论文部分内容阅读
焊锡电磁喷射技术的显著特点是具有高定位精度和高尺寸精度要求。本文以机器视觉在焊锡电磁喷射技术上的应用为研究对象,主要针对机器视觉系统模型的构建和相机标定、Mark点图像识别与定位、BGA焊球的质量检测等方面展开研究,并实现面向焊锡电磁喷射的视觉定位与检测系统的集成开发。以焊锡电磁喷射系统的定位和检测应用需求为目标,进行了机器视觉系统的总体方案设计。选用线性模组搭建三轴直角坐标机械手作为执行机构;通过设计计算确定了机器视觉系统相机、镜头和光源硬件的基本参数并选型构建了机器视觉硬件平台;根据功能需求对软件控制系统进行了结构设计和功能模块设计。为了准确地描述相机在系统中的成像原理及成像过程,以三轴直角机械手的执行机构方案为依据,分别定义了图像像素坐标系、图像物理坐标系、相机坐标系和世界坐标系,建立了相机线性成像模型和非线性畸变模型,得到了相机的内参数矩阵K、外参数矩阵M和非线性畸变系数k。对基于主动视觉的相机标定法进行了标定公式的推导和标定方法的改进实现,采用先估计求取相机理想线性模型的内外参数矩阵,再进行镜头的非线性畸变矫正,最后进行迭代收敛的优化方式,实现了相机的内外参数标定。针对典型的椒盐噪声和高斯噪声,采用平滑滤波、二值化与形态学等预处理方法去除了Mark图像噪声,以获得理想的Mark特征。通过对1%~50%不同程度椒盐噪声的Mark图像进行实验分析,提出了以峰值信噪比(PSNR)作为滤波器滤波性能的评价指标,实验最终表明了中值滤波器对低密度噪声具有最显著的滤波去噪效果。在此基础上,分别采用基于灰度值和基于形状特征的模板匹配两种方法对Mark点特征进行了识别定位,以此为基准校正了PCB板的定位偏转误差。在BGA焊球的质量检测研究中,对BGA焊球在制备的过程中可能出现的焊球缺陷图像进行了形貌上的差异分析,提取了焊球的圆度和区域面积特征分别作为形状和尺寸特征的具体评价尺度,将焊球分为合格、锡多、锡少和毛刺四种类型。进一步地,提出了用四个单高斯模型线性组合的方式创建一个二维高斯混合模型分类器用于焊球的质量分类,并使用EM算法对其模型参数进行了估计和迭代求解,结合一个包含68个焊球图像的样本集对该分类器进行了训练并取得了预期的效果。采用一个包含408个焊球图像的测试集进行了分类测试验证,测试结果显示总误判率为2.94%,准确率为97.06%,并实现了零漏判,实验结果表明该GMM分类器对焊球缺陷具有较好的判别能力。最后,设计开发了面向焊锡电磁喷射的视觉定位与检测系统,采用Halcon开发了Mark点图像处理与识别以及BGA焊球分类识别的核心处理程序,并在Visual Studio中与用户图形界面进行了集成,最终实现了一个机器视觉定位与检测系统,并在焊锡电磁喷射系统平台取得了成功应用。