正在加载图片...
.100 北京科技大学学报 第30卷 表1算法识别效果 (2)特征链结构可与变模板技术相结合，在算法流 Table 1 Recognition results by the algorithm 程特定阶段根据识别结果，调整特征链结构，能够增 图像 目标 模板尺寸/ 漏识 误识 强算法在长时间工业生产中的稳定性 类型 数 (pixelXpixel) 率/% 率/% 1 99 77X78 0.36 0 参考文献 2 64 46×48 1.818 0.191 [1]Jin M H.Dong Z L.Zhu F,et al.Adaptive gray estimating 3 12 237×241 0.556 0 method for fast multitarget recognition.Compu Eng.2003.29 注：定位误差超出3pixl(约l0m)视为误识别，所有数据均为 (8):131 多次实验的平均值。 (金明华，董再励，朱枫，等。一种多目标快速识别的自适应灰 度量化方法研究.计算机工程，2003,29(8)：131) 表2算法速度比较 [2]Wang HX.Zhao W.Li Y X.et al.Multi-object recognition us- Table 2 Speed comparison of algorithms ms ing power spectrum optimized joint transform correlator.Opt 图像类型 本文算法 传统模板匹配 特征检测法 Tech,2006,32(2):190 1 8.04 3352.91 12.00 (王红霞，赵玮，李育新，等.多目标识别的联合变换相关器的 14.51 419.67 11.83 研究.光学技术，2006,32(2)：190) 75.23 255.00×103 无法识别 [3]Niu C.Liang W.Image correlation matching algorithm based on statistics of pixel eigenvalue.Control Autom,2005,21(11): 103 3实验结果 (牛刚，梁伟，基于特征像素统计的图像相关匹配算法·微计 算机信息，2005,21(11)：103) (1)第1类图像识别结果表明：对于拍摄效果 [4]Atallah M J.Fast image template matching in the sum of the ab- 较好的图像，即使不进行特殊的背景补偿，本算法的 solute value of differences measure.IEEE Trans Image Process. 漏识率仍然很低，无误识，漏识的原因是：个别芯片 2001,10(4):659 放置不平，导致反光异常；光照不均匀，个别区域明 [5]Wang L S.Template matching approach to edge detection of vol- 暗变化太大，如果能够在第1步预处理中加入背景 ume data.Workshop Med Imag Argument Reality.2001:286 补偿算法，漏识率能进一步降低， [6]Kwon O K,Sim D C.Park R H.Robust Hausdorff distance matching algorithms using pyramidal structures.Pattern Recog- (2)第2类图像识别结果表明：在干扰较大的 ni,2001,34(7):2005 情况下，漏识率上升，并出现误识情况，这是由于个 [7]Wang H M.Zhang K.Li Y J,et al.Research progress on image 别干扰特征与目标特征混淆造成的，但漏识率和误 matching.Comput Eng Appl,2004.19:42 识率仍维持在较低的水平.鉴于此类图像状况属极 (王红梅，张科，李彦俊，等。图像匹配研究进展、计算机工程 与应用，2004,19,42) 端状况，在正常生产中极少出现，该实验数据在生产 [8]Fang XS.Hu Y M.Gao H X.et al.High speed and high preci- 中也是可以接受的， sion vision detection and locating algorithm of BGA.Electron (3)第3类图像的识别结果验证了算法的柔 Process Technol.2006.27(5):262 性.首先，无需对算法进行任何改变，就能够处理完 (方晓胜，胡晓明，高红霞，等.BGA芯片的高速高精度视觉 全不同的目标图像；而国外同类设备所使用的几何 检测与定位算法.电子工艺技术，2006,27(5)：262) 特征检测算法，在不更改算法的情况下，完全无法进 [9]Guo QS,Jin W C.Zhou Q Y,et al.Vision inspection technolo- gy of IC die bonder.Semicond Ind,2006.2:59 行识别，其次，验证了改进MCD距离以及特征链对 (郭强生，新卫国，周庆亚，等。集成电路粘片机视觉检测技术 模板边缘噪声处理的有效性·再次，验证了本文算 半导体行业，2006,2.59) 法的运算速度对于模板大小并不敏感：随着模板的 [10]Zhong JS,Li Q C.Xia Y P.et al.Vision system of mounter 增大，传统模板匹配算法计算时间增加了约4min, and its visual location.Equip Electron Prod Manuf.2005, 131,26 本文算法时间仅增加67.19ms,因而本文算法在速 (钟江生，李泰川，夏毓鹏，等.贴片机视觉系统构成原理及其 度和柔性两个方面拥有极大的优势. 视觉定位.电子工业专用设备，2005,131：26) 4结语 [11]Wang JB.Hu H.Template matching approach to prober station system.Comput Inf Technol,2006(Z1):13 此算法目前已很好地应用于自行开发的二极管 (王建波，胡泓，图象模板匹配技术在探针台系统中的应用 计算机与信息技术，2006(Z1):13 芯片检测分选系统，实际应用和进一步研究中，如 [12]Barth M.An attentive sensing strategy for a multi window vi- 能够进行如下改进，预计会获得更好的效果：(1)结 sion architecture parallel architectures for image processing. 