CN112419225B - 一种基于引脚分割的sop型芯片检测方法及系统 - Google Patents
一种基于引脚分割的sop型芯片检测方法及系统 Download PDFInfo
- Publication number
- CN112419225B CN112419225B CN202010689751.4A CN202010689751A CN112419225B CN 112419225 B CN112419225 B CN 112419225B CN 202010689751 A CN202010689751 A CN 202010689751A CN 112419225 B CN112419225 B CN 112419225B
- Authority
- CN
- China
- Prior art keywords
- chip
- pin
- determining
- image
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于引脚分割的SOP型芯片检测方法及系统。本发明基于引脚分割的SOP型芯片检测方法及系统,使用图像分割技术进行芯片粗定位,然后采用引脚投影提取出精确引脚区域,再使用引脚分割提取出单个引脚区域,最终学习到芯片参数,并根据该芯片参数对芯片进行检测。采用本发明能够提高对于存在光照,干扰等环境时芯片检测的鲁棒性。
Description
技术领域
本发明涉及贴片机芯片检测领域,特别是涉及一种基于引脚分割的SOP型芯片检测方法及系统。
背景技术
贴片机进行芯片贴装时需要首先获得芯片的参数信息,传统的手工获取输入参数存在效率低,误差率高的缺点;后来出现了基于机器视觉的芯片检测技术,但是现有的检测技术多是基于引脚轮廓进行分析的,当遇到光照环境变化或者有异常干扰的情况时,算法检测成功率低,参数学习精度差。
发明内容
本发明的目的是提供一种基于引脚分割的SOP型芯片检测方法及系统,以解决现有的芯片检测技术当遇到光照环境变化或者有异常干扰的情况时,检测成功率低、芯片参数学习精度差的问题。
为实现上述目的,本发明提供了如下方案:
一种基于引脚分割的SOP型芯片检测方法,包括:
使用单通道黑白相机获取SOP型芯片灰度图片;
基于所述SOP型芯片灰度图片,确定SOP型芯片的感兴趣ROI区域图像,并使用FAST特征点提取所述SOP型芯片的特征点集;
根据所述特征集点以及所述ROI区域图像确定摆正后的芯片图像;
基于所述摆正后的芯片图像确定芯片引脚的粗略定位区域,并获取所述粗略定位区域的区域参数;所述粗略定位区域的区域参数包括所述粗略定位区域的长度以及所述粗略定位区域的宽度;
根据所述粗略定位区域确定芯片引脚的精确定位区域;
对所述芯片引脚的精确定位区域进行分割,确定分割后的单个引脚的ROI区域,并计算单个引脚参数;所述单个引脚参数包括单个引脚长度以及单个引脚宽度;
根据所述单个引脚参数以及所述粗略定位区域的区域参数确定芯片参数,并根据所述芯片参数对所述SOP型芯片进行检测;所述芯片参数包括芯片长度以及芯片宽度。
可选的,所述根据所述特征集点以及所述ROI区域图像确定摆正后的芯片图像,具体包括:
根据所述特征点集,计算所述特征点集的最小外接矩形;
对所述ROI区域图像以所述最小外接矩形的角度进行旋转,且对所述最小外接矩形进行同样的旋转变换得到旋转后的ROI区域图像以及旋转后的最小外接矩形;
利用所述旋转后的最小外接矩形提取所述旋转后的ROI区域图像,确定摆正后的芯片图像。
可选的,所述利用所述旋转后的最小外接矩形提取所述旋转后的ROI区域图像,确定摆正后的芯片图像,具体包括:
芯片原来的位置坐标是(x1,y1),摆正后的坐标是(x0,y0),所述最小外接矩形的旋转角度为R,摆正芯片采用旋转变换,旋转变换公式为:
可选的,所述基于所述摆正后的芯片图像确定芯片引脚的粗略定位区域,具体包括:
在所述摆正后的芯片图片的上部和下部各提取1/4区域作为芯片引脚的粗略定位区域;所述芯片引脚的粗略定位区域包括上芯片引脚的粗略定位区域以及下芯片引脚的粗略定位区域。
可选的,所述根据所述粗略定位区域确定芯片引脚的精确定位区域,具体包括:
对所述芯片引脚的粗略定位区域进行二值化处理,并按列进行白色像素投影,确定芯片引脚的精确定位区域。
可选的,所述对所述芯片引脚的粗略定位区域进行二值化处理,并按列进行白色像素投影,确定芯片引脚的精确定位区域,具体包括:
