本發(fā)明屬于圖像檢測(cè)領(lǐng)域，涉及一種對(duì)焊錫定位時(shí)的圖像采集及定位方法。

背景技術(shù)：

目前，大部分廠家都是單純基于光學(xué)原理來(lái)對(duì)焊接生產(chǎn)中遇到的常見缺陷進(jìn)行檢測(cè)，通過CCD攝像機(jī)得到元件的二維圖像，經(jīng)過圖像處理、圖像分析和計(jì)算機(jī)視覺方法進(jìn)行處理，得到對(duì)圖像的理解，進(jìn)而實(shí)現(xiàn)物體的識(shí)別、定位和物體的狀態(tài)表達(dá)。隨著半導(dǎo)體、芯片等微電子元件行業(yè)的發(fā)展，芯片向著尺寸更加微小，電路更加復(fù)雜，功能更加強(qiáng)大的方向發(fā)展。貼裝引腳的間距越來(lái)越小，精度要求越來(lái)越高，這樣就給檢測(cè)提出了更高的要求。但如今現(xiàn)有的AOI檢測(cè)模式僅僅只是機(jī)器通過攝像頭自動(dòng)掃描PCB，采集圖像，測(cè)試的焊點(diǎn)與數(shù)據(jù)庫(kù)中的合格的參數(shù)進(jìn)行比較檢查出PCB上缺陷并通過顯示器或自動(dòng)標(biāo)志把缺陷顯示/標(biāo)志出來(lái)，供維修人員修整，這樣單一的檢測(cè)模式僅能執(zhí)行物件的表面檢查，但對(duì)于零件邊緣的焊點(diǎn)檢測(cè)的效果便不盡理想，當(dāng)然現(xiàn)在有許多的AOI能夠做到多角度的攝影來(lái)增加對(duì)于IC腳翹的檢出能力，并增加某些被遮蔽的元件的攝影角度，以提供更多的檢出率。AOI最主要的不足就是有些灰階或者遇到外界環(huán)境干擾較大光線不足或者被檢測(cè)元件陰影明暗不明顯時(shí)機(jī)器無(wú)法準(zhǔn)確找到匹配區(qū)域?qū)е聶z測(cè)準(zhǔn)確率降低或出現(xiàn)誤報(bào)。

Korhonen于1981年提出了自組織特征映射(SOFM)神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)主要由輸入層和競(jìng)爭(zhēng)層構(gòu)成的兩層網(wǎng)絡(luò)，輸入層用于接收樣本，而競(jìng)爭(zhēng)層完成對(duì)輸入樣本進(jìn)行分類，這種模式已經(jīng)廣泛的應(yīng)用于決策制定、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、文件恢復(fù)、圖像分割和模式分類等領(lǐng)域。在這些問題中，很少有數(shù)據(jù)的先驗(yàn)信息可用，而用戶又要盡可能少的對(duì)數(shù)據(jù)的可能性進(jìn)行假設(shè)，所以在這種限定下，自組織特征映射神經(jīng)網(wǎng)絡(luò)算法特別適用于查看數(shù)據(jù)點(diǎn)的內(nèi)在關(guān)系，能夠更加具體的對(duì)他們的組成結(jié)構(gòu)進(jìn)行評(píng)估。

在電路板的制作過程中，作為電路組件與電路板間銜接橋梁的焊點(diǎn)占有舉足輕重的位置。焊點(diǎn)的制作過程必須經(jīng)過錫量控制、定位與焊錫凝固等程序，而此程序比較難于控制，故在電路板的制作過程里，焊接的技術(shù)要求相對(duì)較高，繼而可能發(fā)生的缺陷也相對(duì)較多。如果不能及時(shí)將缺陷發(fā)現(xiàn)和修復(fù)，將對(duì)整個(gè)系統(tǒng)能否可靠運(yùn)行產(chǎn)生很大的影響。

由上可知，焊錫定位是一項(xiàng)對(duì)產(chǎn)品質(zhì)量保證的重要工序，然而，在焊錫定位基本是基于圖像進(jìn)行的，可見，對(duì)于在流水線工程中，如何能夠獲取該產(chǎn)品的采集圖像以作為焊錫定位的圖像使用，也顯得非常重要。

