基于機器視覺的SMD字符缺陷檢測

劉 偉，韓震宇

（四川大學 制造科學與工程學院，四川 成都 610065）

隨著電子通信及相關技術的發展，電子元器件越來越多地被用于生活中的電子設備中，并且每種芯片上都標有制造商、產品的規格型號等信息[1]。同時，SMD也越來越多地被應用于電子產品中。對大多數SMD字符傳統方式檢測來講，工人的需求量大且檢測效率低，也存在著較多的不可靠因素。為了解決這些問題，機器視覺也被越來越多地應用于制造業等不同的領域中，并且能夠為企業和社會帶來一定的利益。

1 SMD檢測系統硬件組成

檢測系統由工業相機、工業鏡頭、圖像采集卡、工業光源、起偏震片、PC機以及機械結構和機械傳動等構成。通過檢測精度、檢測速度、視野范圍、工作距離、工件尺寸來選取合適的工業相機和工業鏡頭。通過數據傳輸的大小進行圖像采集，本文采用漫反射條形組合光源。為了提高字符與背景的對比度，降低輻照與輻射強度，采用起振片和偏振片。起振片可以將光源發出來的光變成偏振光，放置于光源位置處；偏振片安裝于工業相機鏡頭前，對偏振光進行一定的遮蔽，偏振光經過漫反射后將變成自然光，經過鏡面發射后仍然是偏振光[2]。打光方式采用正面明視場。根據測試分選機工位條件的限制，將光源布置在芯片的正上方，通過螺紋絲桿調節光源距SMD芯片的距離。

2 SMD檢測系統算法設計

SMD字符在線實時檢測對檢測速度和檢測精度有較高的要求，包括字符定位、字符分割、字符匹配在實時性上都有較高的要求。在PC機上，通過多線程技術提高CPU的利用率，提高系統的處理速度。本文利用設計定位塊的方式來提高檢測字符區域的效率，通過基于灰度方式的水平垂直投影進行字符的局部分割，利用基于圖像采集結果和分割結果進行全局與局部模板匹配，以保證檢測的精度。

2.1 字符定位

字符定位通過設計金屬定位塊的方式，利用金屬材料在光源輻照下的輻射特性與SMD的差異性提高對比度來進行快速定位。金屬定位塊如圖1所示。

2.2 字符分割

在進行字符分割之前，要進行SMD芯片的位姿矯正。SMD的歐式運動是先旋轉、后平移的組合，所以可以用剛體運動來表示位姿[3]。利用二值化圖像的像素分布直方圖進行分析，從而找出相鄰字符的分界點進行分割。圖2所示是利用垂直投影切分的方式進行字符切割的結果[4]，切割結果如圖3所示。

圖1 SMD金屬定位塊

圖2 垂直投影圖

圖3 SMD采集原圖像及切分結果

2.3 字符缺陷識別

字符缺陷識別采用基于邊緣特征的模板匹配。模板匹配的基本思想是讓模板在目標圖像中做平移運動，將模板左上角和待檢測的圖像左上角重合，每移動一個像素，計算模板與待匹配圖像的相似度，遍歷結束之后，將符合閾值的位置認定為最佳匹配位置?；诨叶鹊幕ハ嚓P模板匹配是通過用模板圖像遍歷待匹配圖像，每移動一個像素，計算對應部分的互相關值，將互相關值的最大值作為最佳匹配位置。基于灰度的互相關模板匹配缺點是在光場不均勻情況下，不具有魯棒性。歸一化互相關系數法是一個亮度、對比度線性不變量，能夠明顯改善光照的線性變化帶來的影響。但是隨著圖像分辨率的提高，圖像匹配的時間會增加，匹配準確度也存在差異，甚至會發生匹配失效的情況，并且由于半導體芯片的位姿和完整性等存在差異，會引起光照的非線性變化，這會導致圖像的灰度差異大，進而導致模板匹配結果不準確[5]。較于基于灰度的互相關模板匹配，基于邊緣的模板匹配不需要建立兩幅圖像之間點的對應關系，具有較好的魯棒性[6]。模板由目標圖像邊緣的一系列點組成，本文所采用的模板如圖4所示。Hausdorff距離是點的集合A到點的集合B中最近點的最大距離，是一個極大化極小函數，定義為：

式（1）中：a，b分別是集合A和集合B中的點；d（a，b）是集合A到集合B中點之間距離的一種度量。

更一般的定義為：H（A，B）＝max{h（A，B），h（B，A）}.兩個距離h（A，B）和h（B，A）稱為A到B的前向和后向Hausdorff距離。

2.4 合格度判斷

SMD字符缺陷合格度包括模板匹配的相似度、字符較于SMD本身的旋轉角度、字符相對于SMD本身位置偏移，3個指標同時滿足，則認定為合格。

3 實驗及結果

下面是基于邊緣模板匹配對芯片表面字符的檢測，圖5（a）是待檢測的SMD字符，圖5（b）是匹配得到的結果。

圖4 基于邊緣匹配的整體與局部模板圖像

圖5 對芯片表面字符的檢測

4 結束語

基于機器視覺的SMD字符檢測技術在自動化識別領域應用非常廣泛。芯片表面的制造商、產品的規格型號參數等對于使用者來說十分重要。本文通過設計SMD專用定位塊的方式解決字符搜索定位，通過投影切分來進行字符的分割，作為整體和局部字符匹配，提高字符檢測的準確性，整體上在魯棒性、實時性、準確性上能夠滿足企業字符識別的要求。

參考文獻：

［1］章士瀛.21世紀電子元件的發展趨勢［J］.電子元件與材料，1999，18（1）：29-31.

［2］Carsten Steger，Markus Ulrich，Christian Wiedemann.機器視覺算法與應用［M］.楊少榮，吳迪靖，段德山，譯.北京：清華大學出版社，2008：14-15.

［3］章毓晉.圖像工程（上冊）［M］.北京：清華大學出版社，2012：132-133.

［4］Nijhuis JA G，BruggeM H T，HelmholtK A，et al.CarLicense Plate Recognition with Neural Networks and Fuzzy Logic［G］//Proceedings of IEEE International Conference on Neural Networks，Perth：IEEE，1995：2232-2236.

［5］陳沈軼，錢徽，吳錚，等.模板圖像匹配中互相關的一種快速算法［J］.傳感技術學報，2007（6）：1325-1329.

［6］黃先學.基于機器視覺的SMD芯片外觀質量檢測系統的研發［D］.成都：四川大學，2014：39.