对所述芯片引脚的粗略定位区域进行x方向梯度求取;x方向梯度指的是x方向上芯片灰度的变化值;假设待求梯度的像素位置是(x,y),f(x,y)代表(x,y)处的灰度值,则(x,y)点处梯度值计算如下:
其中,Gx是x方向上的梯度值,Gy是y方向的梯度值,G是梯度值;
采用大津算法OTSU对得到的梯度图进行二值化处理,得到梯度二值化图片;
对所述梯度二值化图片进行按行方向上投影,得到白色像素数目按行分布的投影图;
在投影图中找到满足两个条件之一的点作为精确引脚提取的分割点,确定芯片引脚的精确定位区域;所述两个条件分别为:白色像素数目为1;白色像素数目达到极小值。
可选的,所述对所述芯片引脚的精确定位区域进行分割,确定分割后的单个引脚的ROI区域,并计算单个引脚参数,具体包括:
对所述精确定位区域进行二值化处理,确定二值化后的精确定位区域;
采用3*3滤波核对所述二值化后的精确定位区域进行膨胀,确定膨胀后的精确定位区域;
对所述膨胀后的精确定位区域中的白色像素沿着图片y轴进行投影,得到每一列的白色像素数目,并确定白色像素数目最大值M;
对投影图中白色像素数目小于M/2的列进行标记,并将白色像素数目小于M/2的列的所有像素均填充为黑色像素,得到去除干扰后的图片;
对去除干扰后的图片进行沿着y轴方向上对白色像素进行投影,得到每一列上白色像素的数目,并根据所述每一列上白色像素的数目构建一维的列白色像素数目表;
对所述一维的列白色像素数目表进行查询,确定提取区域;
根据所述提取区域的x方向上的坐标确定分割后的单个引脚的ROI区域,并计算单个引脚参数。
可选的,所述根据所述单个引脚参数以及所述粗略定位区域的区域参数确定芯片参数,具体包括:
一种基于引脚分割的SOP型芯片检测系统,包括:
SOP型芯片灰度图片获取模块,用于使用单通道黑白相机获取SOP型芯片灰度图片;
特征点集提取模块,用于基于所述SOP型芯片灰度图片,确定SOP型芯片的感兴趣ROI区域图像,并使用FAST特征点提取所述SOP型芯片的特征点集;
摆正后的芯片图像确定模块,用于根据所述特征集点以及所述ROI区域图像确定摆正后的芯片图像;
粗略定位区域确定模块,用于基于所述摆正后的芯片图像确定芯片引脚的粗略定位区域,并获取所述粗略定位区域的区域参数;所述粗略定位区域的区域参数包括所述粗略定位区域的长度以及所述粗略定位区域的宽度;
精确定位区域确定模块,用于根据所述粗略定位区域确定芯片引脚的精确定位区域;
分割模块,用于对所述芯片引脚的精确定位区域进行分割,确定分割后的单个引脚的ROI区域,并计算单个引脚参数;所述单个引脚参数包括单个引脚长度以及单个引脚宽度;
检测模块,用于根据所述单个引脚参数以及所述粗略定位区域的区域参数确定芯片参数,并根据所述芯片参数对所述SOP型芯片进行检测;所述芯片参数包括芯片长度以及芯片宽度。
可选的,所述摆正后的芯片图像确定模块具体包括:
最小外接矩形计算单元,用于根据所述特征点集,计算所述特征点集的最小外接矩形;
旋转变换单元,用于对所述ROI区域图像以所述最小外接矩形的角度进行旋转,且对所述最小外接矩形进行同样的旋转变换得到旋转后的ROI区域图像以及旋转后的最小外接矩形;
摆正后的芯片图像确定单元,用于利用所述旋转后的最小外接矩形提取所述旋转后的ROI区域图像,确定摆正后的芯片图像。
根据本发明提供的具体实施例,本发明公开了以下技术效果:基于引脚分割的SOP型芯片检测方法及系统,使用图像分割技术进行芯片粗定位,然后采用引脚投影提取出精确引脚区域,再使用引脚分割提取出单个引脚区域,最终学习到芯片参数,并根据该芯片参数对芯片进行检测,不依赖于引脚轮廓,即使在光照环境变化或有异常干扰情况时,也能够得到芯片参数,进而对芯片进行检测,提高了对于存在光照,干扰等环境时芯片检测的鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的基于引脚分割的SOP型芯片检测方法流程图;
图2为一种典型SOP型芯片灰度图;
图3为本发明所提供的芯片提取特征点后的图像示意图;
图4为本发明所提供的摆正后的芯片图像示意图;
图5为本发明所提供的芯片引脚粗略ROI区域图像示意图;
图6为本发明所提供的投影图;
图7为本发明所提供的精确引脚区域示意图;
图8为本发明所提供的二值化后的精确引脚区域示意图;
图9为本发明所提供的引脚分割后的效果图;
图10为本发明所提供的单个引脚参数求取示意图;
图11为本发明所提供的所有芯片引脚提取后的效果图;
