基于芯片點(diǎn)膠系統(tǒng)的視覺檢測技術(shù)研究

田鋒　曾祥進(jìn)　彭云

摘 要：對于芯片點(diǎn)膠系統(tǒng)的視覺檢測關(guān)鍵技術(shù)——芯片的中心定位，根據(jù)實(shí)際需要，提出一種改進(jìn)的中心定位算法。通過重心法和高斯曲面擬合法對圖像進(jìn)行中心定位算法處理后，再使用均方根值法對數(shù)據(jù)進(jìn)行處理，從而對現(xiàn)有算法的不足之處進(jìn)行改進(jìn)。模擬實(shí)驗(yàn)結(jié)果表明，通過改進(jìn)的中心定位算法得到的坐標(biāo)更為精確，誤差相對更小，能夠更好地滿足工業(yè)應(yīng)用需求。

關(guān)鍵詞關(guān)鍵詞：芯片點(diǎn)膠；機(jī)器視覺；視覺檢測；平面標(biāo)定；中心定位

DOIDOI：10.11907/rjdk.162384

中圖分類號：TP319

文獻(xiàn)標(biāo)識碼：A 文章編號文章編號：16727800（2016）011013103

0 引言

隨著半導(dǎo)體和電子行業(yè)的高速發(fā)展，傳統(tǒng)的人工生產(chǎn)方式已難以滿足現(xiàn)代生產(chǎn)要求的精度和速度。機(jī)器視覺產(chǎn)品憑借對生產(chǎn)現(xiàn)場的圖像采集處理，由系統(tǒng)內(nèi)部對各種情況進(jìn)行分析處理，只需人工下達(dá)工作指令即可。其不但可以長達(dá)24小時(shí)連續(xù)不斷地工作，還能避免各種化學(xué)藥物對人體的傷害。因此，機(jī)器視覺產(chǎn)品以其獨(dú)特的優(yōu)勢在各個(gè)行業(yè)得到了迅速發(fā)展，在產(chǎn)品尺寸檢測等領(lǐng)域發(fā)揮著重要作用。

目前，機(jī)器視覺產(chǎn)品應(yīng)用最為廣泛的行業(yè)是工業(yè)生產(chǎn)。在半導(dǎo)體和電子產(chǎn)品的制造過程中，點(diǎn)膠操作是芯片生產(chǎn)封裝過程中的一項(xiàng)關(guān)鍵技術(shù)，已被廣泛用于檢測與裝配的自動(dòng)化生產(chǎn)過程中。芯片點(diǎn)膠系統(tǒng)采用半自動(dòng)人工控制，并采用機(jī)器視覺技術(shù)以自動(dòng)化生產(chǎn)模式取代傳統(tǒng)手工模式，在人力、資金等方面為公司節(jié)約了大量成本。當(dāng)前的點(diǎn)膠機(jī)存在點(diǎn)膠過慢、精度較低等問題，無法滿足點(diǎn)膠封裝的要求，所以芯片點(diǎn)膠系統(tǒng)需要不斷進(jìn)行改進(jìn)與優(yōu)化。本文針對芯片點(diǎn)膠系統(tǒng)的關(guān)鍵技術(shù)進(jìn)行研究，對現(xiàn)有的中心定位算法進(jìn)行改進(jìn)，提出了一種改進(jìn)的中心定位算法，從而更精確地對芯片中心進(jìn)行定位，完成點(diǎn)膠操作。

1 系統(tǒng)方案設(shè)計(jì)

1.1 自動(dòng)點(diǎn)膠系統(tǒng)設(shè)計(jì)

自動(dòng)點(diǎn)膠系統(tǒng)由工控機(jī)、點(diǎn)膠機(jī)（機(jī)器人）、空氣壓縮機(jī)、視覺檢測系統(tǒng)與光源等組成，系統(tǒng)框架如圖1所示，系統(tǒng)實(shí)物如圖2所示。工作原理如下：將需要點(diǎn)膠的芯片隨機(jī)放在工作臺上，給予適合的光照強(qiáng)度。視覺檢測系統(tǒng)通過檢測芯片，識別定位出芯片的引腳中心位置，將數(shù)據(jù)反饋到主機(jī)中，再控制機(jī)器人進(jìn)行點(diǎn)膠操作。

