基于中間尺度微小構(gòu)件機(jī)器視覺(jué)檢測(cè)技術(shù)研究.pdf

1、隨著微小型構(gòu)件及裝置日益增多，對(duì)其檢測(cè)需求也越來(lái)也大。本文針對(duì)中間尺度微小構(gòu)件的檢測(cè)需求，結(jié)合浙江省自然科學(xué)基金項(xiàng)目（LY13E050026）《基于中間尺度三維微小構(gòu)件精密檢測(cè)關(guān)鍵技術(shù)研究》，研究中間尺度圖像檢測(cè)相關(guān)理論，包括去噪，邊緣檢測(cè)和亞像素定位等問(wèn)題。針對(duì)貼片式芯片的工業(yè)檢測(cè)，搭建硬件平臺(tái)，開發(fā)軟件系統(tǒng)，剔除不合格品，確定合格品的正負(fù)極性、中心位置和旋轉(zhuǎn)角度等。
　　在中間尺度圖像檢測(cè)系統(tǒng)中，由于視場(chǎng)小、鏡頭多，光照不均勻

2、和鏡頭畸變對(duì)圖像質(zhì)量的影響十分明顯。本文對(duì)本實(shí)驗(yàn)的檢測(cè)系統(tǒng)進(jìn)行了光照不均勻校正和鏡頭畸變校正。光照不均勻標(biāo)定選用灰度值均勻的標(biāo)定板，由標(biāo)定板灰度值及其均值確定不均勻系數(shù)。鏡頭畸變標(biāo)定選用圓形網(wǎng)格標(biāo)定板，通過(guò)網(wǎng)格理想位置和實(shí)際位置，得到畸變系數(shù)。
　　微小構(gòu)件在實(shí)際檢測(cè)過(guò)程中存在較多噪聲，本文對(duì)在實(shí)驗(yàn)室環(huán)境下得到的芯片圖像添加噪聲模擬實(shí)際芯片圖像，并對(duì)中間尺度圖像椒鹽噪聲去噪進(jìn)行研究。在有效信號(hào)比較少的情況下，充分利用現(xiàn)有信息恢復(fù)噪

3、聲圖像，包括灰度分布信息——直方圖，鄰域信息——空間臨近度和灰度相關(guān)度，以它們乘積作為權(quán)重，對(duì)噪聲點(diǎn)先自適應(yīng)加權(quán)均值濾波，再自適應(yīng)均值濾波。實(shí)驗(yàn)證明，該算法對(duì)椒鹽噪聲具有有很好的去噪效果。
　　針對(duì)中間尺度微小構(gòu)件邊緣輪廓復(fù)雜，噪聲多，細(xì)節(jié)模糊的情況，提出改進(jìn)的Canny檢測(cè)算法。本算法著重于對(duì)去噪和雙閾值部分的改進(jìn)，去噪包括自適應(yīng)中值濾波去除椒鹽噪聲和自適應(yīng)高斯濾波去除高斯噪聲，重點(diǎn)在于尺度因子σ的選取。雙閾值部分，為檢測(cè)到弱邊

4、緣，通過(guò)圖像分塊，對(duì)每塊圖像選擇閾值，邊緣檢測(cè)。閾值的選擇包括粗選和精選兩步。通過(guò)對(duì)圖像塊像素梯度排序，選擇粗閾值，由梯度直方圖的差分圖得到閾值的精確數(shù)值。通過(guò)實(shí)驗(yàn)對(duì)比證明本文算法比傳統(tǒng)Canny檢測(cè)對(duì)中間尺度微小構(gòu)件邊緣檢測(cè)效果更好，滿足檢測(cè)要求。
　　為進(jìn)一步提高系統(tǒng)精度，本文對(duì)中間尺度圖像常有的邊緣（直線、圓、圓?。┑膩喯袼囟ㄎ蛔隽诉M(jìn)一步的研究。已知邊緣的像素級(jí)位置，針對(duì)常見(jiàn)邊緣，通過(guò)Hough變換得到邊緣法線方向，在法線方

5、向插值，計(jì)算插值點(diǎn)灰度值，得到灰度差分，包括向前差分和向后差分。歸一化的差分值作為位置權(quán)重，得到中心位置，根據(jù)邊緣曲線形狀，最小二乘法擬合曲線，得到的曲線方程為理想邊緣。實(shí)驗(yàn)證明本文算法的亞像素定位精度高。
　　最后，開發(fā)貼片式芯片檢測(cè)軟件系統(tǒng)。通過(guò)統(tǒng)計(jì)芯片樣本特征，得到正反面、合格與否的參數(shù)，包括面積、矩形度和長(zhǎng)短邊長(zhǎng)比等，作為芯片檢測(cè)的標(biāo)準(zhǔn)，剔除不合格品，確定合格品正負(fù)極性、中心位置和旋轉(zhuǎn)角度，系統(tǒng)檢測(cè)時(shí)間小于1s，滿足實(shí)時(shí)性