PCB-AXI圖像中的矩形與圓目標(biāo)分割與識別.pdf

1、PCB(Printed Circuit Board)生產(chǎn)自動化中，最為關(guān)鍵的環(huán)節(jié)便是質(zhì)量控制，而自動X射線檢測(Automatic X-ray Inspection，AXI)在質(zhì)量控制中扮演極為重要的角色。矩形和圓目標(biāo)識別是AXI中的重要環(huán)節(jié)。當(dāng)前的矩形和圓目標(biāo)識別算法一般基于通過霍夫變換，通過分析提取的幾何特征進(jìn)行判斷?；舴蜃儞Q（Hough Transform）在檢測矩形目標(biāo)時計算開銷大，不能滿足系統(tǒng)的實時性要求；檢測圓目標(biāo)時不能克服

2、復(fù)雜圖像的干擾，存在誤判和漏檢，且不能最終得到圓目標(biāo)輪廓。在AXI應(yīng)用中，形狀角可以有效識別矩形目標(biāo)，然而其計算精度和時間開銷取決于輪廓上各離散點處切線方向的計算效率?，F(xiàn)有基于Vialard算法的切線方向計算方法在處理矩形輪廓時步驟繁瑣且存在較大的誤差，導(dǎo)致使用形狀角識別矩形時效率不高。在復(fù)雜圖像中，由于存在大面積遮擋，全局閾值（Global Threshold）的分割圓目標(biāo)的效果不理想。同時，梯度信息復(fù)雜，霍夫圓變換識別效果也不佳。此

3、外，PCB所在平面的法線與射線方向不平行，得到的圖像是“傾斜”的。在微米級分辨率下，圖像中細(xì)節(jié)更多，諸如導(dǎo)線等部分對焊球形成干擾，且難以使用傳統(tǒng)方法排除。作為應(yīng)用AXI系統(tǒng)中的識別算法，其時間復(fù)雜度必須可控。
　　首先，針對在利用形狀角進(jìn)行矩形識別時時間復(fù)雜度高的問題，本文提出了一種基于傅立葉擬合的離散點切線方向計算方法。該方法首先對離散點進(jìn)行極坐標(biāo)轉(zhuǎn)化，然后使用傅里葉級數(shù)擬合整個輪廓，最后再對擬合之后的曲線求導(dǎo)，從而計算出輪廓上

4、各點的切線方向。在所給出的實例中，本文方法計算平均耗時為1.5775s，傳統(tǒng)方法平均耗時為156.155s，且計算結(jié)果更加精確。
　　然后針對復(fù)雜圖像中BGA焊球輪廓提取困難的問題，提出了一種基于子圖像的焊球輪廓提取方法。該方法首先利用BGA圖像中焊球的分布特征和標(biāo)準(zhǔn)霍夫圓變換定位缺失焊球，獲得全部焊球位置，以此作為ROI(Region of Interest)將圖像切割為僅包含一個焊球的子圖像；而后對X射線透射BGA焊球的過程進(jìn)

5、行數(shù)學(xué)建模，確定其灰度分布特征，以此作為依據(jù)分別處理每個焊球，獲得保存全部焊球輪廓信息的二值化圖像；最后，利用BGA焊球的幾何特征，在極坐標(biāo)函數(shù)值直方圖上提出了一種基于滑動方差的自適應(yīng)干擾點排除算法，剔除焊球輪廓中的受干擾點并且以弧線對焊球進(jìn)行修補(bǔ)；最終完成復(fù)雜BGA圖像中的焊球輪廓提取。
　　本文所提出的矩形識別方法可以避免Vialard算法及其衍生方法在處理矩形輪廓時產(chǎn)生的過度迭代的問題，時間復(fù)雜度降低兩個數(shù)量級，結(jié)果更加準(zhǔn)確