【技术实现步骤摘要】
本专利技术涉及元件识别定位，具体地涉及一种基于机器视觉的bga元件识别定位方法及系统、存储介质。
技术介绍
1、随着电子产品集成化程度越来越高，市场对于集成电路上的元件封装提出了更高的要求，微型化成为主流，因此集成度更高，性能更加优良的bga封装元件开始被广泛应用于电子电路中。bga(ball grid array package)元件由于其封装结构上的优势成为当前最常用的贴片元件之一。bga元件也叫球形栅格阵列封装元件，是一种高密度的表面封装元件。与传统的tsop元件相比，bga元件封装的内存在相同体积下可以提高2-3倍，并且散热和电性能更加优良，不存在引脚容易变形的问题。因此bga元件在注重高度集成化的贴片机领域中具有重要地位。
2、传统方法中对于bga元件的定位检测多采用矩形拟合和模板匹配的方法。矩形拟合的方法虽然简单快速，但是拟合过程往往特征点数量较少，难以保证结果的准确性和稳定性，另外对小型bga元件或者不规则排布的bga元件该方法不适用。模板匹配的方法虽然在一定程度上能够解决检测结果稳定性问题，但是匹配过程操作复杂对资源消耗严重，并且检测精度难以保证。
3、目前对于bga元件的定位检测多采用点集配准的方法。而利用特征点集进行配准的bga元件检测方法，仍然存在以下问题：难以获得稳定的特征点。点集配准方法通常以轮廓或者角点作为特征点。但是对于bga元件来说，如果直接以轮廓点集作为特征点集则存在稳定性差，准确性不足的问题，而bga元件中的电极端子外轮廓通常为圆形，没有固定角点，因此也不能用角点作为特
4、因此，现有点集配准方法无法准确地实现bga元件的位姿检测。
技术实现思路
1、本专利技术的目的是克服现有技术存在的问题，提供一种基于机器视觉的bga元件识别定位方法及系统、存储介质，能够准确地实现bga元件的位姿定位。
2、为了实现上述目的，本专利技术第一方面提供一种基于机器视觉的bga元件定位方法，包括以下步骤：
3、获取bga元件图像目标区域；
4、根据元件参数和相机标尺设置blob参数，根据blob参数对目标区域图像在不同二值化阈值下获得的轮廓进行筛选，全部符合筛选条件的轮廓设为候选轮廓；
5、根据轮廓质心和半径对候选轮廓进行分类；
6、利用评价函数整合每类轮廓，获得最终各个电极端子外轮廓，评价函数如下：
7、
8、其中，radio为评价函数输出值，越小表示当前轮廓约接近理想轮廓；为待检测电极端子外轮廓理论面积，s为当前轮廓的实际面积；hr为当前轮廓的实际凸度，cr为当前轮廓的实际圆度；α、β、γ为权重系数，α+β+γ=1；
9、利用迭代加权最小二乘拟合方法基于最终电极端子外轮廓计算出各个电极端子中心坐标，根据电极端子中心坐标识别待检测bga元件位姿信息。
10、本专利技术第二方面提供一种基于机器视觉的bga元件识别定位系统，包括：
11、目标图像获取模块：获取bga元件图像目标区域并对目标区域进行滤波处理；
12、电极端子候选轮廓获取模块：根据元件参数和相机标尺设置blob参数，根据blob参数对目标区域图像在不同二值化阈值下获得的轮廓进行筛选，全部符合筛选条件的轮廓设为候选轮廓；
13、电极端子候选轮廓分类模块：根据轮廓质心和半径对候选轮廓进行分类；
14、电极端子外轮廓整合模块：利用评价函数整合每类轮廓，获得最终各个电极端子外轮廓，评价函数如下：
15、
16、其中，radio为评价函数输出值，越小表示当前轮廓约接近理想轮廓；为待检测电极端子外轮廓理论面积，s为当前轮廓的实际面积，通过对轮廓的计算获得；hr为当前轮廓的实际凸度，cr为当前轮廓的实际圆度；α、β、γ为权重系数，α+β+γ=1；
17、识别定位模块：利用迭代加权最小二乘拟合方法基于候选轮廓计算出各个电极端子中心坐标，根据电极端子中心坐标识别bga元件位姿信息。
18、本专利技术第三方面提供一种计算机存储介质，包括：
19、存储器，其上存储有计算机程序；
20、处理器，用于执行所述存储器中的所述计算机程序，以实现上述基于机器视觉的bga元件识别定位方法的步骤。
