【C# + HALCON 机器视觉】测量矩形生成算子（gen_measure_rectangle2）在半导体引线键合检测中的深度应用

摘要：针对半导体引线键合工艺中的金线尺寸检测需求，本文提出基于C#与HALCON的矩形测量解决方案。通过gen_measure_rectangle2算子生成高精度测量区域，结合measure_pos算子实现亚像素级边缘定位，完成金线宽度、间距等关键尺寸的实时测量。系统集成CPK过程能力分析与PLC实时控制，实测测量精度达±0.5μm，CPK值实时监控确保工艺稳定性。文中详细阐述测量原理、算法实现及工业集成流程，并提供完整代码与可视化检测结果。

【C# + HALCON 机器视觉】测量矩形生成算子（gen_measure_rectangle2）在半导体引线键合检测中的深度应用

关键词：C#；HALCON；gen_measure_rectangle2；半导体检测；金线测量；CPK分析；PLC控制

一、引言

半导体引线键合（Wire Bonding）是芯片封装的关键工艺，金线宽度（通常5-25μm）与间距（10-50μm）的精度直接影响电气性能。传统接触式测量易损伤器件，而基于gen_measure_rectangle2的机器视觉方案可实现非接触式亚像素级测量。本文结合HALCON的矩形测量算子与C#工业控制技术，构建从图像采集、尺寸测量到工艺调整的闭环系统，满足半导体行业对高精度、高稳定性检测的需求。

二、测量原理与算子解析

2.1 gen_measure_rectangle2原理

该算子用于生成矩形测量区域，核心参数：

• Row/Column：矩形中心坐标（亚像素精度）
• Phi：矩形旋转角度（弧度，逆时针为正）
• Length1/Length2：矩形半长轴与半短轴长度
• Width：测量线宽度（像素，通常设为1）

数学模型：
矩形边界方程为：
$$\{\begin{array}{l}x=\text{Row}+L_1\cdot \cos (\Phi )\cdot s-L_2\cdot \sin (\Phi )\cdot t\\ y=\text{Column}+L_1\cdot \sin (\Phi )\cdot s+L_2\cdot \cos (\Phi )\cdot t\end{array}$$
其中 $ s \in [-1, 1], t \in [-w/2, w/2] $，$ w $ 为测量线宽度。

2.2 测量流程

三、硬件与软件架构

3.1 硬件系统搭建

• 相机：Basler acA1920-155um（1920×1200像素，155fps）
• 镜头：Navitar 12MP远心镜头（畸变<0.1%）
• 光源：525nm波长LED同轴光源（均匀性>95%）
• 传感器：基恩士IL-600激光位移传感器（精度±0.1μm）

3.2 软件功能模块

四、核心代码实现

4.1 图像预处理与ROI定位

private HObject PreprocessImage(HObject ho_Image)
{
   
    try
    {
   
        // 平场校正
        HObject ho_FlatField;
        HOperatorSet.ReadImage(out ho_FlatField, "flat_field.png");
        HOperatorSet.FlatField(ho_Image, ho_FlatField, out ho_Image, "ramp");
        
        // 高斯滤波
        HOperatorSet.GaussFilter(ho_Image, out ho_Image, 1.5, 1.5, "mirrored");
        
        // 动态阈值分割
        HOperatorSet.DynThreshold(ho_Image, ho_Image, out HObject ho_Segmented, 
            "max_separability", "light", 0.2);
        
        // 形态学去噪
        HOperatorSet.ClosingCircle(ho_Segmented, out ho_Segmented, 2);
        HOperatorSet.Connection(ho_Segmented, out ho_Segmented);
        
        return ho_Segmented;
    }
    catch (HOperatorException ex)
    {
   
        Logger.Error($"预处理失败: {
     ex.Message}");
        throw;
    }
}

4.2 测量矩形生成与边缘提取

private void GenerateMeasureRectangles(HTuple hv_Region, out List<MeasureData> measureDatas)
{
   
    measureDatas = new List<MeasureData>();
    HTuple hv_Num = null;
    
    // 获取缺陷区域轮廓
    HOperatorSet.Boundary(hv_Region, out HObject ho_Boundary, "outer");
    HOperatorSet.MinMaxBoundingRectangle(ho_Boundary, out HTuple hv_Row, out HTuple hv_Column, 
        out HTuple hv_Row2, out HTuple hv_Column2);
    
    // 计算矩形中心与角度
    double centerRow = (hv_Row.D + hv_Row2.D) / 2;
    double centerColumn = (hv_Column.D + hv_Column2.D) / 2;
    double angle = CalculateRegionAngle(ho_Boundary); // 自定义角度计算函数
    
    // 生成测量矩形（宽度方向）
    HTuple measureHandleWidth;
    HOperatorSet.GenMeasureRectangle2(centerRow, centerColumn, angle, 
        (hv_Row2.D - hv_Row.D)/2, 2, // Length1=半长轴，Length2=2μm（根据标定系数转换）
        ho_Image.Width, ho_Image.Height, "nearest_neighbor", out measureHandleWidth);
    
    // 生成测量矩形（间距方向）
    HTuple measureHandleGap;
    HOperatorSet.GenMeasureRectangle2(centerRow, centerColumn + 10, angle, 
        5, 2, ho_Image.Width, ho_Image.Height, "nearest_neighbor", out measureHandleGap);
    
    // 执行边缘测量
    MeasureData widthData = PerformEdgeMeasurement(measureHandleWidth, ho_Image);
    MeasureData gapData = PerformEdgeMeasurement(measureHandleGap, ho_Image);
    
    measureDatas.Add(widthData);
    measureDatas.Add(gapData);
}

private MeasureData PerformEdgeMeasurement(HTuple measureHandle, HObject ho_Image)
{
   
    HTuple hv_Pos, hv_Deriv, hv_Amplitude, hv_Quality;
    HOperatorSet.MeasurePos(ho_Image, measureHandle, "all", "edge_para", 
        out hv_Pos, out hv_Deriv, out hv_Amplitude, out hv_Quality);
    
    // 计算边缘间距（宽度）
    double[