.5. ЦЕЛЬ И ЗАДАЧИ ИССЛЕДОВАНИЯ

ВЫВОДЫ ПО ПЕРВОЙ ГЛАВЕ

2. ВЫДЕЛЕНИЕ ХАРАКТЕРНЫХ ПРИЗНАКОВ

ТОПОЛОГИИ ФШИПП ПО СКЕЛЕТУ

ИЗОБРАЖЕНИЯ

2.1. МОДЕЛЬ ТОПОЛОГИИ И ЕЁ АНАЛИЗ

2.2. ПОЛУЧЕНИЕ И ИССЛЕДОВАНИЕ СКЕЛЕТА ИЗОБРАЖЕНИЯ

2.3. ВЫДЕЛЕНИЕ ЭЛЕМЕНТОВ СКЕЛЕТА

2.4. СВЯЗЫВАНИЕ СКЕЛЕТНЫХ ТОЧЕК

2.5. ФИЛЬТРАЦИЯ КОНТУРНОГО ШУМА

2.6. ГРАФООПИСАНИЕ СКЕЛЕТА

ВЫВОДЫ ПО ВТОРОЙ ГЛАВЕ

3. АППАРАТНАЯ И ПРОГРАММНАЯ РЕАЛИЗАЦИИ

АЛГОРИТМА СКЕЛЕТНОГО ОПИСАНИЯ

ТОПОЛОГИИ ФШ И ПП

3.1. ПРЕДИКАТЫ ПЕРВИЧНОГО ВЫДЕЛЕНИЯ

СКЕЛЕТА

3.2. АППАРАТУРА ПЕРВИЧНОГО ВЫДЕЛЕНИЯ

СКЕЛЕТА

3.3. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ВЫДЕЛЕНИЯ

СКЕЛЕТА И ЕГО ГРАФООПИСАНИЯ

ВЫВОДЫ ПО ТРЕТЬЕЙ ГЛАВЕ

4. СИСТЕМА КОНТРОЛЯ ТОПОЛОГИИ "МИКРОН"

4.1. СОСТАВ АППАРАТНЫХ И ПРОГРАММНЫХ

СРЕДСТВ СИСТЕМЫ "МИКРОН"

4.2. ОСНОВНЫЕ ПРОБЛЕМЫ АНАЛИЗА СКЕЛЕТНОЙ МОДЕЛИ ТОПОЛОГИИ

4.3. ОЦЕНКА ПРОИЗВОДИТЕЛЬНОСТИ СИСТЕМЫ КОНТРОЛЯ

4.4. ИСПЫТАНИЯ СИСТЕМЫ КОНТРОЛЯ

ТОПОЛОГИИ "МИКРОН"

ВЫВОДЫ ПО ЧЕТВЕРТОЙ ГЛАВЕ

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

1. Программа формирования ПЗУ-логики

операционного автомата

2. Программа графоописания скелета полученного

вписыванием квадратов в бинарное изображение

3. Акты внедрения

Введение диссертации (часть автореферата) на тему «Исследование и разработка алгоритмов структурного описания и анализа топологии изделий радиоэлектроники в системах контроля»

ВВЕДЕНИЕ

Современный этап развития производства характеризуется минимизацией затрат на изготовление продукции. При этом большое внимание уделяется контролю качества. Правильная организация контроля может в сильной степени повлиять на себестоимость продукции. Повышение автоматизации производства требует широкого внедрения, а значит и производства изделий радиоэлектроники, основу которых составляют узлы на печатных схемах.

Технология печатных плат, обеспечивающая изготовление надёжных проводниковых соединений, является дешёвой, простой, гибкой и представляет широкие возможности для автоматизации производства. Основным сдерживающим фактором является большое число неавтоматизированных операций оптического контроля (от 20 до 80 % трудозатрат) [98]. До сих пор на многих предприятиях контроль качества осуществляется человеком, оснащенным различными мерительными инструментами. Такой контроль, в условиях массового и крупносерийного производства, особенно в таких отраслях промышленности, как приборостроение, вычислительная техника, электронная и радиопромышленность является сдерживающим фактором, поскольку возникает явное противоречие между высокопроизводительным оборудованием, используемом для изготовления изделий и способами "ручного" контроля качества.

Основные недостатки использования зрительного анализатора человека на контрольных операциях в производственном цикле — малая производительность и быстрая утомляемость, низкая надежность и высокая трудоемкость. Поэтому достоверность проверки составляет в среднем не более 65 % [22], а при существующей тенденции к изготовлению всё более тонких и всё более тесно расположенных

проводников печатных плат достоверность такого контроля продолжает падать.

В связи с этим является перспективным разработка систем технического зрения (СТЗ) для замены зрительного анализатора человека или, по крайней мере, освобождение его от однообразной, вредной и утомительной работы. Одно из основных достоинств, которые открывают СТЗ, заключается в реализации практически 100 % контроля, что позволяет строить системы автоматического контроля качества продукции всего производственного комплекса. Потенциальные возможности автоматических систем распознавания почти безграничны. В настоящее время машинное зрение — уже реальность, хотя его возможности элементарны по сравнению со зрением человека. Однако уже имеются области, в которых машинное зрение способно заменить человеческое и даже по ряду характеристик превосходит его. Потребность в автоматическом визуальном контроле постоянно увеличивается и возрастает необходимость применения соответствующих анализаторов, обладающих требуемым быстродействием и способностью контролировать объекты с изменяющимися сложными структурами [102].

Работы в области создания СТЗ ведутся за рубежом с конца 60-х годов, первые образцы разрабатывались, главным образом, в университетах и научно-исследовательских институтах и имели академическую направленность. Теоретической основой для создания СТЗ были методы обработки изображений. Алгоритмы выделения и распознавания объектов конструировались универсальными, т.е. пригодными для анализа практически любых объектов. Первые серийно выпускаемые СТЗ появились в конце 70-х годов и предназначались для анализа трехмерных сцен в робототехнике [43,52]. Системы были дорогостоящими, сложными в изготовлении и эксплуатации, что не позволяло их использовать в реальных производственных условиях.

Сейчас в мире насчитывается множество фирм выпускающих СТЗ, но центр тяжести постепенно смещается из США в Азию (Япония, Корея, Тайвань, Малайзия и т.д.). Наибольшим успехом в производстве высокопроизводительных СТЗ для контроля качества печатных плат достигли следующие фирмы: Optrotech Inc. (Израиль), Orbot System (Израиль), Visionetics Corp. (США), AOI System (США), Lincoln Laser Comp (США), TI (США), Cambridge Robotic Systems (США), KLA-Tencor Corp. (США), Hitachi (Япония), Fujitsu (Япония), Vicheek (Англия), Vastra Flolunda (Швеция), Mania (Германия). Стоимость производимых ими систем составляет от 50 тыс. до 300 тыс. долларов [5,37,98].

В настоящее время наблюдается бурный рост возможностей средств вычислительной техники одновременно с падением цен на них, что открывает широкие возможности для внедрения СТЗ и для их дальнейшего совершенствования.

В данной работе разрабатываются и исследуются алгоритмы обработки информации в СТЗ для контроля топологических рисунков печатных плат (ПП) и фотошаблонов (ФШ), основанные на скелетном характерном однопроходном описании топологии.

Таким образом, автоматизация оптического контроля печатных плат необходима:

• для создания гибких автоматизированных производств печатных схем, согласования скорости выполнения основных и контрольных операций;

• для повышения производительности труда;

• для устранения утомительного для человека монотонного труда (число контролёров достигает 30% от числа рабочих);

• для повышения достоверности результатов контроля и качества выпускаемой продукции.

Актуальность темы. Интенсификация и автоматизация процессов производства требует дальнейшего совершенствования обработки информации в системах управления и контроля. Основным направлением развития таких средств является создание систем обработки информации (СОИ), способных обрабатывать все возрастающие потоки информации, уже давно превышающие возможности человеческого восприятия. Одной из самых важных функций СОИ является оптимальное сжатие информации с целью повышения эффективности её обработки, т.е. уменьшение затрат времени без потери точности и достоверности [95].

Таким образом, системы автоматического контроля (САК), как разновидность СОИ, характеризуются существенным сжатием информации об объекте контроля за счет его описания (выделения количественно-качественных признаков изображения), которое сопоставляется с установленной нормой — эталоном. Основными проблемами разработки САК остаются повышение достоверности и быстродействия контроля. Вместе с тем, недопустимо чрезмерное увеличение стоимости систем. Рациональное сочетание характеристик качества и стоимости требует выбора приемлемых средств контроля или разработки новых [80].

Широкий круг задач, таких как измерение ширины проводников и определение координат контактных площадок при контроле печатных плат и фотошаблонов, сводится к определению координат объектов в пространстве с помощью системы технического зрения (СТЗ). Причем, в зависимости от того как используется информация о координатах объектов СТЗ относятся или к системам контроля, если ставится задача сопоставления с нормой-эталоном, или к средствам адаптации, если координаты объекта используются для манипуляции с ними, или к системам распознавания, если информация используется для определения класса объектов.

Системы технического зрения включают в свой состав сенсор и вычислитель. В большинстве случаев применяются механические позиционирующие устройства для наведения на объект. Точность измерений в СТЗ определяется позиционирующим устройством, качеством исходных изображений, разрешающей способностью сенсора, применяемыми алгоритмами и средствами анализа изображений. То же самое относится и к быстродействию СТЗ. Следует подчеркнуть, что для разработки высокопроизводительных СТЗ контроля качества необходимо максимально использовать априорную информацию об объектах контроля, которая может быть получена с конструкторских и технологических документов, используемых для изготовления продукции.

Существует три основных подхода к решению задачи описания изображения фотошаблона или печатной платы для их дальнейшего анализа и контроля на дефекты в контрольных СТЗ — растровый, контурный и скелетный. Растровое описание несмотря на высокую точность, имеет ряд недостатков, ограничивающих его применение: низкое быстродействие и высокую ресурсоёмкость. Наиболее распространено контурное описание. Обобщенная схема описания изображения в рамках этого подхода включает наведение на объект и ввод изображений, фильтрацию полутоновых изображений, бинаризацию, предобработку, описание контуров объектов и их аппроксимацию, завершающуюся определением дефектных мест, что требует сложного анализа. По контуру изображения выделить, например, торцы сложнее и менее надёжно, чем по скелету.

При скелетном описании вместо границ изображения выделяется и аппроксимируется центральная осевая линия. Это является более информативным и структурным описанием, анализ на форму объекта и топологические связи требует значительно меньших вычислительных затрата, но не существует быстрых алгоритмов скелетизации и

соответственно промышленных САК на их основе.

Исходные изображения обладают значительной информационной ёмкостью, выполнение каждого из этапов приводит к существенному сокращению объема информации. Точность описания во многом определяется выбором оптимальных методов фильтрации, бинаризации и аппроксимации. Также следует отметить, что существующие методы описания и аппроксимации при обеспечении заданных точности и быстродействия представления, обладают высокой сложностью реализации и следовательно высокой стоимостью.

