焊点检测与模糊测量

检测需求 - 焊点检测

—般来说，电路板的焊点检测可用人工目视检查、自动光学检测（AOI)、X光检测等等。目视检查能发现漏焊、架桥、零件对位、锡珠等，但是无法检出焊点内部的结构和测量大小。

目视检查的准确率并不稳定，同时受限于人工速度，每秒可检查数并不高，且检查的结果与检验者极为相关，这也是目检的最大不稳定来源。

算法分析

实例的目的是实现焊点球的直径测量，焊锡球的提取需要两步：首先，分割亮的区域，把它们转换成外界最小长方形，焊锡的模型就被确定下来了。

threshold (Bond, Bright, 100, 255)

shape_trans (Bright, Die, ’rectangle2’)

接着，图像处理的中心就在上面确定模型的内部区域，使用reduce_domain函数缩小感兴趣区域，在这个关注区域中，程序阻止了对应布线的暗区域。

reduce_domain (Bond, Die, DieGrey)

threshold (DieGrey, Wires, 0, 50)

fill_up_shape (Wires, WiresFilled, ’area’, 1, 100)

形态学处理图像噪声后，去除不相关的部分，凸显焊锡球区域，以预先确定好的顺序排序焊锡球后，需要的特征就被提取出来了。

opening_circle(WiresFilled, Balls, 15.5)

connection (Balls,SingleBalls)

select_shape(SingleBalls, IntermediateBalls, ’circularity’, ’and’, 0.85, 1.0)

sort_region (IntermediateBalls, FinalBalls,’first_point’, ’true’, ’column’)

smallest_circle (FinalBalls, Row, Column,Radius)

提取特征后，计算焊锡器的直径，并将结果显示出来。

检测需求 - 使用模糊测量IC芯片

半导体行业存在大量对IC芯片进行尺寸测量和外观缺陷检测的需求,传统的依靠人工目检进行检测的方法已经不能满足IC芯片产业在速度、精度和成本方面的要求。

实例从视觉测量系统硬件的基本结构形式入手,分析了系统硬件选择与配置的依据及其对测量范围的影响,使用模糊算法对芯片进行测试。

算法分析：

实例的目的是测量电路板上导线的宽度和间距。 本例光学系统的照明条件是比较困难，需要实现芯片上每根导线的四边都是可见的。算法检测过程中，我们使用模糊条件限制，保证提取引脚特征是正确的，并使用卡尺算法对导线进行测量。

首先创建模糊成员函数来选择芯片引脚大小的边缘对，指定边缘对的归一化模糊函数,并提取垂直于矩形或圆弧的直边对，显示测试区域。

gen_measure_rectangle2(305.5, 375.5, 0.982, 167, 7.5, Width, Height,’nearest_neighbor’,MeasureHandle1)

create_funct_1d_pairs([0.0, 0.3], [1.0,0.0], FuzzyAbsSizeDiffFunction)

set_fuzzy_measure_norm_pair(MeasureHandle1, 11.0, ’size_abs_diff’,FuzzyAbsSizeDiffFunction)

fuzzy_measure_pairs(Image, MeasureHandle1, 1, 30, 0.5, ’positive’,

RowEdgeFirst1,ColumnEdgeFirst1, AmplitudeFirst1, RowEdgeSecond1,

ColumnEdgeSecond1,AmplitudeSecond1, RowEdgeMiddle1,

ColumnEdgeMiddle1,FuzzyScore1, IntraDistance1, InterDistance1)根据前面获取的模糊坐标，遍历区域，提取边缘点，拟合轮廓。

gen_contour_polygon_xld (CPoint, [PRows[idx] -sin(rad(90) + Phi) * PSize,PRows[idx] - sin(Phi - rad(90)) * PSize],[PCols[idx] + cos(rad(90) + Phi) * PSize,PCols[idx] + cos(Phi - rad(90)) *PSize])

最后，测量数据，显示结果，并且释放内存。

close_measure(MeasureHandle1)

close_measure(MeasureHandle2)

关注公众号NeXt8060，与万人一起关注HALCON图像处理与机器视觉。