在自動(dòng)點(diǎn)膠系統(tǒng)中，視覺檢測系統(tǒng)最為關(guān)鍵。由于芯片的高度集成化，芯片之間的間距越來越小，因此檢測識別難度更大，精度要求也不斷提高。而且由于生產(chǎn)的自動(dòng)化，速度也不斷加快。因此，高精度的視覺檢測系統(tǒng)發(fā)揮了重要作用。

1.2 視覺檢測系統(tǒng)

視覺檢測系統(tǒng)模塊包括圖像采集和顯示模塊、圖像處理模塊以及檢測結(jié)果輸出模塊3部分：①圖像的采集與顯示模塊包括圖像傳感器及A/D轉(zhuǎn)換器等，主要功能是在合適光源的照度下進(jìn)行圖像采集，并轉(zhuǎn)換為需要的圖片格式進(jìn)行顯示和存儲；②圖像處理模塊是整個(gè)系統(tǒng)的核心，其根據(jù)需要提取目標(biāo)圖像的特性信息進(jìn)行中心定位；③圖像輸出部分將圖像處理后存儲的數(shù)字陣列圖像變換為適于人們理解的形式。本文基于VC2010與Opencv，對CCD攝像頭采集的芯片圖像進(jìn)行圖像處理與編程仿真，最終實(shí)現(xiàn)芯片的點(diǎn)膠定位。

2 點(diǎn)膠系統(tǒng)視覺檢測算法

2.1 芯片中心定位算法研究

目前研究人員對于芯片中心定位的計(jì)算方法主要分為兩種，一種是基于區(qū)域的方法，另一種是基于邊緣的方法。在基于區(qū)域的中心定位算法中，應(yīng)用較多的是重心法、曲面擬合法等；基于邊緣的中心定位算法則主要包括邊緣曲線擬合法、插值法等。

2.2 改進(jìn)的中心定位算法

為了解決重心法和高斯曲面擬合法在中心定位方面的不足之處，本文提出一種改進(jìn)的基于重心法和高斯曲面擬合法的中心定位算法。改進(jìn)的中心定位算法同時(shí)結(jié)合了重心法與高斯曲面擬合法的優(yōu)點(diǎn)，能夠在誤差允許的范圍內(nèi)提升目標(biāo)區(qū)域中心的定位精度。算法主要步驟如下：①利用不同閾值對圖像進(jìn)行邊緣提取，得到不同的目標(biāo)灰度圖像；②對得到的灰度圖像使用重心法對其進(jìn)行中心定位，計(jì)算出相應(yīng)的中心坐標(biāo)位置并記錄；③使用高斯曲面擬合法對不同閾值進(jìn)行曲面擬合算法運(yùn)算，計(jì)算出不同閾值分別對應(yīng)的中心坐標(biāo)位置并記錄；④對使用重心法和高斯曲面擬合法計(jì)算得到的數(shù)值進(jìn)行總體標(biāo)準(zhǔn)差運(yùn)算，得到重心法和高斯曲面擬合法相應(yīng)的中心坐標(biāo)標(biāo)準(zhǔn)差；⑤再對重心法和高斯曲面擬合法計(jì)算得到的標(biāo)準(zhǔn)差進(jìn)行均方根值運(yùn)算，得出最終的中心坐標(biāo)位置。

均方根（RMS）有時(shí)也被稱為方均根。將N個(gè)項(xiàng)的平方進(jìn)行求和，然后再除以N以后開方所得的結(jié)果即是均方根的結(jié)果，其計(jì)算公式為：

