田锋　曾祥进　彭云

摘 要：对于芯片点胶系统的视觉检测关键技术——芯片的中心定位，根据实际需要，提出一种改进的中心定位算法。通过重心法和高斯曲面拟合法对图像进行中心定位算法处理后，再使用均方根值法对数据进行处理，从而对现有算法的不足之处进行改进。模拟实验结果表明，通过改进的中心定位算法得到的坐标更为精确，误差相对更小，能够更好地满足工业应用需求。

关键词关键词：芯片点胶；机器视觉；视觉检测；平面标定；中心定位

DOIDOI：10.11907/rjdk.162384

中图分类号：TP319

文献标识码：A 文章编号文章编号：16727800（2016）011013103

0 引言

随着半导体和电子行业的高速发展，传统的人工生产方式已难以满足现代生产要求的精度和速度。机器视觉产品凭借对生产现场的图像采集处理，由系统内部对各种情况进行分析处理，只需人工下达工作指令即可。其不但可以长达24小时连续不断地工作，还能避免各种化学药物对人体的伤害。因此，机器视觉产品以其独特的优势在各个行业得到了迅速发展，在产品尺寸检测等领域发挥着重要作用。

目前，机器视觉产品应用最为广泛的行业是工业生产。在半导体和电子产品的制造过程中，点胶操作是芯片生产封装过程中的一项关键技术，已被广泛用于检测与装配的自动化生产过程中。芯片点胶系统采用半自动人工控制，并采用机器视觉技术以自动化生产模式取代传统手工模式，在人力、资金等方面为公司节约了大量成本。当前的点胶机存在点胶过慢、精度较低等问题，无法满足点胶封装的要求，所以芯片点胶系统需要不断进行改进与优化。本文针对芯片点胶系统的关键技术进行研究，对现有的中心定位算法进行改进，提出了一种改进的中心定位算法，从而更精确地对芯片中心进行定位，完成点胶操作。

1 系统方案设计

1.1 自动点胶系统设计

自动点胶系统由工控机、点胶机（机器人）、空气压缩机、视觉检测系统与光源等组成，系统框架如图1所示，系统实物如图2所示。工作原理如下：将需要点胶的芯片随机放在工作台上，给予适合的光照强度。视觉检测系统通过检测芯片，识别定位出芯片的引脚中心位置，将数据反馈到主机中，再控制机器人进行点胶操作。

在自动点胶系统中，视觉检测系统最为关键。由于芯片的高度集成化，芯片之间的间距越来越小，因此检测识别难度更大，精度要求也不断提高。而且由于生产的自动化，速度也不断加快。因此，高精度的视觉检测系统发挥了重要作用。

1.2 视觉检测系统

视觉检测系统模块包括图像采集和显示模块、图像处理模块以及检测结果输出模块3部分：①图像的采集与显示模块包括图像传感器及A/D转换器等，主要功能是在合适光源的照度下进行图像采集，并转换为需要的图片格式进行显示和存储；②图像处理模块是整个系统的核心，其根据需要提取目标图像的特性信息进行中心定位；③图像输出部分将图像处理后存储的数字阵列图像变换为适于人们理解的形式。本文基于VC2010与Opencv，对CCD摄像头采集的芯片图像进行图像处理与编程仿真，最终实现芯片的点胶定位。

2 点胶系统视觉检测算法

2.1 芯片中心定位算法研究

目前研究人员对于芯片中心定位的计算方法主要分为两种，一种是基于区域的方法，另一种是基于边缘的方法。在基于区域的中心定位算法中，应用较多的是重心法、曲面拟合法等；基于边缘的中心定位算法则主要包括边缘曲线拟合法、插值法等。

