传统的光器件芯片封装中的金线二维缺陷检测方式主要是人工检测,其效率低、精度低、并且难以统一检测标准。相比之下,基于机器视觉的缺陷检测系统可以克服上述缺点,其效率高、精度高、易于统一检测标准。基于此,本文研究了基于机器视觉的芯片封装金线二维缺陷检测技术,主要包括系统设计与算法研究。首先设计了光器件芯片封装中的金线缺陷检测系统。对照明方式、图像采集系统、图像处理模块进行了设计。采用低位环形LED照明,可以更好地突出金线特征。使用500万像素工业相机与双远心镜头进行图像采集,获得高对比度的待测样品图。图像处理模块分为焊点提取、金线区域提取、金线缺陷检测三个模块。其次依据焊点的空间分布设计了基于模板匹配的焊点提取算法。将待测样品图片划分为3个区域,分别为PD区域、IC区域、底座区域,对于不同区域分别创建模板进行模板匹配,将模板匹配得到的仿射变换矩阵作用在模板图中的焊点位置上,得到待测样品图中的焊点坐标,为后续金线区域提取奠定了基础。然后采用了基于灰度梯度的线条提取方法提取金线区域,对于大部分正常样品图适用,但对于金线距离较近以及噪声严重时的情况提取不完全。因此,提出了一种基于焊点寻迹的金线区域提取方法,依据金线附近区域的灰度特征确定金线上的中心点。计算金线区域灰度均值以及方差可以对少线、金线断线的缺陷进行判断,计算完整金线的几何特征可以对金线弯曲的缺陷进行判断。最后利用本文设计的缺陷检测系统对包含17个金线缺陷的待测样品进行图像采集、缺陷检测,从误检率和漏检率两个方面来进行评价,实验结果表明,对于所有的焊点均能提取成功;对于97.8%的样品均能得到正确的金线区域提取以及缺陷检测结果,对于极少部分金线完全被背景噪声所掩盖的样本,无法正确提取。最终误检率为0.0%,漏检率为2.2%,达到了项目的设计要求。