基于邊緣線性擬合的芯片亞像素定位算法

羅振威 丁躍澆 甘玉坤

摘 ?要： 為解決貼片機由于貼片元件中心定位精度不夠導致貼片過程中可能出現的拋料、貼片芯片引腳損壞等情況，本文設計一種基于邊緣數據擬合的貼片芯片中心定位算法，實現了對貼片芯片中心的亞像素級高精度定位。并在此基礎上，利用檢測出來的中心坐標計算出芯片離吸嘴的基準偏差，得到芯片的中心偏移量。并且通過線性擬合得到的邊緣線，計算出芯片的旋轉角。在算法過程中加入了去倒角算法去除倒角信息對擬合的影響，更好地提高檢測結果的穩定性。由程序運行結果可知該算法提高了貼片機的貼片精度，特別對檢測芯片偏轉角度有著良好的效果，同時相對其他亞像素檢測算法保證了檢測過程的效率。

關鍵詞： 光學測量;貼片機;中心定位;邊緣檢測;亞像素;數據擬合

中圖分類號： TP391;TP23 ? ?文獻標識碼： A ? ?DOI：10.3969/j.issn.1003-6970.2020.06.041

本文著錄格式：羅振威，丁躍澆，甘玉坤. 基于邊緣線性擬合的芯片亞像素定位算法[J]. 軟件，2020，41（06）：204207

【Abstract】： In order to solve the problem that the placement machine may not be caused by the centering accuracy of the chip component， the throwing of the chip and the pin of the chip may be damaged. In this paper， a center localization algorithm based on edge data fitting is designed to achieve high-precision sub-pixel positioning of the chip center. Based on this， the measured center deviation is used to calculate the reference deviation of the chip from the nozzle， obtain the center offset of the chip. And calculate the rotation angle of the chip by linearly fitting the obtained edge line. In the algorithm process， the de-chamfering algorithm is added to remove the influence of chamfering information on the fitting， and the stability of the detection result is better improved. It can be seen from the running results of the program that the algorithm improves the placement accuracy of the placement machine， and has a good effect on detecting the deflection angle of the chip， and the efficiency of the detection process is ensured compared with other sub-pixel detection algorithms.

【Key words】： Optical measurement; Mounter; Center positioning; Edge detection; Sub-pixel; Data fitting

0 ?引言

隨著現在手機、電腦等電子產品的快速更新換代，電子芯片也隨著向高速、高集成度、微型等趨勢發展。傳統的插入式電子芯片組裝方式因為效率低、精度低、人工成本高等原因慢慢由高自動化的SMT（表面貼裝技術）所代替。而貼片機作為SMT技術的核心，如何提高貼片機的性能依然是現在研究的重點。中國在貼片機領域的發展歷史較短，現在國內的高速貼片機領域一直被國外霸占[1]，因此對于提出智能制造強國的中國而言，如何提高貼片機性能使得中國的SMT技術立于世界前列是中國彰顯制造強國的又一著重點。近幾十年來，國內用于提高貼片芯片的定位和匹配精度的算法絡繹不絕。

蔡競提出的基于圖像輪廓的中心定位算法[2]，該算法對芯片的輪廓進行矩形擬合，從而很簡單得到芯片的中心坐標，該算法簡單且檢測結果穩定，但得到的坐標是整像素級，且無法檢測芯片的偏轉角。而自20世紀70年代Hueckel提出了亞像素邊緣檢測技術之后，用亞像素細分提高檢測精度的技術開始快速發展。發展到現在主要分為三大類：擬合法、矩方法和插值法[2]。但工業視覺檢測環境較復雜，因此在原有基礎上工作人員對原有算法進行改進。例如韓東等人提出的一種基于高斯擬合的亞像素邊緣定位算法。該算法的檢測精度達到亞像素級，但程序較復雜且對圖像要求較高。因此本文為了降低檢測算法的復雜度又能達到檢測精度要求提出了一種基于邊緣坐標線性擬合的貼片芯片定位算法。通過提高貼片機的檢測精度和檢測速度保證貼片的準確性和效率從而提高貼片機的性能。

1 ?芯片圖像預處理

圖像預處理過程就是對圖像進行一些前期的像素級處理，讓圖像的特征更好的顯示出來。常用的圖像預處理過程有圖像增強和濾波、圖像分割等[3-5]。

1.1 ?圖像濾波

攝像機在獲取和傳輸圖像過程中不可避免的會摻雜噪音，導致圖像質量下降，因此如何降低和抑制噪音的干擾對后期圖像處理起著決定性的作用。視覺系統采集圖像大多由工業攝像機完成，而工業相機采集的圖像噪點符合高斯模型，因此采用高斯濾波用于降低圖像中的噪聲影響。