Таким образом, актуальной является разработка структурных методов описания объектов, обеспечивающих высокие точность и быстродействие, и допускающих простую реализацию.

Целью работы является разработка и исследование быстродействующих и простых в реализации методов и алгоритмов описания и контроля топологии изделий РЭА в скоростных контролирующих системах технического зрения для выявления дефектов топологии и обеспечения требуемой достоверности распознавания и низкой стоимости.

Для достижения указанной цели ставятся следующие задачи.

1. Разработка новой модели представления топологии на базе выделения скелета изображения с сохранением необходимых для контроля метрических характеристик объектов и сокращающей избыточность видеоинформации ещё на ранней стадии обработки.

2. Разработка модели представления дефектов для всех классов топологии и размерностей дефектов на базе скелетного описания.

3. Разработка эффективного однопроходного построчно-сканирующего алгоритма реализующего скелетное описание в режиме реального времени.

4. Разработка эффективных алгоритмов обработки и анализа скелетного описания топологии с целью распознавания дефектов.

5. Разработка аппаратных и программных средств для реализации алгоритмов выделения и анализа скелетного описания топологии.

6. Оценка временной сложности алгоритмов и программ описания изображения и распознавания дефектов для обеспечения работы в режиме реального времени на общедоступных вычислительных средствах.

7. Проверка достоверности результатов распознавания дефектов для определения её соответствия заданным критериям оценки СТЗ оптического контроля.

8. Испытание разработанных методик и средств описания и анализа изображений.

Методика исследований основана на использовании теории множеств, математической логики, теории графов, теории автоматов, теории распознавания образов.

В качестве предмета исследования применяются как реальные, так и искусственные изображения топологии печатных плат.

Научная новйзна. В результате проведённых исследований разработан метод структурно-измерительного распознавания для автоматизации скоростного оптического контроля дефектов топологии изделий радиоэлектроники, при этом получены следующие новые научные результаты, выносимые на защиту:

1. Модель представления изображения топологии в виде графов связности характерных мест скелета рисунка и фона с сохранением необходимых для контроля измерительных характеристик объектов и сокращающей избыточность информации.

2. Эффективный сканирующий алгоритм выделения скелета изображения и представления его в виде графа связности в режиме реального времени.

3. Методика анализа и сравнения топологии на основе скелетного описания с целью идентификации дефектов.

Практическая ценность. Разработанные модели и алгоритмы описания и анализа изображений топологии и дефектов положены в основу функционирования эффективных аппаратных и программных средств СТЗ контроля топологии изделий радиоэлектроники, способной обеспечить требуемую достоверность распознавания всех элементов топологии типа проводник, контактная площадка, отверстие и недопустимых дефектов (сужение проводника, сужение промежутка, разрыв, закоротка, выступ, впадина, "дыра", избыточный элемент) как печатных плат, так и фотошаблонов. Кроме того, разработанные методы и средства могут быть использованы в устройствах очувствления роботов, устройствах анализа чертёжно-графической и картографической информации.

Реализация в промышленности. Результаты работы использованы в автоматизированной системе визуального контроля ФШ и ПП "Микрон", внедренной на различных предприятиях (Приложение 3. Акты внедрения). Описываемый алгоритм скелетизации лёг в основу разработанной программы векторизации чертёжной и картографической информации VEG A-express [23,27], используемой на предприятиях города.

Структура и объем диссертации. Работа изложена на 124 страницах основного текста, иллюстрируется 38 рисунками, 8 таблицами и состоит из введения, четырех глав, заключения, списка литературы из 135 наименований и 3 приложений на 18 страницах.

Апробация работы. Основные положения диссертационной работы докладывались на 5 конференциях и семинарах.

Публикации. По материалам диссертации опубликовано 11 работ [23-31,113,114], аппаратная часть находится на стадии патентования.

В первой главе рассмотрены особенности технологических процессов производства ФШ и ПП, уточнено содержание операций оптического контроля и критерии отбраковки с целью определения

основных видов дефектов. Сформулированы требования к автоматизации оптического контроля, выбраны критерии оценки средств распознавания дефектов топологии. Произведён анализ существующих способов распознавания дефектов топологии ФШ и ПП, методов анализа формы объектов, описания и аппроксимации изображения. Сделан вывод о целесообразности разработки нового метода распознавания дефектов топологии в классе методов сопоставления описаний по характерным точкам скелета. Определены цели и задачи исследования.

Во второй главе разрабатывается и исследуется модель представления изображений топологии в форме графов связности характерных мест скелета рисунка и фона. Отличительной особенностью модели является сохранение требуемой для контроля измерительной информации о ширине объектов и промежутков между объектами и однопроходность получения описания. Приводится описание алгоритма однопроходного выделения скелета изображения и проводится исследование его поведения на тестовых изображениях и на характерных местах топологии фотошаблонов и печатных плат, а также его возможности по описанию дефектов и их выявлению.

В третьей главе приводится подробная аппаратная и программная реализация алгоритма скелетизации изображения и графоописания характерных мест скелета, вводятся структуры данных. Делается вывод о возможности совмещения требований к устройству контроля таких, как низкая стоимость, высокое быстродействие (масштаб реального времени) и достаточная достоверность распознавания дефектов.

В четвертой главе описывается система контроля ФШ и ПП "Микрон" и её технические характеристики, приводится алгоритм контроля топологии, даётся оценка его быстродействия. Проверена адекватность моделей изображениям дефектов путём оценки достоверности результатов распознавания предлагаемыми алгоритмами. Приведены результаты испытаний системы. Дан анализ выявленным проблемам и сложностям скелетной модели описания топологии.

1. ОБРАБОТКА ИНФОРМАЦИИ В СИСТЕМАХ КОНТРОЛЯ ТОПОЛОГИИ ФОТОШАБЛОНОВ И ПЕЧАТНЫХ ПЛАТ

Многие изделия радиоэлектронной аппаратуры (РЭА), такие как фотошаблоны, печатные платы и интегральные схемы (ИС) характеризуются одинаковыми элементами топологии, которые представляют собой объединение таких фигур как протяженные прямоугольники, круги, кольца. Предметам контроля изделий РЭА является, таким образом, наличие или отсутствие, целостность и размеры этих элементов топологии, точность их расположения, соответствие их проектным нормам. Для решения этой задачи требуется обработать огромные объёмы информации.

В данной главе проведён обзор существующих методов контроля и алгоритмов обработки визуальной информации.

1.1. ОСОБЕННОСТИ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ ПРОИЗВОДСТВА И КОНТРОЛЯ ПЕЧАТНЫХ ПЛАТ

Техника печатных схем является основным и общепринятым направлением конструкторско-технологического исполнения РЭА. Печатной платой называют диэлектрическую пластину с нанесёнными токопроводящими печатными проводниками. Платы могут быть односторонними, когда проводники выполнены только на одной стороне, двусторонними (они чаще всего используется в отечественной промышленности) и многослойными. На печатных платах основными элементами топологии являются проводники, участки между которыми называются пробелами, зазорами, фоном или межпроводниковыми промежутками и т.п. Основной характеристикой проводника является его ширина, именно по этому критерию печатные платы делятся на

классы (табл. 4.1, стр.107). Для увеличения прочности соединения выводов монтируемых на плате деталей с печатным проводником участки соединений выполняются несколько большей площадью и называются контактными площадками. Форма площадок может быть круглой, овальной, прямоугольной, в зависимости от монтируемых деталей они могут быть как с отверстиями так и без них; на фотошаблоне контактные площадки без отверстий, т.к. они потом просверливаются на плате. Кроме этого на печатной плате для связи проводников между слоями (сторонами) имеются так называемые "металлизированные отверстия", внешне похожие на контактные площадки. Печатные платы изготовляются чаще всего методом травления фольгированной подложки, а рисунок наносится с фотошаблона.

Таким образом, процесс производства печатных плат начинается с изготовления фотошаблона, спроектированного в САПР и сохранённого в базе фотошаблонов. Поэтому перед циклом производства печатных плат необходимо проконтролировать фотошаблон, а точнее фотошаблоны для случая двухсторонних или многослойных печатных плат. После проявления фоторезиста и травления подложки, после сверления, металлизации, лакировании необходимо визуально проконтролировать топологию каждого слоя на наличие дефектов [32]. При этом различают дефекты первого и второго видов. К первым относятся такие дефекты, для выявления которых достаточно качественного распознавания отклонения топологии: это разрывы и закоротки проводников, потеря и разрывы отверстий на контактных площадках, потеря элемента топологии. К дефектам второго вида относятся такие, для выявления которых необходимо не только распознать аномалию топологии, но и провести её измерительную оценку по допуску: это сужение/сближение проводников и контактных площадок, локальные выступы и впадины на границе, остатки меди в межпроводниковых промежутках (вкрапления), проколы или поры в

проводниках ("дыры"), сужение кольца контактной площадки (табл. 1.1, стр. 16). Эти дефекты надо выявлять визуально, т.к. электрофункциональный контроль не выявляет сколы, раковины, вкрапления и наросты приводящие к сужению/сближению проводников, а они снижают надёжность и срок службы изделий.

Контроль внешнего вида изделий является неотъемлемой частью многих технологических процессов [18] как на отдельных технологических операциях, так и на итоговом контроле (например, качество тканей, результат плавки металлов, выпечка хлеба и т.д.). При этом под контролем внешнего вида изделия понимается определение степени его соответствия некоторому эталону. Эталон может присутствовать в явном виде и тогда он просто совмещается с контролируемым изображением и оценивается степень отличия. Но чаще эталона как такового нет, а есть лишь представление о нём и тогда контроль заключается в оценке соответствия наблюдаемой картины этому представлению.

В настоящее время визуальный контроль топологии ФШ и ПП всё ещё выполняется человеком, работа которого субъективна и подвержена влиянию внешних факторов. Кроме того, вследствие миниатюрности изделий РЭА, человеческий контроль требует больших затрат утомительного, монотонного и напряжённого труда, а достоверность его не превышает 60-65 % [18]. Проведённый в работе [69] анализ состояния контроля позволил выделить четыре основных направлений совершенствования этой процедуры:

• уточнение критериев отбраковки для существующих методов,

• разработка проекционных неавтоматических устройств контроля,

• разработка устройств пространственной фильтрации,

• разработка методов, алгоритмов и устройств автоматического распознавания дефектов.

Таблица 1.1

Основные дефекты топологии ПП

Тип дефекта Пример Примечания

Разрыв проводника Любой разрыв является дефектом

Перемычка между проводниками, короткое замыкание Любая перемычка является дефектом

Недопустимое утоньшение проводника, выкол г1 i к Выкол является дефектом если сужение проводника меньше допустимого

Недопустимое сближение проводников, нарост fkf / А./ .» V Нарост является дефектом если сближение проводников меньше допустимого

Раковина в проводнике, "дыра", перетрав Раковина является дефектом если оставшаяся ширина меньше допустимой

¿.i;...........t

Вкрапление на фоне, лишний элемент, непротрав "N/1 «о : Вкрапление является дефектом если суммарный зазор между проводниками меньше допуска

Нарушение целостности контактной площадки Дефект фиксируется когда оставшаяся площадь контактной площадки и отклонения отверстия не укладываются в допуск

Смещение отверстий контактных площадок Смещение центра и разброс диаметра фиксируются при нарушении допуска

Данная работа посвящена последнему направлению и связана с разработкой методов и алгоритмов обработки визуальной информации в системах технического зрения для оптического контроля (СТЗ ОК). Основные требования к СТЗ ОК сформулированы в работах [1,81,111].

