基于Gerber文檔內建建標的電路板精準檢測方法
【專利摘要】本發(fā)明公開了一種基于Gerber文檔內建建標的電路板精準檢測方法，方法步驟如下，a.獲取制作電路板的標準光繪文件即Gerber文檔；b.分析Gerber的數(shù)據結構，采用自上而下方式利用正則表達式分析方法提取出所需信息；c.通過形態(tài)學算法、神經網絡BP算法對Gerber文檔解析后的圖像進行修正；d.利用Gerber文檔的分層圖像。與現(xiàn)有方法相比較，本發(fā)明通過解析電路板在制造階段對應的Gerber標準文件，避免實際板偏差過大的情況出現(xiàn)，引入Gerber文檔的解析方法，結合模式識別中神經網絡算法、形態(tài)學算法對解析標準板進行修正，生成標準圖像，從而提高后續(xù)參考對比算法處理的精度和速度。
【專利說明】基于Gerber文檔內建建標的電路板精準檢測方法
【技術領域】
[0001]本發(fā)明涉及一種電路板檢測方法，尤其涉及一種基于Gerber文檔內建建標的電路板精準檢測方法。
【背景技術】
[0002]隨著電子產品朝著輕、薄、小、巧的趨勢發(fā)展，電路板的精密度以及制程復雜度日益增加，對質量監(jiān)控亦提出更加嚴苛的要求。目前的檢測方法均很難實現(xiàn)精準檢測。
[0003]檢測中的參照對比算法，通常要選擇一塊標準的PCB板作為參照，將被測板與標準板逐像素做比較，能夠檢測的缺陷種類很多，精確的PCB標準板決定了后續(xù)的檢測精度。在電路板制造業(yè)中，Gerber文檔是通過軟件語言描述電路板圖像圖形數(shù)據的文檔，稱其為電路板的標準光繪文件。Gerber格式的文件只包含元器件的基本物理特性，例如導線和焊盤形狀、大小、位置坐標等，不包含電器、網絡屬性。

【發(fā)明內容】

[0004]本發(fā)明的目的就在于提供一種解決上述問題，且基于Gerber文檔內建建標的電路板精準檢測方法。
[0005]為了實現(xiàn)上述目的，本發(fā)明采用的技術方案是:一種基于Gerber文檔內建建標的電路板精準檢測方法，方法步驟如下，
[0006]a.獲取制作電路板的標準光繪文件即Gerber文檔；
[0007]b.分析Gerber的數(shù)據結構，采用自上而下方式利用正則表達式分析方法提取出所需息;
[0008]c.通過形態(tài)學算法、神經網絡BP算法對Gerber文檔解析后的圖像進行修正；
[0009]d.利用Gerber文檔的分層圖像，采用參照對比的檢測方法檢測電路板表觀缺陷，有效地提聞了檢測的精度和效率；
[0010]作為優(yōu)選，步驟b中，所述自上而下方式利用正則表達式分析方法中的自上而下方式是一個推導分析過程，推導與輸入字符串相匹配的語句，稱為帶回溯的自上而下分析法，從識別到開始標識符分析，利用各種產生式替換句型中的非終結符，一旦替換句型選項匹配不成功，就需要回溯到上層位置重新匹配；根據Gerber文檔的特殊設計模式，利用正則表達式進行檢索匹配，提取出所需信息。
[0011]作為優(yōu)選，所述步驟b中，為了消除帶回溯的自上而下分析法的回溯和死循環(huán)，使用遞歸子程序推導出與輸入字符串想匹配語句，稱為帶推導回溯的自上而下分析方法。
[0012]作為優(yōu)選，所述步驟c中，利用模式識別中數(shù)學形態(tài)學膨脹腐蝕的原理對所得到的Gerber文檔圖像進行算法修正處理，以利于后續(xù)檢測算法的進行；
[0013]膨脹的運算符記為?，A用結構元素B來膨脹記為其定義為
Λ?Β = {χ\[(B)x PU]*0}，上式表明利用結構元素B對A進行膨脹的過程是，先對B做關于原點的映射，然后進行平移X，保證A與B映像的交集不為空集；[0014]腐蝕的算符記為O，其定義為= I PL ^ A}，上式表明利用結構元素B對A