图12为本发明所提供的基于引脚分割的SOP型芯片检测系统图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于引脚分割的小尺寸封(Small Outline Package,SOP)型芯片检测方法及系统,提高了对于存在光照,干扰等环境时芯片检测的鲁棒性。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的基于引脚分割的SOP型芯片检测方法流程图,如图1所示,一种基于引脚分割的SOP型芯片检测方法,包括:
步骤101:使用单通道黑白相机获取SOP型芯片灰度图片。
步骤102:基于所述SOP型芯片灰度图片,确定SOP型芯片的感兴趣区域(regionofinterest,ROI)图像,并使用FAST特征点提取所述SOP型芯片的特征点集。
步骤103:根据所述特征集点以及所述ROI区域图像确定摆正后的芯片图像。
所述步骤103具体包括:根据所述特征点集,计算所述特征点集的最小外接矩形;对所述ROI区域图像以所述最小外接矩形的角度进行旋转,且对所述最小外接矩形进行同样的旋转变换得到旋转后的ROI区域图像以及旋转后的最小外接矩形;利用所述旋转后的最小外接矩形提取所述旋转后的ROI区域图像,确定摆正后的芯片图像。
所述利用所述旋转后的最小外接矩形提取所述旋转后的ROI区域图像,确定摆正后的芯片图像,具体包括:芯片原来的位置坐标是(x1,y1),摆正后的坐标是(x0,y0),所述最小外接矩形的旋转角度为R,摆正芯片采用旋转变换,旋转变换公式为:
步骤104:基于所述摆正后的芯片图像确定芯片引脚的粗略定位区域,并获取所述粗略定位区域的区域参数;所述粗略定位区域的区域参数包括所述粗略定位区域的长度以及所述粗略定位区域的宽度。
所述步骤104具体包括:在所述摆正后的芯片图片的上部和下部各提取1/4区域作为芯片引脚的粗略定位区域;所述芯片引脚的粗略定位区域包括上芯片引脚的粗略定位区域以及下芯片引脚的粗略定位区域。
步骤105:根据所述粗略定位区域确定芯片引脚的精确定位区域。
所述步骤105具体包括:对所述芯片引脚的粗略定位区域进行二值化处理,并按列进行白色像素投影,确定芯片引脚的精确定位区域。
所述对所述芯片引脚的粗略定位区域进行二值化处理,并按列进行白色像素投影,确定芯片引脚的精确定位区域,具体包括:
对所述芯片引脚的粗略定位区域进行x方向梯度求取;x方向梯度指的是x方向上芯片灰度的变化值;假设待求梯度的像素位置是(x,y),f(x,y)代表(x,y)处的灰度值,则(x,y)点处梯度值计算如下:
其中,Gx是x方向上的梯度值,Gy是y方向的梯度值,G是梯度值;
采用大津算法OTSU对得到的梯度图进行二值化处理,得到梯度二值化图片;
对所述梯度二值化图片进行按行方向上投影,得到白色像素数目按行分布的投影图;
在投影图中找到满足两个条件之一的点作为精确引脚提取的分割点,确定芯片引脚的精确定位区域;所述两个条件分别为:白色像素数目为1;白色像素数目达到极小值。
步骤106:对所述芯片引脚的精确定位区域进行分割,确定分割后的单个引脚的ROI区域,并计算单个引脚参数;所述单个引脚参数包括单个引脚长度以及单个引脚宽度。
所述步骤106具体包括:对所述精确定位区域进行二值化处理,确定二值化后的精确定位区域;采用3*3滤波核对所述二值化后的精确定位区域进行膨胀,确定膨胀后的精确定位区域;对所述膨胀后的精确定位区域中的白色像素沿着图片y轴进行投影,得到每一列的白色像素数目,并确定白色像素数目最大值M;对投影图中白色像素数目小于M/2的列进行标记,并将白色像素数目小于M/2的列的所有像素均填充为黑色像素,得到去除干扰后的图片;对去除干扰后的图片进行沿着y轴方向上对白色像素进行投影,得到每一列上白色像素的数目,并根据所述每一列上白色像素的数目构建一维的列白色像素数目表;对所述一维的列白色像素数目表进行查询,确定提取区域;根据所述提取区域的x方向上的坐标确定分割后的单个引脚的ROI区域,并计算单个引脚参数。
步骤107:根据所述单个引脚参数以及所述粗略定位区域的区域参数确定芯片参数,并根据所述芯片参数对所述SOP型芯片进行检测;所述芯片参数包括芯片长度以及芯片宽度。
基于本发明所提供的基于引脚分割的SOP型芯片检测方法,在实际应用中,本发明可以通过以下检测方法实现:
步骤一:使用单通道黑白相机获取SOP型芯片灰度图片,图2为一种典型SOP型芯片灰度图。
步骤二:确定芯片ROI区域,使用FAST特征点提取芯片的特征点集,图3为本发明所提供的芯片提取特征点后的图像示意图。
步骤三:计算得到步骤二获得的特征点集的最小外接矩形,获得芯片粗略的旋转角度和大小信息。
