《CCD影像设计的案例综述》2100字.docx

CCD影像设计的案例综述

目录

TOC\o1-2\h\u17594CCD影像设计的案例综述 1

238451.1图像定位预处理 1

231621.1.1利用区域增长法求取特征点 1

95771.1.2元器件的缺陷识别 2

306581.2误差补偿 3

131771.1.1元器件的偏移 3

172821.1.2元器件中心与角度的误差补偿 3

1.1图像定位预处理

1.1.1利用区域增长法求取特征点

SMT贴片机的视觉效果成像系统设计直接影响视觉识别系统、制造智能管理系统和运动系统之间的协作程度。此外，图像质量也是对贴片设备视觉识别系统的定位精度产生了直接的影响，因此，它已成为影响SMT贴片机精度的不可忽略的因素。一方面，它显示了视觉定位识别特征，在对Carrier基板和元器件的检测中，特征点的提取通常不固定，常用的有矩形、圆孔、以及十字形。区域增长法是一种基于相同对象区域中像素的相似特征来收集像素点的方法[7]，基本概念是基于一些原始的生长种子（种子可以是单独定义的像素），并且此类种子的周围区域具有相似的定义，并合并到种子定义所属的区域中，从而产生新的种子像素[8]，直到当前的区域不能再这样合并。将图像二值化后，所有图像均显示出明显的黑白实际效果，背景区域是灰黑色，而白色区域是包含组件的特征点，如图2-1所示。区域增长法的目的是检索所有的白色区域，图2-1中背景的阈值是0，为黑色，前景的阈值是255为白色，这样就将整张图像分成了黑色的背景和白色的前景[9]，同时又没有了其他灰度值像素点的干扰。一个二值化图像中任何一点的灰阶值都可以由函数表示，则(x，y)表示其中一个像素的点的位置。从图像的起点(x0，y0)开始逐渐有哪些信誉好的足球投注网站，当检索到第一个白色点，即f(x，y)=255时，记录下该点的坐标(x1，y1)。从这一刻开始，该区域的第一轮区域增长开始，看其灰阶值是否为255，如果灰阶值为255的像素，则该点将被放入堆栈中，如果没有，则从堆栈中移出到下一个点，并从头开始检索直到堆栈中的最后一个点为止，然后就完全检索出此白色区域。算法流程如图2-2所示。

图2-1提取芯片白色特征点示意图

图2-2区域生长法的算法流程

1.1.2元器件的缺陷识别

对于不同类型的芯片，取决于它们的准确度水平，成像条件和表面质量[10]，在前期制程就很可能会造成损坏，或者在自然环境中促使元器件表面上会存在崩边、脏污、划痕等，这将对最终检测的图像产生各种影响。区域增长法的设计主要是基于芯片的总面积来进行影响点的去除，根据区域增长法计算出的电子元件阈值为A(i)，设置电子元器件的总面积极限阈值为maxA和下限阈为值minA，如果minAA(i)maxA，则该电子元件为标准电子元件，否则为非标准电子元件。同时可获取该元器件的图像中心的偏移角度、中心坐标位置偏移等特征，且此类特征均以矩阵形式保存[11]，可将待测芯片的特征区域与相应的模板芯片特征区域进行比对，并设以一定误差范围，可以准确地区分和识别缺陷芯片，检测的缺陷芯片如图2-3所示。

图2-3缺陷芯片示意图

1.2误差补偿

1.1.1元器件的偏移

贴片元器件在整个精确定位过程中都有可能会发生偏移，偏移情况如图2-4所示，其中图2-4(a)表示元器件理想状态，图2-4(b)表示元器件中心位置偏移，图2-4(c)表示元器件的角度发生偏移，图2-4(d)表示元器件的中心位置和角度均发生偏移。

图2-4元器件偏移示意图

1.1.2元器件中心与角度的误差补偿

随着电子生产对贴装效率和精度的要求越来越高，视觉定位方法由于其高精度、高效率而成为现阶段的核心精密定位方法，是未来贴片设备定位系统发展的流行方向[12]。在识别电子元件的整个过程中，拾取系统不可避免地会出现机械设备的差异，这很容易导致系统的拾取系统对于元件的定位估计不准确，从而导致电子元器件产生角度偏移或位置偏差，但是对于贴片的精度会有很大差异。因此，除了用于贴片元器件的视觉识别系统的特征点之外，电子元件的角度偏差θ和位置偏差(?x，?y)的检测也不能忽略[13]。由于电子元器件基本上都是矩形或类似的矩形，因此采用图像分割的检测边缘法获得更清晰的边缘，并根据最大的内接矩形框和最小二乘法计算得出电子元器件的中心坐标，用线性合成平行线的方法[14]以获得元器件的偏转角和中心位置的偏移位置，并且可以精确地定位，最大的内接矩形框的优化算法是检查电子元器件的中心位置和角度合理而准确的方法[15]，最大的内接矩形框的法的理论基础是，从目标几何轮廓的总锚点到距锚点最远的4个像素，如图2-5所示。

图2-5最大内接矩形示意图

P1，P2，P3，P4是在总体轮廓边缘与目标中心相距最