芯片是集成电路的载体,通过表面贴装技术能使其成为具有实用价值的微电子元器件,在民用和军工领域有着非常广泛的应用。随着芯片贴装性能指标不断提高,对其检测设备要求逐渐智能化,通过机器视觉进行检测,可以在非接触检测时保证物体不受损坏,同时视觉系统能够长时间稳定运作,相比人工检测,其检测效率和质量得到明显的提升。本文研究对象为表面包含字符特征的芯片,主要研究基于形状匹配的芯片定位技术;并对芯片的引脚进行尺寸测量及缺陷检测,芯片表面字符进行准确识别。主要研究内容如下:（1）针对芯片质量检测的实验要求,进行了相机、镜头和光源的选型,完成了视觉检测系统平台的硬件搭建,并且分析了相机成像原理,介绍了图像像素坐标系到世界坐标系的转换关系。最后利用HALCON图像处理软件平台对相机进行标定,获得模型的内外参数,得到图像像素坐标系与世界图像坐标下目标尺寸的比例关系。（2）在芯片视觉定位方面,利用芯片表面包含的字符特征作为模板,采用Canny边缘检测算子获得模板区域的边缘,通过基于形状与金字塔结合的模板匹配方法,并且使用最小二乘法让定位精确到亚像素级别,使芯片进行精确定位,最后通过调整相应的参数提高搜索速度。（3）在芯片质量检测方面,对芯片引脚尺寸测量、缺陷检测和表面字符识别。尺寸测量和缺陷检测分析了基于灰度值投影与一维测量算法的对比,字符识别首先利用改进的基于灰度投影法对字符进行分割,然后进行归一化处理,最后通过提取字符4×4网格分割、4个Hu不变矩,共20个特征作为BP神经网络的输入层进行字符训练和识别。（4）采用HALCON与C++联合编程开发了芯片质量检测系统。通过开发的上位机界面获取相机图片,并实时采集和处理,并且将检测结果进行显示,通过TCP/IP通信将数据发送给客户端,实现对芯片的分拣操作。综上所述,通过实验对芯片质量检测系统的准确性和实时性进行了验证,实验结果表明:引脚尺寸测量误差可以到达0.01mm,缺陷识别率为100%,字符识别率为99.5%,检测时间为200ms。满足实际检测中的要求,提高了芯片的检测效率。