黃紫青

摘要：針對(duì)機(jī)器視覺(jué)的全自動(dòng)智能點(diǎn)膠機(jī)系統(tǒng)，提出了一種新的中心定位算法。分別采用重心法和面積積分法對(duì)PCB板進(jìn)行了芯片引腳識(shí)別與中心定位算法研究，再將兩種算法平均后進(jìn)行對(duì)比分析，實(shí)現(xiàn)了隨機(jī)分布下的PCB板芯片引腳的準(zhǔn)確定位。檢測(cè)結(jié)果表明，該方法能夠提高芯片引腳中心定位5%的準(zhǔn)確率。

關(guān)鍵詞：機(jī)器視覺(jué)；引腳識(shí)別；中心定位

DOIDOI：10.11907/rjdk.143674

中圖分類號(hào)：TP311.5

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)文章編號(hào)：16727800（2015）001006703

0 引言

當(dāng)今電子產(chǎn)品逐步向微型化、高速、高精度、全智能的方向發(fā)展。自動(dòng)點(diǎn)膠技術(shù)作為電子產(chǎn)業(yè)不可分離的重要部分，不僅提高了產(chǎn)品封裝的效率和速度，在很大程度上節(jié)省了成本，而且由于其高效自動(dòng)化，在電子制造業(yè)中應(yīng)用越來(lái)越廣泛。

自動(dòng)點(diǎn)膠貼片是利用先進(jìn)的機(jī)器視覺(jué)技術(shù)，配合機(jī)器人等控制裝置，高效快速完成點(diǎn)膠操作。目前，國(guó)內(nèi)的全自動(dòng)點(diǎn)膠機(jī)系統(tǒng)大部分來(lái)自國(guó)外，國(guó)內(nèi)在這方面的研究還處于發(fā)展階段。由于行業(yè)信息不全，各種設(shè)備魚龍混雜，在點(diǎn)膠質(zhì)量、節(jié)能、環(huán)保以及成本等方面不能滿足人們的需求。本文對(duì)點(diǎn)膠的芯片引腳進(jìn)行了圖像識(shí)別和中心定位算法研究。

1 系統(tǒng)方案設(shè)計(jì)

1.1 自動(dòng)點(diǎn)膠系統(tǒng)設(shè)計(jì)

自動(dòng)點(diǎn)膠系統(tǒng)[1]由工控機(jī)、點(diǎn)膠機(jī)（機(jī)器人）、空氣壓縮機(jī)、視覺(jué)檢測(cè)系統(tǒng)和光源等組成，系統(tǒng)框圖如圖1所示，系統(tǒng)實(shí)物如圖2所示，工作原理如下：將需要點(diǎn)膠的芯片隨機(jī)放在工作臺(tái)，給予適合的光照強(qiáng)度，視覺(jué)檢測(cè)系統(tǒng)通過(guò)檢測(cè)芯片，識(shí)別定位出芯片的引腳中心位置[2]，將數(shù)據(jù)反饋到主機(jī)中，再控制機(jī)器人進(jìn)行點(diǎn)膠操作。

自動(dòng)點(diǎn)膠系統(tǒng)中，視覺(jué)檢測(cè)系統(tǒng)最為關(guān)鍵。由于芯片的高度集成化，芯片之間的間距越來(lái)越小，檢測(cè)識(shí)別的難度越來(lái)越大，精度要求也越來(lái)越高[3]，而且由于生產(chǎn)的自動(dòng)化，速度也越來(lái)越快。因此，高速、高精度的視覺(jué)檢測(cè)系統(tǒng)就顯得越來(lái)越重要。

圖1 系統(tǒng)框圖

1.2 視覺(jué)檢測(cè)系統(tǒng)

視覺(jué)檢測(cè)系統(tǒng)的功能模塊包括圖像采集與顯示模塊、圖像處理模塊以及檢測(cè)結(jié)果輸出部分。

（1）圖像的采集與顯示模塊包括圖像傳感器以及A/D轉(zhuǎn)換器等，主要功能是在合適的光源照度下進(jìn)行圖像的采集，并轉(zhuǎn)換為需要的圖片格式進(jìn)行顯示和存儲(chǔ)。

