先进电子制造中的视觉检测理论方法及应用

1．机器视觉检测中的图像配准

在机器视觉检测系统中，图像的检测一般都是对图像进行配准来完成的，其中包括了模板配准种各种直接或间接特征的配准。图像配准就是将不同时间、不同传感器成像设备或不同条件下天候、照度、摄像位置和角度等获取的两幅或多幅图像进行匹配、叠加的过程，并用一定的度量准则来衡量形状之间的相似性，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。

图像配准可以根据不同的标准进行分类，如方法可以分为基于边缘、基于区域、基于点、面或者灰度等，通过寻找目标和模型之间局部特征的对应来使匹配误差最小。为了获得最小值，人们使用了很多方法，诸如广义Hough变换、动态规划、神经网络、变形模板、遗传算法以及解析方法等。

2．电子制造中的视觉检测与识别

在电子产品前道和后道制造过程中，视觉用于检测各种形式的晶片，检查缺陷标记和十字线，检查载带厚度，涂层标记，临界尺寸等；在封装的过程中，视觉用于封装物的检查，完成光学字符的确认及标记的印刷质量的检测，外引线的检测定位及焊接缺陷检查等；在SMT装备中视觉系统也越来越不可缺少，高精度的元件检测定位及焊点检测都必须依靠它来完成。

3．电子制造中的视觉定位算法

电子制造设备中的视觉定位算法，其目标非常明确，即两幅具有相似特征图像的配准。

按照匹配方法的特点，现有的图傺匹配方法主要有三类：基于图像灰度的匹配方法，基于变换域的匹配方法及基于图像特征的匹配方法。其中，基于图像特征的匹配方法多采用几何特征进行定位。该方法首先识别和分割出物体的关键独立特征，接着测量出形状、尺寸、弧、阴影、角度等参数，然后将模板图形和待测图像的关键特征之间的空间关系一一对应起来，主要包括距离和相对角度。最后，通过分析物体的空间关系和特征信息，从而实现对物体的精确定位，可重复性高。