LED芯片檢測算法研究及實現.pdf

1、LED芯片檢測系統是LED生產的關鍵步驟之一，它能很好地實現生產自動化，有效地對芯片進行分類，為下一步工藝生產提供了不可缺少的信息，節(jié)省了大量的時間，節(jié)約了大量的人力和物力，提高了檢測準確性。就現有的設備來說，圖像處理軟件是LED芯片識別系統的關鍵環(huán)節(jié)之一，圖像處理質量影響著整個系統識別的效果，主要提高圖像處理的速率、準確性，成為高效實時的芯片識別系統。目前提高圖像處理算法有很大的提升空間，其中核心算法仍有改進的地步，該系統結合一些新的

2、方法，使更加準確地識別圖像。目前國外的多種圖像識別軟件系統，如比利時的eVision，加拿大的Sapera Processing等在實際應用中都需要事先人工引導確定目標圖像的數目，限制了其在LEO芯片檢測機中的應用，無法滿足系統要求。 LDE芯片檢測系統是以計算機為主的圖像處理系統的綜合體。本文是針對LED芯片檢測過程中所涉及到圖像處理算法進行的深入研究，達到高速、高效地檢測LED芯片，并實現整個檢測過程的全自動化，實現LED芯

3、片檢測國產化。擬定了檢測技術的要求和目標：對于每一個視塊，通過攝像頭捕獲其圖像，擬采用快速多相似目標檢測方法獲取芯片數組位置。該項工作是圖像處理的核心，它受到捕獲的圖像質量、芯片圖案復雜程度、芯片外觀、識別算法等因素影響，其處理速度影響整個系統。對于芯片外觀，包括幾何邊界、表面劃痕、電極缺損等，擬采用人為的屏蔽狀態(tài)、可選擇的檢測條件等設置，完成芯片外觀檢測，自動進行芯片分類。 在保證LED芯片檢測機的精度條件下，實時高效的圖像處

4、理算法對LED芯片識別系統是有著決定性的作用，本文從相似目標定位、邊緣檢測、目標圖形檢測和分割圖像四個方面進行研究。全文共分五章： 第一章介紹本文選題的背景、目的、意義和本文所要做的工作。 第二章主要對相似目標定位算法進行研究，相似多目標定位到達在同一區(qū)域內進行識別相似多目標的精準定位，并且提出了隨機目標定位識別方法，該方法與傳統方法相比，能夠保證目標定位精度前提下加快定位的速度。 第三章主要對邊緣檢測算法進行研

5、究，分析了Canny邊緣檢測算法，針對Canny算法的不足，提出了基于熵的自適應Canny邊緣檢測方法，提高了算法的檢測質量和自適應性。 第四章主要對矩形和圓檢測算法進行研究，在分析了傳統矩形、圓檢測算法下，提出了結合OpenCV視覺圖像函數庫的曲線擬合面積判別檢測的方法，能夠達到準確迅速地檢測效果。 第五章主要對圖像分割算法進行研究，分析了固定閡值分割圖像和動態(tài)閡值分割算法，提出了動態(tài)圖像分割方法，該算法能夠達到對LE

6、D芯片動態(tài)分割感興趣的區(qū)域，并且分割效果不錯。 本文通過對LED芯片檢測一系列方法，能夠到達在同一區(qū)域內LED芯片數目不確定前提下，準確地識別出LED芯片的個數；能夠在保證邊緣信息前提下，通過邊緣檢測方法準確地檢測出LED芯片邊界；能夠在LED芯片邊緣圖像上，找到矩形、圓所在感興趣區(qū)域邊界，達到不丟失感興趣的目標區(qū)域；能夠在LED芯片目標區(qū)域動態(tài)分割該區(qū)域，使目標和背景相分離出來。本文能夠檢測出LED芯片的崩邊、崩角、裂痕和劃痕