1.3 ?邊緣檢測

在圖像檢測中邊緣檢測是極其重要的一個步驟。圖像的邊緣是圖像的基本特征之一，也是后續的圖像識別和測量的基礎，而圖像邊緣在圖像中表現為圖像局部灰度變化顯著的部分，主要存在于場景中目標與背景之間、區域之間的邊界處[8-9]。大多數邊緣檢測算法都基于圖像梯度而得到，而林卉等人通過對比常用簡單邊緣檢測算法發現Canny算法相對于其他算法有著效果好、速度快和可擴展性好等優點[10]。

2 ?邊緣坐標的線性擬合

通過Canny得到邊緣坐標后發現倒角處的邊緣數據對擬合結果有著一定的影響。因此為了得到好的擬合效果需要在數據擬合前將倒角處的邊緣信息去除。

2.1 ?去倒角

首先通過對芯片輪廓中心的計算得到芯片中心的大致位置（x0，y0），再計算出芯片上所有邊緣點到芯片中心（x0，y0）的歐氏距離，取距離的最大值和最小值的平均值為判斷閾值T0。T0值確定后，若邊緣點到芯片中心的距離小于T0時，則判定該點為需要保留的線性邊緣點，若邊緣點到芯片中心的距離大于T0時，則判定該點為需要去除的倒角邊緣點，進行剔除，原理如下圖1（a）所示，圖中白色圓為去倒角判定圓，圓心為（x0，y0），半徑為T0。

4 ?結語

本文提出了一種基于數據線性擬合的定位算法。采用線性擬合去提取邊緣信息，再通過計算得出亞像素中心精度和偏轉角度。從實驗結果表明提出的檢測算法與常用檢測算法比較具有更高的中心檢測精度，特別是在偏轉角的檢測中。與高斯擬合算法比較，在達到同等精度的條件下改進算法需要的時間更少。而在擬合過程中由于倒角信息對擬合的影響本文提出了一種去倒角算法，更好的提高了芯片檢測定位的穩定性和精確性。通過該算法能有效降低貼片機貼片過程中由于精度不夠導致的拋料現象，提高貼片機的貼片效率和貼片合格率，具有很高的工業研究價值。

參考文獻

[1] 范慶麗， 苗靜， 劉旭丹. SMT貼片機常見故障及處理方式[J]. 中國新技術新品， 2012（18）： 129.

[2] 蔡競， 一種基于矩形擬合的LED貼片機元件定位算法[J]. 科學技術與工程， 2014（21）： 271-274.

[3] 師紅宇， 任小玲. 基于機器視覺的棉花異性纖維識別方法[J]. 軟件， 2018， 39（2）： 32-34.

[4] 葉詩韻， 黃志成. 基于人臉識別的考生身份識別應用研究[J]. 軟件， 2018， 39（12）： 37-39

[5] 侯貴洋， 趙桂杰， 王璐瑤. 草莓采摘機器人圖像識別系統研究[J]. 軟件， 2018， 39（6）： 184-188.

[6] 曹妍， 陳偉. 基于 MATLAB 圖像處理的藥片計數方法研究[J]. 軟件， 2018， 39（9）： 13-15.

[7] 盧軍， 寸毛毛. 基于貼片機視覺系統的SIM芯片識別定位算法[J]. 包裝工程， 2017， 38（21）： 103-108.

[8] 黃紫青， 曾祥進. 基于機器視覺的芯片引腳識別與中心定位算法研究[J]. 軟件導刊， 2015（1）： 67-69.

[9] 黃紫青， 曾祥進. 基于機器視覺的芯片引腳識別與中心定位算法研究[J]. 軟件導刊， 2015（1）： 67-69.

[10] 黃紫青， 曾祥進. 基于機器視覺的芯片引腳識別與中心定位算法研究[J]. 軟件導刊， 2015， 14（01）： 67-69.

[11] GUO Jing， LUO Hua. High Precision Screw Positioning Method Based on Machine Vision[J]. Navigation and Control， 2016， 15（3）： 106-112.

[12] 洪奔奔， 管聲啟， 任浪， 等. 基于特征提取與匹配的帶鋼缺陷檢測[J]. 軟件， 2018， 39（9）： 31-34.