步骤四:对步骤二得到的ROI区域图像以最小外接矩形的角度进行旋转,并对外接矩形进行同样的旋转变换得到旋转后的ROI区域图像以及旋转后的最小外接矩形。
步骤五:使用步骤四得到的旋转后的最小外接矩形提取步骤四得到的ROI区域获得摆正后的芯片图像,图4为本发明所提供的摆正后的芯片图像示意图。
步骤六:在步骤五得到的摆正芯片图片的基础上,上下各提取1/4区域作为芯片引脚的粗定位区域,图5为本发明所提供的芯片引脚粗略ROI区域图像示意图。
步骤七:对步骤六得到的上下芯片引脚粗定位区域分别进行二值化,并按列进行白色像素投影,图6为本发明所提供的投影图,从上到下分析白色像素数目变化情况,获得白色像素数目减少到一个或者白色像素数目不再增加的位置,并将该位置作为精确引脚提取的范围,图6中灰色粗线条为该位置,并用该范围阈值对步骤六得到的引脚ROI区域进行截取,得到精确的引脚区域,图7为本发明所提供的精确引脚区域示意图。
步骤八:对步骤七得到的精确引脚区域进行二值化,图8为本发明所提供的二值化后的精确引脚区域示意图,并采用3*3的滤波核进行形态学膨胀,然后按行进行像素投影,得到引脚白色像素的变化情况,并根据投影截取所有引脚区域,得到单个引脚的ROI区域,图9为本发明所提供的引脚分割后的效果图。
步骤九:对步骤九得到的单个引脚ROI区域进行二值化,并对二值化后的区域拟合最小外接矩形,并将其参数作为引脚区域,图10为本发明所提供的单个引脚参数求取示意图。
步骤十:计算步骤九得到的所有引脚参数的平均值得到单个引脚尺寸的均值,最小外接矩形的长是引脚的长,最小外接矩形的宽是引脚的宽。
步骤十一:根据步骤十得到的引脚参数与步骤四得到的ROI区域长宽计算本体大小。粗定位ROI区域的宽减去引脚长度作为本体大小,粗定位ROI区域的长作为本体大小,图11为本发明所提供的所有芯片引脚提取后的效果图。
图12为本发明所提供的基于引脚分割的SOP型芯片检测系统图,如图12所示,一种基于引脚分割的SOP型芯片检测系统,包括:
SOP型芯片灰度图片获取模块1201,用于使用单通道黑白相机获取SOP型芯片灰度图片。
特征点集提取模块1202,用于基于所述SOP型芯片灰度图片,确定SOP型芯片的感兴趣ROI区域图像,并使用FAST特征点提取所述SOP型芯片的特征点集。
摆正后的芯片图像确定模块1203,用于根据所述特征集点以及所述ROI区域图像确定摆正后的芯片图像。
所述摆正后的芯片图像确定模块1203具体包括:最小外接矩形计算单元,用于根据所述特征点集,计算所述特征点集的最小外接矩形;旋转变换单元,用于对所述ROI区域图像以所述最小外接矩形的角度进行旋转,且对所述最小外接矩形进行同样的旋转变换得到旋转后的ROI区域图像以及旋转后的最小外接矩形;摆正后的芯片图像确定单元,用于利用所述旋转后的最小外接矩形提取所述旋转后的ROI区域图像,确定摆正后的芯片图像。
粗略定位区域确定模块1204,用于基于所述摆正后的芯片图像确定芯片引脚的粗略定位区域,并获取所述粗略定位区域的区域参数;所述粗略定位区域的区域参数包括所述粗略定位区域的长度以及所述粗略定位区域的宽度。
精确定位区域确定模块1205,用于根据所述粗略定位区域确定芯片引脚的精确定位区域。
分割模块1206,用于对所述芯片引脚的精确定位区域进行分割,确定分割后的单个引脚的ROI区域,并计算单个引脚参数;所述单个引脚参数包括单个引脚长度以及单个引脚宽度。
检测模块1207,用于根据所述单个引脚参数以及所述粗略定位区域的区域参数确定芯片参数,并根据所述芯片参数对所述SOP型芯片进行检测;所述芯片参数包括芯片长度以及芯片宽度。
本发明采用FAST特征点粗定位,基于引脚投影的芯片精分割,基于二值图像膨胀的引脚提取,最终采用最小外接矩形获得引脚参数,解决了SOP型芯片参数学习过程中容易受到异物,环境光干扰等问题,提高了芯片参数学习的效率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于引脚分割的SOP型芯片检测方法,其特征在于,包括:
使用单通道黑白相机获取SOP型芯片灰度图片;
基于所述SOP型芯片灰度图片,确定SOP型芯片的感兴趣ROI区域图像,并使用FAST特征点提取所述SOP型芯片的特征点集;
根据所述特征点集以及所述ROI区域图像确定摆正后的芯片图像;
基于所述摆正后的芯片图像确定芯片引脚的粗略定位区域,并获取所述粗略定位区域的区域参数;所述粗略定位区域的区域参数包括所述粗略定位区域的长度以及所述粗略定位区域的宽度;
