基于機器視覺的電子元件尺寸測量與缺陷檢測

基于機器視覺的電子元件尺寸測量與缺陷檢測目錄TOC\h\z\t"標題1,2,標題2,3,標題,1"1引言 摘要:本論文以機器視覺技術(shù)為基礎，結(jié)合Halcon軟件，針對電子元件的尺寸測量和缺陷檢測進行了深入研究。首先介紹了機器視覺技術(shù)在電子元件領(lǐng)域的應用現(xiàn)狀和研究意義，利用型號為MV-SUA1201C的相機拍攝標定板圖像，并通過HALCON對工業(yè)相機進行標定，得到世界坐標和像素坐標的關(guān)系。然后對電子元件圖像進行灰度轉(zhuǎn)換等預處理工作，使用預處理后的圖片進行尺寸測量和缺陷檢測。其中尺寸測量是通過將元件添加至計量模型，實現(xiàn)對電子元件的自動測量。缺陷檢測是通過自動識別引腳起始位置，對每個引腳逐個進行檢測，自動標出引腳缺失的位置，引腳檢測結(jié)果則是利用上位機顯示。最后，視覺測量結(jié)果的相對誤差控制在0.8％左右，視覺缺陷檢測可自動檢測出引腳缺陷，節(jié)省了人力和時間成本。關(guān)鍵詞:機器視覺;尺寸測量;缺陷檢測;HALCON;1引言1.1研究背景與意義計算機視覺（ComputerVision，CV）是一項通過使用計算機和算法對圖像或視頻等數(shù)據(jù)進行分析和處理的技術(shù)[1]。電子產(chǎn)品的功能不斷增強，對電子元件的尺寸和性能要求也越來越高?，F(xiàn)代電子元件通常尺寸小、復雜，且生產(chǎn)數(shù)量大，傳統(tǒng)的電子元件尺寸測量和缺陷檢測通常依賴于人工操作，例如使用千分尺、游標卡尺等測量工具進行手動測量，存在效率低、精確度低、以及測量不一致等一系列問題，不能滿足現(xiàn)代工業(yè)生產(chǎn)需求[2]，現(xiàn)在社會急需一種更高效、精確的解決方案。同時，電子元件的表面質(zhì)量對產(chǎn)品的可靠性和使用壽命有著重要影響。機器視覺系統(tǒng)能夠在較短的時間內(nèi)完成大量電子元件的尺寸測量和缺陷檢測任務，大大提高了生產(chǎn)效率和產(chǎn)能利用率，降低了人力成本和時間成本。電子元件作為各種電子產(chǎn)品的基礎組件，以此看來，電子元件的好壞會直接影響到組成的產(chǎn)品的好壞。通過對電子元件進行缺陷檢測，可以對有缺陷的電子元件進行篩選去除，來增加產(chǎn)品性能和穩(wěn)定性增強了用戶的信任和滿意度?，F(xiàn)如今時代快速發(fā)展，機器視覺技術(shù)獲得較好的發(fā)展并且備受重視[3]。機器視覺技術(shù)的應用不僅在電子元件制造領(lǐng)域具有重要意義，還可以推動整個產(chǎn)業(yè)鏈的升級和轉(zhuǎn)型。通過引入機器視覺技術(shù)，可以提高電子元件制造過程的智能化程度和自動化水平。機器視覺檢測技術(shù)具有連續(xù)工作時間長、快速非接觸式、高精度、高穩(wěn)定性等優(yōu)點，已經(jīng)在眾多領(lǐng)域中代替了人工檢測[4]。機器視覺對電子元件尺寸測量和缺陷檢測的意義重大，不僅可以提高測量和檢測的精度和效率，降低生產(chǎn)成本，提升產(chǎn)品質(zhì)量，還可以推動產(chǎn)業(yè)升級和轉(zhuǎn)型，助力電子產(chǎn)業(yè)的可持續(xù)發(fā)展，進一步深入研究和應用機器視覺技術(shù)在電子元件制造領(lǐng)域的潛力和優(yōu)勢，具有重要的理論意義和實踐價值。本文利用HALCON對電子元件圖像進行預處理，標記出電子元件的缺失引腳部分，并測量出其長度和寬度。這樣實現(xiàn)快速找出缺陷并知道其尺寸，效率大幅提升，降低生產(chǎn)成本和人力成本，提高產(chǎn)品的質(zhì)量和競爭力。