阳孝鑫，罗兵



基于知识引导的机器视觉SMT贴片检测窗口优化

阳孝鑫，罗兵

（五邑大学 信息工程学院，广东 江门 529020）

结合S形聚类方法和蚁群算法的优势，将先验知识和反馈信息用于引导机器视觉的随机搜索，以找到最佳检测窗口位置，从而减少检测窗口数量、提高机器视觉在线检测效率. 以电路板元器件贴片（SMT）为检测对象进行实验，结果显示：在使用阵列相机的机器视觉SMT检测中，该方案可以有效减少检测窗口的数量.

机器视觉；知识引导；随机搜索；表面贴装技术

机器视觉是指利用光传感器采集数字图像，再用计算机对采集的图像进行处理以提取特征，然后根据提取的特征作出处理决策，其核心是数字图像处理的应用. 作为代替人工视觉判断的自动化技术，机器视觉得到了广泛应用，尤其是在电路板元器件贴片（Surface Mounted Technology，SMT）中[1]. 为了满足SMT生产线的流水线速度，机器视觉在线检测要求快速进行，因此有必要规划每个检测窗口的位置，在满足采集全部检测对象元器件图像的前提下使检测窗口数最少，从而在最短的时间内完成检测.

机器视觉检测窗口的优化方法有单链聚类算法[2]、迭代自组织数据分析聚类算法[3]（ISODATA）、S形聚类算法[4]、遗传算法[5]和蚁群算法[6]等. 其中，单链聚类算法、ISODATA法难以获得最优解；S形聚类算法能较好地利用先验知识，但所得结果是局部最优而非全局最优；遗传算法能较好地利用反馈信息进行随机搜索，但由于没有利用先验知识而无法收敛或收敛速度慢；……