基于机器视觉的芯片编号识别算法

发布时间：2021-02-22 14:22

　　针对芯片检测过程中芯片编号形状小、人眼无法识别的现状,开发了一套芯片编号识别系统。系统以机器视觉技术为基础,配备高分辨率Basler相机、高倍率镜头以及高性能点光源,能实现高分辨率图像采集;利用Hough直线检测对图像进行水平旋转,利用图像轮廓查找算法对兴趣区域进行提取分割,利用帧差法对兴趣区域与标准库进行比较,找到最匹配的图像,其标签为识别结果。实验结果表明,运用系统的图像处理算法可以代替人眼通过高倍放大镜识别,改进了芯片检测工艺,大大提高了芯片检测的效率。 

【文章来源】：现代制造工程. 2020,(04)北大核心

【文章页数】：5 页

【部分图文】：

机器视觉图像处理过程

r(θ)=x0cosθ+y0sinθ 0≤θ≤π (9)一条直线表达形式如图3所示。若直角坐标系中有任意两点(如图3中的点1、点2)对应的正弦曲线相交,则表示这两点确定了一条直线[8]。在寻找图片边缘直线特征过程中,虽然经过滤波等图像预处理减少了图像噪声和失真,但还是存在一些干扰噪点,故越多的点落在同一直线上,表示这条直线越符合实际[9]。

一条直线表达形式如图3所示。若直角坐标系中有任意两点(如图3中的点1、点2)对应的正弦曲线相交,则表示这两点确定了一条直线[8]。在寻找图片边缘直线特征过程中,虽然经过滤波等图像预处理减少了图像噪声和失真,但还是存在一些干扰噪点,故越多的点落在同一直线上,表示这条直线越符合实际[9]。帧差法通过比较相邻两帧图像灰度值的差是否大于某一阈值来检测出变化物体[10],具体识别流程如图4所示。

【参考文献】：
期刊论文
[1]浅谈机器视觉技术发展及应用[J]. 高峰,王富东.  山东工业技术. 2019(05)
[2]基于改进帧差法的视觉监控实验系统[J]. 陆子幸,宋健,王凯,解福祥.  实验室研究与探索. 2018(09)
[3]机器视觉在光纤端面缺陷检测中的应用[J]. 赵伟杰,高勇.  现代电子技术. 2011(19)
[4]高精度图像测量与对准系统的算法研究[J]. 杨丹,刘亚威,张小洪,李东.  计算机科学. 2003(12)

硕士论文
[1]基于机器视觉的光波导与阵列光纤对准技术研究[D]. 袁继栋.中南大学 2010
[2]工件非接触检测中机器视觉的研究与应用[D]. 段德山.北京邮电大学 2007
[3]螺杆泵胶液分配实验研究与胶液挤出理论分析[D]. 彭全凡.中南大学 2005



本文编号：3046126