基于边缘线性拟合的芯片亚像素定位算法

罗振威 丁跃浇 甘玉坤

摘  要： 为解决贴片机由于贴片元件中心定位精度不够导致贴片过程中可能出现的抛料、贴片芯片引脚损坏等情况，本文设计一种基于边缘数据拟合的贴片芯片中心定位算法，实现了对贴片芯片中心的亚像素级高精度定位。并在此基础上，利用检测出来的中心坐标计算出芯片离吸嘴的基准偏差，得到芯片的中心偏移量。并且通过线性拟合得到的边缘线，计算出芯片的旋转角。在算法过程中加入了去倒角算法去除倒角信息对拟合的影响，更好地提高检测结果的稳定性。由程序运行结果可知该算法提高了贴片机的贴片精度，特别对检测芯片偏转角度有着良好的效果，同时相对其他亚像素检测算法保证了检测过程的效率。

关键词： 光学测量;贴片机;中心定位;边缘检测;亚像素;数据拟合

中图分类号： TP391;TP23    文献标识码： A    DOI：10.3969/j.issn.1003-6970.2020.06.041

本文著录格式：罗振威，丁跃浇，甘玉坤. 基于边缘线性拟合的芯片亚像素定位算法[J]. 软件，2020，41（06）：204207

【Abstract】： In order to solve the problem that the placement machine may not be caused by the centering accuracy of the chip component， the throwing of the chip and the pin of the chip may be damaged. In this paper， a center localization algorithm based on edge data fitting is designed to achieve high-precision sub-pixel positioning of the chip center. Based on this， the measured center deviation is used to calculate the reference deviation of the chip from the nozzle， obtain the center offset of the chip. And calculate the rotation angle of the chip by linearly fitting the obtained edge line. In the algorithm process， the de-chamfering algorithm is added to remove the influence of chamfering information on the fitting， and the stability of the detection result is better improved. It can be seen from the running results of the program that the algorithm improves the placement accuracy of the placement machine， and has a good effect on detecting the deflection angle of the chip， and the efficiency of the detection process is ensured compared with other sub-pixel detection algorithms.

【Key words】： Optical measurement; Mounter; Center positioning; Edge detection; Sub-pixel; Data fitting

0  引言

隨着现在手机、电脑等电子产品的快速更新换代，电子芯片也随着向高速、高集成度、微型等趋势发展。传统的插入式电子芯片组装方式因为效率低、精度低、人工成本高等原因慢慢由高自动化的SMT（表面贴装技术）所代替。而贴片机作为SMT技术的核心，如何提高贴片机的性能依然是现在研究的重点。中国在贴片机领域的发展历史较短，现在国内的高速贴片机领域一直被国外霸占[1]，因此对于提出智能制造强国的中国而言，如何提高贴片机性能使得中国的SMT技术立于世界前列是中国彰显制造强国的又一着重点。近几十年来，国内用于提高贴片芯片的定位和匹配精度的算法络绎不绝。

蔡竞提出的基于图像轮廓的中心定位算法[2]，该算法对芯片的轮廓进行矩形拟合，从而很简单得到芯片的中心坐标，该算法简单且检测结果稳定，但得到的坐标是整像素级，且无法检测芯片的偏转角。而自20世纪70年代Hueckel提出了亚像素边缘检测技术之后，用亚像素细分提高检测精度的技术开始快速发展。发展到现在主要分为三大类：拟合法、矩方法和插值法[2]。但工业视觉检测环境较复杂，因此在原有基础上工作人员对原有算法进行改进。例如韩东等人提出的一种基于高斯拟合的亚像素边缘定位算法。该算法的检测精度达到亚像素级，但程序较复杂且对图像要求较高。因此本文为了降低检测算法的复杂度又能达到检测精度要求提出了一种基于边缘坐标线性拟合的贴片芯片定位算法。通过提高贴片机的检测精度和检测速度保证贴片的准确性和效率从而提高贴片机的性能。

1  芯片图像预处理

图像预处理过程就是对图像进行一些前期的像素级处理，让图像的特征更好的显示出来。常用的图像预处理过程有图像增强和滤波、图像分割等[3-5]。

1.1  图像滤波

摄像机在获取和传输图像过程中不可避免的会掺杂噪音，导致图像质量下降，因此如何降低和抑制噪音的干扰对后期图像处理起着决定性的作用。视觉系统采集图像大多由工业摄像机完成，而工业相机采集的图像噪点符合高斯模型，因此采用高斯滤波用于降低图像中的噪声影响。

