随着电子产品的发展,各厂家把产品设计得更薄更轻,使得封装工艺要求变得更高。传统的点胶机存在精度差、效率低等一系列的问题,故本文在传统点胶机的基础上加入了机器视觉技术和机器学习的方法,使得点胶机具有更高的精度和效率,从而满足现代制造业的需求。本文主要介绍了机器视觉点胶机系统的组成。机器视觉点胶机系统分为硬件部分和软件部分。硬件部分包括光源、相机、镜头以及运动控制器,本文分析了它们在机器视觉系统中的作用,性能参数和如何选型。软件部分包括图像预处理、相机标定以及目标检测。图像预处理首先将三通道彩色图像进行灰度化转化成单通道灰度图像以减少数据量提高计算效率,然后进行图像滤波抑制噪声。本文通过典型的针孔摄像机模型分析了4大坐标系的转换关系,在实际成像过程中还考虑了镜头畸变的影响,使用OpenCV视觉图像处理库中的函数进行图像校正,并根据机器视觉点胶机的实际情况选取了合适的标定方法。之后,根据机器视觉点胶机的实际情况,本文采用了两种目标定位方法:(1)在MB-LBP级联分类器的基础上额外再串联两个分类器,基于SIFT特征和SURF特征的分类器,构成一个新的级联分类器以满足机器视觉点胶机的目标检测和定位的要求。(2)使用HOG和SVM进行目标检测定位,由于HOG特征维数较大,先使用PCA对HOG特征进行降维,然后使用SVM对降维之后的特征进行分类和定位。两种方法得到了类似的查准率并成功运用在视觉点胶机中。