進行腐蝕的結果是所有A的集合，其中B平移X后仍在A集合中，用結構元素B腐蝕A得到的集合即是B完全包含于A中時B所處的原點位置集合。
[0015]作為優(yōu)選，所述步驟c中，所述神經網絡BP算法通過改變迭代的權值，引入動量項在增長較快的方向加大步長數(shù)，盡量加速普通的反向傳播，最終消除迭代擺動，算法采用如下改進的形式，
[0016]newW = oldW+λ (1-α ) Δ W+α □ old Δ W
[0017]權值該變量AW = -gradw(e(ff)), λ表示學習率，α控制動量項相對于權值的變化量，參數(shù)λ和α替代了單個的步長參數(shù)。
[0018]與現(xiàn)有技術相比，本發(fā)明的優(yōu)點在于:本發(fā)明專利通過解析電路板在制造階段對應的Gerber標準文件，避免實際板偏差過大的情況出現(xiàn)，引入Gerber文檔的解析方法，結合模式識別中神經網絡算法、形態(tài)學算法對解析標準板進行修正，生成標準圖像，從而提高后續(xù)參考對比算法處理的精度和速度。該方法不僅對印制電路板(PCB)以及撓性印制電路板(FPC)均可適用。
【專利附圖】

【附圖說明】
[0019]圖1為本發(fā)明原理框圖；
[0020]圖2為層前饋網絡結構示意圖； [0021]圖3為自適應調整流程圖。
【具體實施方式】
[0022]下面將結合附圖對本發(fā)明作進一步說明。
[0023]實施例:參見圖1，一種基于Gerber文檔內建建標的電路板精準檢測方法，方法步驟如下，
[0024]a.獲取制作電路板的標準光繪文件即Gerber文檔；
[0025]b.分析Gerber的數(shù)據結構，采用自上而下方式利用正則表達式分析方法提取出所需息;
[0026]正則表達式是用形式化語言表達邏輯公式，即用特殊的代碼模式判斷給定的普通字符和特殊運算符是否匹配正則表達式的過濾邏輯規(guī)則。常量和算子構成了正則表達式的元素，它用簡單的表達方式達到對字符串的復雜控制。正則表達式通常被用于檢索、替換復雜查詢方式，它符合規(guī)定句法規(guī)則，設計具有特殊語法結構的計算機語言，匹配符合一系列用戶設置的檢索條件。其具有靈活性、邏輯性和功能性強的特點，可以用極簡單的表達式完成匹配，實現(xiàn)復雜的信息提取和數(shù)據處理。根據Gerber文檔的特殊設計模式，利用正則表達式進行檢索匹配。
[0027]自上而下分析是一個推導分析過程。推導與輸入字符串相匹配的語句，稱為帶回溯的自上而下分析法。該過程從識別到開始標識符分析，利用各種產生式替換句型中的非終結符，一旦替換句型選項匹配不成功，就需要回到上層位置重新匹配。這種帶回溯的方法增加了系統(tǒng)的開銷，使解析速率降低。
[0028]為了消除回溯和死循環(huán)，使用遞歸子程序推導出與輸入字符串想匹配語句，此方法成為帶推導回溯的自上而下分析方法。從語法樹的邏輯來看，該過程以根節(jié)點為起始點，依據自上而下分析方法，對輸入字符串產生分析樹，尋找末端節(jié)點正好與輸入字符串相同的位置，按照邏輯順序向下構造一棵語法樹。
[0029]c.通過形態(tài)學算法、神經網絡BP算法對Gerber文檔解析后的圖像進行修正；
[0030]由于PCB加工工藝存在一定的精度偏差，在尺寸上可能會與Gerber文檔的信息不完全一致。這需要我們利用模式識別中數(shù)學形態(tài)學膨脹腐蝕的原理對所得到的Gerber文檔圖像進行算法修正處理，以利于后續(xù)檢測算法的進行。
