羅振威 丁躍澆 甘玉坤

摘 ?要： 為解決貼片機(jī)由于貼片元件中心定位精度不夠?qū)е沦N片過(guò)程中可能出現(xiàn)的拋料、貼片芯片引腳損壞等情況，本文設(shè)計(jì)一種基于邊緣數(shù)據(jù)擬合的貼片芯片中心定位算法，實(shí)現(xiàn)了對(duì)貼片芯片中心的亞像素級(jí)高精度定位。并在此基礎(chǔ)上，利用檢測(cè)出來(lái)的中心坐標(biāo)計(jì)算出芯片離吸嘴的基準(zhǔn)偏差，得到芯片的中心偏移量。并且通過(guò)線性擬合得到的邊緣線，計(jì)算出芯片的旋轉(zhuǎn)角。在算法過(guò)程中加入了去倒角算法去除倒角信息對(duì)擬合的影響，更好地提高檢測(cè)結(jié)果的穩(wěn)定性。由程序運(yùn)行結(jié)果可知該算法提高了貼片機(jī)的貼片精度，特別對(duì)檢測(cè)芯片偏轉(zhuǎn)角度有著良好的效果，同時(shí)相對(duì)其他亞像素檢測(cè)算法保證了檢測(cè)過(guò)程的效率。

關(guān)鍵詞： 光學(xué)測(cè)量;貼片機(jī);中心定位;邊緣檢測(cè);亞像素;數(shù)據(jù)擬合

中圖分類號(hào)： TP391;TP23 ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ?DOI：10.3969/j.issn.1003-6970.2020.06.041

本文著錄格式：羅振威，丁躍澆，甘玉坤. 基于邊緣線性擬合的芯片亞像素定位算法[J]. 軟件，2020，41（06）：204207

【Abstract】： In order to solve the problem that the placement machine may not be caused by the centering accuracy of the chip component， the throwing of the chip and the pin of the chip may be damaged. In this paper， a center localization algorithm based on edge data fitting is designed to achieve high-precision sub-pixel positioning of the chip center. Based on this， the measured center deviation is used to calculate the reference deviation of the chip from the nozzle， obtain the center offset of the chip. And calculate the rotation angle of the chip by linearly fitting the obtained edge line. In the algorithm process， the de-chamfering algorithm is added to remove the influence of chamfering information on the fitting， and the stability of the detection result is better improved. It can be seen from the running results of the program that the algorithm improves the placement accuracy of the placement machine， and has a good effect on detecting the deflection angle of the chip， and the efficiency of the detection process is ensured compared with other sub-pixel detection algorithms.

【Key words】： Optical measurement; Mounter; Center positioning; Edge detection; Sub-pixel; Data fitting

0 ?引言

隨著現(xiàn)在手機(jī)、電腦等電子產(chǎn)品的快速更新?lián)Q代，電子芯片也隨著向高速、高集成度、微型等趨勢(shì)發(fā)展。傳統(tǒng)的插入式電子芯片組裝方式因?yàn)樾实?、精度低、人工成本高等原因慢慢由高自?dòng)化的SMT（表面貼裝技術(shù)）所代替。而貼片機(jī)作為SMT技術(shù)的核心，如何提高貼片機(jī)的性能依然是現(xiàn)在研究的重點(diǎn)。中國(guó)在貼片機(jī)領(lǐng)域的發(fā)展歷史較短，現(xiàn)在國(guó)內(nèi)的高速貼片機(jī)領(lǐng)域一直被國(guó)外霸占[1]，因此對(duì)于提出智能制造強(qiáng)國(guó)的中國(guó)而言，如何提高貼片機(jī)性能使得中國(guó)的SMT技術(shù)立于世界前列是中國(guó)彰顯制造強(qiáng)國(guó)的又一著重點(diǎn)。近幾十年來(lái)，國(guó)內(nèi)用于提高貼片芯片的定位和匹配精度的算法絡(luò)繹不絕。

