贴片机X/Y轴快速高精度定位的实现刘明晓，龙绪明，罗爱玲，贺海浪【摘要】负载惯量和外界干扰是影响贴片机X，Y轴快速高精度定位的两个关键因素。
本文针对负载惯量和外界干扰对控制性能的影响，提出了基于RBF神经网络的自适应滑模控制算法。
利用RBF神经网络的万能逼近特性实现对外加干扰和被控对象模型信息的逼近，运用自适应控制算法计算前馈补偿量以补偿负载惯量和摩擦力对运动性能的影响，采用滑模控制算法以抑制其他不确定干扰对运动控制的影响。
通过仿真分析可以得出，所采用的控制算法能够有效地补偿负载惯量和外界干扰对定位性能的影响，从而实现贴片机X,Y轴的快速高精度定位。
【期刊名称】现代电子技术【年(卷),期】2014(000)017【总页数】4【关键词】贴片机；快速高精度定位；运动控制；RBF神经网络；自适应滑模控制0 引言贴片机X,Y轴运动控制的工作状态是高加速、高速地在点到点之间运行，并且在定位点处实现精确定位。
要实现运动控制系统平稳、快速、精确的定位，其关键就在于如何有效地抑制摩擦力和外界干扰的影响。
而这些干扰随着工作状态的变化而变化，具有很强的非线性，这就需要控制器能够有效地进行补偿[1]。
同时由于X,Y轴在高速运行下需要伺服驱动系统快速启停，系统容易出现抖动，这就严重阻碍了贴装的速度和精度。
针对上述问题，提出了基于RBF神经网络的自适应滑模控制算法，使得系统有效地抑制了摩擦力和外界干扰的影响，从而能够快速地实现精确定位。
1 自适应控制随着控制领域的发展，自适应控制在电力系统、飞机控制、机器人操作、化学过程控制等领域得到了广泛的应用。
自适应控制的用法基本可以分为如下两类：（1）通过在线调整控制器的参数使得系统输出能够跟踪预先设定的期望值，其典型代表是参考模型自适应控制；（2）首先通过辨识系统模型参数得出系统的模型，然后根据得出的模型设计控制器，采用这种控制器的关键就在于如何准确地辨识出系统模型中的参数，其典型代表是自调整控制器。
机器视觉定位算法：二维图像模式定位系统算法机器视觉（Machine Vision），又被称为计算机视觉或人工视觉，是用计算机模拟人眼的视觉功能，从图像或图像序列中提取信息，对客观世界的三维景物和物体进行形态和运动识别。
机器视觉技术已广泛应用于工业自动化生产线，各类检验和监视，视觉导航，图像自动解释、人机交互及虚拟现实等领域。
二维图像模式定位系统算法机器视觉中的二维图像模式定位系统算法整体流程图如图1所示，由RBF网络模式训练和模式定位两个部分组成。
径向基函数（RBF，Radial basis funcTIon）RBF网络为两层MLP（MulTIple Layer PropagaTIon）提供了一种前馈结构，具有最佳逼近（Best approximaTIon）性质，无须学习系数，学习收敛速度极快，在样本数目多的情况下，正确率趋于稳定。
故本算法中采用RBF网络对图像特征进行神经网络学习训练。
定位系统具体工作流程图如图2所示。
先设定训练模式，对模板图像进行预处理，滤除干扰、噪声后再经特征提取得到训练样本，对样本进行学习，提供分类决策。
在待识别模式中对待识别图像同样经过预处理、特征提取后，用训练模式中的分类器中提取的分类决策进行RBF网络识别，得到结果。
若分类器不能提供目前的分类决策，则得到错误检测，需要更新训练模式，直到重新获得正确的分类决策。
其中最重要的一个环节就是特征提取与选择，影响到最后的定位精度。
图像特征提取小波变换具有多分辨率特性，对原始图像的分解呈Mallat塔式分解，具有集中信号能量的能力，小波变换后图像的信息仅仅集中在少数几个变换系数上，多数变换系数为零，有助于降低图像目标小波变换的时间复杂度和空间复杂度（如图3所示）。
同时小波变换后代表图像顶点等特征点的模极大值的范数不随图像的旋转、平移和伸缩的变化而改变，故本文在小波变换的基础上对图像提取特征。
视觉系统获得具有实际模式的二维图像，记为I（x，y）。