1.2國內(nèi)外研究現(xiàn)狀機器視覺在國外提出并應用于實踐較早,其概念于20世紀中期被提出,最開始是對二維圖像的處理,后來在60年代Roberts進行了深度研究,其應用于三維場景中[5]。在國外，一些研究機構(gòu)和企業(yè)已經(jīng)開展了相關(guān)的研究工作，并取得了一些重要的研究成果。例如，德國的西門子公司等，在電子元件制造領(lǐng)域都具有較強的研發(fā)實力和技術(shù)水平，在機器視覺技術(shù)的研究和應用方面取得了一些重要的進展。在國內(nèi)，由于電子產(chǎn)業(yè)的快速發(fā)展，對于電子元件尺寸測量和缺陷檢測技術(shù)的需求也越來越大。一些研究機構(gòu)和高校開始開展相關(guān)的研究工作，并取得了一些階段性的研究成果。例如，清華大學等高校，在電子元件制造領(lǐng)域都有相關(guān)的研究團隊，開展了一些具有創(chuàng)新性的研究工作。盡管已經(jīng)取得了一些研究成果，但是相比發(fā)達國家，我們還需要繼續(xù)努力[6]，目前電子元件尺寸測量和缺陷檢測技術(shù)在實際生產(chǎn)中的應用還存在一些問題和挑戰(zhàn)。例如，傳統(tǒng)的測量方法和檢測方法存在精度低、效率低等問題，無法滿足電子元件制造的需求。因此，有必要深入研究電子元件尺寸測量和缺陷檢測技術(shù)，探索新的方法和技術(shù)，提高測量和檢測的精度和效率，促進電子元件制造工藝的優(yōu)化和發(fā)展。1.3機器視覺在尺寸測量和缺陷檢測方面的應用機器視覺技術(shù)在電子元件尺寸測量和缺陷檢測方面的應用已經(jīng)成為電子制造業(yè)中的一項關(guān)鍵技術(shù)。機器視覺技術(shù)在電子元件尺寸測量方面具有重要作用。若是使用傳統(tǒng)的人工測量，則需要花費大量的時間與精力，除此之外，還會因為人注意力不夠集中，長時間工作導致效率降低等因素，使得最終測量的結(jié)果不準確，這也使得電子元件的尺寸精度下降，間接導致最后成品性能質(zhì)量下降。而利用機器視覺對電子元件進行檢測就可以以高質(zhì)量、高速度、高精度的方式進行尺寸測量，可以大大提高測量的準確度和效率。1.尺寸測量利用搭建好的硬件設備，使用工業(yè)相機拍攝電子元件的圖像，利用HALCON軟件對圖像進行分析處理，就可以對電子元件的尺寸進行測量。這種尺寸測量方式不僅可以提高測量的精度和準確度，還能夠大大提高生產(chǎn)效率，降低生產(chǎn)成本。2.表面缺陷檢測機器視覺系統(tǒng)可以對電子元件的表面進行檢測，以發(fā)現(xiàn)可能存在的缺陷，如裂紋、劃痕、氣泡等。及時識別出缺陷錯誤并告知工作人員，以便進行及時修復或更換，從而保證產(chǎn)品質(zhì)量。3.引腳檢測在電子元件制造過程中，引腳的連接質(zhì)量對產(chǎn)品的性能和可靠性至關(guān)重要。機器視覺系統(tǒng)可以對電子元件的引腳進行檢測，以確保引腳的完整性和連接質(zhì)量。通過對引腳圖像進行分析，機器視覺系統(tǒng)能夠準確地檢測出缺陷引腳的位置，從而保證產(chǎn)品的穩(wěn)定性和可靠性。2基于機器視覺的電子元件尺寸測量與缺陷檢測系統(tǒng)基于機器視覺的電子元件尺寸測量與缺陷檢測系統(tǒng)利用攝像機或傳感器捕獲電子元件的圖像，通過分析元件圖像，系統(tǒng)能夠快速、準確地判斷元件尺寸是否符合要求，并檢測出可能存在的缺陷，以支持質(zhì)量控制和生產(chǎn)過程監(jiān)測。2.1基于機器視覺的電子元件尺寸測量與缺陷檢測系統(tǒng)組成基于機器視覺對電子元件尺寸測量與缺陷檢測的硬件設施結(jié)構(gòu)圖，如相機位置，光源位置等如圖2.1所示。