Важнейшим критерием оценки СТЗ ОК является достоверность результатов контроля при заданных ограничениях на производительность и стоимость системы. Основным фактором, свидетельствующим в пользу применения СТЗ ОК, является достижение их низкой стоимости, обеспечивающей быструю окупаемость за счёт устранения "дорогостоящего" ручного труда, увеличения выхода годных изделий, повышения производительности труда и повышения качества продукции.

Под достоверностью результатов контроля понимается показатель, характеризующий степень (вероятность) соответствия результатов контроля действительному качеству контролируемого изделия. В настоящее время не существует общепринятых показателей оценки достоверности оптического автоматического контроля, что связано с отсутствием унифицированной системы оценки качества продукции, хотя и существует множество технических условий и стандартов. Поэтому сравнивать системы автоматического контроля представляется возможным только по результатам анализа конкретных изображений на основе выбора показателей достоверности и определенной методики их расчёта. Рассмотрим некоторые из этих показателей.

Количественная оценка достоверности контроля качества продукции в настоящее время остаётся проблемой, т.к. этот показатель отсутствует в большинстве нормативных документов. Наибольшее распространение получила методика оценки качества по альтернативному признаку "годен-брак". При этом считаются заданными параметры, отражающие состояние объекта контроля и критерии отбраковки, на основе которых выносится решение о годности. Из-за неточностей при вынесении решения о дефектности изделия возможны ошибки двух видов: риск потребителя и риск поставщика. Пусть:

q - вероятность появления действительно дефектных изделий в

поступающей на контроль партии, тогда

р = 1 - q - вероятность бездефектных изделий, а

7л 1 и Z2 - события "изделие действительно годное" и "изделие действительно дефектное" и

Zl' и - события "изделие при проверке признано годным" и "изделие при проверке признано дефектным".

Тогда риск поставщика (З12 и риск потребителя Р21 определяются соотношениями:

Р12 = Вер ( 21 I ); Э21 = Вер ( 22 / Хг9 )

Анализ существующих зарубежных систем СТЗ ОК [5,37], результаты которого сведены в табл. 1.2, показал, что СТЗ ОК должны обладать параметрами Р12 < 3%, ри < 0,5%, при производительности 106... 108 пикселей в секунду.

Таким образом, основные требования к СТЗ оптического контроля

[20]:

1. Высокая достоверность распознавания дефектов топологии — основное требование к системе контроля.

2. Работа в реальном масштабе времени, т.е. со скоростью выполнения технологического процесса.

3. Гибкость и переналаживаемость для адаптации к различным объектам контроля и изменениям технологического процесса.

4. Невысокая стоимость для экономической целесообразности.

Таблица 1.2

Характеристики СТЗ OK печатных плат

Модель Фирма Сканирование X/Y Видеодатчик Рабочее поле, мм2 Метод контроля Разрешение, мкм Скорость, см /с

Super Vision 2000 Visionetics (США) ПЗС/ стол ПЗС-линейка 450 х 600 Проектные нормы и сравнение с эталоном 6-25 80

System 85 (США) Cambridg Robotic ПЗС/ стол 18 ПЗС линеек 450 х 600 Данные САПР 12 135

Vision 105 Optrotech (Израиль) ПЗС/ стол ПЗС- линейка - Проектные нормы и САПР 12-25 35-150

Semyre Cavis Vastra Flolunde (Швеция) Лазер/ лазер ФЭУ 20 85

Inspector 2020 Lincoln Laser (США) УФ- лазер — 450 х 600 Проектные нормы 25 30

Malti-media-19 AOI System (США) ПЗС/ стол 19 ПЗС камер 450 х 600 Проектные нормы 12-25 30-60

KLA 3005 KLA Instruments (США) ПЗС/ стол супер ПЗС 460 х 605 12,5 125

CM-9 100 Vicheek (Англия) ПЗС/ стол ПЗС 450 х 400 -— 25 24

Multivision -2 Centure (Франция) — - 500 х 600 Проектные нормы 25 32

OPTRONI K-2 (ФРГ) ПЗС/ стол 2ПЗС-линейки 610 х 762 — 6-24 5-80

OPBOT PC-30 Orbot Sys. (Израиль) ПЗС/ стол ПЗС- линейка 600 х 600 — 7,5 133

OPBOT PC-300 Orbot Sys. (Израиль) Лазер/ стол ФЭУ 584 х 584 — 7-15 40

1.2. МЕТОДЫ И СИСТЕМЫ КОНТРОЛЯ ТОПОЛОГИИ

На рис. 1.1 представлена функциональная схема типичной СТЗ ОК.

Объект контроля перемещается и освещается под видеодетектором, который переводит визуальную информацию в электрический сигнал, далее этот сигнал в адаптере переводится в машинный вид (например, бинаризируется, кодируется). Всё это выполняется аппаратной частью СТЗ. После ввода требуется обработать информацию об объекте контроля для выявления дефектов.

Обработка начинается со сжатия (описания) видеоинформации.

Объект контроля

Перемещение и освещение объекта контроля Восприятие изображения (детектор)

« — — — — —- .»00003

Сжатие видео- Бинаризация,

информации #4— предобработка

(описание) 1 (кодирование)

Постобработка изображения (фильтрация)

£

| Формирование и ,

.....■■! > хранение эталонного .

| | описания

Анализ изображения (сравнение)

т

^ Результаты контроля Рис. 1.1. Функциональная схема СТЗ контроля

Описание изображения подразумевает получение совокупности количественных и качественных характеристик, образующих набор признаков, который в дальнейшем используется для распознавания объекта и его классификации; также при описании происходит значительное сжатие информации. Описание может осуществляется как аппаратно, так и программно. При этом выделяются некоторые основные особенности, определяющие выбор тех или иных алгоритмов описания в условиях современного промышленного производства [43]:

1. Высокая степень детерминированности распознаваемых промышленных объектов (детали, изделия РЭА, элементы топологии и т.п.), что, с одной стороны, существенно упрощает алгоритм обработки изображения.

2. Необходимость функционирования в реальном масштабе времени, что, с другой стороны, налагает существенные ограничения на время обработки информации и, следовательно, на её объем.

Полученное описание должно сокращать поток информации примерно на два порядка, после чего его подвергают постобработке и анализу на дефекты, например сравнением с эталонным описанием. Уменьшение объёма информации позволяет проводить достаточно сложный и всесторонний анализ без потери быстродействия, но в сложных случаях возможна визуализация подозрительного места для оператора и переход в диалоговый режим контроля.

Таким образом, процесс функционирования СТЗ ОК принято разделять на следующие основные этапы [73]: формирование изображения, его сегментация, описание, анализ с распознаванием образов и интерпретация.

Данная диссертационная работа охватывает этапы описания и анализа, опираясь в решении задач формирования изображения и его сегментации (точнее, бинаризации) на диссертационную работу [5].

В большинстве случаев задачи обработки изображений, в том числе и идентификации дефектов топологии, не могут быть полностью формализованы, поэтому методы и алгоритмы их решения носят в основном эвристический характер, т.е. при этом учитывается дополнительная конкретная информация, позволяющая провести более точную формализацию задачи. Наличие этой дополнительной специфичной информации и объясняет существование огромного количества алгоритмов обработки изображений [72,74,75].

В [69,98] даётся обзор алгоритмов для автоматизации оптического контроля. Задачи анализа топологии печатного монтажа для выявления дефектов отличаются от традиционных задач обработки изображений тем, что классификация схем на бездефектные и содержащие дефекты является нечёткой, т.к. многие нарушения в рисунке печатного монтажа могут быть классифицированы как существенный дефект лишь с некоторой вероятностью. Связано это с наличием множества факторов: нестрогостью допусков на отклонения и их условностью, наличием последующих технологических операцией, условий эксплуатации схемы и т.п. Также особенностью анализа является очень большое число принципиально возможных бездефектных и, особенно, дефектных конфигураций и широкие границы колебания размеров дефектных областей, что снижает возможности обучения.

В [18] сделана попытка формализовать процесс визуального контроля топологии ФШ и ПП. Цель контроля заключается в том, чтобы выявить участки печатного монтажа, существенно отличающиеся от эталона — дефекты. Отличие анализируемого рисунка от эталона определяется с помощью соответствующих допусков. Допуски зависят от контролируемого объекта, от технологии его изготовления и от некоторых других факторов (так к качеству ФШ применяются более жёсткие требования, чем к качеству изготовления соответствующих ПП),

т.е. допуск для задачи контроля топологии является параметром. Выбор допуска определяется соотношением рисков поставщика и потребителя.

Как правило, любой рисунок печатного монтажа состоит из некоторых стандартных элементов, особенно если топология разработана в автоматизированной системе проектирования. При ортогональном способе разводки проводников контролируемое изображение может содержать следующие элементы:

• Проводник — проводящее покрытие, обеспечивающее электрическое соединение элементов схемы.

• Переходное отверстие — металлизированное отверстие, служащее для электрического соединения проводников в соседних слоях коммутации.

• Контактные площадки — металлизированные участки для подключения активных элементов.

• Выводы — металлизированные участки, расположенные по краю подложки и предназначенные для подключения к корпусу или к специальному разъёму.

Часто вместе с контролем качества изготовления ФШ (отличие от ПП состоит в том, что на ФШ нет отверстий) измеряют и некоторые интегральные характеристики, например, общую площадь металлизации, изменение общего масштаба и т.п.

Также в [18] отмечаются два подхода к визуальному контролю: 1. Сравнение контролируемого изображения с идеальным (эталоном). В этом случае берутся описания контролируемого объекта и эталонного объекта и сравниваются. В качестве описания может выступать растр, контур изображения и т.п., а сравнение идёт с допуском. В качестве эталона можно использовать описание топологии из автоматизированной системы проектирования или полученное на бездефектном оригинале. Использование допуска при сравнении приводит к пропуску мелких дефектов, а ужесточение допуска требует повышения точности позиционирования объекта контроля, что в случае ПП практически невозможно.

2. Поиск нарушений проектных норм, т.е. только на основе системы допусков определяются нарушения правильности топологии, что повторяет действия человека контролёра. Основные признаки дефекта: нарушение ортогональности проводников; нарушение допуска на минимальные линейные размеры проводников и межпроводниковой подложки; нарушение параллельности границ проводников; нарушение "гладкости" границ проводника. Если же дефекты укладываются в эти требования, то при данном методе они будут пропущены.