1.3  边缘检测

在图像检测中边缘检测是极其重要的一个步骤。图像的边缘是图像的基本特征之一，也是后续的图像识别和测量的基础，而图像边缘在图像中表现为图像局部灰度变化显著的部分，主要存在于场景中目标与背景之间、区域之间的边界处[8-9]。大多数边缘检测算法都基于图像梯度而得到，而林卉等人通过对比常用简单边缘检测算法发现Canny算法相对于其他算法有着效果好、速度快和可扩展性好等优点[10]。

2  边缘坐标的线性拟合

通过Canny得到边缘坐标后发现倒角处的边缘数据对拟合结果有着一定的影响。因此为了得到好的拟合效果需要在数据拟合前将倒角处的边缘信息去除。

2.1  去倒角

首先通过对芯片轮廓中心的计算得到芯片中心的大致位置（x0，y0），再计算出芯片上所有边缘点到芯片中心（x0，y0）的欧氏距离，取距离的最大值和最小值的平均值为判断阈值T0。T0值确定后，若边缘点到芯片中心的距离小于T0时，则判定该点为需要保留的线性边缘点，若边缘点到芯片中心的距离大于T0时，则判定该点为需要去除的倒角边缘点，进行剔除，原理如下图1（a）所示，图中白色圆为去倒角判定圆，圆心为（x0，y0），半径为T0。

4  结语

本文提出了一种基于数据线性拟合的定位算法。采用线性拟合去提取边缘信息，再通过计算得出亚像素中心精度和偏转角度。从实验结果表明提出的检测算法与常用检测算法比较具有更高的中心检测精度，特别是在偏转角的检测中。与高斯拟合算法比较，在达到同等精度的条件下改进算法需要的时间更少。而在拟合过程中由于倒角信息对拟合的影响本文提出了一种去倒角算法，更好的提高了芯片检测定位的稳定性和精确性。通过该算法能有效降低贴片机贴片过程中由于精度不够导致的抛料现象，提高贴片机的贴片效率和贴片合格率，具有很高的工业研究价值。

参考文献

[1] 范庆丽， 苗静， 刘旭丹. SMT贴片机常见故障及处理方式[J]. 中国新技术新品， 2012（18）： 129.

[2] 蔡竞， 一种基于矩形拟合的LED贴片机元件定位算法[J]. 科学技术与工程， 2014（21）： 271-274.

[3] 师红宇， 任小玲. 基于机器视觉的棉花异性纤维识别方法[J]. 软件， 2018， 39（2）： 32-34.

[4] 叶诗韵， 黄志成. 基于人脸识别的考生身份识别应用研究[J]. 软件， 2018， 39（12）： 37-39

[5] 侯貴洋， 赵桂杰， 王璐瑶. 草莓采摘机器人图像识别系统研究[J]. 软件， 2018， 39（6）： 184-188.

[6] 曹妍， 陈伟. 基于 MATLAB 图像处理的药片计数方法研究[J]. 软件， 2018， 39（9）： 13-15.

[7] 卢军， 寸毛毛. 基于贴片机视觉系统的SIM芯片识别定位算法[J]. 包装工程， 2017， 38（21）： 103-108.

[8] 黄紫青， 曾祥进. 基于机器视觉的芯片引脚识别与中心定位算法研究[J]. 软件导刊， 2015（1）： 67-69.

[9] 黄紫青， 曾祥进. 基于机器视觉的芯片引脚识别与中心定位算法研究[J]. 软件导刊， 2015（1）： 67-69.

[10] 黄紫青， 曾祥进. 基于机器视觉的芯片引脚识别与中心定位算法研究[J]. 软件导刊， 2015， 14（01）： 67-69.

[11] GUO Jing， LUO Hua. High Precision Screw Positioning Method Based on Machine Vision[J]. Navigation and Control， 2016， 15（3）： 106-112.

[12] 洪奔奔， 管声启， 任浪， 等. 基于特征提取与匹配的带钢缺陷检测[J]. 软件， 2018， 39（9）： 31-34.