根据所述粗略定位区域确定芯片引脚的精确定位区域,具体包括:对所述芯片引脚的粗略定位区域进行二值化处理,并按列进行白色像素投影,确定芯片引脚的精确定位区域;
所述对所述芯片引脚的粗略定位区域进行二值化处理,并按列进行白色像素投影,确定芯片引脚的精确定位区域,具体包括:对所述芯片引脚的粗略定位区域进行x方向梯度求取;x方向梯度指的是x方向上芯片灰度的变化值;假设待求梯度的像素位置是(x,y),f(x,y)代表(x,y)处的灰度值,则(x,y)点处梯度值计算如下:
其中,Gx是x方向上的梯度值,Gy是y方向的梯度值,G是梯度值;
采用大津算法OTSU对得到的梯度图进行二值化处理,得到梯度二值化图片;对所述梯度二值化图片进行按行方向上投影,得到白色像素数目按行分布的投影图;在投影图中找到满足两个条件之一的点作为精确引脚提取的分割点,确定芯片引脚的精确定位区域;所述两个条件分别为:白色像素数目为1;白色像素数目达到极小值;
对所述芯片引脚的精确定位区域进行分割,确定分割后的单个引脚的ROI区域,并计算单个引脚参数;所述单个引脚参数包括单个引脚长度以及单个引脚宽度;
根据所述单个引脚参数以及所述摆正后的芯片图像确定芯片参数,并根据所述芯片参数对所述SOP型芯片进行检测;所述芯片参数包括芯片长度以及芯片宽度。
2.根据权利要求1所述的基于引脚分割的SOP型芯片检测方法,其特征在于,所述根据所述特征点集以及所述ROI区域图像确定摆正后的芯片图像,具体包括:
根据所述特征点集,计算所述特征点集的最小外接矩形;
对所述ROI区域图像以所述最小外接矩形的角度进行旋转,且对所述最小外接矩形进行同样的旋转变换得到旋转后的ROI区域图像以及旋转后的最小外接矩形;
利用所述旋转后的最小外接矩形提取所述旋转后的ROI区域图像,确定摆正后的芯片图像。
4.根据权利要求1所述的基于引脚分割的SOP型芯片检测方法,其特征在于,所述基于所述摆正后的芯片图像确定芯片引脚的粗略定位区域,具体包括:
在所述摆正后的芯片图片的上部和下部各提取1/4区域作为芯片引脚的粗略定位区域;所述芯片引脚的粗略定位区域包括上芯片引脚的粗略定位区域以及下芯片引脚的粗略定位区域。
5.根据权利要求1所述的基于引脚分割的SOP型芯片检测方法,其特征在于,所述对所述芯片引脚的精确定位区域进行分割,确定分割后的单个引脚的ROI区域,并计算单个引脚参数,具体包括:
对所述精确定位区域进行二值化处理,确定二值化后的精确定位区域;
采用3*3滤波核对所述二值化后的精确定位区域进行膨胀,确定膨胀后的精确定位区域;
对所述膨胀后的精确定位区域中的白色像素沿着图片y轴进行投影,得到每一列的白色像素数目,并确定白色像素数目最大值M;
对投影图中白色像素数目小于M/2的列进行标记,并将白色像素数目小于M/2的列的所有像素均填充为黑色像素,得到去除干扰后的图片;
对去除干扰后的图片进行沿着y轴方向上对白色像素进行投影,得到每一列上白色像素的数目,并根据所述每一列上白色像素的数目构建一维的列白色像素数目表;
对所述一维的列白色像素数目表进行查询,确定提取区域;
根据所述提取区域的x方向上的坐标确定分割后的单个引脚的ROI区域,并计算单个引脚参数。
7.一种基于引脚分割的SOP型芯片检测系统,其特征在于,包括:
SOP型芯片灰度图片获取模块,用于使用单通道黑白相机获取SOP型芯片灰度图片;
特征点集提取模块,用于基于所述SOP型芯片灰度图片,确定SOP型芯片的感兴趣ROI区域图像,并使用FAST特征点提取所述SOP型芯片的特征点集;
摆正后的芯片图像确定模块,用于根据所述特征点集以及所述ROI区域图像确定摆正后的芯片图像;
粗略定位区域确定模块,用于基于所述摆正后的芯片图像确定芯片引脚的粗略定位区域,并获取所述粗略定位区域的区域参数;所述粗略定位区域的区域参数包括所述粗略定位区域的长度以及所述粗略定位区域的宽度;
精确定位区域确定模块,用于根据所述粗略定位区域确定芯片引脚的精确定位区域;所述根据所述粗略定位区域确定芯片引脚的精确定位区域,具体包括:对所述芯片引脚的粗略定位区域进行二值化处理,并按列进行白色像素投影,确定芯片引脚的精确定位区域;
所述对所述芯片引脚的粗略定位区域进行二值化处理,并按列进行白色像素投影,确定芯片引脚的精确定位区域,具体包括:对所述芯片引脚的粗略定位区域进行x方向梯度求取;x方向梯度指的是x方向上芯片灰度的变化值;假设待求梯度的像素位置是(x,y),f(x,y)代表(x,y)处的灰度值,则(x,y)点处梯度值计算如下:
其中,Gx是x方向上的梯度值,Gy是y方向的梯度值,G是梯度值;
采用大津算法OTSU对得到的梯度图进行二值化处理,得到梯度二值化图片;对所述梯度二值化图片进行按行方向上投影,得到白色像素数目按行分布的投影图;在投影图中找到满足两个条件之一的点作为精确引脚提取的分割点,确定芯片引脚的精确定位区域;所述两个条件分别为:白色像素数目为1;白色像素数目达到极小值;
分割模块,用于对所述芯片引脚的精确定位区域进行分割,确定分割后的单个引脚的ROI区域,并计算单个引脚参数;所述单个引脚参数包括单个引脚长度以及单个引脚宽度;
检测模块,用于根据所述单个引脚参数以及所述摆正后的芯片图像确定芯片参数,并根据所述芯片参数对所述SOP型芯片进行检测;所述芯片参数包括芯片长度以及芯片宽度。
8.根据权利要求7所述的基于引脚分割的SOP型芯片检测系统,其特征在于,所述摆正后的芯片图像确定模块具体包括:
最小外接矩形计算单元,用于根据所述特征点集,计算所述特征点集的最小外接矩形;
旋转变换单元,用于对所述ROI区域图像以所述最小外接矩形的角度进行旋转,且对所述最小外接矩形进行同样的旋转变换得到旋转后的ROI区域图像以及旋转后的最小外接矩形;
摆正后的芯片图像确定单元,用于利用所述旋转后的最小外接矩形提取所述旋转后的ROI区域图像,确定摆正后的芯片图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010689751.4A CN112419225B (zh) | 2020-07-17 | 2020-07-17 | 一种基于引脚分割的sop型芯片检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010689751.4A CN112419225B (zh) | 2020-07-17 | 2020-07-17 | 一种基于引脚分割的sop型芯片检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112419225A CN112419225A (zh) | 2021-02-26 |
CN112419225B true CN112419225B (zh) | 2021-10-12 |
Family
ID=74844162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010689751.4A Active CN112419225B (zh) | 2020-07-17 | 2020-07-17 | 一种基于引脚分割的sop型芯片检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419225B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294107B (zh) * | 2022-09-29 | 2022-12-27 | 江苏三通科技有限公司 | 一种基于图像识别的二极管引脚表面氧化检测方法 |
CN115713499B (zh) * | 2022-11-08 | 2023-07-14 | 哈尔滨工业大学 | 一种贴片元件贴装后质量检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745475A (zh) * | 2014-01-22 | 2014-04-23 | 哈尔滨工业大学 | 一种用于球形引脚元件的检测与定位方法 |
CN104933720A (zh) * | 2015-06-25 | 2015-09-23 | 哈尔滨工业大学 | 一种基于视觉的sop元件定位和缺陷检测方法 |
CN106447673A (zh) * | 2016-09-30 | 2017-02-22 | 哈尔滨工业大学 | 一种非均匀光照条件下的芯片引脚提取方法 |
CN107478152A (zh) * | 2017-08-11 | 2017-12-15 | 哈尔滨工业大学 | Tr芯片定位方法及检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7163829B2 (en) * | 2005-01-26 | 2007-01-16 | Youngtek Electronics Corporation | Method of integration testing for packaged electronic components |
