基于數(shù)字圖像處理技術(shù)的集成塊姿態(tài)檢測
加入技術(shù)交流群
近年來，我國的半導(dǎo)體產(chǎn)業(yè)蓬勃發(fā)展，由于其起步較晚，雖然生產(chǎn)的很多環(huán)節(jié)實現(xiàn)了高速自動化，但集成塊的質(zhì)量檢測還主要借助于人的視覺和主觀判斷能力，因而占用的大量的人力，且由于受到個人的視力、情緒、疲勞、光線等因素的影響，工作效率低，分選差異大。本文所研究的即是計算機(jī)工業(yè)圖像檢測技術(shù)在集成塊管腳檢測中的應(yīng)用，相比較傳統(tǒng)的人工檢測，計算機(jī)圖像檢測技術(shù)有以下優(yōu)點(diǎn)：1)替代人力減少成本。2)提高產(chǎn)品質(zhì)量。3)提高生產(chǎn)效率。
本文主要針對在流水線上的集成塊容易發(fā)生管腳丟失和姿態(tài)傾斜的問題，實現(xiàn)對流水線上的集成塊的管腳以及對集成塊姿態(tài)的自動檢測。
l 預(yù)處理
把圖像變成標(biāo)準(zhǔn)圖像的過程就是圖像預(yù)處理。本文中所處理的圖像都是在集成塊流水線上方的工業(yè)攝像機(jī)所拍下的圖像，圖像信號由于輸入A／D轉(zhuǎn)換器件及周圍環(huán)境的影響，含有各種各樣的噪聲和失真，為了穩(wěn)定地進(jìn)行后期檢測等工作，必須通過圖像預(yù)處理以消除噪聲、校正失真，達(dá)到改善圖像質(zhì)量、便于圖像測量的目的。
1．1 中值濾波
中值濾波主要目的是去除圖像中的椒鹽噪聲。本文所研究的對像集成塊有較多椒鹽噪聲，所以采取中值濾波實現(xiàn)圖像的優(yōu)化。
1．2 圖像閾值分割
中值濾波后的圖像達(dá)到了較好的去噪目的，再進(jìn)行閾值分割處理。圖像閾值分割是一種廣泛使用的基于空間域聚類分析的圖像分割技術(shù)，它主要是利用圖像中要提取的目標(biāo)和背景在灰度特性上的差異，選擇一合適的閾值，通過判斷圖像中的每一個像素點(diǎn)的特征屬性是否滿足閾值要求來確定圖像中該像素點(diǎn)屬于目標(biāo)還是應(yīng)該屬于背景，從而產(chǎn)生相應(yīng)的二值圖像。由于本系統(tǒng)是在高速運(yùn)轉(zhuǎn)的流水線上工作，要求有很高的實時性，所以采取了兩種動態(tài)閾值分割方法，即類間方差閾值分割和最大熵閾值分割來實現(xiàn)圖像的分割，這兩種方法是利用目標(biāo)圖像的直方圖具有典型的雙峰特性，利用概率論和最大熵的理論，自動確定一個最佳的閾值，對圖像進(jìn)行二值化，在本文中的對象經(jīng)過中值濾波后得到的圖像的直方圖就滿足雙峰特性，所以采取上述兩種方法對圖像進(jìn)行處理，得到二值化圖像。
評論