LED芯片檢測(cè)系統(tǒng)視覺(jué)圖像分析技術(shù)研究.pdf

1、LED芯片檢測(cè)與分選是LED芯片生產(chǎn)中的重要工序。全自動(dòng)LED芯片檢測(cè)、分揀設(shè)備中的關(guān)鍵技術(shù)之一就是機(jī)器視覺(jué)圖像對(duì)準(zhǔn)定位。視覺(jué)定位的過(guò)程是通過(guò)對(duì)待檢測(cè)、分選的LED芯片圖像進(jìn)行處理與分析，提取并輸出圖像特征(如邊緣、輪廓及標(biāo)識(shí)等)，通過(guò)這些特征信息的辨析，獲取芯片晶粒的形狀、位置、姿態(tài)等參數(shù)，并給伺服控制器提供運(yùn)動(dòng)控制參數(shù)，完成芯片對(duì)準(zhǔn)。
　　 本文對(duì)LED芯片圖像分析，以期獲得適用于LED視覺(jué)定位任務(wù)的圖像處理技術(shù)與方法。LE

2、D芯片圖像主要表現(xiàn)為含噪背景、芯片片基、電極三類(lèi)景物，要實(shí)現(xiàn)LED視覺(jué)定位任務(wù)，需對(duì)其進(jìn)行圖像分割、目標(biāo)識(shí)別與定位。圖像分割是為了獲取芯片片基和電極兩類(lèi)感興趣區(qū)域。目標(biāo)識(shí)別即分類(lèi)過(guò)程，需特征提取與分析匹配。定位則是在提取的特征基礎(chǔ)上做參數(shù)計(jì)算，獲取目標(biāo)位置。本文具體研究?jī)?nèi)容如下：
　　 (1)LED圖像特征分析。探討LED芯片圖像特征，統(tǒng)計(jì)了LED芯片圖像的灰度特征。應(yīng)用幾何參數(shù)、區(qū)域與邊緣的7個(gè)Hu不變矩開(kāi)展了對(duì)兩類(lèi)電極和片基

3、的特征提取與分析工作。通過(guò)數(shù)據(jù)對(duì)比分析，選取可以很好的區(qū)分兩類(lèi)電極目標(biāo)以及片基目標(biāo)的特征——周長(zhǎng)、面積以及邊緣的不變矩做為分類(lèi)依據(jù)。
　　 (2)基于區(qū)域的圖像分割技術(shù)。根據(jù)LED芯片圖像的區(qū)域特性，應(yīng)用Otsu雙閾值和基于直方圖勢(shì)函數(shù)標(biāo)記的分水嶺分割方法對(duì)LED圖像進(jìn)行分割。實(shí)驗(yàn)結(jié)果表明，分水嶺分割較Otsu雙閾值分割效果更好。Otsu雙閾值分割能夠?qū)㈦姌O、片基和背景三類(lèi)區(qū)域提取出來(lái)，但片基區(qū)域內(nèi)部含有誤判為背景的區(qū)域。標(biāo)記分

4、水嶺分割方法采用直方圖多階勢(shì)函數(shù)自動(dòng)衰減實(shí)現(xiàn)標(biāo)記提取，在標(biāo)記基礎(chǔ)上的分水嶺分割能夠?qū)㈦姌O、片基和背景區(qū)域分離提取，片基內(nèi)部不會(huì)出現(xiàn)誤判為背景的區(qū)域。而且標(biāo)記分水嶺分割在LED芯片圖像的應(yīng)用中較好的抑制了過(guò)分割現(xiàn)象。
　　 (3)基于邊緣檢測(cè)的圖像分割技術(shù)。應(yīng)用Canny邊緣檢測(cè)算子對(duì)LED芯片圖像進(jìn)行邊緣檢測(cè)，獲取LED芯片圖像的邊緣信息，并在Canny邊緣基礎(chǔ)上對(duì)目標(biāo)區(qū)域進(jìn)行種子填充與區(qū)域生長(zhǎng)，提取區(qū)域信息。利用面積誤分率評(píng)判

5、分割效果，由Canny算子所得分割結(jié)果比采用基于區(qū)域的Otsu雙閾值分割和直方圖勢(shì)函數(shù)標(biāo)記的分水嶺分割結(jié)果面積誤分率更低。
　　 (4)基于Hough變換的特征描述方法。應(yīng)用Hough變換(HT)實(shí)現(xiàn)對(duì)LED芯片圖像中直線和圓的檢測(cè)。研究隨機(jī)Hough變換(RHT)機(jī)制，在RHT基礎(chǔ)上提出了RHT與最小二乘法(LSM)相結(jié)合的算法(RHT-LSM)。該算法首先通過(guò)RHT選取合適的點(diǎn)集，再對(duì)選取的點(diǎn)集用LSM擬合，使得該算法具有R