（2）圖像處理模塊是整個(gè)系統(tǒng)的核心，它主要根據(jù)需要，提取目標(biāo)圖像的特征信息進(jìn)行中心定位。

（3）圖像輸出部分是把圖像處理后所存儲(chǔ)的數(shù)字陣列圖像變換為適于人們理解的形式。

本文基于VC2010和Opencv，對(duì)CCD攝像頭采集的芯片圖像進(jìn)行圖像處理和編程仿真，最終實(shí)現(xiàn)芯片引腳定位。

圖2 系統(tǒng)實(shí)物

2 芯片引腳定位與識(shí)別算法

2.1 圖像預(yù)處理

預(yù)處理主要是圖像增強(qiáng)中的濾波過(guò)程，常用的圖像濾波[4]有均值濾波、中值濾波和高斯濾波。

（1）均值濾波是典型的線性濾波算法，主要方法為鄰域平均法，即用一片圖像區(qū)域各個(gè)像素的均值來(lái)代替原圖像中的各個(gè)像素值。均值濾波不能很好地保護(hù)圖像細(xì)節(jié)，去噪的同時(shí)也破壞了圖像的細(xì)節(jié)部分，從而使圖像變得模糊，不能很好地去除噪聲點(diǎn)。

（2）中值濾波[5]是一種典型的非線性濾波技術(shù)，基本思想是用像素點(diǎn)鄰域灰度值的中值來(lái)代替該像素點(diǎn)的灰度值。該算法缺點(diǎn)是對(duì)所有像素點(diǎn)采用一致的處理，可能會(huì)改變真實(shí)像素點(diǎn)的值，引入誤差，損壞圖像的邊緣和細(xì)節(jié)。

（3）高斯濾波是一種線性平滑濾波，廣泛應(yīng)用于圖像處理的減噪過(guò)程。高斯濾波對(duì)整幅圖像進(jìn)行加權(quán)平均，每一個(gè)像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其它像素值經(jīng)過(guò)加權(quán)平均后得到。雖然高斯濾波的效率不是最高的，但是在保留信號(hào)的條件下，高斯濾波能夠很好地減少噪聲，對(duì)于抑制服從正態(tài)分布的噪聲非常有效，故本文選擇高斯濾波，其一維高斯函數(shù)為：

G（x）=1[]2πσe-x2[]2σ2

（1）

二維高斯函數(shù)為：

G（x，y）=1[]2πσ2e-x2+y2[]2σ2

（2）

2.2 特征匹配與分割

工作臺(tái)上隨機(jī)放置的PCB板不會(huì)非常整齊，濾波后，需要對(duì)芯片的位置進(jìn)行定位。PCB板上芯片是一塊類似正方形的區(qū)域，可先對(duì)其進(jìn)行模版匹配[6]。首先讓計(jì)算機(jī)學(xué)習(xí)芯片板塊，提取出芯片的幾何特征后，再根據(jù)機(jī)器視覺(jué)檢測(cè)，準(zhǔn)確找到需要處理的芯片位置。再將黑色圖像與芯片的中心區(qū)域進(jìn)行圖像融合[7]，得到融合后的圖像。

以芯片中心為目標(biāo)點(diǎn)，以芯片的引腳到芯片中心為正方形邊長(zhǎng)的1/2進(jìn)行圖像限定，采用雙閾值方式進(jìn)行圖像分割，最終得到芯片的二值化引腳圖像。

2.3 中心定位算法及其改進(jìn)

中心定位[89]是算法的關(guān)鍵部分，決定了圖像處理后芯片引腳中心位置的精度和準(zhǔn)確性。常見的中心定位算法有形心法、灰度重心法、霍夫變換法以及面積積分法等。

（1）高斯加權(quán)重心法。高斯加權(quán)濾波具有很好的去噪聲能力，公式如下：

（3）

高斯加權(quán)濾波在計(jì)算中采用高斯濾波后的像素值進(jìn)行計(jì)算，其中，F(xiàn)（x，y）表示輸出的圖像數(shù)據(jù)灰度值，g（x，y）表示高斯濾波系數(shù)，I（x，y）表示經(jīng)過(guò)高斯濾波的圖像數(shù)據(jù)。

（2）面積積分法。對(duì)于一個(gè)封閉的圖形，根據(jù)微積分理論，其中心坐標(biāo)可由下式得到：

式中，x和y代表單元點(diǎn)的坐標(biāo)，ρ（x，y）代表單元點(diǎn)的密度，D代表整個(gè)區(qū)域。當(dāng)ρ（x，y）=1時(shí)，區(qū)域的重心和形心重合，S表示區(qū)域的面積。為了能夠用計(jì)算機(jī)計(jì)算區(qū)域的中心位置，必須對(duì)公式（4）離散化，離散化后的公式為：