合背景预处理算法，进一步提高算法的识别正确率； SPIE,1990,1246:198表1 算法识别效果 Table1 Recognition results by the algorithm 图像 类型 目标 数 模板尺寸／ （pixel×pixel） 漏识 率／％ 误识 率／％ 1 99 77×78 0∙36 0 2 64 46×48 1∙818 0∙191 3 12 237×241 0∙556 0 注：定位误差超出3pixel（约10μm）视为误识别所有数据均为 多次实验的平均值． 表2 算法速度比较 Table2 Speed comparison of algorithms ms 图像类型 本文算法 传统模板匹配 特征检测法 1 8∙04 3352∙91 12∙00 2 14∙51 419∙67 11∙83 3 75∙23 255∙00×103 无法识别 3 实验结果 （1） 第1类图像识别结果表明：对于拍摄效果 较好的图像即使不进行特殊的背景补偿本算法的 漏识率仍然很低无误识．漏识的原因是：个别芯片 放置不平导致反光异常；光照不均匀个别区域明 暗变化太大．如果能够在第1步预处理中加入背景 补偿算法漏识率能进一步降低． （2） 第2类图像识别结果表明：在干扰较大的 情况下漏识率上升并出现误识情况．这是由于个 别干扰特征与目标特征混淆造成的但漏识率和误 识率仍维持在较低的水平．鉴于此类图像状况属极 端状况在正常生产中极少出现该实验数据在生产 中也是可以接受的． （3） 第3类图像的识别结果验证了算法的柔 性．首先无需对算法进行任何改变就能够处理完 全不同的目标图像；而国外同类设备所使用的几何 特征检测算法在不更改算法的情况下完全无法进 行识别．其次验证了改进 MCD 距离以及特征链对 模板边缘噪声处理的有效性．再次验证了本文算 法的运算速度对于模板大小并不敏感；随着模板的 增大传统模板匹配算法计算时间增加了约4min 本文算法时间仅增加67∙19ms因而本文算法在速 度和柔性两个方面拥有极大的优势． 4 结语 此算法目前已很好地应用于自行开发的二极管 芯片检测分选系统．实际应用和进一步研究中如 能够进行如下改进预计会获得更好的效果：（1）结 合背景预处理算法进一步提高算法的识别正确率； （2）特征链结构可与变模板技术相结合．在算法流 程特定阶段根据识别结果调整特征链结构能够增 强算法在长时间工业生产中的稳定性． 参 考 文 献 ［1］ Jin M HDong Z LZhu Fet al．Adaptive gray estimating method for fast mult-i target recognition．Comput Eng200329 （8）：131 （金明华董再励朱枫等．一种多目标快速识别的自适应灰 度量化方法研究．计算机工程200329（8）：131） ［2］ Wang H XZhao WLi Y Xet al．Mult-i object recognition using power spectrum optimized joint transform correlator． Opt Tech200632（2）：190 （王红霞赵玮李育新等．多目标识别的联合变换相关器的 研究．光学技术200632（2）：190） ［3］ Niu GLiang W．Image correlation matching algorithm based on statistics of pixel eigenvalue．Control A utom200521（11）： 103 （牛刚梁伟．基于特征像素统计的图像相关匹配算法．微计 算机信息200521（11）：103） ［4］ Atallah M J．Fast image template matching in the sum of the absolute value of differences measure．IEEE T rans Image Process 200110（4）：659 ［5］ Wang L S．Template-matching approach to edge detection of volume data．Workshop Med Imag A rgument Reality2001：286 ［6］ Kwon O KSim D GPark R H．Robust Hausdorff distance matching algorithms using pyramidal structures．Pattern Recognit200134（7）：2005 ［7］ Wang H MZhang KLi Y Jet al．Research progress on image matching．Comput Eng Appl200419：42 （王红梅张科李彦俊等．图像匹配研究进展．计算机工程 与应用200419：42） ［8］ Fang X SHu Y MGao H Xet al．High-speed and high-precision vision detection and locating algorithm of BGA． Electron Process Technol200627（5）：262 （方晓胜胡晓明高红霞等．BGA 芯片的高速高精度视觉 检测与定位算法．电子工艺技术200627（5）：262） ［9］ Guo Q SJin W GZhou Q Yet al．Vision inspection technology of IC die bonder．Semicond Ind20062：59 （郭强生靳卫国周庆亚等．集成电路粘片机视觉检测技术． 半导体行业20062：59） ［10］ Zhong J SLi Q CXia Y Pet al．Vision system of mounter and its visual location． Equip Electron Prod Manuf2005 131：26 （钟江生李泰川夏毓鹏等．贴片机视觉系统构成原理及其 视觉定位．电子工业专用设备2005131：26） ［11］ Wang J BHu H．Template-matching approach to prober station system．Comput Inf Technol2006（Z1）：13 （王建波胡泓．图象模板匹配技术在探针台系统中的应用． 计算机与信息技术2006（Z1）：13 ［12］ Barth M．An attentive sensing strategy for a mult-i window vision architecture parallel architectures for image processing． SPIE19901246：198 ·100· 北 京 科 技 大 学 学 报 第30卷