基于AUTOLINE的数据采集

论文摘要

由于芯片高速发展的需要,芯片的自动化生产设备的需求也得到了飞速的发展。本人在研究生的学习阶段加入了摩托罗拉中国电子有限公司的第二校园计划,在天津的封装测试厂参加了芯片图像识别缺陷检测系统的研究。本文首先介绍了国内芯片生产的概况,以及本课题的研究和开发的必要性,同时给出了这次开发研究的技术指标和要求。然后,从系统的硬件的组成,图像识别前的图像预处理,芯片的模板匹配及芯片缺陷检测各个方面详细讨论了芯片定位检测系统。为抑制噪声的影响,本文讨论了几种降噪方法,并分析了各自的优缺点,根据实际情况选择出了适宜的降噪算法。在分析二维模板匹配的基础上,提出了适用于非精度定位的一维投影模板匹配方法。极大的加快了识别的速度,减少了运算量,使芯片的定位和缺陷查找控制在100ms。芯片缺陷检测部分介绍了边界跟踪,区域生长等算法以及边缘检测算法,对边缘检测一阶微分和二阶微分算子做了理论讨论,采用Roberts算子不仅保护了边缘信息,并且满足适时性的需求。

论文目录

• 第一章 绪论
• 1.1 课题的研究背景
• 1.2 芯片的识别和检测的要求
• 1.3 系统设计的重点和难点
• 1.4 解决途径介绍
• 1.5 论文的主要内容
• 1.6 国内外对计算机缺陷检测的研究概况介绍
• 1.7 本章小结
• 第二章 图像处理系统结构与原理
• 2.1 图像处理和识别
• 2.2 硬件闭环系统介绍
• 2.3 图像采集卡（DH-VRT-CG200）
• 2.3.1 采集卡概述
• 2.3.2 采集卡的结构和工作原理
• 2.4 图像格式
• 2.5 本章小结
• 第三章 图像预处理
• 3.1 图像噪声概述
• 3.2 图形的处理方法
• 3.2.1 图像增强
• 3.2.2 图像复原
• 3.3 图像去噪
• 3.3.1 平均值滤波
• 3.3.2 频率域低通滤波
• 3.3.3 中值滤波
• 3.3.4 小波去噪函数
• 3.3.5 直方图图像修正
• 3.4 实际应用
• 3.5 本章小结
• 第四章 图像的模板匹配
• 4.1 概述
• 4.2 模板匹配的常用方法
• 4.2.1 引言
• 4.2.2 模本匹配的数学模型
• 4.3 基于灰度和的快速一维模板匹配
• 4.3.1 概述
• 4.3.2 图像的一维灰度投影
• 4.3.3 一维匹配
• 4.4 梯度搜索法
• 4.5 实验结果
• 4.6 本章小结
• 第五章 图像缺陷检测
• 5.1 概述
• 5.2 墨点检测
• 5.2.1 阀值分割算法
• 5.2.2 基于数学形态学的形状分析
• 5.3 偏差角度的计算
• 5.4 边界缺损检测
• 5.4.1 区域生长的基本概念
• 5.4.2 分割法则—平均灰度法
• 5.5 钝化层检测
• 5.5.1 边缘检测简介
• 5.5.2 边缘的特征分析和特征点,线的提出
• 5.5.3 边缘检测算法的现状及其发展
• 5.5.4 梯度算子
• 5.5.5 零交模型
• 5.5.6 边缘检测方法评析和选用
• 5.5.7 直线提取的方法
• 5.6 本章小结
• 第六章 芯片识别系统软件
• 6.1 简介
• 6.2 具体内容
• 6.3 本章小结
• 第七章 结论与展望
• 7.1 全文总结
• 7.2 展望
• 参考文献
• 攻读硕士学位期间发表的论文
• 致谢