HALCON图像处理芯片检测技术

1、HALCON图像处理芯片检测技术这篇论文主要介绍的是HALCON图像处理芯片检测技术的相关内容，本文作者就是通过对HALCON图像处理过程的内容做出详细的阐述与介绍，特推荐这篇优秀的文章供相关人士参考。关键词：HALCON;图像处理;识别1图像处理过程1.1图像平滑利用HALCON软件中的smooth_image算子对芯片图像进行平滑处理。1.2二值化图像利用threshold算子对平滑后图像进行二值化处理，根据灰度直方图的特点设置两个二值化阈值136和255。由于金属制的摇盘反光强烈，所以在识别出芯片轮廓的同时也识别出很多干扰元素1。1.3区域筛选HALCON软件在对图像进行threshol

2、d二值化处理后得到的结果是一些被线条包围的区域，具有面积特征。芯片的外轮廓所具有的区域面积比周边的干扰要大很多，因此利用elect_shape算子并在算子参数中设置一个合理的面积参数就可以将芯片轮廓筛选出来。然后筛选出来的芯片轮廓内部有孔洞，所以利用fill_up算子将这些孔洞填满。1.4选取ROI为了提高图像处理的精度，采用了具有亚像素分析能力的算子对芯片轮廓进行提取。但是亚像素处理计算量巨大，如果对整个图像不加筛选的进行亚像素处理无疑是效率低下。所以首先利用dilation_circle算子膨胀需轮廓;其次利用erosion_circle算子腐蚀轮廓;再次利用difference算子将上面

3、两算子分析所得的轮廓进行求差处理，得到初步的感兴趣区域(以下简称ROI);最后利用reduce_domain算子将上述所得的ROI区域与平滑后的灰度图像进行求交处理，得到最终的ROI，此区域刚好包含了要进行亚像素图像处理的芯片边缘信息2。1.5亚像素边缘提取利用edges_sub_pix算子提取图芯片边缘(Filter参数设置为Canny;)。可以发现一些干扰元素也被提取出来，整个芯片轮廓分为若干个不连续的曲线，同时可以看出芯片轮廓曲线比干扰曲线的长度长，干扰曲线一般为小段不连续曲线。HALCON软件提供了一个基于曲线长度为筛选依据的算子select_contours_xld，利用此算子轮廓进

4、行提取，设置合适的曲线长度，可以将干扰曲线排除。1.6确定最小外接矩利用fit_rectangle2_contour_xld算子找到芯片的最小外接矩。同时可以计算出芯片中心位置坐标、轮廓边长、角度偏差。2实验2.1芯片正反面识别钎焊的芯片上下表面面积不同且都预焊了焊锡，在条形光源的照射下焊锡会比周围环境亮一些，因此通过计算芯片上下表面面积就可以区分芯片正反面3。试验中随机检查了60个芯片得到上下表面的面积分布图。通过观察将芯片上表面的面积分布区间设定为(2650,3050)，将芯片下表面的面积分布区间设定为(3350,3700)。2.2异常芯片识别异常芯片包括两方面内涵，一是在晶圆划片的过程中

5、产生的残次品，如缺角或者是预焊锡膏时产生的次品，如锡膏导通正负极;二是正常芯片在摇盘中的位置存在异常从而影响吸头吸取芯片。2.2.1面积识别法上文已经给出芯片正反面面积区间，当实际检测的芯片超出上述区间则认为是异常芯片。当芯片面积达到3350，超过预设的面积区间，可以看出芯片在预焊焊锡时出了问题，焊锡膏超出上表面区域。2.2.2长短比识别方法当一个芯片部分落在摇盘的凹槽中部分没有落入凹槽，从摇盘的正上方俯视可以发现芯片不在是一个正方形。另外，当芯片在预焊时由于焊锡膏流动到上表面之外的地方那么从摇盘的正上方俯视可以发现芯片也不是一个正方形。因此将芯片的长边与短边的比设定在一定的区间，超过这个区间

6、就认为是异常芯片4。通过分析60张芯片长短比分布图，可以发现将长短比设置在(1，1.06)区间内较为合理。2.2.3角度识别法芯片可以在凹槽中旋转一定的角度，通过理论分析可知旋转角度的最大值为±16°。如果检测到实际芯片旋转角度超过上述极限角度，那么一定是芯片没有顺利放入到摇盘的凹槽中，即为位置异常芯片。3总结在机器视觉方面利用HALCON图像处理软件编译了具有亚像素精度的芯片边缘提取软件，并计算芯片在摇盘凹槽中偏转角度、位置偏差并识别芯片的正反面，辨别芯片是否为次品。提出基于面积、长短比、角度的3种异常芯片识别方法，提高封装质量。参考文献：1陶勇.片式封装用自动钎焊机的研发D.杭州：杭州电子科技大学，2013.2刘志奎.基于计算机视觉的链条元件几何参数测量D.杭州：杭州电子科技大学，2012.3周冬跃，黄继才，许锦坤，等.视频图像处理系统前端