基于數(shù)字圖像處理技術(shù)的集成塊姿態(tài)檢測(cè)
加入技術(shù)交流群
掃碼加入
和技術(shù)大咖面對(duì)面交流
海量資料庫(kù)查詢(xún)
近年來(lái)，我國(guó)的半導(dǎo)體產(chǎn)業(yè)蓬勃發(fā)展，由于其起步較晚，雖然生產(chǎn)的很多環(huán)節(jié)實(shí)現(xiàn)了高速自動(dòng)化，但集成塊的質(zhì)量檢測(cè)還主要借助于人的視覺(jué)和主觀判斷能力，因而占用的大量的人力，且由于受到個(gè)人的視力、情緒、疲勞、光線(xiàn)等因素的影響，工作效率低，分選差異大。本文所研究的即是計(jì)算機(jī)工業(yè)圖像檢測(cè)技術(shù)在集成塊管腳檢測(cè)中的應(yīng)用，相比較傳統(tǒng)的人工檢測(cè)，計(jì)算機(jī)圖像檢測(cè)技術(shù)有以下優(yōu)點(diǎn)：1)替代人力減少成本。2)提高產(chǎn)品質(zhì)量。3)提高生產(chǎn)效率。
本文主要針對(duì)在流水線(xiàn)上的集成塊容易發(fā)生管腳丟失和姿態(tài)傾斜的問(wèn)題，實(shí)現(xiàn)對(duì)流水線(xiàn)上的集成塊的管腳以及對(duì)集成塊姿態(tài)的自動(dòng)檢測(cè)。
l 預(yù)處理
把圖像變成標(biāo)準(zhǔn)圖像的過(guò)程就是圖像預(yù)處理。本文中所處理的圖像都是在集成塊流水線(xiàn)上方的工業(yè)攝像機(jī)所拍下的圖像，圖像信號(hào)由于輸入A／D轉(zhuǎn)換器件及周?chē)h(huán)境的影響，含有各種各樣的噪聲和失真，為了穩(wěn)定地進(jìn)行后期檢測(cè)等工作，必須通過(guò)圖像預(yù)處理以消除噪聲、校正失真，達(dá)到改善圖像質(zhì)量、便于圖像測(cè)量的目的。
1．1 中值濾波
中值濾波主要目的是去除圖像中的椒鹽噪聲。本文所研究的對(duì)像集成塊有較多椒鹽噪聲，所以采取中值濾波實(shí)現(xiàn)圖像的優(yōu)化。
1．2 圖像閾值分割
中值濾波后的圖像達(dá)到了較好的去噪目的，再進(jìn)行閾值分割處理。圖像閾值分割是一種廣泛使用的基于空間域聚類(lèi)分析的圖像分割技術(shù)，它主要是利用圖像中要提取的目標(biāo)和背景在灰度特性上的差異，選擇一合適的閾值，通過(guò)判斷圖像中的每一個(gè)像素點(diǎn)的特征屬性是否滿(mǎn)足閾值要求來(lái)確定圖像中該像素點(diǎn)屬于目標(biāo)還是應(yīng)該屬于背景，從而產(chǎn)生相應(yīng)的二值圖像。由于本系統(tǒng)是在高速運(yùn)轉(zhuǎn)的流水線(xiàn)上工作，要求有很高的實(shí)時(shí)性，所以采取了兩種動(dòng)態(tài)閾值分割方法，即類(lèi)間方差閾值分割和最大熵閾值分割來(lái)實(shí)現(xiàn)圖像的分割，這兩種方法是利用目標(biāo)圖像的直方圖具有典型的雙峰特性，利用概率論和最大熵的理論，自動(dòng)確定一個(gè)最佳的閾值，對(duì)圖像進(jìn)行二值化，在本文中的對(duì)象經(jīng)過(guò)中值濾波后得到的圖像的直方圖就滿(mǎn)足雙峰特性，所以采取上述兩種方法對(duì)圖像進(jìn)行處理，得到二值化圖像。
評(píng)論