2.2 改进的中心定位算法

为了解决重心法和高斯曲面拟合法在中心定位方面的不足之处，本文提出一种改进的基于重心法和高斯曲面拟合法的中心定位算法。改进的中心定位算法同时结合了重心法与高斯曲面拟合法的优点，能够在误差允许的范围内提升目标区域中心的定位精度。算法主要步骤如下：①利用不同阈值对图像进行边缘提取，得到不同的目标灰度图像；②对得到的灰度图像使用重心法对其进行中心定位，计算出相应的中心坐标位置并记录；③使用高斯曲面拟合法对不同阈值进行曲面拟合算法运算，计算出不同阈值分别对应的中心坐标位置并记录；④对使用重心法和高斯曲面拟合法计算得到的数值进行总体标准差运算，得到重心法和高斯曲面拟合法相应的中心坐标标准差；⑤再对重心法和高斯曲面拟合法计算得到的标准差进行均方根值运算，得出最终的中心坐标位置。

均方根（RMS）有时也被称为方均根。将N个项的平方进行求和，然后再除以N以后开方所得的结果即是均方根的结果，其计算公式为：

3 实验与结果分析

对于不同阈值进行边缘提取以后的灰度图像，本文通过对图像的标准差进行计算，分别得到了重心法和高斯曲面拟合法的中心坐标。图3为使用重心法、高斯曲面拟合法和改进的中心定位算法分别计算芯片中心坐标得到的中心标示图。

可以看出，几种算法的主要差别存在于X方向，在Y方向上基本没有差别。而且从图6中可以更加清晰地看到，明显有几个点偏离实际测量位置，这是由于算法局限性造成的误差，而改进算法与实际测量数据之间的误差极小。三种算法的误差分析具体如表2所示。

从表2中可以看出，传统的中心定位算法在边缘部分可能出现一定偏差，而改进的中心定位算法能够在现有基础上提升定位准确率，控制误差率在3%以内，从而避免了重心法及高斯曲面拟合法的弊端，有效提升了芯片中心的定位精度，取得了预期的实验效果。

4 结语

本文首先阐述了中心定位算法对于芯片点胶系统的重要性，然后介绍了传统的中心定位算法——重心法以及高斯曲面拟合法，分析了现有算法的优劣，并提出一种改进的中心定位算法，从而更精确地对目标中心进行定位。处理得到芯片中心坐标，然后使用最小二乘法对中心坐标进行计算，将中心坐标转换为空间的三维坐标，通过运动控制完成最终的点胶操作。实验证明了本文算法的可行性，较之传统算法误差更小，精度获得了有效提升。

参考文献：

[1] 梁锡汉.自动贴片视觉系统的研究与设计[J].制造技术与机床，2005（1）：4648.

[2] 刘建群.基于视觉的表面封装芯片引脚检测系统的研究[J].中国机械工程，2007，18（16）：19081912.

[3] CHENYANG GE， ZUOXUN HOU， HUIMIN YAO，et al. A new implementation of imageprocessing engine for 3D visualization and stereo video stream display[J]. Semiconductor Technology， 2014， 59（56）：459467.

[4] 李刚.基于机器视觉的密集复杂物体识别与定位[D].哈尔滨：哈尔滨工业大学，2013.

[5] 王欢，王修辉.基于阈值判断的自适应中值滤波算法[J].中国计量学院学报，2011（24）：382385.

[6] WANG，CHIENCHIH.Multivariate analysisbased image enhancement model for machine vision inspection[J].International Journal of Production Research，2011，49 （10）：29993021.

[7] 林开颜.彩色图像分割方法综述[J].中国图像图形学报，2005，10（1）：110.

[8] 刘好龙.一种改进的激光光斑中心定位算法[J].计算机测量与控制，2014，22（1）：139141.

[9] 陈大川，许小东，陈永彬，等.基于机器视觉的铰链精密检验系统[J].机电工程技术，2015，44（3）：6467.

[10] 孙道恒，高俊川，杜江，等. 微电子封装点胶技术的研究进展[J].中国机械工程，2011，22（20）： 25132519.

（责任编辑：孙 娟）