[发明专利]机器视觉焊锡定位检测方法

说明书

机器视觉焊锡定位检测方法，属于图像检测领域，技术要点是：包括图像预处理、图像配准、对定位点焊锡检测；图像预处理主要指对图像进行几何畸变校正和噪声点的抑制，减小参考图像和待拼接图像的几何畸变；图像配准主要指对参考图像和待拼接图像中的匹配信息进行提取，在提取出的信息中寻找匹配，完成图像间的对齐。

技术领域

本发明属于图像检测领域，涉及一种对焊锡定位时的图像采集及定位方法。

背景技术

目前，大部分厂家都是单纯基于光学原理来对焊接生产中遇到的常见缺陷进行检测，通过CCD摄像机得到元件的二维图像，经过图像处理、图像分析和计算机视觉方法进行处理，得到对图像的理解，进而实现物体的识别、定位和物体的状态表达。随着半导体、芯片等微电子元件行业的发展，芯片向着尺寸更加微小，电路更加复杂，功能更加强大的方向发展。贴装引脚的间距越来越小，精度要求越来越高，这样就给检测提出了更高的要求。但如今现有的AOI检测模式仅仅只是机器通过摄像头自动扫描PCB，采集图像，测试的焊点与数据库中的合格的参数进行比较检查出PCB上缺陷并通过显示器或自动标志把缺陷显示/标志出来，供维修人员修整，这样单一的检测模式仅能执行物件的表面检查，但对于零件边缘的焊点检测的效果便不尽理想，当然现在有许多的AOI能够做到多角度的摄影来增加对于IC脚翘的检出能力，并增加某些被遮蔽的元件的摄影角度，以提供更多的检出率。AOI最主要的不足就是有些灰阶或者遇到外界环境干扰较大光线不足或者被检测元件阴影明暗不明显时机器无法准确找到匹配区域导致检测准确率降低或出现误报。

Korhonen于1981年提出了自组织特征映射(SOFM)神经网络，该网络主要由输入层和竞争层构成的两层网络，输入层用于接收样本，而竞争层完成对输入样本进行分类，这种模式已经广泛的应用于决策制定、机器学习、数据挖掘、文件恢复、图像分割和模式分类等领域。在这些问题中，很少有数据的先验信息可用，而用户又要尽可能少的对数据的可能性进行假设，所以在这种限定下，自组织特征映射神经网络算法特别适用于查看数据点的内在关系，能够更加具体的对他们的组成结构进行评估。

在电路板的制作过程中，作为电路组件与电路板间衔接桥梁的焊点占有举足轻重的位置。焊点的制作过程必须经过锡量控制、定位与焊锡凝固等程序，而此程序比较难于控制，故在电路板的制作过程里，焊接的技术要求相对较高，继而可能发生的缺陷也相对较多。如果不能及时将缺陷发现和修复，将对整个系统能否可靠运行产生很大的影响。

由上可知，焊锡定位是一项对产品质量保证的重要工序，然而，在焊锡定位基本是基于图像进行的，可见，对于在流水线工程中，如何能够获取该产品的采集图像以作为焊锡定位的图像使用，也显得非常重要。

发明内容