陷区域及具 体缺陷细节的挠性电路板图像。
[0058] 显微镜自动数据采集装置的挠性电路板质量评价方法，包括以下步骤：
[0059] 1、将挠性电路板放置在电动精密载物台，并用固定装置固定后，操作人员登录上 位机系统，打开光源，并在手动对焦后通过变换杆切换到数字摄像头采图模式。
[0060] 2、待步骤1完成后，伺服电机驱动导轨移动电动精密载物台，使系统回到检测原 点。
[0061] 3、待步骤2完成后，由操作人员输入或在数据库中下载待检测的挠性电路板的标 准文件，如Gerber文件、CAD文件等，然后解析挠性电路板标准文件，得到标准图和质量评 价所需的标准数据。
[0062] 4、待步骤3完成后，数字摄像头采集图像，伺服电机移动X、Y轴运动导轨，使系统 识别并对准基准点。
[0063] 5、待步骤4完成后，运动控制模块控制电机控制箱内的伺服驱动器驱动伺服电 机，通过移动X、Y轴运动导轨移动电动精密载物台。按照从左到右，从上而下的顺序，由数 字摄像头通过显微镜放大后，对待测挠性电路板进行局部采图，与此同时，显微镜视觉控制 处理模块待测挠性电路板的局部图进行预处理，随后使用基于特征模板匹配特征点的拼接 方法进行图像拼接，并完成图像的平滑处理，如此重复采图、拼接，直到把挠性电路板扫描 完毕，最终得到待测挠性电路板的全局图。
[0064] 6、待步骤5完成后，对图像进行二值化和连通域的查找，并以连通域统计质心及 面积为匹配标准与电路图模板中的连通域进行对比判定不匹配区域（缺陷区域）；使用细 化方法检测线宽和线距；使用霍夫变换识别圆孔位置，并根据面积信息获取孔径大小。与标 准图和标准数据中的的线宽、线距、孔径大小对比，获取质量评价信息；采用对比法对断路、 短路、残铜等缺陷进行识别。
[0065] 7、待步骤6完成后，上位机系统显示缺陷区域及具体缺陷细节的全图图像，并根 据预录阈值信息，提出告警，以便操作人员及时对异常工序进行处理。
[0066] 8、待步骤7完成后，上位机系统将检测结果存储在本地计算机中，并将相关图像、 质量评价信息、缺陷信息、缺陷数据上传至综合数据库模块中，以待后续统计处理。
[0067] 本实例的铜厚测试装置包括铜厚测量仪器和数据通信软件，铜厚测量仪主要用于 测量铜箱的厚度，数据通信软件主要用于数据的铜厚数据的采集和传输。
[0068] 本实例的综合数据库主要用于存放关键工序的基本信息、采集的初始数据以及自 动监测和智能分析推理过程中得到的各种中间信息和解决问题后输出结果信息。智能分析 的结果，最终以报表的形式存放在数据库中，供工程师和管理人员实时查询。
[0069] 本实例对挠性电路板制造过程的铜减薄、蚀刻、钻孔等关键工序设计一种多元统 计过程监控方法，包括以下步骤：
[0070] 1、根据用户选择查看的工序，该算法将从数据库模块查询并读取相应的参数数据 集。
[0071] 2、待步骤1完成后，根据该数据集所包含的数据类型判断是否进行预处理，如果 是计量值类型，如蚀刻工序的线宽、线距，钻孔工序的圆度、位置和镀铜工序的铜厚等，则将 参数数据集中的所有数据进行标准化预处理。设参数i采集η个数据，表示为{Xll，…，χιη}， 计算其平均值勾和标准差Sl，则标准化处理后的数据X'、，为：
[0072]
[0073] 如果是计数值类型，如发生断路、短路、线路缺口、凸起、残铜缺陷的电路板个数， 则将参数数据进行比例化处理，即用发生某个缺陷的电路板个数除以生产的总电路板个 数。
[0074] 3、待步骤2完成后，根据参数变量类别和标准化后的数据，建立多变量统计X2模 型，对所选择工序的异常情况进行可视化监控。以钻孔工序为例，关键物理参数为孔径大小 和孔的圆度两个参数，计算采集的η组孔径大小和圆度数据（即属性个数p= 2)，表示为Xl =(xu，xi2)(i= 1，2，…，n)，计算两种数据均值，然后计算属性j和h之 间的协方差slh(j，h= 1，2)和对应的协方差矩阵S为
[0075]
[0076]
[0077] 和第i个T2统计量，71,2二（Λ：,.--无丫，将Γ2与上下限比较：
[0078]
