|
近年來(lái)，我國的半導體產(chǎn)業(yè)蓬勃發(fā)展，由于其起步較晚，雖然生產(chǎn)的很多環(huán)節實(shí)現了高速自動(dòng)化，但集成塊的質(zhì)量檢測還主要借助于人的視覺(jué)和主觀(guān)判斷能力，因而占用的大量的人力，且由于受到個(gè)人的視力、情緒、疲勞、光線(xiàn)等因素的影響，工作效率低，分選差異大。本文所研究的即是計算機工業(yè)圖像檢測技術(shù)在集成塊管腳檢測中的應用，相比較傳統的人工檢測，計算機圖像檢測技術(shù)有以下優(yōu)點(diǎn)：1)替代人力減少成本。2)提高產(chǎn)品質(zhì)量。3)提高生產(chǎn)效率。 本文主要針對在流水線(xiàn)上的集成塊容易發(fā)生管腳丟失和姿態(tài)傾斜的問(wèn)題，實(shí)現對流水線(xiàn)上的集成塊的管腳以及對集成塊姿態(tài)的自動(dòng)檢測。 1 預處理 把圖像變成標準圖像的過(guò)程就是圖像預處理。本文中所處理的圖像都是在集成塊流水線(xiàn)上方的工業(yè)攝像機所拍下的圖像，圖像信號由于輸入A／D轉換器件及周?chē)h(huán)境的影響，含有各種各樣的噪聲和失真，為了穩定地進(jìn)行后期檢測等工作，必須通過(guò)圖像預處理以消除噪聲、校正失真，達到改善圖像質(zhì)量、便于圖像測量的目的。 1．1 中值濾波 中值濾波主要目的是去除圖像中的椒鹽噪聲。本文所研究的對像集成塊有較多椒鹽噪聲，所以采取中值濾波實(shí)現圖像的優(yōu)化。 1．2 圖像閾值分割 中值濾波后的圖像達到了較好的去噪目的，再進(jìn)行閾值分割處理。圖像閾值分割是一種廣泛使用的基于空間域聚類(lèi)分析的圖像分割技術(shù)，它主要是利用圖像中要提取的目標和背景在灰度特性上的差異，選擇一合適的閾值，通過(guò)判斷圖像中的每一個(gè)像素點(diǎn)的特征屬性是否滿(mǎn)足閾值要求來(lái)確定圖像中該像素點(diǎn)屬于目標還是應該屬于背景，從而產(chǎn)生相應的二值圖像。由于本系統是在高速運轉的流水線(xiàn)上工作，要求有很高的實(shí)時(shí)性，所以采取了兩種動(dòng)態(tài)閾值分割方法，即類(lèi)間方差閾值分割和最大熵閾值分割來(lái)實(shí)現圖像的分割，這兩種方法是利用目標圖像的直方圖具有典型的雙峰特性，利用概率論和最大熵的理論，自動(dòng)確定一個(gè)最佳的閾值，對圖像進(jìn)行二值化，在本文中的對象經(jīng)過(guò)中值濾波后得到的圖像的直方圖就滿(mǎn)足雙峰特性，所以采取上述兩種方法對圖像進(jìn)行處理，得到二值化圖像。 2 集成塊姿態(tài)檢測 2．1 集成塊管腳檢測和定位 對圖像進(jìn)行預處理后，可以清晰的看到管腳和集成塊上的數字被從背景中分割出來(lái)。集成塊管腳是一片連通的白色區域，而其所占的面積要比其他無(wú)用信息所占的面積要大的多，故采取面積法對集成塊管腳位置進(jìn)行檢測。 二值圖像中的連通分量的面積實(shí)際上就是連通像素點(diǎn)集中像素的個(gè)數，也就是區域邊界類(lèi)包含像素點(diǎn)的數目。設二值圖像f(x，y)的連通分量ψ(x，y)的大小為M×N，其中 面積法是通過(guò)編寫(xiě)程序在整幅圖像中搜索白色區域，同時(shí)記下白色區域的面積(像素點(diǎn)個(gè)數)和個(gè)數及其四個(gè)邊角的坐標。將所統計到的面積相加，除以白色區域的個(gè)數，即可得到一個(gè)閾值，由于集成塊管腳所占的面積要比其他無(wú)用信息所占的面積要大的多，所以面積平均所得到的閾值可以將較小的區域去除，從而保留有用的集成塊的管腳信息。將大于這一閾值的面積區域用其四個(gè)邊角的坐標連線(xiàn)所成的矩形框定，便可以完成集成塊的管腳定位。 處理過(guò)后的效果如圖4所示，圖中的紅色方框的作用為定位管腳位置。 2．2 集成塊傾斜角度的測定 在工業(yè)應用中，為了能讓機械臂很好的將集成塊從流水線(xiàn)上夾取下來(lái)，必須知道集成塊的邊緣是否與流水線(xiàn)平行，或知道其傾斜的角度對其進(jìn)行姿態(tài)糾正，這就需要對集成塊在流水線(xiàn)上的姿態(tài)進(jìn)行檢測，知道集成塊在流水線(xiàn)上的與水平方向的傾斜角度，確定一個(gè)物體的傾斜角度。本文的創(chuàng )新在于使用了中心點(diǎn)斜率法。 中心點(diǎn)斜率法：假設圖像中集成塊每個(gè)管腳的中心點(diǎn)的坐標為{(xl，y1)，(x2，y2)，…，(x8，y8)}，計算每一個(gè)管腳與其同邊管腳的斜率{ll，l2，…，ln}，再對所有的斜率求其算術(shù)平均值 這時(shí)得到的是弧度，要把它轉化為角度 ω就是集成塊的傾斜角度。 由于中心點(diǎn)斜率法將同邊管腳兩兩之間的斜率都計算入內，故精確度較高，但程序復雜，計算量較大，程序運行時(shí)間長(cháng)，不適合在高速的流水線(xiàn)上使用。針對這一情況，提出了對中心點(diǎn)斜率法的改進(jìn)算法。 改進(jìn)算法與原先算法的最主要的區別是改進(jìn)后的算法并不是將所有同邊管腳兩兩之間的斜率都算出來(lái)，而是先確定一點(diǎn)，記為{x0，y0}，以這一點(diǎn)為基礎，計算它與其他管腳的斜率 如果是同一邊管腳的話(huà)，他們之間的斜率幾近相等。反之，則斜率相差很大。因此，通過(guò)對斜率的比較，便可以將同邊管腳劃分在一起，這時(shí)只有三個(gè)斜率值，再對它們的斜率進(jìn)行算術(shù)平均，同原算法便可得到集成塊的傾斜角度。 改進(jìn)后的算法的計算量要比原算法少了很多，實(shí)時(shí)性更強，因而它的實(shí)用性更強。為了測試程序測得角度的準確性，用Photoshop對原圖像進(jìn)行了旋轉，角度分別為5，10，30，45，90度，以下是角度識別對比表。 3 結論與展望 本文闡述了一種新穎的工業(yè)目標檢測的方法，對目標圖像進(jìn)行測試表明系統已經(jīng)可以完成集成塊管腳位置的自動(dòng)檢測與集成塊傾斜角度的實(shí)時(shí)測量。在本文中，結合圖像的預處理和面積法，提出了新的用中心點(diǎn)斜率法測量集成塊傾斜角度的方法，達到了很好的效果。 本文的工作目前還僅限于實(shí)驗室研究階段，為了使系統具有更廣泛的應用和更好的適應性，還需要在不同光照條件下圖像的自動(dòng)閾值分割和提高實(shí)時(shí)性等方面進(jìn)行提高。 |
