半导体工业作为众多领域的支柱产业,其市场需求在不断加大。但目前国内中小型企业的半导体芯片后工序中超声焊接机器基本上是手工操作,工作效率低下,产品质量很不稳定,而全自动焊接机器的价格又太高。为此,本课题在中小企业目前现有的手动超声金丝球焊机设备基础上,增加计算机控制设备、控制软件、以及伺服电机工作平台机械设备等,花少量的资金,将原有的设备改造成自动设备,大大提高了生产率和产品的合格率。本文重点研究整个自动化系统的初始标定及其标定前的预处理,以保证在系统实时运行过程中后续工作的准确,主要包括如下四个方面:(1) 完成手动超声金丝球焊机的自动化改造,能够对所有同类型工件进行自动定位、自动焊机。开发本项目的人工视觉识别软件和伺服电机控制软件。(2) 本文根据焊机系统的实际情况,结合径向排列约束(RAC)两步非线性标定算法精确但计算量大和初期标定算法快速简洁但不够准确的特点,提出了六参数的非线性自标定算法。首先计算出两坐标夹角θ和光心参数Xc和Yc;然后在考虑了径向畸变的情况下用遗传算法优化求解剩下的三个变量参数。(3) 在计算光心参数和后继的图像匹配过程中,为了保证图像的质量,使用有较好去噪质量的小波技术。并且利用边缘检测、霍夫变换和最小二乘法根据图像中的特征点和相机光轴不变原理计算光心参数Xc和Yc。(4) 对待求的畸变参数k和c1,c2用遗传算法进行组合优化,得到参数精确值。非线性自定标算法和标定前的预处理结合系统的实际条件,计算快速简洁,同时保证了整个系统有较好的鲁棒性和精确度。本课题完成的自动化改造设备,对同类工件只需要进行一次检测识别与机器学习,以后无需再人工操作焊接,极大改善了我国中小企业半导体后工序的生产状况,具有非常好的市场前景。相信本文的成果对“特定条件下的摄象机参数标定和机器视觉识别”的研究具有重要的参考意义。