引線鍵合視覺檢測關鍵技術研究.pdf

1、計算機視覺檢測技術是高速高精度引線鍵合機視覺系統的核心技術。在視覺系統的成像設備確定的情況下,檢測算法決定著視覺系統檢測速度和精度,并影響著微電子產品的成本與可靠性。近些年,隨著微電子產品尤其是微系統技術的發(fā)展,芯片和微機電產品的特征尺寸不斷減小、結構日益復雜,對圖像視覺定位算法、缺陷檢測算法提出了更高、更苛刻的要求,已經成為實現更高速度、更高精度的柔性自動化引線鍵合的關鍵。本文對引線鍵合視覺檢測算法進行了深入研究,研究內容主要包括面向

2、引線鍵合視覺系統的圖像預處理、特征提取、視覺定位及缺陷識別技術。
　　 圖像去噪算法的性能影響著后續(xù)的特征提取、檢測定位及缺陷檢測的精度,本文首先針對視覺檢測系統中常見的脈沖噪聲和高斯噪聲,分別實現了改進的中值濾波算法和雙邊濾波算法。對于圖像中的混合噪聲,根據噪聲和信號在頻域和空域的不同特性,提出了小波元胞自動機去噪算法。該算法選擇像素點的方向信息和邊緣有序性設定演化規(guī)則,利用元胞自動機演化得到精確的噪聲信息從而完成混合噪聲的去

3、除。仿真結果表明該算法克服了現有去噪算法引起的邊緣模糊,此外峰值信噪比有所提高,在有效濾除混合噪聲的同時保持了邊緣和細節(jié),有助于后續(xù)工作的進行。
　　 針對視覺檢測中的匹配定位問題,提出了兩種特征提取算法,在此基礎上實現了兩種匹配定位算法。
　　 第一種是混合矩特征提取算法。針對單一特征描述能力的局限性,結合能提供圖像全局信息的Zernike正交矩和具有局部辨析能力及良好抗噪性的小波矩,提出了圖像的混合矩特征提取算法,并

4、通過仿真實驗驗證了特征的旋轉不變性和抗噪性。在此基礎上,針對IC芯片圖像,提取其混合矩特征,設計粗一精兩級搜索策略以提高定位速度,利用歸一化相關函數找到最佳匹配點,從而實現了基于混合矩特征的匹配定位。算法全面考慮了圖像的全局和局部信息,仿真實驗結果表明,本文提出的算法在精度和速度上與基于單一不變矩的方法和歸一化灰度相關算法相比具有明顯的優(yōu)勢。
　　 第二種是針對點特征和細節(jié)比較豐富的MEMS圖像,提出SIFT-MIC點特征提取方

5、法。該方法通過選擇具有MIC角點特性的SIFT點特征,實現了顯著特征點的提取,同時有效地降低了定位算法的計算復雜度。仿真實驗驗證了提出算子的平移、旋轉不變性和抗噪性。在此基礎上,采用RANSAC算法消除潛在的誤匹配對,對保留的穩(wěn)健的特征匹配點運用奇異值分解法求出待測圖像的旋轉和偏移參數,從而實現了基于SIFT-MIC點特征的匹配定位。實驗結果表明本文提出定位算法克服了SIFT算子顯著性不高等缺點,具有較高的定位精度和檢測效率。
　

6、　 針對鍵合產品缺陷檢測中缺陷難以提取的問題,利用Curvelet變換的多尺度、時頻局部特性和方向特性,分析Curvelet變換后各子帶矩不變量,提出了Curvelet矩特征提取方法,在此基礎上實現了Curvelet矩特征的缺陷分類算法。為了保證特征提取算法的通用性,采用MPEG-7形狀庫測試其不變性和分類性能,仿真結果驗證了Curvelet矩特征的形狀描述有效性。選擇參考比較法實現缺陷區(qū)域提取和分類,設計缺陷分類預處理方案,并通過預

7、處理獲取缺陷區(qū)域,利用Curvelet矩描述缺陷區(qū)域形狀特征,最后利用適合小樣本的支持向量機分類器完成缺陷分類。實驗結果表明本文提出的缺陷識別算法,有效解決了復雜缺陷難以識別的問題,同傳統識別算法相比具有較高的識別率,對鍵合產品缺陷識別具有重要的應用價值。
　　 研究構建了引線鍵合圖像采集系統,對其組成硬件進行了分析和選擇。根據引線鍵合視覺系統工作原理,給出了視覺系統示教階段和鍵合階段的工作流程。結合圖像處理基本方法和本文提出的