技術(shù)實(shí)現(xiàn)要素：

為了能夠在流水線上對(duì)PCB進(jìn)行圖像采集，并且實(shí)現(xiàn)定位檢測(cè)，本發(fā)明提出如下技術(shù)方案：機(jī)器視覺焊錫定位檢測(cè)方法，包括圖像預(yù)處理、圖像配準(zhǔn)、對(duì)定位點(diǎn)焊錫檢測(cè)；圖像預(yù)處理主要指對(duì)圖像進(jìn)行幾何畸變校正和噪聲點(diǎn)的抑制，減小參考圖像和待拼接圖像的幾何畸變；圖像配準(zhǔn)主要指對(duì)參考圖像和待拼接圖像中的匹配信息進(jìn)行提取，在提取出的信息中尋找匹配，完成圖像間的對(duì)齊；對(duì)測(cè)量范圍內(nèi)的定位焊點(diǎn)進(jìn)行焊錫檢測(cè)，應(yīng)用模式匹配的方法將標(biāo)準(zhǔn)焊錫圖像作為模板保存，運(yùn)行時(shí)，將模板與一系列位置上的圖像形態(tài)外觀相似的子集進(jìn)行比較，不斷調(diào)整初始閾值，量化選取標(biāo)準(zhǔn)，分別統(tǒng)計(jì)每個(gè)樣本圖像在色調(diào)(H)、飽和度(S)和亮度(I)平面的直方圖，同時(shí)得到與之相互對(duì)應(yīng)的閾值結(jié)果，隨即對(duì)多個(gè)樣本的初始閾值進(jìn)行修正，得到統(tǒng)一閾值用于圖像二值化，標(biāo)準(zhǔn)灰度相關(guān)性運(yùn)算作為一種形式的卷積，用來(lái)匹配的模板相當(dāng)于卷積核，一個(gè)包含N像素的模板與檢測(cè)圖像內(nèi)的N像素相乘隨即求和，卷積核計(jì)算求出的測(cè)量圖像內(nèi)的每一個(gè)像素值，其結(jié)果最大的位置是與模板最相近的地方；該機(jī)器視覺焊錫定位檢測(cè)方法，使用一種機(jī)器視覺焊錫定位檢測(cè)系統(tǒng)，對(duì)圖像進(jìn)行采集，所述系統(tǒng)包括包括：包括：工業(yè)相機(jī)、球積分光源、蜂鳴器、光源控制器、傳送帶、工業(yè)計(jì)算機(jī)、傳感器、顯示器、嵌入式系統(tǒng)、圖像采集卡；工業(yè)相機(jī)與圖像采集卡連接，圖像采集卡與工業(yè)計(jì)算機(jī)相連，工業(yè)計(jì)算機(jī)與光源控制器連接，光源控制器與球積分光源相連，所述球積分光源置于工業(yè)相機(jī)的下方，且位于傳送帶的上方，所述圖像采集卡與計(jì)算機(jī)的連線引出兩路，一路連接顯示器，另一路分別連接傳感器和嵌入式系統(tǒng)，所述傳感器位于傳送帶的上方。

有益效果：使用本檢測(cè)系統(tǒng)，可以在流水線上對(duì)PCB圖像進(jìn)行采集，并且，該圖像可以被使用在焊錫定位的基礎(chǔ)圖像使用。

附圖說(shuō)明

圖1為本發(fā)明所述系統(tǒng)的結(jié)構(gòu)示意圖。

具體實(shí)施方式

實(shí)施例1：一種機(jī)器視覺焊錫定位檢測(cè)系統(tǒng)，包括：工業(yè)相機(jī)1、球積分光源2、蜂鳴器3、光源控制器4、傳送帶5、工業(yè)計(jì)算機(jī)6、傳感器7、顯示器8、嵌入式系統(tǒng)9、圖像采集卡10；工業(yè)相機(jī)1與圖像采集卡10連接，圖像采集卡10與工業(yè)計(jì)算機(jī)6相連，工業(yè)計(jì)算機(jī)6與光源控制器4連接，光源控制器4與球積分光源2相連，所述球積分光源2置于工業(yè)相機(jī)的下方，且位于傳送帶的上方，所述圖像采集卡10與計(jì)算機(jī)的連線引出兩路，一路連接顯示器8，另一路分別連接傳感器7和嵌入式系統(tǒng)9，所述傳感器7位于傳送帶的上方。