Далее в [18] отмечаются сложности реализации контроля, которые актуальны и сегодня. Контроль в реальном масштабе времени предъявляет жёсткие требования к аппаратному и программному обеспечению. В случае ПП в процессе выполнения технологических операций рисунок может претерпевать некоторую деформацию (усадку), функционально допустимую, но существенно затрудняющую процесс сравнения с эталоном. При этом, чтобы отличить существенное несовпадение (дефект) от несущественного, следует преодолеть такие трудности, что перевешивает все преимущества эталонного метода контроля над допусковым [37]. Поэтому большинство существующих систем контроля основано на безэталонном методе (табл. 1.1, стр. 19).

Первые работы по контролю топологии в основном решали технические проблемы (освещение, перемещение, видео-детектор, компьютерные адаптеры и т.д.) и основывались на растрово-измерительном методе описания изображения. На бинарном изображении выделяются локальные ортогональные участки растра меньше заданного допуска и в диалоговом режиме решается вопрос о дефектности этих мест. Сборник 1985 г. [66] содержит первые теоретические разработки в области описания и контроля топологии [6,44,45,82,88,97].

Сборники 1986 г. [76] и 1988 г. [77] полностью посвящены СТЗ. Работа [7] описывает алгоритм отслеживания ширины проводника по

касательным к контуру, что даёт 98% выявления дефектов. В работе [42] для выявления дефектов производится сравнение растров эталона и изображения топологии, а также осуществляется разметка растра индексами матрицы связности в терминах которых и описываются дефекты. В работе [61] проведена попытка теоретического выбора признаков описания топологии. Делается вывод о преимуществе признаков в области производных или моментов изображения. В работе [100] описана двухуровневая система контроля ПП с достоверностью распознавания дефектов 99,4%. Анализируется внешний контур объектов в терминах сегментов (и их длин, а также ширины) и углов между сегментами, описывающих контактные площадки и дорожки.

В работе [11] отмечается, что СТЗ "покинули лаборатории" и начали массово эксплуатироваться в промышленности (правда, больше за рубежом), выделяется два вида СТЗ: "жесткие" — в них используются типовые элементы, что ограничивает функциональные возможности, но и снижает стоимость и повышает быстродействие и "гибкие" — построенные по модульному принципу с взаимозаменяемыми узлами. В работах [12,13,46] обобщается опыт разработок СТЗ, формулируются требования к объекту контроля (высокая контрастность, точное позиционирование и т.д.), отмечается необходимость разработки алгоритмов реального времени и высокой помехоустойчивости. В описанной СТЗ используется аппроксимация бинарного изображениями трапециями и контроль сравнением кадра с эталоном. В работах [15,34] (1988 г.) предлагается использовать в качестве эталона внутреннее представление топологии в САПР, на которой проектировалась ПП. При этом описание эталона может осуществляться многоугольниками [15] и даже в растровом виде [34]. В связи с увеличением мощности и объёмов памяти персональных компьютеров всё чаще используется сравнение растров [40]. В работе [41] топология описывается в виде касательных к контуру (криволинейные участки), при сравнении с эталоном

исключаются углы проводников, а для выявления отсутствующих элементов проводится подсчёт числа угловых точек. В работе [47] ставится вопрос о необходимости проведения патентного поиска для исключения дублирования разработок и выявления актуальных направлений. В работе [57] предлагается аппаратная реализация алгоритма скелетизации со "скользящим буфером" и описания изображения в виде связного линейчатого скелета, размеченного по ширине. Алгоритм использует локальные признаки и операции в окне 3x3. Контурное описание топологии приведено и в работах [8,96]. Много работ [62,63,105] посвящено вопросу комплексного анализа проблем визуального контроля топологии и синтеза СТЗ исходя из конкретных требований достоверности контроля, производительности, стоимости и т.п.

В работах [2,3,35,48,64] приводятся попытки формализовать

наработки к началу 90-х годов. Если в начале 80-х годов делался акцент

на технические средства СТЗ, а именно на получение качественного

изображения, что для ПП всё ещё актуально, а потом на методы

описания, такие как растр-контур-скелет и их разновидности, то теперь

на первый план выходит идентификация дефектов из полученных

отклонений от эталона описания топологии. Некоторый произвол в

принятии решения о наличии дефектов допускает сама расплывчатость

постановки задачи контроля. Некоторые нарушения в топологическом

рисунке могут быть классифицированы как существенные (т.е. дефекты)

и приводящие к отбраковке изделий, но многие как несущественные (т.е.

допустимые отклонения) и лишь приводящие к снижению надёжности

изделий. Многое здесь зависит от конкретных требований технологии и

эксплуатации. Далее формулируется ряд задач визуального контроля:

• считывание и ввод информации с участка поверхности контролируемого изделия;

• обеспечение реального масштаба времени процесса контроля (проблема быстродействия);

• выбор метода контроля;

• выделение дефектных областей (определение адекватных первичных признаков, необходимых для решения задачи выделения дефектных областей; определение адекватных вторичных признаков; определение размеров дефектных областей; определение, выделение и анализ локальных конфигураций при выделении дефектных областей);

• распознавание и классификация дефектов (определение адекватных первичных и вторичных признаков, необходимых для решения задач распознавания и классификации дефектов);

• определение степени годности контролируемого изделия (разработка критериев отбраковки изделий).

Таким образом, в табл. 1.3 представлены наиболее распространённые методы контроля и их характеристики. Анализ таблицы и работ [2,4,12,22,37,40,42,44,47,61,68,86,88,96,100,105] показывает, что перспективный метод контроля должен совмещать достоинства в достоверности распознавания контроля сравнением с эталоном и преимущества контроля по проектным нормам по простоте, быстродействию и чувствительности. Таким методом может стать метод сравнения характерных точек скелета топологии, разработке которого и посвящена данная диссертационная работа.

Таблица 1.3

Сравнение методов контроля

Наименование Пример Достоинства Недостатки

Проектные нормы (проводники под углом только 90° и 45°, их локальная ширина не менее допуска, границы параллельны и т.п.) Простота реализации, низкая ресурсоёмкость, высокое быстродействие Низкая достоверность распознавания (ложные тревоги на отклонения, пропуски "правильных" дефектов)

Сравнение с эталоном: Сравнение растров 1 0 Простота реализации Трудоёмкость совмещения (ложные тревоги), высокая ресурсоёмкость, низкое быстродействие

Сравнение контуров 1 V Э Относительная простота описания, высокое быстродействие и достоверность распознавания (без пропусков) Сложность сравнения (трудоёмкость совмещения контуров — ложные тревоги)

Сравнение по характерным точкам описания г^ХдЬ 1 г Лп; Высокая достоверность распознавания (без пропусков), хорошее (простое) совмещение описаний Сложность и низкое быстродействие описания (несколько проходов), высокая ресурсоёмкость

1.3. МЕТОДЫ ОПИСАНИЯ ТОПОЛОГИИ

Источником информации о состоянии объекта в системе контроля служит световое поле СТЗ ОК, в общем случае неоднородное и нестационарное и характеризируемое в каждой точке яркостью, цветовым тоном и насыщенностью, которые могут меняться во времени. В данном случае достаточно рассматривать функцию изображения Р(х,у,1), характеризующую распределение яркости в поле зрения.

Использование цифровых методов обработки изображений предполагает в качестве необходимого этапа пространственную и яркостную дискретизацию непрерывного изображения Р(х,у,1), т.е. замену координат его элементов дискретными значениями и квантование яркости этих элементов в окрестностях (апертуре) точки (х,у) на определенное число уровней. Дискретизация и квантование задаются разрешением видеосистемы, а максимальное возможное число отсчетов при заданной апертуре образует растр поля зрения Ы(х,у). В памяти СТЗ информация об изображении хранится обычно в виде матрицы отмасштабированных значений яркости, соответствующей области поля ввода или в виде массива строк в случае ПЗС-линейки [18,43,67,72,74].

Далее обработка изображений включает в себя такие задачи, как фильтрация помех [39,72,74,75], сегментация и выделение изображений из фона (в случае ФШ и ПП достаточно выделить на фоне топологические элементы, т.е. провести бинаризацию), описание изображения (определение границ объектов - выделение контура или построение остова изображения -выделение скелета), распознавание образов.

Наиболее простые алгоритмы анализа и распознавания основаны на переходе из пространства изображений в пространство признаков. Признаки должны быть инвариантными относительно естественных (шумовых)

различий эталона и изображения. Под описанием изображения как раз и понимается выделение структурных элементов [104] или признаков: позиционных, структурных и комбинированных; это описание территориальной близости элементов на координатной сетке или описание формы объектов и иерархии их отношений между собой. Основными типами признаков являются [75]:

• метрические, принимающие числовое значение (площадь, длина контура, средняя яркость, разброс яркости и т.д.);

• логические, ответы на конкретные качественные вопросы (есть ли "дыры"?, прямоугольник ли ? и т.п.);

• топологические, качественно-количественные ответы на вопросы (сколько "дыр" в проводнике ? и т.п.);

• структурно-лингвистические, непроизводные части изображения и правила их объединения в фигуры образующие формальную грамматику (язык с синтаксическими правилами формирования фраз - эталонов изображения), это признаки подходят для описания топологии ФШ и 1111.

Первые три типа признаков обычно используются при дискриминантном анализе, последний — при синтаксическом. В практических задачах распознавания образов синтаксический и дискриминантный подходы часто дополняют друг друга [103]. Если явная структурная информация об объектах избыточна, а задача состоит скорее только в классификации, чем в описании и классификации, то и нет нужды в синтаксических методах. Чаще структурная информация об образах важна и должна быть использована, но простые и абстрактные непроизводные элементы не всегда легко выделить, особенно при наличии шума и искажений, а поскольку основные признаки носят локальный характер и содержат мало синтаксической информации, для их распознавания лучше применять дискриминантные методы. После выделения признаков следует

синтаксическое распознавание полных образов. Такая двухуровневая схема позволяет получить эффективную практическую систему распознавания.

Признаки можно получить используя основные методы описания изображения представленные на рис. 1.2. Аналоговые методы исторически были первыми [94], они обеспечивали высокое быстродействие, но

Методы описания топологии

Стирание контура

Функция поля

Цифровые

Описания формы

I

Структурно-Скелетные 1

МалоПроходные

Функция расстояния

Вписывание фигур

ОдноПроходный

I

Полный скелет Характерные точки

\ >

Сравнение с эталоном < > По проектным нормам

Рис. 1.2

недостаточную достоверность. В настоящее время распространены цифровые методы описания.

В работе [98] приведен анализ основных цифровых методов описания и распознавания дефектов топологии. Растровые методы распознавания либо связаны с сопоставлением с эталоном [22,94,108,111], что требует точного совмещения изображений трудно достижимого в случае контроля ПП, где допускается 20%-ая вариация ширины проводников, либо к локальному измерению расстояний на растре: ширины проводников и промежутков, диаметров отверстий, размеров контактных площадок [38,69,72,115,117,134]. В этих методах трудно совместить невысокую ресурсоёмкость с требуемой достоверностью распознавания.