面積積分法必須進(jìn)行角度的計(jì)算，對(duì)于矩形的計(jì)算會(huì)有一定的誤差，可能導(dǎo)致最終的坐標(biāo)偏移；重心法計(jì)算平均值，可以有效計(jì)算出邊緣的中心，但是若有邊緣像素丟失，也會(huì)導(dǎo)致坐標(biāo)發(fā)生偏移。

本文采用面積積分法先對(duì)圖像進(jìn)行第一次中心定位，較為準(zhǔn)確地限定中心位置，將得到的數(shù)據(jù)保存，再使用重心法對(duì)圖像進(jìn)行第二次中心定位，得到重心坐標(biāo)。對(duì)每一行和每一列進(jìn)行均值計(jì)算，得到一組相對(duì)準(zhǔn)確的X或Y坐標(biāo)，然后再與原來(lái)的數(shù)據(jù)進(jìn)行對(duì)比，若兩者差小于1，則原來(lái)的數(shù)據(jù)是中心，若兩者差大于1，則表示原來(lái)的數(shù)據(jù)發(fā)生了偏移，這時(shí)選取均值作為新的中心。

3 實(shí)驗(yàn)結(jié)果與誤差分析

3.1 實(shí)驗(yàn)結(jié)果對(duì)比

實(shí)驗(yàn)采用的是大恒圖像的DHHV5051UCM相機(jī)及16mm鏡頭，基于VC2010[10]和OpenCV[11]平臺(tái)對(duì)采集到的圖像進(jìn)行濾波，濾波后的結(jié)果如圖3所示。圖3（a）為原始圖像，圖3（b）為均值濾波，在圖像去噪時(shí)丟失了一些細(xì)節(jié)，圖3（c）為中值濾波，沒(méi)有很好保留邊緣細(xì)節(jié)，圖3（d）為高斯濾波，能夠使圖像變得更為平滑，并且能夠有效去除高斯噪聲，所以實(shí)驗(yàn)中選取高斯濾波方式。

圖3 濾波結(jié)果對(duì)比

濾波后，對(duì)圖像進(jìn)行了特征匹配，見圖4（a），得到融合后的圖像，見圖4（b）。對(duì)圖像進(jìn)行融合后再進(jìn)行雙閾值分割，獲得了二值化的芯片引腳圖，見圖4（c）。

圖4 引腳提取結(jié)果

根據(jù)重心法特點(diǎn)，獲取每個(gè)閉合輪廓的重心位置，如圖5（a）所示。本文提出的算法是基于重心法的面積改進(jìn)，由于每個(gè)引腳的面積是相同的，所以每一排引腳的中心位置在X/Y軸上呈現(xiàn)直線排列。本文的算法能夠更準(zhǔn)確地找到中心的位置，如圖5（b）所示。

圖5（a） 重心法獲取重心位置 圖5（b）重心法改進(jìn)算法

3.2 誤差分析

采用傳統(tǒng)的重心法和本文改進(jìn)算法所得的中心坐標(biāo)，在面積輪廓發(fā)生改變的情況下會(huì)有一些差別。采用X/Y坐標(biāo)對(duì)比分析，發(fā)現(xiàn)重心法在傳統(tǒng)的中心定位中會(huì)局限于像素的大小而導(dǎo)致中心發(fā)生偏移。由于在圖像采集過(guò)

程中可能會(huì)有部分邊緣的效果不是很好，所以提取出的最終結(jié)果會(huì)略有偏差，如圖6中X坐標(biāo)對(duì)比的坐標(biāo)偏移，Y的坐標(biāo)變化幾乎不變。本文提出的算法可以對(duì)其進(jìn)行改進(jìn)，能夠校正2個(gè)發(fā)生偏移的X坐標(biāo)，將準(zhǔn)確率提高5%。

圖6 坐標(biāo)對(duì)比

4 結(jié)語(yǔ)

本文研究了智能點(diǎn)膠系統(tǒng)關(guān)鍵技術(shù)，建立了視覺(jué)檢測(cè)軟硬件系統(tǒng)，獲得了清晰易處理的引腳圖像。利用圖像技術(shù)以及平面幾何知識(shí)，實(shí)現(xiàn)了對(duì)芯片引腳中心位置的檢測(cè)與定位。實(shí)驗(yàn)中采取的閾值根據(jù)需要確定，對(duì)于不同的需求采用不同的閾值進(jìn)行分割，結(jié)果表明該視覺(jué)檢測(cè)方法可以很好地檢測(cè)出引腳位置和中心，應(yīng)用前景廣闊。