芯片是集成電路的載體,通過表面貼裝技術(shù)能使其成為具有實用價值的微電子元器件,在民用和軍工領(lǐng)域有著非常廣泛的應用。隨著芯片貼裝性能指標的不斷提高,對表面貼裝技術(shù)進行了深入的研究工作,分析了現(xiàn)有表面貼裝技術(shù)的優(yōu)缺點,提出了基于機器視覺的芯片表面貼裝在線識別與定位方案,并論證了方案的可行性。文中基于機器視覺系統(tǒng)的構(gòu)成原理,對芯片表面貼裝在線視覺識別與定位的實驗系統(tǒng)進行了研究,在此研究過程中介紹了工業(yè)相機的原理與標定方法以及光源的類型與光照方式。其中視覺系統(tǒng)的核心技術(shù)是圖像處理算法,通過選取不同類型的典型芯片,設(shè)計出合理的視覺識別與定位算法,基于仿真實驗對算法的可行性進行研究分析。在此過程中對圖像的濾波去噪、閾值分割、特征提取與匹配等算法做了深入研究,來對典型芯片的類型、數(shù)目、引腳間距以及高度等參數(shù)進行智能化識別與定位。主要研究內(nèi)容如下:(1)研究分析了機器視覺技術(shù)的基礎(chǔ)理論,在理論基礎(chǔ)上通過選用合適相機與光源,搭建起了視覺識別與定位的實驗平臺,同時采用張氏標定法對實驗相機進行了相機標定。視覺系統(tǒng)在采集圖像時,根據(jù)不同芯片特點選擇不同的光照方式,在合適的光照環(huán)境下對本文研究的幾種芯片進行了采樣拍照。(2)研究了已有芯片貼裝在線識別與定位的方法,分析了目前芯片表面貼裝的生產(chǎn)需求,指出了當前芯片識別與定位技術(shù)的優(yōu)缺點,提出了基于機器視覺的芯片表面貼裝在線識別與定位方案,并論證了該方案的優(yōu)點與可行性,方案中關(guān)鍵性的核心技術(shù)是圖像處理技術(shù),因此針對各種圖像處理算法展開了深入研究。(3)針對芯片表面貼裝技術(shù)在線視覺識別與定位的研究,選用SIM芯片、QFP芯片和BGA芯片進行仿真實驗分析。為了消除芯片圖像中存在的干擾點,利用目標區(qū)域的面積濾波算法對其進行剔除;為了識別出不同類型的芯片,基于芯片的外觀特征,分析對比了不變矩、矩形度以及模板匹配等多種不同的識別算法。實驗結(jié)果表明矩形度算法更容易在芯片圖像中識別出近似矩形的目標區(qū)域,而模板匹配算法和不變矩算法也可以識別出不同芯片圖像中的目標區(qū)域,但復雜度相對較高且時間耗費相對較多。(4)針對矩形芯片進行精確定位的研究。為了得到高精度的位置坐標和偏轉(zhuǎn)角度,提取出矩形芯片的邊緣點后,再利用中心點坐標與邊緣點的距離來確定其四個頂點,最后通過四頂點分別對邊緣點進行直線擬合,得到芯片的矩形輪廓,進而提取出芯片的位姿。綜上所述,通過實驗表明本文所提出的芯片視覺識別與定位算法是可行的,該算法具有較好的精確度、穩(wěn)定性以及較快的速度,可實現(xiàn)對芯片表面貼裝在線識別與定位的需求,完成芯片識別與定位的任務(wù)。
【學位單位】：陜西科技大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP391.41;TN405

【參考文獻】

相關(guān)期刊論文 前10條

1 郭和煬;劉俊如;趙漢理;;基于自適應中值濾波半徑的紋理濾波算法[J];現(xiàn)代計算機(專業(yè)版);2017年36期

2 王志軍;于之靖;馬凱;吳軍;諸葛晶昌;;一種自適應中值梯度倒數(shù)加權(quán)的圖像濾波算法[J];激光與光電子學進展;2017年12期

3 周雪;曹爽;何香靜;鄒見效;;基于特征點匹配對平面相似度的圖像拼接[J];電子科技大學學報;2017年06期

4 呂耀文;呂夢凌;張一銘;鐘文婷;;Kinect圖像特征點匹配的比較研究[J];光電子技術(shù);2017年03期

5 杜媛;;基于圖像質(zhì)量分析與分割算子的圖像特征點匹配算法[J];電子測量技術(shù);2017年08期

6 李為華;蘇輝;;一種基于特征點的圖像匹配新方法[J];湖北第二師范學院學報;2017年08期

7 徐邦道;王國東;宛然;;一種改進的基于特征匹配的圖像融合算法[J];信息通信;2017年03期

8 周迪;夏哲雷;;一種改進的Otsu閾值分割算法[J];中國計量大學學報;2016年03期

9 廖梓龍;鐘守炎;;基于機器視覺大數(shù)據(jù)分析的表面貼裝缺陷檢測[J];機電工程技術(shù);2016年08期

10 湯朋文;陶華敏;肖山竹;方求;;幾種常用圖像分割算法自適應性的分析比較[J];數(shù)字技術(shù)與應用;2016年05期

相關(guān)博士學位論文 前1條

1 劉淑琴;圖像特征提取方法及其應用研究[D];西北大學;2016年

相關(guān)碩士學位論文 前10條

1 儲蓄;基于改進SURF算法圖像匹配方法研究[D];安徽理工大學;2017年

2 翟雨微;基于改進的SIFT圖像匹配算法研究[D];吉林大學;2017年

3 張傳凱;基于機器視覺的LED芯片定位與檢測技術(shù)研究[D];陜西科技大學;2016年

4 吳潔瓊;基于特征的圖像匹配算法研究與應用[D];電子科技大學;2016年

5 劉洪森;基于機器學習的圖像匹配方法研究[D];沈陽理工大學;2016年

6 胡洋;IC芯片印刷字符識別算法研究與應用[D];華中科技大學;2015年

7 薛金龍;基于角點的圖像特征提取與匹配算法研究[D];大連理工大學;2014年

8 趙麗焦;基于最大似然估計的圖像匹配方法的研究[D];大連理工大學;2014年

9 袁新星;基于中值濾波的高密度椒鹽噪聲圖像去噪算法研究[D];湖北工業(yè)大學;2014年

10 周輝;圖像匹配快速算法的研究與實現(xiàn)[D];華中科技大學;2014年

本文編號：2813633