在芯片封装过程中,对芯片引脚的缺陷检测是正确封装的必要基础[1]。使用传统的检测方法很难满足对贴片式芯片引脚的高速、高精度的检测需求,计算机视觉检测技术是一种具有非接触式、实时性、灵活性、精确性和高可靠性等优点的检测技术,这些都是传统的检测技术所欠缺的[2]。本文介绍和分析了机器视觉检测技术的研究现状及其发展,详细分析了机器视觉检测系统的工作原理,针对芯片引脚的视觉检测中的几个关键技术展开了研究工作,通过Matlab进行计算实现了对芯片引脚的数目、间距和尺寸等参数的自动检测。论文研究了图像预处理算法,通过对中值滤波等几种滤波算法的分析和实验结果对比,发现传统的滤波算法对图像的每个像素点都会进行平滑处理,这必然会对图像造成模糊化,不利于后续的边缘检测等操作,最终影响检测的准确性。因此,本文研究了一种改进的基于方向信息的开关中值滤波算法,该算法首先会利用九个含有方向信息的卷积核与滤波窗口中的像素点进行卷积,将计算结果与阈值对比来判断该点是否为真的噪声点,只有判定它为噪声点时才对它进行平滑处理。实验证明,这种算法既能高效的滤除噪声,也能很好的保护边缘细节信息。论文通过对图像形态学运算的研究发现,通过对芯片图像进行适当的图像形态学运算可以去除图像中一些小的杂质,这有利于后续的处理和测量。论文通过对多种边缘检测算子原理的分析及它们对实验图像进行边缘提取的处理结果表明,将Canny边缘检测算子应用于机器视觉检测系统中提取被检测物体图像的边缘是比较合适的。但是由于Cannv算子中使用高斯滤波方法会造成图像的过平滑和边缘的模糊,并且对脉冲噪声很敏感,因而将本文研究的改进型滤波算法应用于Canny算法,使之提取出的边缘更加完整,有利于提高检测结果的准确性。论文阐述了一种通过对边缘点的八个邻域像素点进行跟踪的方法来提取待检测物体的轮廓,实验证明,使用该方法可以将边缘图像中物体的轮廓完整的分割出来。本文分析了基于灰度相关性和计算图像几何矩这两种模板匹配方法,由于基于灰度相关性的模板匹配算法计算量大、时间复杂度高,而传统的基于几何矩的方法是基于物体在区域上的表示,但是如果在一幅图像中有多个目标需要匹配时,通常需要先进行图像分割,因此本文通过使用计算轮廓矩的方法对引脚轮廓进行识别；通过结果可以看出,这种方法计算速度较快,处理效果能够达到视觉检测的准确性要求。论文详细讨论了检测芯片引脚各项参数的实现方法,并且进行了实验测试,给出了实验数据及其分析。