SMD封装器件的检测筛选方法研究

袁咏歆　韩璞辉

电子产业的高速发展为电子元器件的升级换代带来了契机。出于电子产品小型化、便携性的考虑，SMD封装的器件成为市场的主流。SMD（即Surface Mounted Devices的缩写，表面贴装器件）封装可以大幅减少管脚、管壳所占用的体积，器件小型化，甚至微型化，在体积、重量、功耗等方面都有优势。SMD封装器件由于其体积微小，检测筛选中的器件取用、表面检查、排布整理都存在不便。在此背景下，基于可见光图像处理技术的自动化检测筛选方法成为一种有效的解决途径。基于可见光图像的大倍率放大功能，可以方便的定位器件、进行外观检查、发现故障点。因此，本文从图像处理的角度设计一种针对SMD封装器件的检测筛选方法。

SMD封装元件的图像是一个引脚区域，其主要构造是相互连接在一起的像素部分。在后续过程中，采集引脚区域的轮廓信息和位姿确定是整个过程的主要信息，从根本上左右了算法是否准确无误。寻找一种快速、准确的二值图像轮廓跟踪算法。轮廓跟踪算法具体体现在边界跟踪的原理。使用这个原理来解剖二值图像拓扑理论。该算法依照外边缘与1区域、孔边缘与O区域的相互对应来使用操作。

因为SMD元件会有一定的偏移转动，如果光是依照每个引脚廓形的中点坐标来确定在哪个引脚组，大部分情况下聚类会出现问题。中心初始化改善的k-means聚类方法，初始聚类数值拟合椭圆的长轴方向在旋转了一定的角度之后，搭建出一份包含重要内容的文件。全部脚针可以具体看成两大类，然后依照各个类型的针销中心坐标分为两种，为了确认分类是准确无误的，在聚类中试图添加一些检测，引脚聚类的步骤可以分解如下：

1、得到的拟合椭圆是经过筛选后的每个阈值内的廓搭造形成的。

2、为了不让聚类出现错误（引脚椭圆的一端长轴相同方向上的圆角为θ或180-θ），选择数值的初始角度θ，修改初始聚类的数值为|θ-θ。|与180-|θ-θ得数较低的，这样就可以让数据点分成两类：接近O度和接近90度;

3、设置类别数为2，使用聚类算法对引脚进行初始分类;

4、检查集群的结果，确保平均值之间的差异。

5、得到各类等值线的中心坐标，等值线的中心坐标是由各等值线矩构成的等值线零阶矩。为了避免聚类误差，对轮廓的一阶矩进行归一化处理，以中心坐标作为聚类数据点。

6、对于满足两类轮廓的中心坐标，类别数为2，重复使用聚类算法。

7、监测每一次聚合的数据两种数值（即对应的引脚数量）相等与否，假设相等，则开始步骤（8）的操作，反之则聚类出现错误。

8、将每两个类（相对销钉）的中心重新聚簇接连，观测两線段的夹角是否在[85°，90°]之间。假设在，群集完毕;相反，集群错误。

该算法主要做了两个改进：（1）每条边对应一个唯一的标签;（2）在搜索被跟踪边时，确定其父边的标签。以便知道一些包含关系，而这些关系存在于边缘包含之间。这一类算法的主要关键点在于轮廓的判断和标记。边（i，j）的起始点可以位于孔的外缘或孔的边。第一个边缘起点通常是扫描的第一个非零像素点。各个边缘点所在位置的序号标记为NBD，而序号相对应的边缘的序列标记成LNBD。

已经经过标记的边缘点（p，q），若再次被扫描时，再一次被看做起始点的边缘，会没有办法停下循环过程，甚至存在跟踪出错的情况，要想不让这种情况出现，扫描时一定要跟随下列原则：

1、若，，和阈值之间存在着被标记的边缘节点，（p，q）的序号将被改成NBD;

2、假设（p，q）序号已经标记，则序号为NBD。

以上所叙述的原则，边缘类型分为两种——外边缘和孔洞边缘。通过以上步骤，完成对SMD封装器件图像的对准与检测筛选。

分别对标签两种轮廓跟踪方法进行研究，获取二值图像跟踪。为了方便比较，在原始图像中绘制出每个轨迹标记的轮廓，结果如下表1：

表1 图像处理测试结果记录表

有干扰时，轮廓的两种跟踪算法在引脚区域用来计算数量和形状时的效果基本相似。但是，从表1可以看出，只跟踪区域外的轮廓，检测速度更为快捷。

SMD封装器件在国内是一个不可忽视的新兴领域，具有广阔的市场前景。深入分析了贴片封装器件视觉检测的核心算法，对其检测和筛选方法进行了分析和研究。通过对大量SMD封装器件的稳定性和准确性进行分析比较，设计了封装元件安装过程中可用于目视检查的新筛选方法和测试流程，并验证了该方法的可行性。因此，贴片封装器件的发展前景是可观的，但还需要研究更多的测试和筛选方法。