圖2.1基于機器視覺對電子元件尺寸測量與缺陷檢測硬件平臺2.2系統(tǒng)軟件部分本文基于HDevelop17.12開發(fā)環(huán)境，以下是HDevelop17.12版本的主要功能：1.圖形化編程界面：HDevelop的界面設計簡潔直觀，易于上手。使用者可以通過可視化的編程界面進行圖像處理和算法開發(fā)，快速構(gòu)建和調(diào)試機器視覺應用程序。2.強大的算法庫：HDevelop內(nèi)置了豐富的算法庫，包括圖像濾波等算法，為使用者了豐富的工具來處理各種圖像處理任務。3.代碼編輯器：集成了代碼編輯器，支持多種編程語言，如HALCON語言、C++、C#等，方便使用者編寫和編輯圖像處理算法和應用程序。4.調(diào)試工具：集成了調(diào)試工具，允許使用者逐步執(zhí)行代碼等一系列操作。5.文檔和幫助：提供了豐富的文檔和幫助資源，比如用戶手冊可以幫助使用者快速上手。使用者可以利用HALCON進行圖像處理和分析，實現(xiàn)對圖像中對象、形狀和模式的檢測和識別。同時，HALCON還能夠處理大規(guī)模的圖像數(shù)據(jù)和復雜的視覺任務，適用于各種實時應用場景。該軟件可以在多種操作系統(tǒng)上運行，并支持多種編程語言，如C++、C#、Python等，為用戶提供了靈活和便捷的開發(fā)環(huán)境。HALCON的穩(wěn)定性和高性能使其成為機器視覺領(lǐng)域的重要工具之一，無論是工業(yè)生產(chǎn)、醫(yī)療診斷還是安防監(jiān)控，都能夠滿足用戶對高質(zhì)量視覺應用的需求。本文選用HALCON,界面如圖2.2所示。VS支持多種編程語言，具有全面的功能，編程簡單易上手，界面如圖2.3所示。圖2.2HDevelop17.12軟件界面圖2.3VisualStudio2022軟件界面2.3系統(tǒng)硬件部分2.3.1鏡頭選擇在工業(yè)相機中，兩種最常見的圖像傳感器技術(shù)是CMOS和CCD,由于其信號輸出方式不同，具有各自不同的優(yōu)點和缺點[7]。本文相機采用CMOS傳感器，下面簡單描述一下傳感器的優(yōu)劣勢：CMOS傳感器優(yōu)勢：1．低功耗：相機通常具有較低的功耗，適合需要長時間運行或依賴電池供電的應用。2.成本效益：制造成本相對較低，適合于大規(guī)模生產(chǎn)和成本敏感的項目。3.高幀率：相機通常能夠提供較高的幀率，適用于需要快速圖像捕獲或動態(tài)監(jiān)測的場合。4.集成度高：技術(shù)可在同一芯片上集成多種功能，適用于需要緊湊設計和多功能集成的應用。CMOS傳感器劣勢：1.圖像質(zhì)量：相機的圖像質(zhì)量低于CCD相機。2.噪聲水平：傳感器可能存在一定程度的噪聲，可能會影響圖像質(zhì)量。本文相機參數(shù)如表1所示，選用的工業(yè)相機如圖2.4所示。表1相機參數(shù)配件類型工業(yè)相機型號傳感器相機類型MV-SUA1201C1/1.7''CMOS彩色有效像素1200萬像元尺寸1.85μm×1.85μm鏡頭接口C/CS接口靈敏度250mV1/30s分辨率幀率4000×300032fps數(shù)據(jù)接口USB3.0圖2.4工業(yè)相機2.3.2鏡頭選擇在Halcon中進行相機標定時，選擇合適的鏡頭至關(guān)重要，它直接影響到所拍攝圖像的質(zhì)量和圖像處理的結(jié)果。選擇鏡頭時需要綜合考慮以下幾個方面：焦距選擇、視分辨率和像素密度等。焦距決定了相機能夠看到物體在圖像中的大小。根據(jù)應用需求確定所需的分辨率和像素密度，分辨率越高，圖像中物體的細節(jié)就越清晰。鏡頭圖片如圖2.5所示，該鏡頭部分具體參數(shù)如表2所示。 