铝丝楔焊机是封装工艺中引线键合工序的重要生产设备,它综合了图像识别,自动化控制和键合技术于一体,实现半导体芯片与引脚框架间的引线连接。由于芯片粘到引脚框架上的位置是不固定的,会有小幅度位置偏差和角度偏转,因此需要图像识别功能精确地识别到芯片在框架上的位置和倾斜角度,芯片的识别定位是实现自动键合的关键技术之一。本文针对于图像识别技术中常用的基于灰度的匹配方法和基于特征点的匹配方法进行了研究,并做了大量的图像匹配实验。本文完成的主要工作如下:第一,本文首先对铝丝楔焊机进行了简单的介绍,对于图像采集部分,根据系统的需求分析进行了硬件系统设计。第二,由于噪声的影响,铝丝楔焊机在工作中实时采集的芯片图像是不能直接用于芯片匹配的,本文采用中值滤波对芯片的模板图像和待匹配图像进行滤波。根据需要,在基于灰度的模板匹配方法中,本文首先对图像进行灰度化,再采用二值化法和Canny边缘检测算法对待匹配图像进行了预处理,为后文中采用的霍夫变换检测直线做准备。在基于特征点的匹配方法中,本文采用形态学滤波对芯片的模板图像和待匹配图像进行了预处理,形态学滤波有利于寻找明显的极大值区或极小值区域,为后文采用的特征点检测方法做准备。第三,本文对基于灰度的模板匹配方法进行了研究,采用归一化平方差法,归一化相关法和归一化相关系数法进行了匹配实验,然后用金子塔分层搜索法提高了匹配速度。针对于基于灰度的模板匹配方法不能识别芯片旋转角度的问题,本文采用霍夫变换检测待匹配图像中芯片边缘的直线,通过计算直线的斜率得到芯片的旋转角度,然后将芯片的模板图像旋转相应的角度后再进行匹配,实验表明此方法提高了匹配精度。第四,针对于表面纹理复杂的芯片,本文提出采用基于特征点的匹配方法进行匹配,对常用的SIFT,SURF和ORB算法进行了详细的介绍,本文做了大量的实验验证了基于特征点的匹配方法的可行性,相比于基于灰度的模板匹配方法,基于特征点的匹配方法可以直接正确的匹配到有旋转角度的芯片。