SMD检测系统硬件组成由工业相机、工业镜头、图像采集卡、工业光源、起偏震片、PC机以及机械结构和机械传动等构成。通过检测精度、检测速度、视野范围、工作距离、工件尺寸来选取合适的工业相机和工业镜头。通过数据传输的大小进行图像采集，本文采用漫反射条形组合光源。
为了提高字符与背景的对比度，降低辐照与辐射强度，采用起振片和偏振片。起振片可以将光源发出来的光变成偏振光，放置于光源位置处；偏振片安装于工业相机镜头前，对偏振光进行一定的遮蔽，偏振光经过漫反射后将变成自然光，经过镜面发射后仍然是偏振光。打光方式采用正面明视场。根据测试分选机工位条件的限制，将光源布置在芯片的正上方，通过螺纹丝杆调节光源距SMD芯片的距离。
再来看看SMD检测系统算法设计
SMD字符在线实时检测对检测速度和检测精度有较高的要求，包括字符定位、字符分割、字符匹配在实时性上都有较高的要求。在PC机上，通过多线程技术提高CPU的利用率，提高系统的处理速度。本文利用设计定位块的方式来提高检测字符区域的效率，通过基于灰度方式的水平垂直投影进行字符的局部分割，利用基于图像采集结果和分割结果进行全局与局部模板匹配，以保证检测的精度。
1.字符定位
字符定位通过设计金属定位块的方式，利用金属材料在光源辐照下的辐射特性与SMD的差异性提高对比度来进行快速定位。
2.字符分割
在进行字符分割之前，要进行SMD芯片的位姿矫正。SMD的欧式运动是先旋转、后平移的组合，所以可以用刚体运动来表示位姿。利用二值化图像的像素分布进行分析，从而找出相邻字符的分界点进行分割。在利用垂直投影切分的方式进行字符切割的结果。
3.字符缺陷识别
字符缺陷识别采用基于边缘特征的模板匹配。模板匹配的基本思想是让模板在目标图像中做平移运动，将模板左上角和待检测的图像左上角重合，每移动一个像素，计算模板与待匹配图像的相似度，遍历结束之后，将符合阈值的位置认定为较佳匹配位置。基于灰度的互相关模板匹配是通过用模板图像遍历待匹配图像，每移动一个像素，计算对应部分的互相关值，将互相关值的较大值作为较佳匹配位置。基于灰度的互相关模板匹配缺点是在光场不均匀情况下，不具有鲁棒性。归一化互相关系数法是一个亮度、对比度线性不变量，能够明显改善光照的线性变化带来的影响。但是随着图像分辨率的提高，图像匹配的时间会增加，匹配准确度也存在差异，甚至会发生匹配失效的情况，并且由于半导体芯片的位姿和完整性等存在差异，会引起光照的非线性变化，这会导致图像的灰度差异大，进而导致模板匹配结果不准确。较于基于灰度的互相关模板匹配，基于边缘的模板匹配不需要建立两幅图像之间点的对应关系，具有较好的鲁棒性。模板由目标图像边缘的一系列点组成。
基于机器视觉的SMD字符检测技术在自动化识别领域应用非常广泛。芯片表面的制造商、产品的规格型号参数等对于使用者来说十分重要。本文通过设计SMD专用定位块的方式解决字符搜索定位，通过投影切分来进行字符的分割，作为整体和局部字符匹配，提高字符检测的准确性，整体上在鲁棒性、实时性、准确性上能够满足企业字符识别的要求。我们在机器视觉检测方面有多年的经验，如果您在SMD芯片字符缺陷检测系统方面有需求，可以直接来问我们。