Следующая группа методов является формоописательной, т.е. основывается на использовании процедур сжатия и компактного представления видеоинформации, автоматического анализа формы объектов. Исходное изображение топологии печатных схем, содержащее сотни миллионов байт информации, в реальном масштабе времени приводится к бинарной форме [5,79] и описываются с целью сократить объём информации на один-два порядка. Все основные методы формоописания можно отнести к контурным, т.е. характерные признаки выделяются по контуру бинарного изображения [6]. Это могут быть описания в форме хорд [45,67,79,88], межстрочных разностей [49], списка уголков [51], цепей кодов направлений [112], матрицы ветвей [54]. Кроме этого описание может затрагивать и внутриконтурное представление изображения. Это представления в форме списка вершин полигона [9], множества аппроксимирующих трапеций [78,97,135], координат точек срединных осей [79]. При этом формоописательные методы используют аппрокимацию [9,39,135], что не позволяет по описанию полностью восстановить исходное изображение. Более надёжный метод основан на применении преобразования Фурье для границ объекта [33,74,79], но он не описывает локальной информации.

Очевидно, что методы прослеживания контура изображения обеспечивают возможность быстрого получения описания формы, но имеют следующие недостатки: геометрически близкие точки объекта при таком прослеживании могут быть значительно отдалены друг от друга в описании, т.е. наблюдается закономерность: чем проще получить описание, тем сложнее его анализировать [21]. Следует отметить и количество проходов по изображению для получения описания связных объектов, в работах [9,54,65,79] отмечается необходимость двух проходов, хотя второй проход может быть усечённым.

В общем случае, сопоставление описаний на базе выделения контура сочетают преимущества безэталонных методов и методов сопоставления растра, т.е. требуют минимум ресурсов, обеспечивая достаточную достоверность распознавания [14,53,61,65,86,88,111], если удаётся решить задачу совмещения описаний. Но характерные признаки контура изображения не отличаются однозначностью, зависят от параметров выделения и могут приводить к ложным дефектам.

Следующую группу методов можно отнести к структурно-скелетным. Представленные в таблице 1.1 (стр.16) типы дефектов подразделяются на качественные (разрыв и закоротка) и количественные (все остальные). Простой анализ выделяет структурные качественные элементы топологии — это торцы (и антиторцы) и пересечения срединной линии — и количественные — это сужения меньше допуска ширины как проводников, так и промежутков. Для выявления этих признаков как раз и подходит преобразование к срединным осям, т.е. выделение скелета изображения [16,44,50,51, 82,87-89,101,120].

Работа [91], базируясь на [120], подробно освещает анализ скелетных описаний изображений ПП в реально работающей системе контроля. Локальными преобразованиями (ос^утоныпением) выделяются информационные признаки: изолированные и концевые точки скелетных

участков, крестообразные и Т-образные соединения точек скелета и точки соединения скелетных участков с нескелетными, что позволит указать границы дефектных участков с повышенной точностью. Далее в работе обращается внимание, что при контроле топологии 1111 требуется компенсация глобального искажения, вызванного ошибками позиционирования и изготовления 1111. Для этого по осевым линиям ортогональных (в идеале) проводников восстанавливается координатная сетка, по которой изображение и приводится к нормализованному виду. После чего выделенные признаки сравниваются с эталонными.

Работы [10,68,90] освещают принципы построения систем контроля на базе выделения осевых линий (скелета), а работы [4,16] —- контура изображения топологии. В этих случаях при описании топологии ФШ и ПП требуется отразить лишь характерные места топологии: контактные площадки, пересечения проводников (структурно-топологичесекие признаки), места сужения и сближения проводников (метрические признаки) и т.п.

Анализ существующих разработок показал невозможность совмещения высокого быстродействия и достоверности контроля топологии с низкой стоимостью системы контроля. Выявлена перспективность и актуальность использования методов сравнения характерных точек топологии, а значит разработки новых методов получения скелета изображений, по которому наиболее просто выделить характерные точки.

1.4. МЕТОДЫ ВЫДЕЛЕНИЯ СКЕЛЕТА ИЗОБРАЖЕНИЯ

При структурном распознавании изображений используются в основном топологические признаки (число связных компонент, число узлов и др.), метрические (длина, толщина, периметр, площадь, ширина, угол наклона и др.) и признаки формы (петли, дуги, кривизна, вогнутость, выпуклость и др.), а также характеристики взаимного расположения структурных элементов и признаков объектов [71].

Процесс поиска, нахождения и выделения этих признаков, определения характеристик взаимного расположения непосредственно на исходном изображении исключительно сложен. Для его упрощения применяют различные процедуры предварительной обработки и преобразования изображений, приводящие их к линейному (линеаризованному) виду и в то

и к*

же время сохраняющие основные структурные свойства изображении, достаточные для их анализа и распознавания [72,39,83].

Приведение изображения к линеаризованному виду осуществляется путем выделения границ, контуров, линейных сегментов и скелета (остова, каркаса) [72,39,128,50,18,93].

Процедура получения скелета (скелетизация) изображения по сравнению с другими методами линеаризации наиболее целесообразна, поскольку скелетизация не только понижает размерность исходного образа, но и сохраняет основную топологическую, геометрическую, морфологическую и структурную информацию, что существенно облегчает составление описания структуры распознаваемого изображения.

Таким образом, чтобы выразить структурные соотношения топологических элементов ФШ и ПП, достаточным является представление объектов в виде скелета. Один из подходов к его получению заключается в

утончении объекта (прореживании) до тех пор, пока не будет получена цепочка элементов с минимальной связностью. Недостаток этого подхода состоит в том, что скелет определяется неоднозначно: его форма сильно зависит от алгоритма утончения.

Преобразование, приводящее к выделению срединных осей, как прообраза скелета, впервые было описано Блюмом (Blum Н.) в 1964 г. в работе [109]. Классический алгоритм прореживания предложен в статье [132] и усовершенствован в работах [127,126,133]. Последовательные алгоритмы прореживания за счёт удаления граничных пикселов описаны в статьях [107,125], где делается попытка эффективно реализовать их на вычислительной технике.

Предложенный Блюмом способ получения скелета фигуры, названный преобразованием к срединным осям, для каждого заданного объекта дает однозначный результат и определяется как "степной пожар": пожар одновременно возникает по периметру фигуры и распространяется внутрь до линии самопогашения, которая и дает скелет, остов или срединные оси фигуры (рис. 1.3). Таким образом, скелет состоит из множества точек, которые находятся на одинаковом расстоянии от двух ближайших к ним точек на границе фигуры, так назывемом расстоянии самогашения. Границу фигуры можно восстановить по её срединноосному скелету и расстоянию

............ фронт продвижения "степного" огня

получающийся скелет - линия самогашения

Рис. 1.3. Скелет '"степной пожар"

самогашения как огибающую всех окружностей с радиусом, равным расстоянию самогашения и с центрами в каждой точке срединноосного скелета. Следовательно, скелет является множеством центров вписанных в изображение окружностей. Применение же на практике преобразования к срединным осям для определенных на прямоугольном растре дискретных объектов связано с определенными трудностями из-за неоднозначности трактования процесса вписывания.

Калаби и Хартнет (1968) [110] имели дело с математическими деталями применения алгоритма Блюма для описания подмножеств двухмерной плоскости. Монтанари (1968) [121] разработал эффективный метод нахождения скелета квантованного объекта, сведя эту задачу к отысканию пути с минимальной стоимостью на графе, позднее (1969) [122] он же построил метод определения скелета многоугольного объекта, основанный на аналитическом моделировании распространения "пожара".

В [39] Дуда называет выделение скелета наиболее интригующим и перспективным способом описания объекта и анализирует алгоритм "степного пожара" Блюма. Опираясь на отношение скорости получения скелета относительно скорости распространения "пожара" по изображению он вводит понятие фильтрации низкоинформационных отрезков скелета путём отказа от низкоскоростных участков скелета, когда как базовая скелетная линия получается мгновенно.

Классификация методов выделения скелета приведена в [83], основной критерий — количество проходов по изображению [рис. 1.2, стр.31]. Многопроходные алгоритмы [72,75], которые сводятся к циклическому удалению однократных контурных точек изображения (рис. 1.4), не позволяют их использовать их в задачах требующих режима реального времени и далее не рассматриваются. Также не рассматриваются параллельные алгоритмы выделения скелета [55-57], имеющие исключительно теоретическое значение из-за большого количества

# ### ######## ########## ########## ########## ######### ########## ########## ###«###### ########## ######### ######### #########

#########, #########

######## ####### ##### ###

*

* * * * * * * * * * * * * * * * * * * *** * * * *** * * * * *

*

*

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *** * * * * * * * *

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *

*

* * * * * * ** * * * * * * * * * ** * * * *** *** * * ** *

*

*

**** * * * * **** * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *

* *

* * * * * * * * * * * * * * * **** * * * * * * * * * * * * * * * * * * * *

■к** * *

*

*

* *

* * * * * * * * * * * * * * * * * *

*

$

$ $ $

$ $

$ $

$ $

Рис. 1.4.

Последовательный алгоритм выделения скелета фигуры

используемых процессоров. В [56-57] приводится также сравнение некоторых последовательных и параллельных алгоритмов выделения скелета, вводятся критерии оценки качества получаемого скелета и делается вывод об лучшем качестве параллельных скелетов, также отмечается, что чем быстрее алгоритм, тем скелет получается худшего качества.

Активно вопросами скелетного преобразования занимался А.Розенфельд для утончения (thinning) изображения букв [126-132]. Он исследовал алгоритм получения скелета путём последовательного стирания однократных контурных точек, но в этом случае скелет получается за число проходов по изображению равному половине ширины максимального на изображении объекта. Дальнейшие исследования привели к тому, что Розенфельд [128] предложил получать скелет по функции преобразования расстояний (рис. 1.2, стр.31), этот алгоритм позволяет получить скелет изображения за ограниченное количество проходов по изображению, а точнее за три прохода:

1. изображение сканируется слева направо и сверху вниз и вычисляется для каждой точки а у = MIN(ai.ij+l; ajj.i+1)

*

*

2. изображение сканируется справа налево и снизу вверх и вычисляется для каждойточки а у = MIN (ai;j; ai+ij+l; a^+i +1)

3. среди полученных значений ищутся локальные максимумы для каждой точки (а у > а i+1J) & (а i,j > а j+1) & (а ¡,j > а м>j) & (а ¡,} > а ¡, н)

Функцией расстояния удаётся реализовать алгоритм "степного пожара" путём вычисления расстояния от границ объекта внутрь. Локальные максимумы ортогональных расстояний и дают скелетные точки (рис. 1.5) [83]. Правда, при этом получается местами несвязный скелет (с разрывами) и в две точки шириной. Для ликвидации этих недостатков необходимо модифицировать алгоритм вводя дополнительные проходы [92,106,107,124]. Так, для получения одноточечного связного скелета в работах [82-85] предлагается четырёхпроходный алгоритм. И это лучшее, что удалось найти из малопроходных алгоритмов выделения скелета [19,118,119,123].

Интересны подходы по получению скелета вписыванием фигур: трапеций, ромбов, квадратов [83], но приведённые алгоритмы носят описательный характер и неформализованы. Так если скелет круга в идеале равен точке, а скелет квадрата - "X", то в случае вписывания квадратов скелет квадрата равен точке, а скелет круга - кресту (рис. 1.6).

