基于中間尺度微小構(gòu)件機器視覺檢測技術(shù)研究.pdf

1、隨著微小型構(gòu)件及裝置日益增多，對其檢測需求也越來也大。本文針對中間尺度微小構(gòu)件的檢測需求，結(jié)合浙江省自然科學基金項目（LY13E050026）《基于中間尺度三維微小構(gòu)件精密檢測關(guān)鍵技術(shù)研究》，研究中間尺度圖像檢測相關(guān)理論，包括去噪，邊緣檢測和亞像素定位等問題。針對貼片式芯片的工業(yè)檢測，搭建硬件平臺，開發(fā)軟件系統(tǒng)，剔除不合格品，確定合格品的正負極性、中心位置和旋轉(zhuǎn)角度等。
　　在中間尺度圖像檢測系統(tǒng)中，由于視場小、鏡頭多，光照不均勻

2、和鏡頭畸變對圖像質(zhì)量的影響十分明顯。本文對本實驗的檢測系統(tǒng)進行了光照不均勻校正和鏡頭畸變校正。光照不均勻標定選用灰度值均勻的標定板，由標定板灰度值及其均值確定不均勻系數(shù)。鏡頭畸變標定選用圓形網(wǎng)格標定板，通過網(wǎng)格理想位置和實際位置，得到畸變系數(shù)。
　　微小構(gòu)件在實際檢測過程中存在較多噪聲，本文對在實驗室環(huán)境下得到的芯片圖像添加噪聲模擬實際芯片圖像，并對中間尺度圖像椒鹽噪聲去噪進行研究。在有效信號比較少的情況下，充分利用現(xiàn)有信息恢復噪

3、聲圖像，包括灰度分布信息——直方圖，鄰域信息——空間臨近度和灰度相關(guān)度，以它們乘積作為權(quán)重，對噪聲點先自適應加權(quán)均值濾波，再自適應均值濾波。實驗證明，該算法對椒鹽噪聲具有有很好的去噪效果。
　　針對中間尺度微小構(gòu)件邊緣輪廓復雜，噪聲多，細節(jié)模糊的情況，提出改進的Canny檢測算法。本算法著重于對去噪和雙閾值部分的改進，去噪包括自適應中值濾波去除椒鹽噪聲和自適應高斯濾波去除高斯噪聲，重點在于尺度因子σ的選取。雙閾值部分，為檢測到弱邊

4、緣，通過圖像分塊，對每塊圖像選擇閾值，邊緣檢測。閾值的選擇包括粗選和精選兩步。通過對圖像塊像素梯度排序，選擇粗閾值，由梯度直方圖的差分圖得到閾值的精確數(shù)值。通過實驗對比證明本文算法比傳統(tǒng)Canny檢測對中間尺度微小構(gòu)件邊緣檢測效果更好，滿足檢測要求。
　　為進一步提高系統(tǒng)精度，本文對中間尺度圖像常有的邊緣（直線、圓、圓?。┑膩喯袼囟ㄎ蛔隽诉M一步的研究。已知邊緣的像素級位置，針對常見邊緣，通過Hough變換得到邊緣法線方向，在法線方

5、向插值，計算插值點灰度值，得到灰度差分，包括向前差分和向后差分。歸一化的差分值作為位置權(quán)重，得到中心位置，根據(jù)邊緣曲線形狀，最小二乘法擬合曲線，得到的曲線方程為理想邊緣。實驗證明本文算法的亞像素定位精度高。
　　最后，開發(fā)貼片式芯片檢測軟件系統(tǒng)。通過統(tǒng)計芯片樣本特征，得到正反面、合格與否的參數(shù)，包括面積、矩形度和長短邊長比等，作為芯片檢測的標準，剔除不合格品，確定合格品正負極性、中心位置和旋轉(zhuǎn)角度，系統(tǒng)檢測時間小于1s，滿足實時性