蔡競(jìng)提出的基于圖像輪廓的中心定位算法[2]，該算法對(duì)芯片的輪廓進(jìn)行矩形擬合，從而很簡(jiǎn)單得到芯片的中心坐標(biāo)，該算法簡(jiǎn)單且檢測(cè)結(jié)果穩(wěn)定，但得到的坐標(biāo)是整像素級(jí)，且無(wú)法檢測(cè)芯片的偏轉(zhuǎn)角。而自20世紀(jì)70年代Hueckel提出了亞像素邊緣檢測(cè)技術(shù)之后，用亞像素細(xì)分提高檢測(cè)精度的技術(shù)開始快速發(fā)展。發(fā)展到現(xiàn)在主要分為三大類：擬合法、矩方法和插值法[2]。但工業(yè)視覺檢測(cè)環(huán)境較復(fù)雜，因此在原有基礎(chǔ)上工作人員對(duì)原有算法進(jìn)行改進(jìn)。例如韓東等人提出的一種基于高斯擬合的亞像素邊緣定位算法。該算法的檢測(cè)精度達(dá)到亞像素級(jí)，但程序較復(fù)雜且對(duì)圖像要求較高。因此本文為了降低檢測(cè)算法的復(fù)雜度又能達(dá)到檢測(cè)精度要求提出了一種基于邊緣坐標(biāo)線性擬合的貼片芯片定位算法。通過(guò)提高貼片機(jī)的檢測(cè)精度和檢測(cè)速度保證貼片的準(zhǔn)確性和效率從而提高貼片機(jī)的性能。

1 ?芯片圖像預(yù)處理

圖像預(yù)處理過(guò)程就是對(duì)圖像進(jìn)行一些前期的像素級(jí)處理，讓圖像的特征更好的顯示出來(lái)。常用的圖像預(yù)處理過(guò)程有圖像增強(qiáng)和濾波、圖像分割等[3-5]。

1.1 ?圖像濾波

攝像機(jī)在獲取和傳輸圖像過(guò)程中不可避免的會(huì)摻雜噪音，導(dǎo)致圖像質(zhì)量下降，因此如何降低和抑制噪音的干擾對(duì)后期圖像處理起著決定性的作用。視覺系統(tǒng)采集圖像大多由工業(yè)攝像機(jī)完成，而工業(yè)相機(jī)采集的圖像噪點(diǎn)符合高斯模型，因此采用高斯濾波用于降低圖像中的噪聲影響。

1.3 ?邊緣檢測(cè)

在圖像檢測(cè)中邊緣檢測(cè)是極其重要的一個(gè)步驟。圖像的邊緣是圖像的基本特征之一，也是后續(xù)的圖像識(shí)別和測(cè)量的基礎(chǔ)，而圖像邊緣在圖像中表現(xiàn)為圖像局部灰度變化顯著的部分，主要存在于場(chǎng)景中目標(biāo)與背景之間、區(qū)域之間的邊界處[8-9]。大多數(shù)邊緣檢測(cè)算法都基于圖像梯度而得到，而林卉等人通過(guò)對(duì)比常用簡(jiǎn)單邊緣檢測(cè)算法發(fā)現(xiàn)Canny算法相對(duì)于其他算法有著效果好、速度快和可擴(kuò)展性好等優(yōu)點(diǎn)[10]。

2 ?邊緣坐標(biāo)的線性擬合

通過(guò)Canny得到邊緣坐標(biāo)后發(fā)現(xiàn)倒角處的邊緣數(shù)據(jù)對(duì)擬合結(jié)果有著一定的影響。因此為了得到好的擬合效果需要在數(shù)據(jù)擬合前將倒角處的邊緣信息去除。

