基于機(jī)器視覺的光斑擬合研究

于凱旋 鄧圭玲 涂凱揚 張帆

摘 要：傳統(tǒng)的光電子器件封裝過程中，光功率為衡量器件是否合格的重要標(biāo)準(zhǔn)。現(xiàn)代器件封裝過程中，光斑的大小、形狀同樣為衡量器件是否合格的重要標(biāo)準(zhǔn)。本文基于機(jī)器視覺對光斑進(jìn)行邊緣檢測，通過Canny邊緣檢測與霍夫圓變換按位與的方法識別邊緣，擬合出光斑的形狀，計算出光斑的中心點坐標(biāo)以及直徑，為現(xiàn)代器件封裝耦合過程提供了判斷依據(jù)。

關(guān)鍵詞：光電子器件;Canny邊緣檢測;Hough圓變換

隨著互聯(lián)網(wǎng)的迅速發(fā)展，光網(wǎng)絡(luò)架構(gòu)發(fā)生了巨大的變化，由以前的光纖到小區(qū)發(fā)展成現(xiàn)在的光纖直接入戶，[1]光纖入戶需要大量的光電子器件。另一方面，現(xiàn)代光網(wǎng)絡(luò)速率也一直在提升，數(shù)據(jù)中心需要更高的速率模塊，也就催生出現(xiàn)在400G的模塊，模塊速率的上升對模塊中的光電子器件也有了更高得要求。[2]

在光電技術(shù)迅猛發(fā)展的背景下，出現(xiàn)了用機(jī)器替代人眼發(fā)揮識別功能的技術(shù)，也就是機(jī)器視覺技術(shù)。[3]機(jī)器視覺技術(shù)具有高度自動化、精準(zhǔn)化以及便捷安全的優(yōu)點，在制造業(yè)，農(nóng)業(yè)及汽車行業(yè)有廣泛的應(yīng)用。機(jī)器視覺技術(shù)在檢測精度方面具有極大優(yōu)勢，配置高性能的相機(jī)和鏡頭進(jìn)行圖像采集，利用一系列圖像處理算法，在檢測精度上可達(dá)到亞微米級別。[3]將機(jī)器視覺系統(tǒng)應(yīng)用到光電子器件封裝制造中，可以大大提高效率以及封裝合格率。

1 機(jī)器視覺硬件分析及選型

基于PC的機(jī)器視覺系統(tǒng)主要由光源、相機(jī)、鏡頭、圖像采集卡、用戶操作界面和PC機(jī)組成，在機(jī)器視覺硬件的選型上，通常按照先相機(jī)、后鏡頭、再光源這樣的順序來選擇。[5]

本文選擇相機(jī)為BASLER_acA2500_14gm，鏡頭為維視的AFT-ZML1024，光源為可控亮度的環(huán)形LED燈。

2 視覺系統(tǒng)軟件算法

為了實現(xiàn)將采集到的光斑進(jìn)行邊緣檢測，擬合圓形。先對圖像進(jìn)行灰度處理，再進(jìn)行二值化處理，之后進(jìn)行Canny邊緣檢測，然后對每個輪廓圖像中的非零點，利用Sobel計算局部梯度，再利用Hough圓變換，得到圓心坐標(biāo)和大小。

4 結(jié)論

為增加光電子器件耦合過程中是否合格的判定依據(jù)，本文基于機(jī)器視覺對光斑進(jìn)行邊緣檢測，通過Canny邊緣檢測與霍夫圓變換按位與的方法識別邊緣，擬合出光斑的形狀，計算出光斑的中心點坐標(biāo)以及直徑，為現(xiàn)代器件封裝耦合過程提供了判斷依據(jù)。

參考文獻(xiàn)：

[1]張憲璽.系列光電轉(zhuǎn)換、存儲功能材料與器件的研究[A].中國化學(xué)會、國家自然科學(xué)基金委員會.中國化學(xué)會第八屆全國配位化學(xué)會議論文集—口頭報告[C].中國化學(xué)會、國家自然科學(xué)基金委員會：中國化學(xué)會，2017：2.

[2]高峰，王富東.淺談機(jī)器視覺技術(shù)發(fā)展及應(yīng)用[J].山東工業(yè)技術(shù)，2019（05）：142.

[3]趙偉杰，高勇.機(jī)器視覺在光纖端面缺陷檢測中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2011，34（19）：136-139+143.

[4]楊丹，劉亞威，張小洪，李東.高精度圖像測量與對準(zhǔn)系統(tǒng)的算法研究[J].計算機(jī)科學(xué)，2003（12）：132-135.

[5]李彤斐.足球機(jī)器人目標(biāo)識別算法的研究[D].浙江工業(yè)大學(xué)，2014.

[6]Liu S，Xing Z，Wang Z，et al.Development of machine-vision system for gap inspection of muskmelon grafted seedlings[J].PLoS One.2017，12（12）：e189732.

[7]Kiryati N，Eldar Y，Bruckstein A M.A probabilistic Hough transform[J].Pattern Recognition，1991，24（4）：303-316.[Z].

[8]Fornasier M，Rauhut H，Ward R.Low-rank matrix recovery via iteratively reweighted least squares minimization[J].SIAM Journal on Optimization，2011，21（4）：1614-1640.[Z].

[9]呂文.基于機(jī)器視覺的陣列波導(dǎo)器件對準(zhǔn)方法研究[D].長沙：中南大學(xué)，2016.

[10]肖宿，韓國強.基于變量分離和加權(quán)最小二乘法的圖像復(fù)原[J].計算機(jī)應(yīng)用研究，2012，29（04）：1584-1587.

*通訊作者：張帆。