表2鏡頭參數(shù)信號MV-LD-6-12M-A像素1200萬焦距6mm最小物距0.1m靶面尺寸1/1.7''光圈范圍F=1:2.4~16接口C口控制方式手動調(diào)整圖2.5鏡頭2.3.3光源選擇光源在拍攝電子元件圖像時扮演著至關(guān)重要的角色[8]，它影響著圖像質(zhì)量、對比度等因素。選擇合適的光源類型、位置和參數(shù)對于確保系統(tǒng)的準確性和可靠性非常重要。為了能拍攝出無陰影圖像，本篇采用兩個LED光源。光源設計圖如圖2.6所示。光源位置如圖2.7所示。 圖2.6LED光源設計圖圖2.7光源位置3相機標定相機標定是機器視覺中的重要步驟之一，相機標定在Halcon中可以得到相機的內(nèi)部參數(shù)和外部參數(shù)，并以代碼的形式寫出，從而將圖像坐標與真實世界坐標之間建立準確的映射關(guān)系。在機器視覺中，我們通常需要將圖像中的特征與現(xiàn)實世界中的物體位置對應起來。下面是使用HDevelop進行相機標定的步驟：1.準備標定板和相機本文準備一個參數(shù)已知的標定板和一個位置固定的相機，確?？梢耘臄z到整個標定板。標定板如圖3.1所示，相機與標定板位置如圖3.2所示。圖3.17*7標定板圖3.2相機與標定板位置2.拍攝標定板圖像在不同角度和位置拍攝一系列標定板圖像，使得標定板在相機視野內(nèi)盡可能占據(jù)更多位置，確保在存在于頁面的每一個位置，且擁有不同的旋轉(zhuǎn)角度和平移位置。所拍攝標定板如圖3.3所示。圖3.3拍攝標定板3.使用HDevelop打開Halcon軟件。在“助手”欄中選擇“Calibration”一項，如圖3.4所示。圖3.4打開新的Calibration4.選擇標定板類型根據(jù)標定板自身的數(shù)據(jù)，如表3，設定相關(guān)參數(shù)，例如厚度等。如圖3.5所示。表3標定板參數(shù)標定板GB050-2浮法玻璃基板外形尺寸50×50mm直徑2mm中心距離4mm陣列圖案尺寸7×732×32精度±0.01標定板厚度2mm圖3.5標定工具5.標定板圖像導入并檢測其狀態(tài)：將之前拍攝好各個角度和位移的標定板圖像導入到HALCON中進行狀態(tài)檢測，觀察其狀態(tài)是否為確定，若拍攝標定板圖像有問題，則根據(jù)相應指示進行改正重拍，狀態(tài)確定如圖3.6所示。并選擇一張較正圖像作為參考位姿。圖3.6選擇標定圖像6.檢查標定結(jié)果：標定完畢后，HALCON會對標定結(jié)果進行反饋評估，并根據(jù)需要進行進一步的調(diào)整，如圖3.7所示。點擊生成代碼，并運行，即可輸出相機的標定參數(shù)，如圖3.8所示。圖3.7標定結(jié)果圖3.8相機的標定參數(shù)4圖像預處理和模板匹配在Halcon中進行圖像預處理是為了準備圖像以便后續(xù)的分析、檢測或識別。圖像預處理操作的作用是在盡量保持圖像原始數(shù)據(jù)的情況下，對圖像數(shù)據(jù)進行數(shù)據(jù)變換，突出有用的特征[9]。以下是一些常用的HALCON圖像預處理：1.去噪聲：使用濾波器技術(shù)去除圖像中的噪聲，以提高后續(xù)處理的穩(wěn)定性和準確性，圖像的去噪聲濾波也有很多經(jīng)典的算法,例如高斯濾波、均值濾波、中值濾波等[10]。2.灰度變換：彩色圖像的灰度變換可以將彩色圖像轉(zhuǎn)換為僅包含亮度信息而不包含顏色信息的灰度圖像。3.二值化：將灰度圖像轉(zhuǎn)換進行二值化，可以篩選出大于閾值的區(qū)域。4.邊緣檢測：應用邊緣檢測算法來識別圖像邊緣，后續(xù)可使用創(chuàng)建ROI來提取目標區(qū)域。5.區(qū)域分割：將圖像分割成不同的區(qū)域或?qū)ο?，以便進行獨立的分析或識別。