机器视觉助力SMD芯片字符缺陷检测，提高检测字符区域的效率！收藏

检测系统由工业相机、工业镜头、图像采集卡、工业光源、起偏震片、PC机以及机械结构和机械传动等构成通过检测精度、检测速度、视野范围、工作距离、工件尺寸来选取合适的工业相机和工业镜头通过数据传输的大小进行图像采集，本文采用漫反射条形组合光源。

为了提高字符与背景的对比度，降低辐照与辐射强度，采用起振片和偏振片起振片可以将光源发出来的光变成偏振光，放置于光源位置处；偏振片安装于工业相机镜头前，对偏振光进行一定的遮蔽，偏振光经过漫反射后将变成自然光，经过镜面发射后仍然是偏振光。

打光方式采用正面明视场根据测试分选机工位条件的限制，将光源布置在芯片的正上方，通过螺纹丝杆调节光源距SMD芯片的距离

SMD检测系统算法设计SMD字符在线实时检测对检测速度和检测精度有较高的要求，包括字符定位、字符分割、字符匹配在实时性上都有较高的要求在PC机上，通过多线程技术提高CPU的利用率，提高系统的处理速度本文利用设计定位块的方式来提高检测字符区域的效率，通过基于灰度方式的水平垂直投影进行字符的局部分割，利用基于图像采集结果和分割结果进行全局与局部模板匹配，以保证检测的精度。

1、字符定位 字符定位通过设计金属定位块的方式，利用金属材料在光源辐照下的辐射特性与SMD的差异性提高对比度来进行快速定位2、字符分割在进行字符分割之前，要进行SMD芯片的位姿矫正SMD的欧式运动是先旋转、后平移的组合，所以可以用刚体运动来表示位姿。

利用二值化图像的像素分布直方图进行分析，从而找出相邻字符的分界点进行分割在利用垂直投影切分的方式进行字符切割的结果，如下图所示

3、字符缺陷识别字符缺陷识别采用基于边缘特征的模板匹配模板匹配的基本思想是让模板在目标图像中做平移运动，将模板左上角和待检测的图像左上角重合，每移动一个像素，计算模板与待匹配图像的相似度，遍历结束之后，将符合阈值的位置认定为最佳匹配位置。

基于灰度的互相关模板匹配是通过用模板图像遍历待匹配图像，每移动一个像素，计算对应部分的互相关值，将互相关值的最大值作为最佳匹配位置基于灰度的互相关模板匹配缺点是在光场不均匀情况下，不具有鲁棒性归一化互相关系数法是一个亮度、对比度线性不变量，能够明显改善光照的线性变化带来的影响。

但是随着图像分辨率的提高，图像匹配的时间会增加，匹配准确度也存在差异，甚至会发生匹配失效的情况，并且由于半导体芯片的位姿和完整性等存在差异，会引起光照的非线性变化，这会导致图像的灰度差异大，进而导致模板匹配结果不准确。

较于基于灰度的互相关模板匹配，基于边缘的模板匹配不需要建立两幅图像之间点的对应关系，具有较好的鲁棒性模板由目标图像边缘的一系列点组成，如下图下面是基于边缘模板匹配对芯片表面字符的检测，下图左边是待检测的SMD字符，右边是匹配得到的结果。

基于机器视觉的SMD字符检测技术在自动化识别领域的应用非常广泛芯片表面的制造商、产品的规格型号参数等对于使用者来说十分重要本文通过设计SMD专用定位块的方式解决字符搜索定位，通过投影切分来进行字符的分割，作为整体和局部字符匹配，提高字符检测的准确性，整体上在鲁棒性、实时性、准确性上能够满足企业字符识别的要求。

(文章来源于网络，如有侵权，请联系删文)

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。