3 實(shí)驗(yàn)與結(jié)果分析

對于不同閾值進(jìn)行邊緣提取以后的灰度圖像，本文通過對圖像的標(biāo)準(zhǔn)差進(jìn)行計(jì)算，分別得到了重心法和高斯曲面擬合法的中心坐標(biāo)。圖3為使用重心法、高斯曲面擬合法和改進(jìn)的中心定位算法分別計(jì)算芯片中心坐標(biāo)得到的中心標(biāo)示圖。

可以看出，幾種算法的主要差別存在于X方向，在Y方向上基本沒有差別。而且從圖6中可以更加清晰地看到，明顯有幾個(gè)點(diǎn)偏離實(shí)際測量位置，這是由于算法局限性造成的誤差，而改進(jìn)算法與實(shí)際測量數(shù)據(jù)之間的誤差極小。三種算法的誤差分析具體如表2所示。

從表2中可以看出，傳統(tǒng)的中心定位算法在邊緣部分可能出現(xiàn)一定偏差，而改進(jìn)的中心定位算法能夠在現(xiàn)有基礎(chǔ)上提升定位準(zhǔn)確率，控制誤差率在3%以內(nèi)，從而避免了重心法及高斯曲面擬合法的弊端，有效提升了芯片中心的定位精度，取得了預(yù)期的實(shí)驗(yàn)效果。

4 結(jié)語

本文首先闡述了中心定位算法對于芯片點(diǎn)膠系統(tǒng)的重要性，然后介紹了傳統(tǒng)的中心定位算法——重心法以及高斯曲面擬合法，分析了現(xiàn)有算法的優(yōu)劣，并提出一種改進(jìn)的中心定位算法，從而更精確地對目標(biāo)中心進(jìn)行定位。處理得到芯片中心坐標(biāo)，然后使用最小二乘法對中心坐標(biāo)進(jìn)行計(jì)算，將中心坐標(biāo)轉(zhuǎn)換為空間的三維坐標(biāo)，通過運(yùn)動(dòng)控制完成最終的點(diǎn)膠操作。實(shí)驗(yàn)證明了本文算法的可行性，較之傳統(tǒng)算法誤差更小，精度獲得了有效提升。

參考文獻(xiàn)：

[1] 梁錫漢.自動(dòng)貼片視覺系統(tǒng)的研究與設(shè)計(jì)[J].制造技術(shù)與機(jī)床，2005（1）：4648.

[2] 劉建群.基于視覺的表面封裝芯片引腳檢測系統(tǒng)的研究[J].中國機(jī)械工程，2007，18（16）：19081912.

[3] CHENYANG GE， ZUOXUN HOU， HUIMIN YAO，et al. A new implementation of imageprocessing engine for 3D visualization and stereo video stream display[J]. Semiconductor Technology， 2014， 59（56）：459467.

[4] 李剛.基于機(jī)器視覺的密集復(fù)雜物體識別與定位[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2013.

[5] 王歡，王修輝.基于閾值判斷的自適應(yīng)中值濾波算法[J].中國計(jì)量學(xué)院學(xué)報(bào)，2011（24）：382385.

[6] WANG，CHIENCHIH.Multivariate analysisbased image enhancement model for machine vision inspection[J].International Journal of Production Research，2011，49 （10）：29993021.

[7] 林開顏.彩色圖像分割方法綜述[J].中國圖像圖形學(xué)報(bào)，2005，10（1）：110.

[8] 劉好龍.一種改進(jìn)的激光光斑中心定位算法[J].計(jì)算機(jī)測量與控制，2014，22（1）：139141.

[9] 陳大川，許小東，陳永彬，等.基于機(jī)器視覺的鉸鏈精密檢驗(yàn)系統(tǒng)[J].機(jī)電工程技術(shù)，2015，44（3）：6467.

[10] 孫道恒，高俊川，杜江，等. 微電子封裝點(diǎn)膠技術(shù)的研究進(jìn)展[J].中國機(jī)械工程，2011，22（20）： 25132519.

（責(zé)任編輯：孫 娟）