4.1閾值分割首先，將一個RGB三通道的彩色圖像，轉(zhuǎn)換成只有一個灰度值的灰度圖，緊接著可以人為創(chuàng)建設置一個閾值，灰度圖像中的像素會根據(jù)其灰度值大小與閾值大小相比較，并進行圖像二值化，范圍在0~255之間，閾值或灰度級分割是必不可少的[11]。在圖像中目標與背景的灰度差異較大的情況下，可將目標與背景區(qū)分開。閾值分割的基本原理是將圖像中的像素根據(jù)其灰度值與設定的閾值進行比較，大于閾值的像素被歸為一類，小于等于閾值的像素被歸為另一類[12]。接下來用個簡單的例子來說明閾值分割，以標定板為例，代碼如圖4.1所示。首先用read_image()讀取所拍攝圖像，為了簡化圖像，利用rgb1_to_gray()算子進行圖像灰度化，再利用threshold()算子，人為設置一個閾值進行二值化，選擇出大致感興趣的圖像范圍，如圖4.2所示。將目標和背景進行區(qū)分，再用connection()將圖像沒有連通的部分進行分割，形成獨立的部分，如圖4.3所示。接下來，再觀察所要區(qū)域的形態(tài)特征，如面積等，選用select_shape()算子進行選擇，篩選出感興趣的區(qū)域，方便后續(xù)處理，如圖4.4所示。圖4.1閾值分割示例代碼圖4.2二值化圖4.3區(qū)域分割圖4.4篩選出區(qū)域4.2圖像的形態(tài)學處理形態(tài)學處理包括腐蝕、膨脹、開運算、閉運算等，為了得到?jīng)]有目標邊緣沒有缺口且沒有噪點的圖像。下面就簡單介紹下膨脹、腐蝕、開運算、閉運算功能。4.2.1膨脹膨脹（Dilation）是一種基本的形態(tài)學操作，用于增加圖像中物體的邊界，以填充空洞、連接斷裂的目標，或者擴大目標的尺寸。在進行圖像處理時候，可以使用dilation1()，dilation2()等函數(shù)來進行膨脹操作。4.2.2腐蝕腐蝕（Erosion）是一種基本的形態(tài)學操作，用于減小圖像中物體的邊界，以去除小的目標、分離連接的目標或者減小目標的尺寸。在進行圖像處理時候，可以使用erosion1()，erosion2()等函數(shù)來進行腐蝕操作。灰度圖像的腐蝕操作通過將像素灰度值變更為其鄰域內(nèi)像素的灰度最小值，收縮亮的目標區(qū)域，擴展暗的背景[13]。4.2.3開運算開運算（Opening）是一種常用的形態(tài)學操作，它是先進行腐蝕操作，然后進行膨脹操作的組合。可以用于去除圖像中的小目標、平滑目標的邊界，并且不影響目標的整體形狀和大小，通常被用來消除圖像中的噪聲或者將連接的目標分離開?？梢允褂胦pening()等函數(shù)進行開運算操作。4.2.4閉運算閉運算（Closing）是一種常用的形態(tài)學操作，它是先進行膨脹操作，然后進行腐蝕操作的組合。閉運算可以用于填補目標中的小空洞、連接斷裂的目標，通常被用來平滑目標的邊界、恢復目標的形狀，并且可以消除一些小的目標或者細小的細節(jié)?？梢允褂胏losing()等函數(shù)進行閉運算操作。4.3基于形狀模板匹配通過物體的形狀等特征，與預輸入的模板進行比較，快速找出與模板相似的物體并輸出匹配分數(shù)值，在進行匹配的過程中，HALCON會利用多個方法來對圖像中的物體與預輸入的模板進行評估的一定區(qū)域內(nèi)物體的相似度，這些方法可以包括灰度值相關(guān)性等。4.3.1設置ROI區(qū)域在HALCON中，ROI是指在圖像中定義的一個特定區(qū)域，可以將這一特定區(qū)域與原來的圖像進行分離，使得后續(xù)只需在分離出來的圖像上直接進行處理，無需對其他非目標區(qū)域進行處理。在設置ROI區(qū)域后，使用者可以有效地限制圖像處理操作的范圍，這樣操作可以提高圖像處理的精確性。示例代碼如圖4.5所示。處理前圖像如圖4.6所示。