超声铝丝焊接机和超声金丝球焊接机主要运用于半导体生产后工序中芯片焊盘与外框架间引线的焊接。本课题是广东省教育厅科学基金项目,对中小企业目前现有的手动焊接设备进行自动化改造。项目所完成的自动设备,采用机器视觉自动识别技术,不需要每片都人工干预,同类工件只需要进行一次检测识别,以后无需再人工操作焊接,人工只需要上下工件即可。可以做到一人多机,在生产效率上有较大幅度的提高。可以说在今后相当一段时间内,是中小企业所希望装备的产品。本论文完成的主要研究如下:1、 提出手动焊机改造的方案,具体设计了自动焊机的硬件系统和软件系统。同时重点分析图像识别系统可以利用的两种方法,即硬件型图像处理系统和软件型图像处理系统,并结合课题的实际情况选择采用后一种方法。2、 针对噪声污染,系统采用先平滑后增强的预处理。预处理过程为首先对图像进行中值滤波,在保持边缘的同时有效地滤除噪声干扰,然后通过直方图均衡提高图像的对比度,忽略了一些不稳定的细节。为加快速度,对图像的预处理只针对模板图像,而不针对场景图像。3、 讨论分析目前常用的基于灰度的模板匹配技术,即FFT相关算法、序贯相似检测算法(SSDA)、幅度排序相关算法、多辨率塔型结构算法。在本课题中,精度与速度要求极高。经实验对比发现,序贯相似检测算法具有较高的计算速度、定位精度,比较适合于高要求的工业应用中。为进一步满足系统的要求,本文改进了自适应门限序列的SSDA算法,将匹配过程分为两步进行,第一步为粗匹配,第二为精匹配,大大提高定位的精度与速度。4、 自动焊机的最终目的是精确定位焊点。焊点定位是指精确快速找到每对焊点的位置,即每对焊点的坐标。对处于相同的外部环境,同一种芯片型号,摄像头位置不改变的条件下,焊点到芯片中心的距离大致一样。但由于在手工贴芯片时,肯定存在芯片的旋转与偏移误差,这个距离还是会有所偏差。基于此,项目采用类比学习来解决这个问题。其过程为:人工引导测定各个焊点在芯片坐标(以芯片中心为原点)中的坐标,并保存下来,然后利用模板匹