机器视觉技术分析

    机器视觉是一门新兴学科，八十年代以来，机器视觉的研究已经历了从实险室走向实际应用的发展阶段。从简单的二值图象处理到高分辨率多灰度的图象处理，从一般的二维信息处理到三维视觉机理以及模型和算法的研究都取得了很大的进展。而随着半导体行业自动化水平的飞速提升，更促进了机器视觉系统的实用化研究。

机器视觉系统一般采用CCD摄取检测图象并转化为数字信号，再采用先进的计算机硬件与软件技术对图象数字信号进行处理，从而得到所需要的各种目标图象特征值，并由此实现模式识别，坐标计算，灰度分布图等多种功能。然后再根据其结果显示图象，输出数据，发出指令，配合执行机构完成位置调整，好坏筛选，数据统计等自动化流程。与人工视觉相比较，机器视觉的最大优点是精确、快速、可靠，以及数字化。

一、机器视觉系统简介

机器视觉系统主要由三部分组成：图像获取、图像处理和图像分析。涉及光、应用电子、人工智能、并行处理以及神经元网络等学科。
  1、图像获取

 图像的获取实际上是将被测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据，它主要由以下三部分组成：
　（1）照明
    照明和影响机器视觉系统输入的重要因素，因为它直接影响输入数据的质量和至少30%的应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。
   （2）图像聚焦
    被测物的图像通过一个透镜聚焦在敏感元件上，如同照像机拍照一样。所不同的是照像机使用胶卷，而机器视觉系统使用传感器来捕捉图像，传感器将可视图像转化为电信号，便于计算机处理。
   （3）图像形成
   图像形成是通过一个光电转换装置，转化为什么算机能处理的电信号。目前最常用的是CCD。   

2、图像处理

视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、平滑、边缘锐化等内容。经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理和识别。
    （1）图像的增强
    图像的增强用于调整图像的对比度，突出图像中的重要细节，改善视觉质量。通常采用灰度直方图修改技术进行图像增强。
     （2）图像的平滑
    图像的平滑处理技术即图像的去噪声处理，主要是为了去除实际成像过程中，因成像设备和环境所造成的图像失真，提取有用信息。众所周知，实际获得的图像在形成、传输、接收和处理的过程中，不可避免地存在着外部干扰和内部干扰，如光电转换过程中敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程中的误差以及人为因素等，均会使图像变质。因此，去除噪声，恢复原始图像是图像处理中的一个重要内容。
      （3）边缘锐化
    图像边缘锐化处理主要是加强图像中的轮廓边缘和细节，形成完整的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。它是早期视觉理论和算法中的基本问题，也是中期和后期视觉成败的重要因素之一。
   3、图像分析

图像分析主要包括图像分割、特征抽取、图像识别与理解等内容，通过提取描绘图像本质对象，并对其特征进行研究，并利用其结果实现测量、分类、定位等需求。

二、适合国内半导体设备的机器视觉技术路线

   机器视觉技术的发展得益于半导体设备的巨大需求，目前国外先进的半导体设备多数都有视觉系统的支持，也可以说先进的视觉技术是提升半导体设备科技水平的必要技术。现在国内开发的半导体设备如键合机，粘片机，划片机，探针机、编带机，光刻机等都需要机器视觉的支持。

   从技术层面上来讲，应该走独立开发与视觉集成相结合的路线。视觉集成保证了半导体设备快速完整的初期样机开发；独立开发可以有效的降低成本，拥有自主知识产权，亦不受国外技术的制约。目前, 在键合机的视觉系统中我们已经取得了一些的研究成果， 初步建立了软硬件开发平台。 其中硬件平台是建立在基于软件型系统上的，软件开发平台是建立在基于面向对象的思想上的。 它不仅为各种图像处理识别算法提供了一个统一的试验环境，使不同的算法进行比较具有实际意义，而且可以快速优化、筛选各种算法组合，大幅度提高了开发速度，为开发新的快速算法奠定了“物质”基础。

  机器视觉技术针对性比较强，还没有一种通用的理论可以解决所有领域的问题，一般是针对某个应用领域进行专门研究。开发一套实用的机器视觉系统需要专业人员进行长期，连续，系统，细致的研究工作。如果没有一个机器视觉的专门研究机构是不可能领先国际先进技术的。分散研究只能造成大量的重复劳动，大量的资源浪费，取得的成果可能仅停留在二次开发的较低水平上，很难拥有自己的核心技术，使我们在成本，系统可靠性（由于核心技术对我们是黑合操作，所以很难深入细节进行可靠性的调试）及技术领先受制与国外的商业视觉软件。