處理后圖像如圖4.7所示。圖4.5設置ROI區(qū)域代碼示例 圖4.6設置ROI前圖4.7設置ROI后設置ROI，只會將圖片的定義范圍縮減，而不會減小圖片的真實大小，因此，后續(xù)即可對設置ROI后的圖片進行處理，以減小運行負擔。4.3.2創(chuàng)建模板創(chuàng)建模板的時候可以使用create_shape_model算子創(chuàng)建一個模板，預設這兩種參數(shù)的分級圖像會在該算子執(zhí)行后顯示出來，可以憑借需要判斷參數(shù)設置得是否合理。算子create_scaled_shape_model（Template::NumLevels,AngleSt-art,AngleExtent,AngleStep,ScaleMin,ScaleMax,ScaleStep,Optimiza-tion,Metric,Contrast,MinContrast:ModelID）中有較多的參數(shù)可設置，用戶需要按照自己的需求進行設置。下面是幾個較重要的參數(shù)：AngleStart表示形態(tài)模型檢測的起始角度，通常以弧度或度數(shù)表示。AngleExtent表示形態(tài)模型檢測的角度范圍，通常以弧度或度數(shù)表示。MinScore表示形態(tài)模型能接受的最低匹配分數(shù)，匹配分數(shù)低于此值則無法進行匹配。Optimization表示形態(tài)模型創(chuàng)建過程中的優(yōu)化方法?？梢愿鶕?jù)實際應用需求來優(yōu)化形狀模型的構(gòu)建和匹配過程，以獲得更好的匹配性能和效率。一般選擇“auto”。Metric表示指定模型匹配過程中所采用的評價指標或度量方式。根據(jù)不同的評價指標，模型的匹配準確性會有所不同。4.3.3模板匹配將創(chuàng)建的模板與輸入圖像進行匹配?？梢允褂胒ind_shape_model函數(shù)來執(zhí)行模板匹配操作。該函數(shù)會在輸入圖像中搜索與模板匹配的對象，并返回其位置信息。進行模板匹配后會輸出Score值，通過觀察Score值的大小，來確定目標與模板的相似度，Score分數(shù)越高，證明匹配程度越高。電子元件模板圖像如圖4.8所示。將芯片進行不同角度大小旋轉(zhuǎn)后，進行模板匹配，匹配結(jié)果如圖4.9、4.10所示。圖4.8模板圖片圖4.9大角度旋轉(zhuǎn)后匹配結(jié)果圖4.10小角度旋轉(zhuǎn)后匹配結(jié)果5基于機器視覺的尺寸測量和缺陷檢測5.1基于機器視覺的尺寸測量5.1.1創(chuàng)建計量模型本文利用HALCON軟件，生成需要測量的電子元件圖像，創(chuàng)建計量模型進行對其進行二維測量。下面以NE555P為例，利用create_metrology_model()算子創(chuàng)建計量模型，并使用add_metrology_object()算子將計量對象添加到計量模型中，再對計量模型的參數(shù)進行設置，計量模型參數(shù)設置如圖5.1所示。對計量模型參數(shù)設置完后，使用apply_metrology_model()算子即可執(zhí)行測量，并利用get_metrology_object_measures()獲得計量模型邊緣位置結(jié)果，計量模型的顯示如圖5.2所示。測量結(jié)果利用get_metrology_object_result_contour()算子得到。圖5.1計量模型的參數(shù)設置圖5.2計量模型的顯示5.1.2計算并顯示測量結(jié)果 通過對電子元件邊緣輪廓的開始位置坐標、中間坐標和結(jié)束位置坐標并擬合為直線，結(jié)合相機標定程序，調(diào)用image_points_to_world_plane()算子將像素坐標轉(zhuǎn)換到世界坐標，再利用distance_pp()算子算出其在真實世界中兩坐標的距離，即為機器視覺測量值。