:其中， B( ·)为参数为|、的β分布，1-α为置信水平）。最后，以η为横轴，纵轴绘制T2 22 控制图，根据if是否超过控制限判断产品质量是否失控。如果数据超过上下控制界限，则检 测到生产异常波动是失控状态，则发出警报并且上传到监控显示与数据报表模块，否则不 作出反应。
[0079] 本实例对挠性电路板制造过程的全工序的异常识别设计一种智能分析方法，包括 以下步骤：
[0080] 1、根据用户选择，读取挠性电路板制造全工序异常识别的训练数据或者待监控数 据。根据数据集所包含的数据类型判断是否进行预处理，如果是计量值类型，则将参数数据 集中的所有数据进行标准化预处理，如果是计数型，则将参数数据进行比例化处理。
[0081] 2、待步骤1完成后，采用神经网络方法（如3层结构的BP网络）提取特征，即输 入挠性电路板制造过程所有工序的关键参数，输出影响挠性电路板质量的主要特征数据。
[0082] 3、待步骤2完成后，如果用户选择训练模型，则用正常和异常的特征数据，训练支 持向量机模型，采用高斯核函数并且使用网格法确定模型中的惩罚参数C和高斯核参数 γ，从而完成支持向量机模型的建立。否则，按照步骤4进行数据的智能分析。
[0083] 4、待步骤2完成后，使用支持向量机模型对加工工序的批数据进行监控。如果检 测到生产异常波动是失控状态，则发出警报并且上传到监控显示与数据报表模块，否则不 作出反应。
[0084] 本实例设计一种对挠性电路板生产工序监控的异常源识别（异常定位）算法，包 括以下步骤：
[0085] 1、根据用户选择，读取挠性电路板制造全工序异常定位的训练数据或者待监控数 据。从数据库模块查询并读取所涉及的挠性电路板制造过程关键参数数据，组成批数据。判 断该批数据是否进行预处理，如果是计量值类型需要预处理，则将参数数据集中的所有数 据进行标准化预处理，如果是计数类型则不处理。
[0086] 2、待步骤1完成后，如果用户选择训练模型，则对预处理后的特征数据集建立融 合遗传算法的神经网络异常源识别模型。遗传算法采用二进制编码技术，以总误差平方函 数作为适应度函数，通过选择、交叉、变异等进化算子，选择优化的神经网络的结构和权值。 否则，按照步骤3进行数据的智能分析。
[0087] 3、待步骤2完成后，使用2建立的异常源识别模型对挠性电路板制造过程全工序 进行监控，如果出现异常波动，则根据异常源识别模型输出结果可以定位到失控异常发生 的工序并将结果发送到监控显示与数据报表模块，否则不作出反应。如上所述，便可较好地 实现本发明。
【主权项】
1. 晓性电路板制造过程自动监测和智能分析系统，包括基本资料模块、参数采集模块、 综合数据库模块、智能数据分析模块W及监测显示与数据报表模块，其特征在于：参数采集 模块包括显微镜自动数据采集装置和铜厚测试装置，主要用于采集晓性电路板制造过程关 键工序的关键物理参数W及晓性电路板质量数据；基本资料模块包括工序信息和质量检验 规范，主要用于晓性电路板各工序质量和缺陷检验时作为评判和检验的标准信息资料；智 能数据分析模块包括：采用多元统计过程的T2控制方法对单工序的异常情况进行预测，采 用融合神经网络和支持向量机的方法预测晓性电路板制造整线的异常，采用基于遗传算法 优化的神经网络对晓性电路板制造过程的异常源进行识别，主要实现对晓性电路板生产过 程智能质量控制、生产过程的自动异常状态识别和异常定位，为维护人员排除异常故障提 供参考；综合数据库模块主要用于存储数据采集模块所采集的数据、工序信息资料和质量 检验规范信息W及智能分析模块所产生的分析结果和数据报表。2. 根据权利要求1所述的一种晓性电路板制造过程自动监测和智能分析系统，其特征 在于：基本资料模块的工序信息主要包括：1)工序人员名单，记录工序工作人员及其负责 工序；2)设备信息，包括设备的名称、类别和型号等基本信息；基本资料模块的质量检验规 范包括：质量检验规范IPC-6013B《晓性印制板的鉴定及性能规范》、企业内部制定的质量检 验规程。3. 根据权利要求1所述的一种晓性电路板制造过程自动监测和智能分析系统，其特征 在于：显微