基于贴片机视觉系统的SIM芯片识别定位算法
卢军;寸毛毛
【期刊名称】《包装工程》
【年(卷),期】2017(38)21
【摘要】目的采用贴片机的机器视觉技术实现SIM芯片高质量和高精度的识别定位。
方法采用工业摄像机收集原始图像信息,上传到VS配置的Open CV系统中进行图像预处理,减少图像信息,方便特征提取。
对芯片图像进行Zernike边缘检测,减少噪声干扰,改善图像效果。
通过矩形拟合提取芯片轮廓,获取芯片中心坐标。
最后,通过芯片轮廓面积的提取,获得面积区间,确定合格芯片,并对其进行识别检测。
结果实验结果表明,识别合格芯片的正确率达到100%,且抗噪性好;芯片定位时,位置精度在0.5个像素之内。
结论在复杂情况下,该方法可保证贴片机的贴装质量和精度,有利于提高贴装的合格效率。
【总页数】6页(P103-108)
【关键词】贴片机;机器视觉;SIM芯片;矩形拟合;识别定位
【作者】卢军;寸毛毛
【作者单位】陕西科技大学
【正文语种】中文
【中图分类】TB487
【相关文献】
1.基于机器视觉的贴片机元件定位的图像处理算法研究 [J], 王力;张茂青;王洪东
2.基于机器视觉的芯片引脚识别与中心定位算法研究 [J], 黄紫青;曾祥进
3.基于FPGA的贴片机视觉定位算法研究与实现 [J], 薛克娟;段洁
4.基于相位一致性和Hough圆的贴片机视觉定位系统的研究 [J], 陈戈珩;李华杰;房晓伟
5.基于机器视觉的芯片引脚识别与中心定位算法研究 [J], 黄紫青;曾祥进
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于矩形拟合的LED贴片机元件定位算法蔡竞【摘要】针对LED贴片机中元件的视觉定位问题,提出了一种基于矩形拟合的元件定位算法.利用大部分LED贴片灯珠为矩形的几何特征,首先根据背景灰度对采集图像进行全局阈值分割;然后以顶点为界将元件轮廓坐标分为四组并做等间隔采样;最后根据矩形相邻两边正交的特性对采样坐标进行矩形拟合实现元件定位的目的.实验表明,该方法具有较高的准确性和较强的鲁棒性,符合高精度贴片机的贴装要求.【期刊名称】《科学技术与工程》【年(卷),期】2014(014)021【总页数】5页(P271-274,279)【关键词】LED贴片机;视觉定位系统;矩形拟合;最小二乘法【作者】蔡竞【作者单位】浙江警察学院刑事科学技术系,基于大数据架构的公安信息化应用公安部重点实验室,杭州310053【正文语种】中文【中图分类】TP391.75贴片机又称表面贴装系统(surface mount system)，是在生产线中，通过移动贴装头把表面贴装元器件准确地放置在PCB 焊盘上的一种设备［1］。
相较于普通IC 贴装，LED 贴装具有贴装点排布规则、元件种类较少、PCB 板较长等特点［2］。
随着微电子产业的持续高速发展，较高性能的国产LED贴片机已普遍采用了视觉定位系统以提高元件贴装的准确度［3—5］，但是与国外的先进水平相比还有明显的差距［6］。
因此，视觉定位系统的开发设计如今已成为了国产LED 贴片机生产的核心技术之一。
LED 贴片机视觉定位需要解决的关键问题，就是如何精确得到目标元件的中心偏移量和偏移角度。
因此早期的LED 贴片机对于贴装的精度要求并不是很高，元件的定位纠偏采用的方式是机械纠偏，即依靠主轴上的四个机械爪对目标元件进行物理校正。
随着贴片技术的发展，利用机器视觉技术进行目标纠偏已成为行业主流技术。
其中，模板匹配算法是常见的鲁棒性较高的视觉定位算法，但是当图像尺寸较大或是与模板图像之间的角度差值较大时，该算法的运算时间也较长;基于最小外接矩形的定位算法运算速度快，但是其定位效果依赖于分割后目标区域的准确性，当目标区域与矩形相似度较低时，其定位准确性将受到很大影响;基于最小二乘法［7，8］的直线拟合算法同样速度较快，但是对于所提取目标边缘点的准确性要求较高，因此鲁棒性较差。
