论文部分内容阅读
LED芯片检测与分选是LED芯片生产中的重要工序。全自动LED芯片检测、分拣设备中的关键技术之一就是机器视觉图像对准定位。视觉定位的过程是通过对待检测、分选的LED芯片图像进行处理与分析,提取并输出图像特征(如边缘、轮廓及标识等),通过这些特征信息的辨析,获取芯片晶粒的形状、位置、姿态等参数,并给伺服控制器提供运动控制参数,完成芯片对准。本文对LED芯片图像分析,以期获得适用于LED视觉定位任务的图像处理技术与方法。LED芯片图像主要表现为含噪背景、芯片片基、电极三类景物,要实现LED视觉定位任务,需对其进行图像分割、目标识别与定位。图像分割是为了获取芯片片基和电极两类感兴趣区域。目标识别即分类过程,需特征提取与分析匹配。定位则是在提取的特征基础上做参数计算,获取目标位置。本文具体研究内容如下:(1) LED图像特征分析。探讨LED芯片图像特征,统计了LED芯片图像的灰度特征。应用几何参数、区域与边缘的7个Hu不变矩开展了对两类电极和片基的特征提取与分析工作。通过数据对比分析,选取可以很好的区分两类电极目标以及片基目标的特征——周长、面积以及边缘的不变矩做为分类依据。(2)基于区域的图像分割技术。根据LED芯片图像的区域特性,应用Otsu双阈值和基于直方图势函数标记的分水岭分割方法对LED图像进行分割。实验结果表明,分水岭分割较Otsu双阈值分割效果更好。Otsu双阈值分割能够将电极、片基和背景三类区域提取出来,但片基区域内部含有误判为背景的区域。标记分水岭分割方法采用直方图多阶势函数自动衰减实现标记提取,在标记基础上的分水岭分割能够将电极、片基和背景区域分离提取,片基内部不会出现误判为背景的区域。而且标记分水岭分割在LED芯片图像的应用中较好的抑制了过分割现象。(3)基于边缘检测的图像分割技术。应用Canny边缘检测算子对LED芯片图像进行边缘检测,获取LED芯片图像的边缘信息,并在Canny边缘基础上对目标区域进行种子填充与区域生长,提取区域信息。利用面积误分率评判分割效果,由Canny算子所得分割结果比采用基于区域的Otsu双阈值分割和直方图势函数标记的分水岭分割结果面积误分率更低。(4)基于Hough变换的特征描述方法。应用Hough变换(HT)实现对LED芯片图像中直线和圆的检测。研究随机Hough变换(RHT)机制,在RHT基础上提出了RHT与最小二乘法(LSM)相结合的算法(RHT- LSM)。该算法首先通过RHT选取合适的点集,再对选取的点集用LSM拟合,使得该算法具有RHT的较强抗干扰能力和LSM对点集拟合的残差最小特性。使用RHT- LSM对已知参数的理想图和缺陷图进行直线和圆的检测实验,验证了算法的有效性和稳定性。在LED芯片图像的应用中,采用RHT-LSM可获得精确的LED芯片形位参数。本文通过对LED芯片检测系统视觉任务相关的图像分析技术的研究,能够实现LED芯片图元分类,计算较精确的形位参数。