cog绑定后的压合偏差自动视觉检测技术研究

《cog绑定后的压合偏差自动视觉检测技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、■－■－－：＞；：：．：：：；；：：：：：：＼．；：：：；；：：：：；：：；：，；；：，；；；；，；；；；７＇■＇■■Ｖ；：：ｖ＾：．；Ｉ■’－■＇；ｆ：毛各种成失葦ＩＮＡＵＨＩＥＴＥＦＣＨＩＶＥＲＳＩＴＹＯＦＥＬＥＣｔｆｔＯＭＩＣＳＣＥＮＣＡＮＤ亡ＨＭＯＬＯＣＹＯ硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳ＇＇？－：’站接ｉｓ沾、：：ｆ诚，．ｉｊ如．，兴古妨一…。Ｊ．露ｒｒ：Ａ少气若■．：／／＞１ｉ＾：：：，Ｖ＼：

2、－：．；．ｊ／？＇论支题目〔〇〇绑定后的压合偏差自动视觉检测技术妍究；ｉ，学科专业化学工程学号２０１３２１０５０１０８作者姓名何岗指导教师刘霖副繼独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究Ｘ作及取得的研究成果。据我所知，除了文中特别加标注和致谢的地方夕ｈ论文中不包含巧他人已经发表或撰写过的研究成果，也不包含为获得电子科技火学或其它教育机构的学位或证书而使用过的材料。与我一间工作的巧志对本硏巧所做的任何贡献均己在论文中作

3、了明确的说明并表示谢意。作者签名：淆日期：加／年ｆ月Ｋ円论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部口或机构送交论文的复印件和磁盘，允许论文被查阅和化阅。本人授权化子科技火学可将学位论文的全部或部分内容编入巧关数据库进行检索，可采用影印、缩印或扫描等复制手段促荷、汇编学位论文。（保密的学位论文在解密后应遵守此规定）作者签名：争爲导师签名：＾喬、日期：＞／／年月莖日分类号密级注1UDC学位论文COG绑定后的压合偏差自动视觉检测技

4、术研究（题名和副题名）何岗（作者姓名）指导教师刘霖副教授电子科技大学成都申请学位级别硕士学科专业光学工程提交论文日期2016.04论文答辩日期2016.05学位授予单位和日期电子科技大学2016年6月30日答辩委员会主席彭真明评阅人吴援明,何艳敏,张萍,陶冰洁注1：注明《国际十进分类法UDC》的类号。AutomaticVisualInspectionofChiptoGlassDeviationinChiponGlassProcessAMasterThesisSubmittedtoUniversityofElectronicScien

5、ceandTechnologyofChinaMajor:OpticalEngineeringAuthor:GangHeSupervisor:AssociateProf.LiuLinSchool:SchoolofOptoeletronicInformation-I-摘要摘要伴随着显示技术的发展，高密度电气连接技术也不断发展，其中，晶粒-玻璃绑定(ChiponGlass，COG)技术以其可靠性高，性能优良，易于流程化生产等优良特性而成为目前高密度电气连接技术的主流。但是COG的检测流程中，由于检测区域大、检测区域形状多种多样、检测精度高

6、，且目前对于导电粒子压合偏差的研究不够深入等原因，主要依靠人工通过金相显微镜来进行镜检，检测效率低下，且误检率和漏检率均较大，同时检测的再现性和重复性也不足以满足智能工厂日益提高的产品质量要求。本文研究的COG绑定后的压合偏差自动视觉检测技术，通过光学图像采集和数字图像处理技术以及合理的人机交互设计，获得良好的输入图像并进行处理最终得到压合偏差的量化测量值。本文的主要工作如下：首先，介绍COG绑定后的压合偏差自动视觉检测系统的图像采集模块，根据自动视觉检测系统需求依次对各个图像采集子模块进行详细分析和设计，并搭建图像采集模块的硬件采

7、集平台。其次，研究感兴趣区域自动提取算法，其中重点讨论MARK点中心坐标定位精度和定位效率的优化、线路区域的外轮廓提取。然后，研究压合偏差计算算法，重点讨论利用纹理特征提取压合区域里BUMP区域的方法，并通过对比局部最大差值，局部熵，灰度共生矩阵以及局部二值模式等多种纹理描述子的处理效果和效率，综合考虑效果和效率两方面的因素，选取基于局部二值模式与局部方差计算相结合的方法对BUMP区域进行提取。最后，研究检测软件人机交互界面的两个关键模块，建标模块和实时检测模块，实现检测软件的人机交互界面。本文的特点在于研究并实现的COG绑定后的压

8、合偏差自动视觉检测系统，并通过和自动化设备供应商合作，在多家LCM模组生产厂家进行系统试产测试，其中检测节拍为3.5秒，漏检率为0.1%，误检率为0.5%，达到实时流水线检测要求；本文算法的验证和实现都基于C++，极大的提高了软件开发