论文部分内容阅读
随着微型电子、集成电路的迅速进步以及物联网时代到来,微型电子机械系统(Micro-Electro Mechanical System,MEMS)正以其微型化、轻量化和稳定性高等优点迅速占据市场份额。由于MEMS元件尺寸微小,易受环境影响等特点,给MEMS元件加工检测技术提出更高要求。通过调研得知,大多数MEMS传感器制造企业在传感器芯片尺寸测量和缺陷检测环节仍主要采用人工目视检测方法,这使得其检测过程具有效率低、成本高、易受人为因素影响而导致检测精度降低等缺陷,因此研究设计一种高效的MEMS传感器检测技术具有重要意义。本论文通过分析研究国内外物体检测技术方法,研究设计一种基于机器视觉的MEMS传感器视觉检测系统,用来提高MEMS传感器生产检测精度和检测效率效率。本论文主要工作内容如下:(1)视觉检测系统硬件结构与软件系统设计。根据检测目标的结构和物理特性,对图像采集装置中组件如光源、照明方式、CCD工业相机和镜头等装置完成设计选型。采用LED条形光源和低角度前向照明作为本文图像采集照明的解决方案,消除了金属表面反光对图像采集造成的影响。对本文所研究视觉检测系统进行模块化设计,将MEMS传感器芯片尺寸测量和缺陷检测功能的编程实现。(2)图像处理算法应用研究。对MESM传感器检测中涉及到的数字图像处理常用算法如图像矫正、增强、平滑、特征提取等进行研究,并对其中中值滤波和Canny边缘检测算子提出改进优化算法,通过实验验证其可行性。最终设计提出一套图像处理算法处理流程,实现了工件特征准确提取,完成MEMS传感器尺寸测量和缺陷检测的预备工作。(3)缺陷检测分类算法研究。针对MEMS元件表面缺陷检测问题,本课题分别采用基于缺陷特征匹配的检测算法和基于卷积神经网络的缺陷检测算法进行对比试验验证。根据实验结果最终选择基于卷积神经网络模型的缺陷检测分类算法,并设计提出具有8层结构的卷积神经网络来解决小样本图像分类问题难以收敛的问题,通过构建训练样本库并完成迭代训练调参,最终获得满足检测要求准确率和召回率的缺陷检测分类模型。(4)视觉检测系统实验分析研究。通过采用一批MEMS传感器进行视觉的检测实验,验证评估本文所研究的视觉检测系统的工件尺寸测量精度、表面缺陷识别准确度以及测量用时等检测指标。最后根据检测结果推断误差来源,为后续系统改进提供研究方向。