2.1 ?去倒角

首先通過(guò)對(duì)芯片輪廓中心的計(jì)算得到芯片中心的大致位置（x0，y0），再計(jì)算出芯片上所有邊緣點(diǎn)到芯片中心（x0，y0）的歐氏距離，取距離的最大值和最小值的平均值為判斷閾值T0。T0值確定后，若邊緣點(diǎn)到芯片中心的距離小于T0時(shí)，則判定該點(diǎn)為需要保留的線性邊緣點(diǎn)，若邊緣點(diǎn)到芯片中心的距離大于T0時(shí)，則判定該點(diǎn)為需要去除的倒角邊緣點(diǎn)，進(jìn)行剔除，原理如下圖1（a）所示，圖中白色圓為去倒角判定圓，圓心為（x0，y0），半徑為T0。

4 ?結(jié)語(yǔ)

本文提出了一種基于數(shù)據(jù)線性擬合的定位算法。采用線性擬合去提取邊緣信息，再通過(guò)計(jì)算得出亞像素中心精度和偏轉(zhuǎn)角度。從實(shí)驗(yàn)結(jié)果表明提出的檢測(cè)算法與常用檢測(cè)算法比較具有更高的中心檢測(cè)精度，特別是在偏轉(zhuǎn)角的檢測(cè)中。與高斯擬合算法比較，在達(dá)到同等精度的條件下改進(jìn)算法需要的時(shí)間更少。而在擬合過(guò)程中由于倒角信息對(duì)擬合的影響本文提出了一種去倒角算法，更好的提高了芯片檢測(cè)定位的穩(wěn)定性和精確性。通過(guò)該算法能有效降低貼片機(jī)貼片過(guò)程中由于精度不夠?qū)е碌膾伭犀F(xiàn)象，提高貼片機(jī)的貼片效率和貼片合格率，具有很高的工業(yè)研究?jī)r(jià)值。

參考文獻(xiàn)

[1] 范慶麗， 苗靜， 劉旭丹. SMT貼片機(jī)常見故障及處理方式[J]. 中國(guó)新技術(shù)新品， 2012（18）： 129.

[2] 蔡競(jìng)， 一種基于矩形擬合的LED貼片機(jī)元件定位算法[J]. 科學(xué)技術(shù)與工程， 2014（21）： 271-274.

[3] 師紅宇， 任小玲. 基于機(jī)器視覺的棉花異性纖維識(shí)別方法[J]. 軟件， 2018， 39（2）： 32-34.

[4] 葉詩(shī)韻， 黃志成. 基于人臉識(shí)別的考生身份識(shí)別應(yīng)用研究[J]. 軟件， 2018， 39（12）： 37-39

[5] 侯貴洋， 趙桂杰， 王璐瑤. 草莓采摘機(jī)器人圖像識(shí)別系統(tǒng)研究[J]. 軟件， 2018， 39（6）： 184-188.

[6] 曹妍， 陳偉. 基于 MATLAB 圖像處理的藥片計(jì)數(shù)方法研究[J]. 軟件， 2018， 39（9）： 13-15.

[7] 盧軍， 寸毛毛. 基于貼片機(jī)視覺系統(tǒng)的SIM芯片識(shí)別定位算法[J]. 包裝工程， 2017， 38（21）： 103-108.

[8] 黃紫青， 曾祥進(jìn). 基于機(jī)器視覺的芯片引腳識(shí)別與中心定位算法研究[J]. 軟件導(dǎo)刊， 2015（1）： 67-69.

[9] 黃紫青， 曾祥進(jìn). 基于機(jī)器視覺的芯片引腳識(shí)別與中心定位算法研究[J]. 軟件導(dǎo)刊， 2015（1）： 67-69.

[10] 黃紫青， 曾祥進(jìn). 基于機(jī)器視覺的芯片引腳識(shí)別與中心定位算法研究[J]. 軟件導(dǎo)刊， 2015， 14（01）： 67-69.

[11] GUO Jing， LUO Hua. High Precision Screw Positioning Method Based on Machine Vision[J]. Navigation and Control， 2016， 15（3）： 106-112.

[12] 洪奔奔， 管聲啟， 任浪， 等. 基于特征提取與匹配的帶鋼缺陷檢測(cè)[J]. 軟件， 2018， 39（9）： 31-34.