21、通过上述技术方案，根据电极端子外轮廓的形状特点针对性地设置了blob提取和筛选参数，获得候选轮廓，设计了综合考虑轮廓面积、圆度和凸度的评价函数指标，对各类候选轮廓进行进一步筛选整合，获得最终的电极端子外轮廓集合。此种方式能够抵抗光照、噪声或者边界凸起等干扰，从而获得更加稳定的，真实的电极端子外轮廓。另外，在候选轮廓提取阶段设置的blob参数够筛除其他结构干扰或者异常白斑等干扰；本专利技术进一步通过对电极端子外轮廓进行迭代加权最小二乘拟合的方法获取电极端子中心坐标，能够抵抗部分由轮廓波动造成电极端子中心位置偏移情况和轮廓凸起造成的电极端子中心计算错误问题。基于改进的多阈值分割的blob算法和迭代加权最小二乘拟合的联用，保证了提取的bga元件电极端子中心坐标准确性和稳定性，克服了难以获得稳定特征点的问题。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的BGA元件识别定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，α为0.3，β为0.4，γ为0.4。
3.根据权利要求1所述的方法，其特征在于，所述Blob参数包括：元件表面类型、二值化阈值范围、二值化阈值变化步长、凸度最小值、圆度最小值、惯性率最小值、最小Blob数量、相邻Blob最小距离、Blob面积范围。
4.根据权利要求3所述的方法，其特征在于，元件表面类型为反光体，二值化阈值范围为中间阈值±30；二值化阈值变化步长设置为5；凸度最小值设置为0.8；圆度最小值设为0.65；惯性率最小值设置为0.5；最小Blob数量设置为3；相邻Blob最小距离设置为电极端子直径理论像素长度+1；Blob面积范围设置为在0.7~1.3倍S0。
5.根据权利要求1-4中任一所述的方法，其特征在于，所述获取BGA元件图像目标区域具体为：
6.一种基于机器视觉的BGA元件识别定位系统，其特征在于，包括
7.根据权利要求6所述的系统，其特征在于，α为0.3，β为0.4，γ为0
8.根据权利要求6所述的系统，其特征在于，所述Blob参数为：元件表面类型、二值化阈值范围、二值化阈值变化步长、凸度最小值、圆度最小值、惯性率最小值、最小Blob数量、相邻Blob最小距离、Blob面积范围；所述Blob参数值分别为：元件表面类型为反光体，二值化阈值范围为中间阈值±30；二值化阈值变化步长设置为5；凸度最小值设置为0.8；圆度最小值设为0.65；惯性率最小值设置为0.5；最小Blob数量设置为3；相邻Blob最小距离设置为电极端子直径理论像素长度+1；Blob面积范围设置为在0.7~1.3倍S0。
9.根据权利要求6-8中任一所述的系统，其特征在于，所述获取BGA元件图像目标区域具体为：
10.一种计算机存储介质，其特征在于，包括：
...【技术特征摘要】
1.一种基于机器视觉的bga元件识别定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，α为0.3，β为0.4，γ为0.4。
3.根据权利要求1所述的方法，其特征在于，所述blob参数包括：元件表面类型、二值化阈值范围、二值化阈值变化步长、凸度最小值、圆度最小值、惯性率最小值、最小blob数量、相邻blob最小距离、blob面积范围。
4.根据权利要求3所述的方法，其特征在于，元件表面类型为反光体，二值化阈值范围为中间阈值±30；二值化阈值变化步长设置为5；凸度最小值设置为0.8；圆度最小值设为0.65；惯性率最小值设置为0.5；最小blob数量设置为3；相邻blob最小距离设置为电极端子直径理论像素长度+1；blob面积范围设置为在0.7~1.3倍s0。
5.根据权利要求1-4中任一所述的方法，其特征在于，所述获取bga元件图像目标区域具体为：
6...
【专利技术属性】
技术研发人员：吴欢欢，孙海星，周照辉，金长明，
申请(专利权)人：合肥安迅精密技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。