[0031]根據Gerber解析后的圖像與采集得到的PCB圖像在BGA的位置會存在2?3個像素的偏差，圖中觀察到Gerber文檔上焊盤的直徑不能與PCB圖像實際的焊盤完全吻合，造成后續(xù)缺陷檢測結果的誤差。我們考慮在圖像處理中通過形態(tài)學的操作和神經網絡的訓練修正來解決這一問題，通過訓練一定大小的模板，以匹配PCB圖像焊盤的大小。Gerber文檔所提供的信息比較精確，通過設置匹配精度，就能夠滿足分層圖像的精度。
[0032]膨脹的運算符記為?，A用結構元素B來膨脹記為2ΦΒ，其定義為
= [(旬ΧΠ4*0}，上式表明利用結構元素B對A進行膨脹的過程是，先對B做關于原點的映射，然后進行平移X，保證A與B映像的交集不為空集。
[0033]腐蝕的算符記為O，其定義為:= GlML G 乂丨，上式表明利用結構元素B
對A進行腐蝕的結果是所有A的集合，其中B平移X后仍在A集合中。用結構元素B腐蝕A得到的集合即是B完全包含于A中時B所處的原點位置集合。
[0034]經典的層前饋網絡結構示意圖，如圖2，網絡由輸入層、隱含層、輸出層構成，可以設計隱含層模擬任何確定性處理過程。
[0035]神經網絡BP算法通過改變迭代的權值，引入動量項在增長較快的方向加大步長數(shù)，盡量加速普通的反向傳播，最終消除迭代擺動。的算法采用如下改進的形式:
[0036]newW = oldW+λ (1-α ) Δ W+α □ old Δ W
[0037]權值該變量AW = -gradw(e(ff)), λ表示學習率，α控制動量項相對于權值的變化量，參數(shù)λ和α替代了單個的步長參數(shù)。動量法的實質通過一個動量因子傳遞最后一次權值變化的影響，使網絡權值進入誤差底部時，梯度變小newAW= a DoldAW,防止AW=O出現(xiàn)，促使網絡避開誤差曲面的局部極小值，向著誤差曲面底部的平均方向變化；
[0038]學習速率λ的確定通常憑經驗或者實驗積累獲取到的，為在訓練過程中，自適應調整學習速率λ，自適應調整流程圖如圖3 ；
[0039](I)平方誤差在權值更新后增長超過設置的ξ (1.2%?5.6%)，權值更新停止，學習速度被乘以因子P (0<ρ <1),動量系數(shù)α設置為O ;
[0040](2)平方誤差在權值更新后增長小于ξ，權值更新被接受，學習速度保持不變，如果α初始為0，則恢復原來的非零值；
[0041](3)平方誤差在權值更新后減少，權值更新被接受，學習速度被乘因子θ (θ>1)。如果α初始為0，則恢復原來的非零值。
[0042](4)每次迭代時候，采用記憶式初始權值，訓練樣本順序隨機化易于避免權值陷入局部最小。所以采用保存下來的權值更換迭代誤差，減少迭代次數(shù)；
[0043](5)調整激活函數(shù)σ (X，s’ h) = I/(l+e_s(x+h))的參數(shù)s改變激活函數(shù)斜率，改變參數(shù)h可以調節(jié)水平方向左右移動函數(shù)，調整S和h對收斂有幫助；
[0044](6) BP學習有串行和集中兩種方式，選擇合理的訓練方式有助于減少誤差。串行方式對每個樣本呈現(xiàn)網絡時，需要對網絡的偏置水平和突出權值進行調整。集中方式是待整個訓練集完成后進行權值調整。由于Gerber文檔的每一個參量變化都對突出權值有少量的局部變化，降低反向傳播算法達到局部最小可能性，串行方式對Gerber文檔的修正具有更好的效果。
[0045]d.利用Gerber文檔的分層圖像，采用參照對比的檢測方法檢測電路板表觀缺陷，有效地提聞了檢測的精度和效率；
[0046]選取某型號PCB標準圖像Gerber文檔解析過程，從基板到最后蝕刻、絲印層制作描述了電路板中某一層的信息，通過多層圖像壓合覆蓋和膨脹腐蝕運算后，利用改進的BP神經網絡算法進行修正，最終顯示了和實際電路板相同的表觀信息。
