黃紫青

摘要：針對機器視覺的全自動智能點膠機系統(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PCB板進行了芯片引腳識別與中心定位算法研究，再將兩種算法平均后進行對比分析，實現(xiàn)了隨機分布下的PCB板芯片引腳的準確定位。檢測結(jié)果表明，該方法能夠提高芯片引腳中心定位5%的準確率。

關鍵詞：機器視覺；引腳識別；中心定位

DOIDOI：10.11907/rjdk.143674

中圖分類號：TP311.5

文獻標識碼：A 文章編號文章編號：16727800（2015）001006703

0 引言

當今電子產(chǎn)品逐步向微型化、高速、高精度、全智能的方向發(fā)展。自動點膠技術作為電子產(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化，在電子制造業(yè)中應用越來越廣泛。

自動點膠貼片是利用先進的機器視覺技術，配合機器人等控制裝置，高效快速完成點膠操作。目前，國內(nèi)的全自動點膠機系統(tǒng)大部分來自國外，國內(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，各種設備魚龍混雜，在點膠質(zhì)量、節(jié)能、環(huán)保以及成本等方面不能滿足人們的需求。本文對點膠的芯片引腳進行了圖像識別和中心定位算法研究。

1 系統(tǒng)方案設計

1.1 自動點膠系統(tǒng)設計

自動點膠系統(tǒng)[1]由工控機、點膠機（機器人）、空氣壓縮機、視覺檢測系統(tǒng)和光源等組成，系統(tǒng)框圖如圖1所示，系統(tǒng)實物如圖2所示，工作原理如下：將需要點膠的芯片隨機放在工作臺，給予適合的光照強度，視覺檢測系統(tǒng)通過檢測芯片，識別定位出芯片的引腳中心位置[2]，將數(shù)據(jù)反饋到主機中，再控制機器人進行點膠操作。

自動點膠系統(tǒng)中，視覺檢測系統(tǒng)最為關鍵。由于芯片的高度集成化，芯片之間的間距越來越小，檢測識別的難度越來越大，精度要求也越來越高[3]，而且由于生產(chǎn)的自動化，速度也越來越快。因此，高速、高精度的視覺檢測系統(tǒng)就顯得越來越重要。

圖1 系統(tǒng)框圖

1.2 視覺檢測系統(tǒng)

視覺檢測系統(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行圖像的采集，并轉(zhuǎn)換為需要的圖片格式進行顯示和存儲。

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

（3）圖像輸出部分是把圖像處理后所存儲的數(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CCD攝像頭采集的芯片圖像進行圖像處理和編程仿真，最終實現(xiàn)芯片引腳定位。

圖2 系統(tǒng)實物

2 芯片引腳定位與識別算法

2.1 圖像預處理

預處理主要是圖像增強中的濾波過程，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)域各個像素的均值來代替原圖像中的各個像素值。均值濾波不能很好地保護圖像細節(jié)，去噪的同時也破壞了圖像的細節(jié)部分，從而使圖像變得模糊，不能很好地去除噪聲點。

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

（3）高斯濾波是一種線性平滑濾波，廣泛應用于圖像處理的減噪過程。高斯濾波對整幅圖像進行加權平均，每一個像素點的值，都由其本身和鄰域內(nèi)的其它像素值經(jīng)過加權平均后得到。雖然高斯濾波的效率不是最高的，但是在保留信號的條件下，高斯濾波能夠很好地減少噪聲，對于抑制服從正態(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

工作臺上隨機放置的PCB板不會非常整齊，濾波后，需要對芯片的位置進行定位。PCB板上芯片是一塊類似正方形的區(qū)域，可先對其進行模版匹配[6]。首先讓計算機學習芯片板塊，提取出芯片的幾何特征后，再根據(jù)機器視覺檢測，準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)域進行圖像融合[7]，得到融合后的圖像。

以芯片中心為目標點，以芯片的引腳到芯片中心為正方形邊長的1/2進行圖像限定，采用雙閾值方式進行圖像分割，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

中心定位[89]是算法的關鍵部分，決定了圖像處理后芯片引腳中心位置的精度和準確性。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）高斯加權重心法。高斯加權濾波具有很好的去噪聲能力，公式如下：

（3）

高斯加權濾波在計算中采用高斯濾波后的像素值進行計算，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)過高斯濾波的圖像數(shù)據(jù)。

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

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

面積積分法必須進行角度的計算，對于矩形的計算會有一定的誤差，可能導致最終的坐標偏移；重心法計算平均值，可以有效計算出邊緣的中心，但是若有邊緣像素丟失，也會導致坐標發(fā)生偏移。

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

3 實驗結(jié)果與誤差分析

3.1 實驗結(jié)果對比

實驗采用的是大恒圖像的DHHV5051UCM相機及16mm鏡頭，基于VC2010[10]和OpenCV[11]平臺對采集到的圖像進行濾波，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，在圖像去噪時丟失了一些細節(jié)，圖3（c）為中值濾波，沒有很好保留邊緣細節(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，所以實驗中選取高斯濾波方式。

圖3 濾波結(jié)果對比

濾波后，對圖像進行了特征匹配，見圖4（a），得到融合后的圖像，見圖4（b）。對圖像進行融合后再進行雙閾值分割，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，獲取每個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，由于每個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）重心法改進算法

3.2 誤差分析

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

程中可能會有部分邊緣的效果不是很好，所以提取出的最終結(jié)果會略有偏差，如圖6中X坐標對比的坐標偏移，Y的坐標變化幾乎不變。本文提出的算法可以對其進行改進，能夠校正2個發(fā)生偏移的X坐標，將準確率提高5%。

圖6 坐標對比

4 結(jié)語

本文研究了智能點膠系統(tǒng)關鍵技術，建立了視覺檢測軟硬件系統(tǒng)，獲得了清晰易處理的引腳圖像。利用圖像技術以及平面幾何知識，實現(xiàn)了對芯片引腳中心位置的檢測與定位。實驗中采取的閾值根據(jù)需要確定，對于不同的需求采用不同的閾值進行分割，結(jié)果表明該視覺檢測方法可以很好地檢測出引腳位置和中心，應用前景廣闊。