Замена для цифровых дискретных изображений вписывания окружностей на вписывание квадратов, как способа получения скелетных точек, является наиболее простой и естественной [131]. Пусть R(x,y) е { 0;

0 i@i 12211111 1 2(з)з 2 2 2 2®1

Заключение диссертации по теме «Системы обработки информации и управления», Егоров, Станислав Феликсович

ВЫВОДЫ ПО ЧЕТВЕРТОЙ ГЛАВЕ

Испытания системы контроля топологии "Микрон" показали, что использование структурно-измерительного метода контроля сравнением с эталоном на основе предложенных алгоритмов описания позволяет выполнить основные требования к системам контроля.

1. Использование скелетной модели для описания характерных мест является вполне обоснованным и обеспечивает оптимальное соотношение производительности, достоверности и стоимости системы контроля.

2. Алгоритм скелетного описания практически не вносит погрешности в достоверность контроля.

3. Испытания системы контроля топологии "Микрон" показали, что для ПП вероятность пропуска дефекта составляет не более 0,25% и вероятность ложного дефекта не более 2%, а для ФШ вероятность пропуска дефекта не более 0,1% и вероятность ложного дефекта не более 0,5%.

ЗАКЛЮЧЕНИЕ

Наиболее вероятными типами дефектов топологии первого вида, требующими только качественного распознавания являются: разрывы проводников и колец контактных площадок, закоротки проводников, потеря отверстий в подложках. Наиболее вероятными типами дефектов второго вида, требующими как качественного распознавания, так и количественной оценки, являются: сужение проводников, сближение проводников (сужение межпроводниковых промежутков), сужение колец контактных площадок, "дыры" (протравы, поры, проколы), изолированные объекты (остатки меди, пасты, непротравы), последние являются самыми массовыми отклонениями топологии (до 90 % Случаев).

Одним из основных направлений совершенствования процедуры оптического контроля топологии является разработка методов, алгоритмов и устройств распознавания для автоматизации скоростного контроля топологии ФШ и ПП на базе систем технического зрения для оптического контроля (СТЗ ОК).

В качестве критериев оценки разработанных алгоритмов и устройств для. СТЗ ОК выбрана достоверность результатов контроля (риск потребителя и риск поставщика) при заданных ограничениях на производительность и себестоимость системы. Анализ публикаций и зарубежных аналогов системы показал, что для результатов распознавания риск потребителя не должен превышать 0,5 %, риск поставщика — 3 %, при производительности 2560 дм2/мин. Анализ существующих методов показал, что они не обеспечивают оптимального соотношения между требуемой достоверностью результата распознавания для всех упомянутых выше видов дефектов и всех классов элементов топологии и стоимостью системы. Необходима разработка нового метода структурно-измерительного распознавания дефектов топологии в классе методов сопоставления описаний. Такой метод сочетает в себе свойства как структурных, так и измерительных методов распознавания дефектов топологии. По этой причине целью работы явилась разработка методов и средств структурно-измерительного распознавания для автоматизации скоростного оптического контроля дефектов топологии изделий РЭА в интересах повышения достоверности результатов при заданных ограничениях снизу на скорость и сверху на стоимость.

Для достижения поставленных целей исследования решены следующие основные задачи.

1. Разработана и исследована новая модель представления видеоинформации в форме графа связности характерных мест скелета топологии ФШ и ПП. Показана адекватность этой модели для всех видов дефектов, её структурный качественный характер, сохранение измерительных аспектов описания, высокая степень сжатия информации, что является базой достаточной достоверности распознавания дефектов.

2. Разработан эффективный однопроходный алгоритм графоописания топологии, включающий в себя получение скелетных точек, их связывание в непрерывную последовательность, фильтрацию шумовых ветвей скелета, выделение характерных точек и представления их в виде графа связности. Это стало основой высокого быстродействия контроля при низкой стоимости аппаратных средств.

3. Алгоритмы контроля сочетают в себе достоинства двух основных подходов: сравнением с эталоном и по проектным нормам. Сопоставление графов связности характерных мест топологии объекта контроля и эталона позволяет выявить отклонения, а контекстный анализ локального участка позволяет определить вид дефекта и, используя измерительные моменты описания, оценить характер отклонения как дефект.

4. Определено, что временная сложность построчно-сканирующего алгоритма описания составляет 25-28 команд. Установлено, что для программной реализации указанных выше алгоритмов при частоте видеоданных 5 МГц не требуется никакой специализированной аппаратуры, а пригодны стандартные персональные компьютеры на базе процессора Intel Pentium 166 МГц.

5. Создано программное обеспечение системы контроля топологии "Микрон" включающее в себя структурно-измерительное описание особенностей топологии и распознавание дефектов сравнением с эталоном.

6. Проведена проверка адекватности предложенных моделей изображениям дефектов. Установлено, что предложенные методы и алгоритмы по достоверности распознавания дефектов дают следующие результаты:

• при безэталонном структурно-измерительном распознавании дефектов не удается совместить требования к пропуску дефектов и к ложным срабатываниям практически для всех видов дефектов, особенно для дефектов второго вида;

• эталонное структурно-измерительное распознавание обеспечивает требуемую вероятность пропуска дефекта не более 0,25 % и ложного дефекта не более 2 % для всех типов дефектов.

Список литературы диссертационного исследования кандидат технических наук Егоров, Станислав Феликсович, 1998 год

СПИСОК ЛИТЕРАТУРЫ

1. Абрамов В.А. и др. СТЗ для автоматизации управления техпроцессами // Электронная промышленность. — 1985. — Вып.4-5. — с.71-74.

2. Алексеев B.JI. Алгоритмическое обеспечение автоматизированной системы визуального контроля // Системы технического зрения. Сборник статей. — Ижевск, 1991. — с.3-10.

3. Алексеев B.JI. О проблеме автоматизации визуального контроля // Системы технического зрения. Сборник статей. — Ижевск, 1991. — с.11-18.

4. Алексеев B.JI., Лукович В.В. Система визуального контроля дефектов пластин и фотошаблонов // Тез. докл. Разработка систем технического зрения и их применение в промышленности (СТЗ-92). Всесоюз. науч.-техн. конф. (Уфа, апрель 1992). — Уфа, 1992. — 4.2. — с.20-21.

5. Афанасьев А.Н. Системы технического зрения для определения координат топологических элементов изделий РЭА: Дисс. на соискание степени канд. техн. наук. — Ижевск, 1993. — 158 с.

6. Афанасьев А.Н. Язык описания изображений // Тез. докл. Методы и средства обработки сложной графической информации. П-ая Всесоюз. конф. (Горький, сентябрь 1985). — Горький, 1985. — с. 8-10.

7. Афанасьев А.Н., Мещеряков A.C., Шихирин В.Н. Алгоритмы распознавания дефектов печатных плат // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Устинов, ноябрь 1986). —■ Устинов, 1986. — с.9-10.

8. Афанасьев А.Н. и др. Автоматизированная установка для контроля печатных плат // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Ижевск, сентябрь 1988). — Ижевск, 1988. — с. 13.

9. Башкиров O.A. Преобразование графа изображения, заданного в виде списковой структуры, в линейный массив // Методы и средства обработки сложной графической информации: Тез. докл. 1-ой Всесоюзной конф. — Горький, 1983. — с.57-58.

10. Бобылев С.Н., Островский В.И. Инструментальные средства для разработки прикладных СТЗ // Системы технического зрения. Сборник статей. — Севастополь, 1992. — с.20-22.

11.. Бондарева В.Ф. и др. Проблемы разработки и внедрения систем технического зрения // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Устинов, ноябрь 1986). — Устинов, 1986. — с.74-76.

12. Бородин А.В и др. Системы технического зрения в задачах контроля дефектов // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Устинов, ноябрь 1986). — Устинов, 1986. — с.76-79.

13. Бородин A.B. и др. Проблемы технического зрения // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Устинов, ноябрь 1986). — Устинов, 1986. — с.79-80.

14. Ботнева В.Н. и др. Автоматическая оптико-телевизионная система контроля топологии фотошаблонов // Тез. докл. Автоматизированные системы обработки изображений (АСОИ-86). Всесоюз. конф. — М.: Наука, 1986. — с.36-37.

15. Ботнева В.Н., Кондратьев В.И. Математическое обеспечение систем контроля дефектов фотошаблонов методами сравнения с данными САПР // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Ижевск, сентябрь 1988). — Ижевск, 1988. — с. 19-20.

16. Брюховецкий A.A., Яблочкин A.B., Новосёлов Ю.В. Программная подсистема предварительной обработки многоградационных изображений // Системы технического зрения. Сборник статей. — Севастополь, 1992. — с.23-26.

17. Бужевич Ю.Е., Довбышев В.М. Применение систем технического зрения для контроля качества сборки РЭА // Тез. докл. Разработка систем технического зрения и их применение в промышленности (СТЗ-92). Всесоюз. науч.-техн. конф. (Уфа, 15-17 апр. 1992 г.) — Уфа: УАИ, 1992. — Ч. 1 — с. 53-54.

18. Бутаков Е.А., Островский В.И., Фадеев И.JI. Обработка изображений на ЭВМ. — М.: Радио и связь, 1987. — 240 с.

19. Вакульский O.A. Построение остовов цифровых изображений. // Отбор и обраб. инф. (Киев) — 1991. — № 6. — с. 71-74.

20. Ващилло A.A., Милорадов И.А. Об одном подходе к проектированию специализированных СТЗ промышленного назначения // Системы технического зрения. Сборник статей. — Ижевск, 1991. — с.34-36.

21. Всесоюзная НТК "Разработка СТЗ и их применение в промышленности" (СТЗ-92) [Уфа], 22-24 апр. 1992; Тез. докл. 4.2. — Уфа. Авиац.ин-т, 1992. — 100 с.

22. Вуль В.А., Голиков В.А., Рябов А.П. Оптические методы контроля в производстве печатных плат // Радиоэлектронника за рубежом. — 1985. — №3. — с. 56-68.

23. Гафаров P.M., Егоров С.Ф. Векторизатор чертежно-графической информации // Тез. докл. Ученые ИжГТУ - производству. Науч.-техн. конф. (Ижевск, 4-8 апр. 1994 г.) — Ижевск: ИжГТУ, 1994. — с. 105.

24. Гафаров P.M., Афанасьев А.Н., Егоров С.Ф. Автоматическая система контроля фотошаблонов // Тез. докл. Распознавание образов и анализ изображений: новые информационные технологии. 2-я Всеросс. конф. РОАИ-2-95 (Ульяновск, 28 авг.-1 сен. 1995 г.) — Ульяновск: УГТУ, 1995. — Ч. 4. — с. 97-99.

25. Гафаров P.M., Афанасьев А.Н., Егоров С.Ф. Контроль фотошаблонов и печатных плат // Тез. докл. Распознавание-95. 2-я Междунар. конф. (Курск, 9-13 окт. 1995 г.) — Курск, 1995. — 105 с.