在本實(shí)施例中，涉及一種機(jī)器視覺焊錫定位檢測(cè)方法，使用上述檢測(cè)系統(tǒng)進(jìn)行圖像采集，包括圖像預(yù)處理、圖像配準(zhǔn)、對(duì)定位點(diǎn)焊錫檢測(cè)；圖像預(yù)處理主要指對(duì)圖像進(jìn)行幾何畸變校正和噪聲點(diǎn)的抑制，減小參考圖像和待拼接圖像的幾何畸變；圖像配準(zhǔn)主要指對(duì)參考圖像和待拼接圖像中的匹配信息進(jìn)行提取，在提取出的信息中尋找匹配，完成圖像間的對(duì)齊；對(duì)測(cè)量范圍內(nèi)的定位焊點(diǎn)進(jìn)行焊錫檢測(cè)，應(yīng)用模式匹配的方法將標(biāo)準(zhǔn)焊錫圖像作為模板保存，運(yùn)行時(shí)，將模板與一系列位置上的圖像形態(tài)外觀相似的子集進(jìn)行比較，不斷調(diào)整初始閾值，量化選取標(biāo)準(zhǔn)，分別統(tǒng)計(jì)每個(gè)樣本圖像在色調(diào)(H)、飽和度(S)和亮度(I)平面的直方圖，同時(shí)得到與之相互對(duì)應(yīng)的閾值結(jié)果，隨即對(duì)多個(gè)樣本的初始閾值進(jìn)行修正，得到統(tǒng)一閾值用于圖像二值化，標(biāo)準(zhǔn)灰度相關(guān)性運(yùn)算作為一種形式的卷積，用來(lái)匹配的模板相當(dāng)于卷積核，一個(gè)包含N像素的模板與檢測(cè)圖像內(nèi)的N像素相乘隨即求和，卷積核計(jì)算求出的測(cè)量圖像內(nèi)的每一個(gè)像素值，其結(jié)果最大的位置是與模板最相近的地方。

實(shí)施例2：作為實(shí)施例1中所述定位檢測(cè)方法方案的補(bǔ)充：為了克服現(xiàn)有的AOI不能在有些灰階或者遇到外界環(huán)境干擾較大光線不足被檢測(cè)元件陰影明暗不明顯時(shí)不能準(zhǔn)確定位的缺陷或不足，基于原有算法編入自組織競(jìng)爭(zhēng)人工神經(jīng)網(wǎng)絡(luò)，這種算法依賴于測(cè)量范圍的起始位置和被測(cè)量物的方向。將依賴數(shù)據(jù)對(duì)應(yīng)成二值型硬函數(shù)輸入神經(jīng)網(wǎng)絡(luò)科荷倫層，采用無(wú)指導(dǎo)的訓(xùn)練方法對(duì)輸入數(shù)據(jù)進(jìn)行自組織競(jìng)爭(zhēng)的分類與壓縮，自組織神經(jīng)網(wǎng)絡(luò)的輸入模式用向量表示，比較不同模式的相似性可轉(zhuǎn)化為比較兩個(gè)向量的距離，也就是說(shuō)選擇模式向量?jī)烧呦嗑嗟臄?shù)值當(dāng)做聚類判據(jù)，本實(shí)施例使用的聚類判據(jù)為歐氏最小距離法。通過學(xué)習(xí)確定出一個(gè)比較合適的可以在該P(yáng)CB板上檢測(cè)所有焊錫的測(cè)量范圍的大小，然后利用這個(gè)尺寸輸出限定正確測(cè)量范圍在需要測(cè)量的焊錫上，在學(xué)習(xí)得到的范圍尺寸內(nèi)找到焊錫的邊界，隨之求出測(cè)量坐標(biāo)系原點(diǎn)，其精度可以達(dá)到亞像素精度。

對(duì)在檢測(cè)過程中由于遇到灰階或者遇到外界環(huán)境干擾較大光線不足或者被檢測(cè)元件陰影明暗不明顯時(shí)采集的圖像質(zhì)量過低，首先對(duì)圖像的質(zhì)量進(jìn)行增強(qiáng)以改進(jìn)圖片的質(zhì)量，將拍攝圖片對(duì)比度增高去掉模糊和噪聲，修正幾何畸變，使用頻率域法，把圖像看成一種二維信號(hào)，對(duì)其進(jìn)行基于二維傅里葉變換的信號(hào)增強(qiáng)。對(duì)由神經(jīng)網(wǎng)絡(luò)給出的測(cè)量區(qū)域使用面積最大法進(jìn)行再次定位。

定位之前根據(jù)已學(xué)習(xí)的人工數(shù)據(jù)標(biāo)定訓(xùn)練樣本中的焊錫焊盤位置，對(duì)自動(dòng)獲取的焊盤區(qū)域中的主要顏色閾值進(jìn)行統(tǒng)計(jì)，定位進(jìn)行中利用此閾值對(duì)測(cè)量范圍內(nèi)的圖像進(jìn)行二值化，使用優(yōu)化后的圖像進(jìn)行焊點(diǎn)定位。

