PCB缺陷关联分析方法、装置、设备及存储介质与流程

本技术涉及工业视觉检测领域，特别涉及一种pcb缺陷关联分析方法、装置、设备及存储介质。

背景技术：

1、印制电路板（pcb）制造是一项高度复杂的系统工程，涉及覆铜、蚀刻、钻孔、电镀及表面贴装（smt）等数十道精密工序。目前，行业普遍在各关键工序部署自动光学检测（aoi）设备，利用视觉识别算法捕捉缺陷。

2、目前，行业内普遍在各生产工序部署aoi设备，并利用视觉识别算法捕捉缺陷。然而现阶段的数据缺陷分析与品质管控技术在面对海量检测数据时，仍存在以下技术瓶颈：

3、第一、空间维度的数据孤岛与对齐精度缺失；目前各工序的检测设备多为独立运行，缺陷坐标通常以局部图像的像素坐标形式存在。由于pcb在压合、烘烤等热加工过程中会产生不可规避的非线性形变，导致不同工序间的缺陷坐标无法直接对齐。现有的品质分析多停留在单工序的数量统计层面，难以跨工序在统一的设计坐标系下实现缺陷物理位置的精确关联，导致无法发现由上游工序物理残留导致的下游二次缺陷。

4、第二、缺陷特征挖掘缺乏时空深度；目前的分析方法大多仅关注缺陷的类型和数量波动，忽视了缺陷在pcb板面上的空间分布规律。例如，缺陷是随机分布还是在边缘聚集、是否呈现周期性偏移、是否特定出现在焊盘等功能区域，这些空间分布特征往往隐含了生产设备（如钻机精度偏移、电镀缸喷淋不均）的系统性偏差。缺乏时空建模导致系统无法从海量散发性缺陷中识别出具有统计显著性的“缺陷聚集热点”。

5、第三、根因追溯与波动模式识别的脱节；传统的预警机制多基于固定的良率阈值，属于事后报警。在复杂的流式生产环境中，缺陷的产生往往具有动态演变特征。现阶段的技术无法量化评估缺陷聚集模式随时间的波动形态（如突发性、趋势性或周期性），也难以识别跨工序、跨类型的连锁异常模式。这导致工艺工程师在面对报警时，难以快速判定异常的严重等级及故障源头，根因定位成本极高。

技术实现思路

1、本技术提供一种pcb缺陷关联分析方法、装置、设备与存储介质，实现缺陷的时空关联分析、为缺陷根因分析提供技术支持数据和溯源诊断，提高缺陷预警准确性和及时性。

2、一方面，本技术提供一种pcb缺陷关联分析方法，所述方法包括：

3、流式处理aoi设备端在全制程各工序的异构检测数据，并将不同工序下缺陷图像的像素坐标转换为基于pcb设计文件的设计坐标，进行数据对齐；

4、将缺陷数据按空间网格、时间周期及物理层别进行聚合，构建表征缺陷分布的多维时空张量模型；

5、在所述多维时空张量模型上执行空间统计分析，识别出缺陷聚集热点，并提取所述缺陷聚集热点在不同工序间的空间位置偏移特征；所述缺陷聚集热点是pcb板面上缺陷聚集度超过统计指标的区域；

6、通过时间序列聚类识别所述缺陷聚集热点随时间变化的波动模式，并根据识别出的波动模式触发对应的工艺预警。

7、具体的，坐标转换过程包括：

8、获取待测pcb在图像坐标系下的缺陷像素坐标，基于所述待测pcb上的参考标记点建立所述图像坐标系与设计坐标系之间的映射矩阵；

9、基于所述映射矩阵，将所述缺陷像素坐标转换为pcb设计坐标；

10、当待测pcb板中含有高密度区域时，基于高密度区域设置的局部参考标记点，对区域内的缺陷像素点进行仿射校正，获得补偿后的pcb设计坐标。

11、具体的，构建所述多维时空张量模型包括：

12、将pcb板面划分为尺寸相等的网格单元，将缺陷数据流映射为多维事件向量；其中包括空间坐标标签、检测时间标签、物理层别标签、缺陷类型标签及归属功能区标签中的至少一种标签；

