本课题源自国家高技术研究发展计划(“863”计划)项目“半导体照明产业化芯片测试与分拣的关键技术及设备研制”，以研制LED芯片检测分拣设备并产业化为目标，针对机器视觉相关的几个关键性问题进行了研究，提出了解决方案并应用于设备的研制。　　 论文工作内容和主要成果包括：　　 (1)介绍了LED芯片检测机和分拣机的关键技术、构造和工作流程。论述了设备中视觉系统的结构、功能和识别定位原理，并分析了精度与效率的要求。　　 (2)对芯片图像中的噪声类型和特点进行了研究，提出细节保持自适应中值滤波算法，使用带有方向性的子滤波窗口，通过阈值设定滤波器的灵敏度，计算像素灰度与中值的差值判断窗口内像素的一致性，根据噪声影响情况动态调整滤波窗口的形状和规模。通过实验验证了该滤波算法能有效滤除芯片图像中的脉冲噪声和斑点，提高后续图像处理和分析的精度，单个芯片图像的滤波处理时间小于15ms。　　 (3)在传统模板匹配理论的基础上，针对芯片图像特点提出了模板投影和特征子模板两种识别定位算法。图像投影大幅度降低了模板和待匹配图像的数据量，将二维匹配转换为两个一维匹配，实现高速粗略定位，缩小后续精确定位的搜索范围。特征子模板匹配通过对模板裁剪提高定位效率，并且保留了传统模板匹配的精度和抗噪声能力。将两种方法相结合，在设备中芯片识别定位误差小于61μm，单个芯片的定位时间小于30ms。　　 (4)对生产过程中出现的缺陷和损坏芯片进行了分析和归类，划分为污损、划痕等6种主要类型，提出了两种识别方法：最小风险贝叶斯分类器和贝叶斯网络。前者使用暗点数、面积等5种与芯片位置无关并相互独立的图像特征，基于正态分布模型识别缺陷和损坏芯片。后者使用Netica软件手工建立网络结构，具有lO个属性节点和9个类节点。通过实验比较，在设备中采用最小风险贝叶斯方法，识别准确度达到90％，优于现有进口设备，识别时间小于120ms。　　 (5)通过对芯片分拣过程中的各个步骤和动作所需时间及依赖关系进行研究，合理安排分拣流程和时序，利用多线程技术实现了识别定位与机械操作同时进行。以分拣操作时间为边的长度，对芯片建立全连接无向图模型。将分拣任务规划转换为最短路径问题，运用蚁群算法优化分拣路径，提高分拣效率2％-3％。　　 (6)基于Windows XP操作系统，使用Visual C++2005开发了检测机和分拣机的主控软件，实现了本文所提出的各种算法，并验证了可靠性、精度和效率，还具有运动控制、数据统计分析、过程监控等多个功能。　　 论文的研究成果解决了芯片检测机和分拣机中芯片定位、缺陷检测、路径规划等关键问题，主要性能达到了国际同类产品的水平。今后将进一步对算法进行改进和优化，并且结合设备在生产使用中情况，对可靠性、鲁棒性等方面的问题进行研究和改进。