利用dev_disp_text()算子實現(xiàn)測量結(jié)果顯示。NE555P測量結(jié)果如圖5.3所示,LM339N測量結(jié)果如圖5.4所示。圖5.3測量NE555P結(jié)果圖5.4測量LM339N結(jié)果5.1.3尺寸測量結(jié)果分析表4尺寸測量結(jié)果分析測量元件人工測量值/mm視覺測量值/mm絕對誤差/mm相對誤差LM339N芯片長度19.3019.4610.1610.83％LM339N芯片寬度6.206.2270.0270.04%NE555P芯片長度9.059.0060.0010.01%NE555P芯片寬度6.206.1990.0010.01%由表4可得，使用機器視覺對電子元件進行尺寸測量，其相對誤差均在0.8％左右，由此看來，利用機器視覺進行尺寸測量與人工測量值相差不大，誤差值較小，甚至可以忽略，但是機器視覺可以大量減少人力資源，節(jié)約成本，且滿足工業(yè)生產(chǎn)要求，這也是利用機器視覺對電子元件尺寸測量的優(yōu)點之一。Halcon尺寸測量誤差的原因：(1)鏡頭畸變：鏡頭本身是個透鏡，物體放在不同的位置，因為鏡頭畸變的原因，導致拍攝出的圖像會有些許拉伸，影響尺寸測量的準確性。(2)光照條件變化：光照條件的變化會影響圖像質(zhì)量，進而影響尺寸測量的準確性。(3)環(huán)境因素：環(huán)境中的振動、移動或其他干擾因素會干擾圖像獲取和處理，導致測量誤差增加。5.2基于機器視覺的缺陷檢測5.2.1缺陷檢測代碼過程首先確定引腳的起始位置，寬度。生成一個測量矩陣，根據(jù)引腳的間距，逐步移動矩陣，并在移動過程中進行邊緣檢測數(shù)量，HALCON步進邊緣檢測代碼如圖5.5所示。若是可以檢測到邊緣值，則存在引腳，用綠色方框標記；若不能檢測到邊緣值，則引腳缺失。在檢測到引腳有缺陷時，檢測會自動停下，等待用戶下一步指令，當用戶按下F5鍵則會繼續(xù)進行檢測。 圖5.5HALCON引腳缺陷檢測部分代碼示例5.2.2缺陷檢測過程下面以LM339N芯片為例,可利用上位機進行顯示，上位機界面如圖5.6所示。利用上位機創(chuàng)建圖像窗口變量代碼如圖5.7所示，打開圖像代碼如圖5.8所示。缺陷檢測過程如圖5.9、圖5.10、圖5.11、圖5.12所示。圖5.6上位機界面圖5.7創(chuàng)建圖像窗口變量代碼圖5.8打開圖像代碼圖5.9第一個引腳缺陷 圖5.10第二個引腳缺陷圖5.11第三個引腳缺陷圖5.12檢測完成5.2.3其他芯片缺陷檢測結(jié)果下面是NE555P芯片的缺陷檢測結(jié)果，如圖5.13所示。 圖5.13NE555P芯片的引腳缺陷下面是STC芯片，在無引腳缺陷時的缺陷檢測結(jié)果，如圖5.14所示。圖5.14無引腳缺陷時檢測結(jié)果6總結(jié) 本文講述了利用機器視覺對電子元件的尺寸測量和缺陷檢測。首先，我們分析了這一項目的研究背景和未來前景，也了解了目前國內(nèi)外的研究進展，這也讓我們的研究有了初步的目標。我們在進行尺寸測量和缺陷檢測之前，需要做一些基本的準備工作，我們介紹了需要搭建的硬件和軟件環(huán)境，相機采用的是1200萬像素的鏡頭，利用HALCON對標定板圖像進行標定，得到像素坐標和世界坐標之間的關(guān)系，即可實現(xiàn)后續(xù)尺寸測量操作。進行圖像預處理操作包括灰度轉(zhuǎn)化等，可以有效的去除噪點，提取目標區(qū)域，方便后續(xù)處理。在做完準備工作以后，就可以對一些電子元件進行尺寸測量和缺陷檢測的工作。在尺寸測量中，通過利用創(chuàng)建計量模型對電子元