26. Гафаров P.M., Егоров С.Ф. Контроль изделий РЭА на базе СТЗ // Тез. докл. Ученые ИжГТУ - производству. Науч.-техн. конф. Кафедра ВТ (Ижевск, 2-6 апр. 1996 г.) — Ижевск: Экспертиза, 1996. — с. 26.

27. Гафаров P.M., Егоров С.Ф. Векторизация картографической информации // Тез. докл. Ученые ИжГТУ - производству. Науч.-техн. конф. Кафедра ВТ (Ижевск, 2-6 апр. 1996 г.) — Ижевск: Экспертиза, 1996. — с. 27.

28. Гафаров P.M., Афанасьев А.Н., Егоров С.Ф. Автоматическая система контроля фотошаблонов и печатных плат // Известия Тульского

государственного университета. Информатика. — Тула: ТГУ, 1996.

— Т. И. — № 3. — с. 21-24.

29. Гафаров P.M., Егоров С.Ф. Автоматическая система контроля фотошаблонов и печатных плат на базе скелетного описания // Применение вычислительной техники в измерительных системах. Межвузовский сборник. — Ижевск: Экспертиза, 1997. — с. 38-40.

30. Гафаров P.M., Егоров С.Ф. Модель представления топологии на базе скелетного описания // Тез. докл. Распознавание образов и анализ изображений: новые информационные технологии. 3-я Всеросс. конф. (Нижний Новгород, 1-7 декабря 1997) — Нижний Новгород, 1997. — 4.1. — с.45-47.

31. Гафаров P.M., Афанасьев А.Н., Егоров С.Ф. Система контроля топологии изделий РЭА на базе скелетного описания // Тез. докл. Распознавание образов и анализ изображений: новые информационные технологии. 3-я Всеросс. конф. (Нижний Новгород, 1-7 декабря 1997)

— Нижний Новгород, 1997. — 4.2. — с.65-67.

32. Глудкин О.П., Черняев В.Н. Анализ и контроль техпроцессов производства РЭА. —М.: Радио и связь, 1983. — 296 с.

33. ГонсалесД. Принципы распознавания образов. — М:Мир, 1978. — 412 с.

34. Гончарский A.B. и др. Автоматизированные системы контроля планарных структур в радиоэлектронике // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Ижевск, сентябрь 1988). — Ижевск, 1988. — с.50-51.

35. Гончарский A.B. и др. Автоматизированная система контроля фотошаблонов // Тез. докл. Разработка систем технического зрения и их применение в промышленности (СТЗ-92). Всесоюз. науч.-техн. конф. (Уфа, апрель 1992). — Уфа, 1992. — 4.2. — с.26-27.

36. Грановская P.M., Березная И.Я., Григорьева А.Н. Восприятие и признаки формы. — М.: Наука, 1981. — 208 с.

37. Григорьев В.Н. Автоматический оптический контроль в производстве печатных плат // Зарубежная радиоэлектроника. — 1988. — №6. — с.86-95.

38. Дубицкий В.И. Алгоритм распознавания дефектов связности в изображении топологии изделий микроэлектроники // Математическое обеспечение вычислительных и управляющих систем. — Рязань: РРТИ, 1982. — с.80-85.

39. Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер. с англ. — М.: Мир, 1976. — 512 с.

40. Дьяков О.Н., Ермаков О.И. Видеопроцессор последовательного типа для контроля топологии методом сравнения с эталоном // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Ижевск, сентябрь 1988). — Ижевск, 1988. — с.64-65.

41. Елизарьев В.Ю., Сноркин В.В., Таран В.А. Автоматизированная оптико-телевизионная система контроля фотошаблонов БИС // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Ижевск, сентябрь 1988). — Ижевск, 1988. — с.70-71.

42. Ермолов Г.В. Алгоритмы распознавания дефектов топологии микросборок // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Устинов, ноябрь 1986). — Устинов, 1986. — с. 17-18.

43. Ерош И.Л., Игнатьев М.Б. Адаптивные системы управления промышленными роботами. — М.:НИИмаш, 1979. — 60 с.

44. Задорожный В.В., Кийко В.М. Программный комплекс для анализа фотошаблонов печатных плат // Тез. докл. Методы и средства обработки сложной графической информации. П-ая Всесоюз. конф. (Горький, сентябрь 1985). — Горький, 1985. — с. 220-221.

45. Златкис В.М. и др. Автоматизированная система обработки многоуровневой графической информации // Тез. докл. Методы и средства обработки сложной графической информации. П-ая Всесоюз. конф. (Горький, сентябрь 1985). — Горький, 1985. — с. 224-225.

46. Златкис В.М., Тептин Ю.Л. Видеопроцессоры для автоматических систем контроля // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Устинов, ноябрь 1986). — Устинов, 1986. — с.94-95.

47. Златкис В.М., Гафаров Р.М., Гафаров З.М. СТЗ для автоматического оптического контроля РЭА: анализ патентной документации // Тез. докл. Разработка систем технического зрения и их применение в

промышленности. Науч.-техн. конф. (Ижевск, сентябрь 1988). — Ижевск, 1988. — с.80-81.

48. Кашин Ю.И., Афанасьев А.Н., Юдашкина Н.В. Автоматизация визуального контроля печатных плат // Тез. докл. Разработка систем технического зрения и их применение в промышленности (СГЗ-92). Всесоюз. науч.-техн. конф. (Уфа, апрель 1992). — Уфа, 1992. — 4.2. — с.ЗЗ.

49. Кельман И.А., Крупников Г.П. Описание межстрочными разностями прямой на растре // Автоматизация анализа и распознавания изображений. — Рига, 1982. — Вып.2. — с. 158-172.

50. Кийко В.М. Быстродействующий алгоритм скелетизации графических изображений // Теор. и прикл. вопр. распоз. изобр. Кибернетика. — Киев, 1991 — с.5-15

51. Кийко В.М., Шлезингер М.И. Алгоритм выделения отрезков осевых линий на графических изображениях. — Киев: АН УССР. — 1983. — 117с.

52. Кориков A.M., Сырямкин В.И., Титов B.C. Корреляционные зрительные системы роботов. — Томск: Радио и связь, 1990. — 264 с.

53. Крупников Г.П. Кодирование контуров изображений в системах с построчным сканированием // Тез. докл. Проблемы цифрового кодирования и преобразования изображений. Всесоюзный симпозиум.

— Тбилиси, 1980. — с. 120-121.

54. Кузьмин С.А., Петров A.A. Алгоритм классификации и определения параметров изображений в СТЗ робота // Проблемы машинного видения в робототехнике. Под ред. Д.Е. Охоцимсого. — М.: ИПМ АН СССР, 1981. — с.140-151.

55. Купчинаус С.Ю. Об одном подходе к выделению скелета штрихового полутонового изображения // Автоматические устройства учёта и контроля. Межвузовский сборник. — Ижевск: ИМИ, 1978. — Вып.З. — с. 12-19.

56. Купчинаус С.Ю. Алгоритмы утоньшения графических изображений // Дискретные системы обработки информации. Межвузовский сборник.

— Ижевск: ИМИ, 1979. — Вып. 2. — с. 23-27.

57. Купчинаус С.Ю., Суетина Т.Т. Скелетное преобразование и структурный анализ штриховых изображений большого формата // Тез.

докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Ижевск, сентябрь 1988). — Ижевск, 1988. — с. 104-105.

58. Кучуганов В.Н. Автоматический анализ машиностроительных чертежей. — Иркутск: Изд. Ирк. ун-та, 1985. — 110 с.

59. Кучуганов В.Н. Разработка и исследование алгоритмов для автоматического анализа и классификации изображений. — Дисс. на соискание степени канд. техн. наук. — Ижевск, 1971. — 159 с.

60. Кучуганов В.Н. Классификация объектов сложной конфигурации // Автоматика и опознание образов (Автоматические устройства учета и контроля). Вып. IV. — Ижевск, 1969. — с.162-164.

61. Лопухин В.А. Математическая модель формирования признаков изображения бездефектной и дефектной топологии плоских структур РЭА при использовании ассоциативного алгоритма обработки информации // Тез. докл. Разработка СТЗ и их применение в промышленности. Науч.-техн. конф. (Устинов, ноябрь 1986 г.) — Устинов, 1986. — с.36-37.

62. Лопухин В.А., Гурылев A.C., Балкибеков С.Э. Анализ операций визуального контроля в производстве изделий микроэлектроники // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Ижевск, сентябрь 1988). — Ижевск, 1988. — с.114-115.

63. Лопухин В.А., Шумилин A.C., Явнов Г.Н. Концептуальный синтез СТЗ в технологии микроэлектронной аппаратуры // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Ижевск, сентябрь 1988). — Ижевск, 1988. — с.116-117.

64. Лопухин В.А., Шелест Д.К. Системный анализ проблем автоматизации технологического визуального контроля // Системы технического зрения. Сборник статей. — Ижевск, 1991. — с.63-65.

65. Марков И.А. О выделении связных областей изображений в реальном масштабе времени // Автоматизация анализа и распознавания изображений. — Рига: Зинатне, 1979. — Вып.1. — с.214-244.

66. Методы и средства обработки сложной графической информации: Тез. докл. П-ой Всесоюз.. конф. (Горький, сентябрь 1985). — Горький, 1985. — 352 с.

67. Нетравели А.Н., Лимб Д.О. Кодирование изображений // ТИИЭР. — 1980. — Т.68. — №3. — с.76-124.

68. Островский В.И., Луговская Л.П. Алгоритм контроля качества изготовления топологии печатного монтажа с регулируемой производительностью // Системы технического зрения. Сборник статей. — Ижевск, 1991. — с.76-79.

69. Оптические методы контроля интегральных схем: Состояние и перспективы совершенствования / Вартанян Ю.С., Розиньков Н.С., Дубицкий Л.Г. и др. — М.: Радио и связь, 1982. — 136 с.

70. Оре О. Теория графов: Пер. с англ. — М.: Наука, 1968. — 352 с.

71. Павлидис Т. Иерархические методы в структурном распознавании образов // ТИИЭР. — 1979 — Т.67. — № 5. — с.39-49.

72. Павлидис Т. Алгоритмы машинной графики и обработки изображений: Пер. с англ. — М.: Радио и связь, 1986. — 400 с.

73. Петров A.A. Алгоритмическое обеспечение информационно-управляющих систем адаптивных роботов (алгоритмы технического зрения). // Итоги науки и техники. — М.: Техническая кибернетика, 1984. — Т. 17 — с. 251-294

74. Прэтт У. Цифровая обработка изображений: Пер. с англ. — М.: Мир, 1982. — Кн. 2. — 480 с.

75. Путятин Е.П., Аверин С.И. Обработка изображений в робототехнике. — М.: Машиностроение, 1990. — 320 с.

76. Разработка систем технического зрения и их применение а промышленности: Тез. докл. науч.-техн. конф. (Устинов, ноябрь 1986). — Устинов: Мех. завод, 1986. — 136 с.

77. Разработка систем технического зрения и их применение а промышленности: Тез. докл. науч.-техн. конф. (Ижевск, сентябрь 1988). — Ижевск, 1988. — 4.1. — 168 с.

78. Рамачандран К. Метод кодирования для векторного представления технических чертежей // ТИИЭР. —1980. — Т.68. — №7. — с.68-72.

79. Розенфельд А. Распознавание и обработка изображений: Пер. с англ. — М: Мир, 1972. — 232 с.

80. Рубичев H.A., Фрумкин В.Д. Достоверность допускового контроля качества. — М.: Издательство стандартов, 1990. — 172 с.

81. Рыбак В.И. Принципы построения СТЗ производственного применения // Тез. докл. Зрение организмов и роботов. Всесоюз. симпозиум. — Вильнюс, 1985. — с.210-2.11.

82. Садыков С.С., Самандаров И.Р. Комплекс обработки графических изображений // Тез. докл. Методы и средства обработки сложной графической информации. II-ая Всесоюз. конф. (Горький, сентябрь 1985). — Горький, 1985. — с. 273-274.

83. Садыков С.С., Самандаров И.Р. Скелетизация бинарных изображений. // Зарубежная радиоэлектроника. — 1985. — №11. — с.30-37

84. Садыков С.С., Кадыров Г.Х., Азимов Ш.Р. Системы цифровой обработки изображений. — Ташкент: Фан., 1988 — 166 с.

85. Садыков С.С., Кан В.Н., Самандаров И.Р. Методы выделения структурных признаков изображений. — Ташкент: Фан., 1990 — 101 с.

86. Сазонов A.A., Таран В.А., Ермолов Г.В. Применение СТЗ для контроля топологии микросборок // Тез. докл. Разработка СТЗ и их применение в промышленности. Науч.-техн. конф. (Устинов, ноябрь 1986 г.) — Устинов, 1986. — с. 119-120.

87. Сало A.A. Автоматизация с помощью системы технического зрения сборочных и контрольных операций в производстве ячеек микроэлектронной аппаратуры: Автореф. диссертации на соискание степени канд. техн. наук. — Свердловск, 1990. — 24 с.

88. Сало A.A., Островский В.И., Васильченко А.К. Система автоматизированного визуального контроля качества изготовления плат печатного монтажа // Тез. докл. Методы и средства обработки сложной графической информации. II-ая Всесоюз. конф. (Горький, сентябрь 1985 г.) — Горький, 1985. — с. 260-261.

89. Сало A.A., Островский В.И., Волкова Т.В. Программно-аппаратные средства обработки изображений // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Всесоюз.

науч.-техн. конф. (Ижевск, сентябрь 1988 г.) — Ижевск, 1988. — Кн.1. — с. 134-135.

90. Сало A.A., Запевалнн A.A., Жук В.Ф. Контрольно-измерительные системы технического зрения для научных исследований и промышленного применения // Системы технического зрения. Сборник статей. —- Севастополь, 1992. — с. 10-14.

91. Сало A.A. Алгоритм контроля топологии печатного монтажа методом локальных преобразований изображения // Тез. докл. Разработка систем технического зрения и их применение в промышленности (СТЗ-92). Всесоюз. науч.-техн. конф. (Уфа, апрель 1992). — Уфа, 1992. — 4.1. — с.124-125.

92. Самандаров И.Р. Анализ особенностей методов скелетизации изображений // Вопросы кибернетики. — 1984. — Вып. 226. — с. 106-114.

93. Семенков О.И., Абламейко C.B. Методы и алгоритмы обработки растровой графической информации. Минск: ИТК АН БССР. — 1984. — 116 с.

94. Системы технического зрения (принципиальные основы, аппаратное и математическое обеспечение) / Писаревский А.Н., Чернявский А.Ф., Афанасьев Г.К. и др. — Л.: Машиностроение, 1988. — 424 с.

95. Советов Б.Я. Информационная технология. — М.: Высшая школа, 1994. — 366 с.

96. Сырямкин В.И., Титов B.C., Неруш Г.И. Программное обеспечение телевизионных систем технического зрения для контроля топологии печатных плат // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Ижевск, сентябрь 1988). — Ижевск, 1988. — с.152-153.

97. Тептин Ю.Л., Веркиенко Н.Ю. Анализ изображений в автоматизированной системе обработки многоуровневой графической информации // Тез. докл. Методы и средства обработки сложной графической информации. II-ая Всесоюз. конф. (Горький, сентябрь 1985). — Горький, 1985. — с. 78.

98. Тептин Ю.Л. Метод и средства структурно-измерительного распознавания для автоматизации скоростного оптического контроля дефектов топологии изделий радиоэлектроники: Дисс. на соискание степени канд. техн. наук. — Ижевск, 1990. — 157 с.

99. Тептин Ю.Л. Обработка изображений в автоматизированной системе визуального контроля печатных плат с использованием УКИ-2 // Дискретные системы обработки изображений. — Ижевск: ИМИ, 1983.

100. Тептин Ю.Л. Распознавание дефектов топологии печатных схем // Тез. докл. Разработка СТЗ и их применение в промышленности. Науч.-техн. конф. (Устинов, 7-11 апр. 1986 г.) — Устинов, 1986. — с. 52-54.

101.Тойбина М.И. Исследование принципов организации вычислительного процесса автоматического анализа и распознавания алфавитно-цифровых рукописных знаков чертежей и программ: Автореф. диссертации на соискание степени канд. техн. наук. — Ленинград, 1982. — 24 с.

102. Фор А. Восприятие и распознавание образов: Пер. с фр. — М.: Машиностроение, 1989. — 272 с.

103. Фу К. Структурные методы в распознавании образов: Пер. с англ. — М.: Мир, 1977. — 320.

104. Чикин В.А. Структура данных для представления изображений. // Зарубежная радиоэлектроника. — 1983 — №8 — с.87-103.

105. Шумилин А.С., Явнов Г.Н., Столярова Н.Н. Обобщённая модель функционирования СТЗ для контроля топологии микроэлектронной аппаратуры // Тез. докл. Разработка систем технического зрения и их применение в промышленности. Науч.-техн. конф. (Ижевск, сентябрь 1988). — Ижевск, 1988. — с.158-159.

106. Arcelli С., di Baja G.S. A one-pass two-operation process to detect the skeletal pixels on the 4-distance transform // IEEE Trans, on Pattern Recognition and Machine Intell. — 1989. — Vol. 11. — pp. 411-414.

107. Arcelli C., Cordelia L.P., Levialdi S. From local maxima to connected skeleton // IEEE Trans. Pattern Analysis Machine Intelligence. — 1981. — PAMI-3. — pp.134-143.

108. Bentley W.A. Automated optical inspection og multilayer printed circuit boards // Optics in Metrology and Quality Assurance. — 1980. — Vol.220. — pp. 102-109.

109. Blum H. A transformation for extracting new descriptions of shape. // Sysmposium on Models for the Perception of Speech and Visual Form. — M.I.T. Press, 1964.

110. Calabi L., Hartnett W.E. Shape recognition, prairie fires, convex deficiencies and skeletons. // Amer. Math. Monthly, April 1968. — 1968. — № 75.

— pp.335-342.

111. Chin R.T., Harlow C.A. Automated visual inspection: A survey // IEEE trans, on PAMI. — 1982. — Vol.4. — № 6. — pp.557-573.

112. Freeman H. Shape description via the use of critical points // Pattern recognition. — 1978. — Vol.10. — № 3. — pp.159-169.

113. Gafarov R.M., Afanas'ev A.N., Egorov S.F. A Control System of the Topology of an Article of Radioelectronic Equipment Based on a Skeleton Description // Pattern Recognition and Image Analysis. — 1998. — Vol.8. — № 3. — p.387.

114. Gafarov R.M., Egorov S.F. A Topology Representation Model Based on a Skeleton Description // Pattern Recognition and Image Analysis. — 1998.

— Vol.8. — №2. — pp. 180-181.

115. Goto N., Kondo T. An automatic inspection system for printed wiring board mask // Pattern Recognition. — 1980. — Vol.12. — pp.443-455.

116. Hara Y., Akiyama N., Karasaki K. Automatic inspection system for printed circuit boards // IEEE trans, on PAMI. — 1983. — Vol.5. — № 6. — pp.623-630.

117. Jarvis J.F. A method for automating the visual inspection of printed wiring boards // IEEE trans, on PAMI. — 1980. — Vol.2. — № 1. — pp.77-82.

118. Kwok P. Customising thinning algorithms // 3rt Int. Conf. Image Proc. and Appl., Warwick, 18-20 July, 1989. — London, 1989. — pp.633-637.

119. Lam L., Lee S.-W. Thinning methodologies - A comprehensive survey // IEEE Trans. Pattern Anal, and Mach. Intell. — 1992. — 14, №9. — pp.869-885

120. Mandeville J.R. Novel method for analysis of printed circuit images // IBM J. Res. and Develop. — 1985. — Vol.29. — № 1. — pp.73-86.

121. Montanari U. A method for obtaining skeletons using a quasi-Euclidean distance. // J. ACM, October 1968. — 1968. — № 15. — pp.600-624.

122. Montanari U. Continuous skeletons from digitized images. // J. ACM, October 1969. — 1969. — № 16. — pp.534-549.

123. O'Gorman L. KxK thinning // Comput. Vision, Graph, and Image Process.

— 1990. — 51, №2. — pp. 195-215.

124. PavenK., Deepak B. Pseudo one pass thinning algorithm // Pattern Recogn. Lett. — 1991. — 12, №9. — pp.543-555.

125. Pavlidis T. A thinning algorithm for discrete binary images // CGIP. — 1980. — Vol.13. — pp.142-157.

126. Pfaltz J.L., Rosenfeld A. Computer representation of planar regions by their skeletons // CACM. — 1972. — Vol.10. — pp.119-125.

127. Rosenfeld A. A characterization of parallel thinning algorithms // Information and Control. — 1975. — Vol.29. — pp.286-291.

128. Rosenfeld A., Kak A.C. Digital picture processing. 2nd. Academic Press.

— N.York, 1982. — pp. 85-190

129. Rosenfeld A., Pfalz J.L. Seguential operations in digital pictue processing. // JASM. — 1966. — Vol.13. — №4. — pp.471-494.

130. Rosenfeld A., Davis L.S. A note on thinning. // TR-381, University of Maryland. — 1976.

131. Rosenfeld A., Waszka J.S. Picture recognition. — Communication and cybernetics, 1976.

132. Stefanelli R., Rosenfeld A. Some parallel thinning algorithms for digital pictures. // JACM. — 1971. — Vol.18. — pp.255-264.

133. Tamura H. A comparision of line thinning algorithms from digital geometry viewpoint. // Proc. Fourth Intern. Joint Conf. on Pattern Recognition. Kyoto, November 1978. — 1978. — pp.715-719.

134. Takaki A., Nakamura K. Automated inspection system for various defects in screen-printed patterns // NEC Res. and Develop. — 1979. — № 52. — pp.39-43.

135. Williams C.M. The trapezoidal approximation of digitized images // Computer vision graphics and image processing. — 1984. — Vol.27. — pp.64-77.