對(duì)測(cè)量范圍內(nèi)的定位焊點(diǎn)進(jìn)行焊錫檢測(cè)，應(yīng)用模式匹配的方法將標(biāo)準(zhǔn)焊錫圖像作為模板保存，運(yùn)行時(shí)，將模板與一系列位置上的圖像形態(tài)外觀相似的子集進(jìn)行比較，初始閾值經(jīng)過人工不斷調(diào)節(jié)規(guī)范，達(dá)到焊點(diǎn)最佳抽出效果為止，量化選取標(biāo)準(zhǔn)，分別統(tǒng)計(jì)每個(gè)樣本圖像在色調(diào)(H)、飽和度(S)和亮度(I)平面的直方圖，同時(shí)得到與之相互對(duì)應(yīng)的閾值結(jié)果，隨即對(duì)多個(gè)樣本的初始閾值進(jìn)行修正，得到統(tǒng)一閾值用于圖像二值化，標(biāo)準(zhǔn)灰度相關(guān)性運(yùn)算能夠作為一種形式的卷積，在系統(tǒng)中用來(lái)匹配的模板相當(dāng)于卷積核，普通相關(guān)性與以上卷積形式相同，一個(gè)包含N像素的模板與正常圖像內(nèi)的N像素相乘隨即求和。卷積核計(jì)算求出的測(cè)量圖像內(nèi)的每一個(gè)像素值，結(jié)果最大的位置是與模板最相近的地方，標(biāo)準(zhǔn)化向量為：

以檢測(cè)圖像左上角為原點(diǎn)，水平與豎直方向分別為X和Y軸，搜索窗的尺寸為w_i和h_j，定位焊點(diǎn)坐標(biāo)為S_i(x_i,y_i)，保持原點(diǎn)相對(duì)位置不變，w取值范圍為[-min(0，x₂₁),x_i-max(x₂,x₂₁+x₁)],h取值范圍為[0,y_j-(y₂₁+y1)].假設(shè)焊錫定位點(diǎn)屬于閾值范圍的像素?cái)?shù)S(x,y),x_s＝-min(0,w₂₁),x_e＝ws-max(w₂,w₂₁+w₁),y_s＝0,y_e＝h_s-(h₂₁+h₁).則存在點(diǎn)(x_p,y_p)使得S(x_p,y_p)＝maxS(x,y),運(yùn)算次數(shù)為(x_e-x_s)(y_e-y_s)(w₁h_i+w₂h₂)。

但當(dāng)圖像全部為白色或者黑色是系統(tǒng)將會(huì)達(dá)到一個(gè)最大值，這個(gè)最大值使得該點(diǎn)不再與模板相似，這種情況下相關(guān)性函數(shù)的標(biāo)準(zhǔn)化向量應(yīng)改為：

使用上述表達(dá)式結(jié)果將不會(huì)收到圖像或是模板中像素值的線性變化的影響，若測(cè)量目標(biāo)與模板完全匹配時(shí)結(jié)果會(huì)達(dá)到最大峰值1，反之為0，如相似性出現(xiàn)負(fù)值，系統(tǒng)對(duì)負(fù)值自動(dòng)消減為零，r²替代r規(guī)避了開放運(yùn)算的速率緩慢，最終結(jié)果匹配分表示為百分?jǐn)?shù)。

Score＝max(r,0)²×100％

該實(shí)施例中所述的定位檢測(cè)方法，極大提高了AOI中焊錫焊點(diǎn)定位的精度，隨著SMT行業(yè)技術(shù)的日新月異，芯片的尺寸也會(huì)越來(lái)越小，引腳焊線的精度為題勢(shì)必將成為亟待解決的問題，與神經(jīng)網(wǎng)絡(luò)以及模式匹配技術(shù)相結(jié)合也解決了模板選取時(shí)的精度問題，將這些技術(shù)應(yīng)用于半導(dǎo)體封裝以及工業(yè)生產(chǎn)的視覺定位系統(tǒng)中將給領(lǐng)域內(nèi)工藝的迅猛發(fā)展提供迅速有效的支持。

以上所述，僅為本發(fā)明創(chuàng)造較佳的具體實(shí)施方式，但本發(fā)明創(chuàng)造的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明創(chuàng)造披露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明創(chuàng)造的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明創(chuàng)造的保護(hù)范圍之內(nèi)。