[0047]以上對本發(fā)明所提供的基于Gerber文檔內建建標的電路板精準檢測方法進行了詳盡介紹，本文中應用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領域的一般技術人員，依據本發(fā)明的思想，在【具體實施方式】及應用范圍上均會有改變之處，對本發(fā)明的變更和改進將是可能的，而不會超出附加權利要求所規(guī)定的構思和范圍，綜上所述，本說明書內容不應理解為對本發(fā)明的限制。
【權利要求】
1.一種基于Gerber文檔內建建標的電路板精準檢測方法，其特征在于:方法步驟如下， a.獲取制作電路板的標準光繪文件即Gerber文檔； b.分析Gerber的數(shù)據結構，采用自上而下方式利用正則表達式分析方法提取出所需信息； c.通過形態(tài)學算法、神經網絡BP算法對Gerber文檔解析后的圖像進行修正； d.利用Gerber文檔的分層圖像，采用參照對比的檢測方法檢測電路板表觀缺陷。
2.根據權利要求1所述的基于Gerber文檔內建建標的電路板精準檢測方法，其特征在于:步驟b中，所述自上而下方式利用正則表達式分析方法中的自上而下方式是一個推導分析過程，推導與輸入字符串相匹配的語句，稱為帶回溯的自上而下分析法，從識別到開始標識符分析，利用各種產生式替換句型中的非終結符，一旦替換句型選項匹配不成功，就需要回溯到上層位置重新匹配；根據Gerber文檔的特殊設計模式，利用正則表達式進行檢索匹配，提取出所需信息。
3.根據權利要求2所述的基于Gerber文檔內建建標的電路板精準檢測方法，其特征在于:所述步驟b中，為了消除帶回溯的自上而下分析法的回溯和死循環(huán)，使用遞歸子程序推導出與輸入字符串想匹配語句，稱為帶推導回溯的自上而下分析方法。
4.根據權利要求1所述的基于Gerber文檔內建建標的電路板精準檢測方法，其特征在于:所述步驟c中，利用模式識別中數(shù)學形態(tài)學膨脹腐蝕的原理對所得到的Gerber文檔圖像進行算法修正處理，以利于后續(xù)檢測算法的進行； 膨脹的運算符記為?，A用結構元素B來膨脹記為捕β，其定義為^Θ5 = {χ|[(5)χ ΠΑ]^0}，上式表明利用結構元素B對A進行膨脹的過程是，先對B做關于原點的映射，然后進行平移X，保證A與B映像的交集不為空集； 腐蝕的算符記為?，其定義為JAS = {τ I (fi)、g j}，上式表明利用結構元素B對A進行腐蝕的結果是所有A的集合，其中B平移X后仍在A集合中，用結構元素B腐蝕A得到的集合即是B完全包含于A中時B所處的原點位置集合。
5.根據權利要求1所述基于Gerber文檔內建建標的電路板精準檢測方法，其特征在于:所述步驟c中，所述神經網絡BP算法通過改變迭代的權值，引入動量項在增長較快的方向加大步長數(shù)，盡量加速普通的反向傳播，最終消除迭代擺動，算法采用如下改進的形式，
newff = οIdff+ λ (1- α ) Δ W+ α □ old Δ W 權值該變量AW = -gradw(e(W))，λ表示學習率，α控制動量項相對于權值的變化量，參數(shù)λ和α替代了單個的步長參數(shù)。
【文檔編號】G06F17/30GK103678598SQ201310684206
【公開日】2014年3月26日 申請日期:2013年12月12日 優(yōu)先權日:2013年12月12日
【發(fā)明者】陳鎮(zhèn)龍, 宋昀岑, 羅穎, 譚育, 譚良, 謝恒 , 凌云, 劉丁維, 楊學光, 賈宏宇, 李文龍 申請人:成都術有科技有限公司