CN106485749B (zh) * | 2016-10-19 | 2019-01-22 | 哈尔滨工业大学 | 一种基于角点的矩形引脚元件粗定位方法 |
-
2020
- 2020-07-17 CN CN202010689751.4A patent/CN112419225B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103745475A (zh) * | 2014-01-22 | 2014-04-23 | 哈尔滨工业大学 | 一种用于球形引脚元件的检测与定位方法 |
CN104933720A (zh) * | 2015-06-25 | 2015-09-23 | 哈尔滨工业大学 | 一种基于视觉的sop元件定位和缺陷检测方法 |
CN106447673A (zh) * | 2016-09-30 | 2017-02-22 | 哈尔滨工业大学 | 一种非均匀光照条件下的芯片引脚提取方法 |
CN107478152A (zh) * | 2017-08-11 | 2017-12-15 | 哈尔滨工业大学 | Tr芯片定位方法及检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112419225A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785316B (zh) | 一种芯片表观缺陷检测方法 | |
CN111474184B (zh) | 基于工业机器视觉的aoi字符缺陷检测方法和装置 | |
US20220148213A1 (en) | Method for fully automatically detecting chessboard corner points | |
CN108764229B (zh) | 一种基于计算机视觉技术的水尺图像自动识别方法 | |
CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及系统 | |
CN109658402B (zh) | 基于计算机视觉成像的工业型材几何尺寸自动检测方法 | |
CN112651968B (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
CN109839385B (zh) | 一种自适应的pcb板缺陷视觉定位检测及分类系统 | |
CN109472271B (zh) | 印刷电路板图像轮廓提取方法及装置 | |
CN108510476B (zh) | 一种基于机器视觉的手机屏线路检测方法 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN106446894A (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
CN112419225B (zh) | 一种基于引脚分割的sop型芯片检测方法及系统 | |
CN114693610A (zh) | 一种基于机器视觉的焊缝表面缺陷检测方法、设备及介质 | |
CN111861979A (zh) | 一种定位方法、设备及计算机可读存储介质 | |
CN115205223B (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
WO2018072333A1 (zh) | 一种元件错件检测方法和装置 | |
CN104331695A (zh) | 一种鲁棒的圆形标志符形状质量检测方法 | |
CN112419207A (zh) | 一种图像矫正方法及装置、系统 | |
CN110288040B (zh) | 一种基于拓扑验证的图像相似评判方法及设备 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN113393447B (zh) | 基于深度学习的针尖正位度检测方法及系统 | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN112419224B (zh) | 一种球形引脚芯片定位方法及系统 | |
CN106951902B (zh) | 一种图像二值化处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |