一种去除吸嘴干扰的元件图像识别方法与流程

本发明涉及图像识别技术领域，尤其涉及一种去除吸嘴干扰的元件图像识别方法。

背景技术：

贴片机是用来实现高速、高精度地全自动地贴放元器件的设备，是整个SMT生产中最关键、最复杂的设备，作为SMT的生产线中的主要设备，贴片机已从早期的低速机械贴片机发展为高速光学对中贴片机，并向多功能、柔性连接模块化发展。贴片机的贴装头都设有吸嘴单元和工业相机，吸嘴单元利用真空吸附的原理对元件进行取放，而工业相机则用于对吸嘴单元吸附的元件进行位置识别判断，这是因为吸嘴单元在吸附元件时，并不能保证元件与吸嘴单元的位置角度关系，也就是说元件可能偏离了一定距离或者偏转了一定角度，这就需要工业相机对元件的位置进行准确识别，再通过贴装头的Z轴旋转组件对元件的角度偏转进行旋转补偿或对位置偏移进行直线补偿，因此工业相机对元件的位置、角度识别能力对于整体的贴装工序而言，至关重要。另外，吸嘴单元在吸附元件时，经过工业相机拍摄的元件图像轮廓有可能会包含吸嘴单元的轮廓，如图1、图2和图3所示，图1中吸嘴单元的轮廓在元件图像的长边露出，图2中吸嘴元件的轮廓在元件图像的短边露出，图3中吸嘴元件的轮廓在元件图像的顶点处露出，无论吸嘴元件从元件图像的哪个位置露出都会造成元件轮廓识别的障碍，进而影响元件贴装的精度。为此就需要一种能够有效去除吸嘴干扰、并准确地从元件图像中识别出元件本身的轮廓的方法。

技术实现要素：

本发明所要解决的技术问题，在于提供一种元件图像识别方法，能够有效去除吸嘴干扰且准确地从元件图像中识别出元件轮廓。

本发明解决上述技术问题所采用的技术方案是：

本发明提供了一种去除吸嘴干扰的元件图像识别方法，包括步骤：对元件图像采用边缘检测的方式提取出边缘点，并使用最小外接矩形对所述边缘点进行粗定位；根据最小外接矩形的各边长度确定两个候选长边和两个候选短边；计算到各边距离小于m像素的点的个数，满足要求的点个数最多的候选长边为最好长边，个数最多的候选短边为最好短边，2≤m≤5，m∈N^*；将上述距离最好长边和最好短边小于m像素的点进行拟合，计算拟合的两直线的交点，得到元件轮廓的第一顶点；统计所有边缘点到最好长边的距离，通过计算y₁=f(x₁)在各点处的一阶导数，x₁为距离，y₁为个数，确定出个数峰值y_1max，将最大的两个个数峰值y_1max所对应的距离x_1max与元件尺寸设定值进行比较，最接近的距离x_1max即为元件轮廓的第一边长的长度，得到元件轮廓的第二顶点；统计所有边缘点到最好短边的距离，通过计算y₂=f(x₂)在各点处的一阶导数，x₂为距离，y₂为个数，确定出个数峰值y_2max，将最大的两个个数峰值y_2max所对应的距离x_2max与元件尺寸设定值进行比较，最接近的距离x_2max即为元件轮廓垂直于所述第一边长的第二边长的长度，得到元件轮廓的第三顶点；根据三个顶点确定元件轮廓。

作为上述技术方案的进一步改进，在对元件图像提取边缘点的步骤前，要对元件图像进行二值化处理。

作为上述技术方案的进一步改进，在对元件图像提取边缘点的步骤前，要对元件图像进行开运算处理。

作为上述技术方案的进一步改进，在最好长边和最好短边的拟合步骤中采用的是最小二乘法。

作为上述技术方案的进一步改进，在计算到各边距离小于m像素的点的个数步骤中，m的取值为3。

本发明的有益效果是：

本发明元件图像识别方法通过对元件图像轮廓点进行边缘采集、拟合、计算求导、峰值比较，最终能够准确确定出矩形元件的三个顶点，进而确定元件本身的轮廓，有效去除了工业相机拍摄元件图像时吸嘴单元的干扰，保证了贴片机贴装元件的准确性、可靠性。

附图说明

图1是元件图像轮廓包含吸嘴单元轮廓的第一种情况示意图；

图2是元件图像轮廓包含吸嘴单元轮廓的第二种情况示意图；

图3是元件图像轮廓包含吸嘴单元轮廓的第三种情况示意图；

图4是图3所示元件图像的边缘轮廓示意图；

图5是图3的元件图像使用最小外接矩形粗定位的示意图；

图6是图3的元件图像确定最好长边和最好短边的示意图；

图7是图3的元件图像确定第一边长的长度示意图；

图8是图3的元件图像确定第二边长的长度示意图；

图9是图3的元件图像确定元件轮廓的示意图。

具体实施方式

以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整地描述，以充分地理解本发明的目的、特征和效果。显然，所描述的实施例只是本发明的一部分实施例，而不是全部实施例，基于本发明的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本发明保护的范围。

本发明去除吸嘴干扰的元件图像识别方法包括如下步骤：

S1、对元件图像进行前处理，包括图像二值化和图像开运算。

图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。

开运算是指使用同一个结构元素对图像先腐蚀再进行膨胀的运算，其能够消除元件图像中的小对象物，在纤细点处分离物体，平滑较大物体的边界，且不明显改变元件图像的面积。

S2、对元件图像采用边缘检测的方式提取出边缘点，并使用最小外接矩形对所述边缘点进行粗定位。

如图4所示，元件图像由a、b、c、d、e五条线围成，明显地，该图像的轮廓包含了吸嘴单元的轮廓，也就是轮廓线d处。采用边缘检测的方式能够将元件图像的边缘点进行提取，以供后续步骤计算使用。

如图4和图5所示，在经边缘检测提取出边缘点之后，对边缘点进行最小外接矩形逼近，从示意图中可以看出，最小外接矩形的两条边与元件图像的a边和b边基本在一条直线上，而最小外接矩形的另外两条边则基本与元件图像的d边相切。

S3、根据最小外接矩形的各边长度确定两个候选长边和两个候选短边。

最小外接矩形具有四条边，根据其各条边的长度确定出两个候选长边和两个候选短边。

S4、计算到各边距离小于m像素的点的个数，满足要求的点个数最多的候选长边为最好长边，个数最多的候选短边为最好短边，2≤m≤5，m∈N^*，本实施例中，m的值优选为3个。

如图6所示，根据S4的方法从两个候选长边中确定出最好长边11，再从两个候选短边中确定出最好短边12。

S5、将上述距离最好长边和最好短边小于m像素的点进行拟合，计算拟合的两直线的交点，得到元件轮廓的第一顶点。

如图6所示，最好长边11和最好短边12经直线拟合之后的交点即为元件轮廓的第一顶点13，本实施例中，直线的拟合优选采用最小二乘法。

S6、统计所有边缘点到最好长边的距离，通过计算y₁=f(x₁)在各点处的一阶导数，x₁为距离，y₁为个数，确定出个数峰值y_1max，将最大的两个个数峰值y_1max所对应的距离x_1max与元件尺寸设定值进行比较，最接近的距离x_1max即为元件轮廓的第一边长的长度。

要得到矩形元件准确的外形尺寸，就需要准确判断出其至少三个顶点的位置。如图7所示，统计所有边缘点到最好长边11的距离，理论上来讲同一距离的个数峰值y_1max的最大值应该出现在x₁ =L₁的位置，从示意图中就可以看出，x₁在x_1max的位置其距离最好长边11距离相等的点明显多于x₁在x₁₁和x₁₂的位置，当通过对个数y₁—距离x₁函数进行一阶求导之后就能够确定出若干个个数峰值y_1max，将最大的两个个数峰值y_1max对应的距离x_1max与元件尺寸设定值L₁进行比较，距离与L₁更加接近的即为第一边长的长度。第一边长的长度取得之后，就可以确定元件轮廓的第二顶点14。

S7、统计所有边缘点到最好短边的距离，通过计算y₂=f(x₂)在各点处的一阶导数，x₂为距离，y₂为个数，确定出个数峰值y_2max，将最大的两个个数峰值y_2max所对应的距离x_2max与元件尺寸设定值进行比较，最接近的距离x_2max即为元件轮廓垂直于所述第一边长的第二边长的长度。

如图8所示，与S6相似，统计所有边缘点到最好短边12的距离，确定出两个最大的个数峰值y_2max所对应的距离x_2max，再将两个x_2max与元件尺寸设定值L₂进行比较，距离与L₂更加接近的即为第二边长的长度。第二边长的长度取得之后，就可以确定元件轮廓的第三顶点15。

S8、根据三个顶点确定元件轮廓。

如图9所示，第一顶点13、第二顶点14、第三顶点15的位置准确得到之后，就能够将元件的轮廓进行精准的判断，进而实现去除吸嘴干扰的目的。

以上是对本发明的较佳实施例进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。