13、以预设的时间窗口为时间轴步长，以pcb的加工层别为垂直维度，将所述多维事件向量映射至网格单元中，构建所述多维时空张量模型。

14、具体的，所述识别出缺陷聚集热点，包括：

15、通过自适应核密度估计计算网格内各不同缺陷类型的网格缺陷概率密度；

16、对各网格单元区域内的概率密度进行空间积分或加权求和，得到每个网格单元的量化缺陷计数；

17、利用

getis-ord gi 统计量计算网格单元与其在所述多维时空张量模型中邻域网格单元的关联性；统计量表示如下：

18、

19、其中，为邻域网格单元的量化缺陷计数，是网格单元的总数量，是两网格单元的空间权重；与分别是所有网格单元缺陷计数的全局平均值与标准差；

20、当统计量评分值超过预设显著性阈值时，判定网格单元对应的时空区域为所述缺陷聚集热点。

21、具体的，所述提取所述缺陷聚集热点在不同工序间的空间位置偏移特征，包括：

22、通过空间叠置分析，计算当前工序热点区域与上游工序历史热点区域的交集比例；表示如下：

23、

24、其中，表示实际观测到同时包含类型a和b缺陷的网格数量，和分别表示随机置换零分布下共现格网数的期望值和标准差；

25、若交集比例超过预设阈值，表示当前工艺缺陷受上游对应工艺缺陷影响，触发生成跨工序质量追溯报告。

26、具体的，所述识别所述缺陷聚集热点随时间变化的波动模式，包括：

27、针对具有空间位置偏移特征的缺陷聚集热点，提取所述缺陷聚集热点在连续多个时间窗口内的缺陷密度，形成待测时间序列；

28、计算所述待测时间序列与标准异常模式序列之间的动态时间规整dtw距离，表示如下：

29、

30、其中，与分别为待测时间序列和标准异常模式序列，为匹配路径，表示第个观测窗口内两序列在第个匹配路径上的单点测度距离；

31、根据dtw距离值将波动模式归类为突发性异常、周期性波动或趋势性劣化，并匹配对应的工艺维护策略。

32、具体的，所述多维时空张量模型中还包括群聚缺陷标签；识别群聚缺陷包括：

33、统计每个pcb板上的缺陷集合，计算每个设计坐标的欧氏距离；

34、若新到达缺陷与所述缺陷集合中某个目标点的欧式距离满足，将确定为的邻居点；为邻域半径阈值，表示两个缺陷属于同一群聚的最大允许距离；

35、设在所述缺陷集合中的邻居数量为，若满足如，将标记为核心点，将其与对应所有邻居点合并到同一群聚簇中，获得所述群聚缺陷；为最小点数阈值，表示一个群聚至少应包含的缺陷数量。

36、另一方面，本技术提供一种基于流式处理与时空建模的pcb缺陷关联分析装置，所述装置包括：

37、数据对齐模块，用于流式处理aoi设备端在全制程各工序的异构检测数据，并将不同工序下缺陷图像的像素坐标转换为基于pcb设计文件的设计坐标，进行数据对齐；

38、模型构建模块，用于将缺陷数据按空间网格、时间周期及物理层别进行聚合，构建表征缺陷分布的多维时空张量模型；

39、特征提取模块，用于在所述多维时空张量模型上执行空间统计分析，识别出缺陷聚集热点，并提取所述缺陷聚集热点在不同工序间的空间位置偏移特征；所述缺陷聚集热点是pcb板面上缺陷聚集度超过统计指标的区域；

40、模式预警模块，用于通过时间序列聚类识别所述缺陷聚集热点随时间变化的波动模式，并根据识别出的波动模式触发对应的工艺预警。

41、又一方面，本技术还提供一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现上述方面所述的pcb缺陷关联分析方法。

42、又一方面，本技术还提供一种计算机可读存储介质，所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现上述方面所述的pcb缺陷关联分析方法。

43、本技术实施例提供的技术方案带来的有益效果至少包括：通过数据标准化对齐、构建多维时空张量模型、提取聚集模式特征及异常模式预警，解决了背景技术中数据孤岛、无法跨工序关联缺陷、缺乏动态预警的问题，能有效解决不同工序间数据对齐问题、实现缺陷的时空关联分析、提高缺陷预警准确性和及时性的优点。