作为一种有效的连接技术,超声键合属于节能环保的键合方式,其在加工过程中不需要额外的键合材料,也不需要高温环境,不会产生环境有害气体,因此其在工业生产中越来越流行。随着工业自动化的不断改革和创新,现在的工业键合技术要求精度高、鲁棒性强和环境适应性好,而传统的超声键合设备由于键合过程中劈刀的磨损,经常需要手动进行键合力和键合能量的校正。机器视觉反馈以其精度高、实时性好、对待加工工件表面无磨损等优点成为工业自动化领域重要的研究方向。利用视觉反馈对超声键合过程的键合质量进行实时监控为实现键合设备的全自动化和高效率提供了全新的思路。针对键合过程中劈刀磨损导致的键合参数不佳问题,利用工业相机拍摄已键合的焊点图像,研究基于像素邻域灰度方差的算法对焊点所在区域进行高效率定位,对定位到的焊点图像利用改进的灰度投影算法去除冗余的非焊点区域,在此基础上提出改进的Level-Set算法对焊点的缺陷进行分割以确定焊点缺陷面积,利用KPCA提取焊点线性可分的主特征,最后,采用随机森林算法对KPCA提取的特征进行分类以确定缺陷类别,以此作为键合参数调整的参考。本文采用龙门架、伺服电机、超声换能器、超声驱动器、工业相机、力传感器作为实验器材,开发出完整的超声键合实验设备。基于该键合设备,利用Qt设计整个系统的控制软件,其可以实现运动子系统、视觉子系统、超声子系统、力控制子系统的协调控制。对文中提到的焊点定位、去冗余、缺陷分割、特征提取、缺陷分类算法进行分步及完整实验,并在此基础上提出了一些精度提升策略,实验最后得到的分类准确率为0.91。