摘要：提出了一種基于形狀的檢測準則的發(fā)光二極管（LED）芯片位置檢測系統(tǒng)，利用數(shù)字圖像處理技術進行LED芯片位置非接觸檢測，通過圖像的獲取、圖像的定位和分割、邊緣檢測及輪廓提取等，從而得到被測芯片的精確位置。通過實驗證明了該系統(tǒng)的可行性和正確性。
引言
LED以其固有的特點廣泛應用于指示燈、信號燈、顯示屏、景觀照明等領域。在LED芯片檢測中由于芯片的尺寸較�。�200μm×200μm～1000μm×1000μm），而且目前的趨勢是芯片向更小尺寸發(fā)展，所以圖像識別技術是其精確定位關鍵技術之一。圖像識別也稱模式識別，就是要把一種研究對象，根據(jù)其某些特征進行識別、分類和定位。
圖像處理用于檢測系統(tǒng)有其獨特的優(yōu)點：它不干擾被測對象，特別是在采用非接觸測量的場合，不僅安全可靠，而且能達到很高的精度，適用于對易變形、微小尺寸零件等的測量。本文提出了一種基于形狀的定位檢測準則的發(fā)光二極管（LED）芯片位置檢測系統(tǒng)，利用數(shù)字圖像處理技術進行LED芯片位置非接觸檢測，可以對微小幾何尺寸LED芯片位置進行無損精確測量。
1、測量系統(tǒng)結構
測量系統(tǒng)由照明系統(tǒng)、CCD攝像頭、光學顯微鏡、KPCI-884四軸運動控制卡、計算機以及相應的軟件組成。具體結構如圖1所示。系統(tǒng)工作原理為：照明系統(tǒng)發(fā)出的平行光線使被測件產(chǎn)生陰影輪廓，經(jīng)光學顯微鏡放大后成像于 CCD面陣上；CCD將圖像信號變?yōu)殡姾尚盘�，通過數(shù)字接口卡存入計算機內(nèi)存，然后由軟件對所采集到的圖像進行處理、存儲，并計算出被測物體的位置。
2、圖像處理
圖像處理軟件主要包括圖像的獲取、圖像的定位和分割、邊緣檢測及輪廓提取、參數(shù)顯示及輸出等。目前，在芯片檢測中，大多數(shù)采用“預處理-特征點（如邊緣點）提取-特征點分布計算及判別”的方法，算法的實時性和定位的精確性比較好。圖像的預處理使用平滑處理的方法，主要目的是減少噪聲。
由于均值濾波的平滑功能會使圖像邊緣模糊，而中值濾波在去除脈沖噪聲的同時也會將圖像的線條細節(jié)除掉，因此本系統(tǒng)采用邊緣保持濾波器。邊緣保持算法的基本過程如下：對灰度圖像的每一個像素點「i，j]取適當大小的一個鄰域（如3×3鄰域），分別計算[i，j]的左上角鄰域、左下角鄰域、右上角鄰域和右下角鄰域的灰度分布均勻度V，然后取最小均勻對應區(qū)域的均值作為該像素點的新的灰度值。
本文使用平滑處理的方法為Canny算子，Canny準則最早在1986年由JohnCanny提出。目的在于：在對信號和濾波器作出一定假設的條件下，利用數(shù)值計算方法求出最優(yōu)濾波器并對各種濾波器的性能進行比較。
本文采用的Canny邊緣檢測算法的思路為：
（1）首先使用2D高斯濾波模板進行卷積，以消除噪聲，所采用的高斯模板如圖2；
（2）使用Sobel算子，找到圖像灰度沿著兩個方向的偏導數(shù)（Gx，Gy），并求出梯度大小；
（3）利用前一步的結果求出梯度方向；
（4）利用梯度方向找到該像素梯度方向上的鄰接像素；
（5）遍歷圖像，若某個像素的灰度值與其梯度方向上前后兩個像素的灰度值相比不是最大，那么這個像素置為0，不是邊緣；
（6）利用雙閾值進行判別。凡是大于高閾值的一定是邊緣；凡是小于低閾值的一定不是邊緣；如果檢測結果大于低閾值但小于高閾值，那就要看這個像素的鄰接像素中有沒有超過高閾值的邊緣像素，如果有那么它就是邊緣，反之則不是。
由圖2可見，Canny算法已經(jīng)提取了絕大多數(shù)芯片的封閉邊緣，并且盡可能地消除了背景干擾。
對于每一個芯片的邊緣而言，可見其上半部分的邊緣一致性較差，而且通常伴有干擾。此外，由于封閉邊緣點的個數(shù)較之原圖像的像素點個數(shù)而言較少，相對干擾對結果的影響比率較大，因此，相似匹配的方式也不足取。因此，本研究采用了對特征較為完整、干擾較小，特征一致性好的下半邊緣性封閉區(qū)域進行識別檢測。
3、基于形狀的檢測準則（三判別準則）
基于形狀的檢測算法采用了三判別準則的方式，對圖像內(nèi)所有封閉邊緣進行判決，找出期望邊緣。
（1）周長準則。對于較小的干擾，可以采用周長判斷的方式將其排除掉。計算封閉區(qū)域的周長，并將周長過小的邊緣視為干擾而排除。為減少誤差，采用邊界鏈碼表示法。周長計算式為
 （1）式中，Ne為偶數(shù)點個數(shù)，N為奇數(shù)點個數(shù)。
周長準則判別式為
p ＞ Pmin（2）
式中，Pmin來自先驗知識，凡不滿足此準則的封閉邊緣均被排除。
（2）面積準則。對于圖2所示芯片的上半電極邊緣，以及一些封閉邊緣較長的干擾，采用面積準則予以排除。依據(jù)Green準則的離散形式，面積公式為
.jpg) （3） 式中，N為邊緣點個數(shù)，（x，y）為邊緣點坐標。面積準則的判別式為
Amin＜A＜ Amax（4）
式中，Amin、Amax來自于先驗知識。凡不滿足式（4）準則的封閉邊緣均被排除。
（3）形狀準則。對于個別形狀復雜，面積和長度都適中，前兩條準則無法排除的非目標封閉邊緣，采用形狀準則來進行最后的判決。
首先利用邊緣點的坐標極值求得封閉區(qū)域的幾何中心（X0，y0）：
x0＝（xmax＋xmin）/2
y0＝（ymax＋ymin）/2
（5）
式中，xmax、ymax、xmin和ymin分別是邊緣點坐標中的最大、最小值。
而后計算每一點的極徑ri：
.jpg) （6）形狀準則的判別式為
.jpg) （7）式中，r、R來自于先驗知識。凡不滿足該準則的封閉邊緣均被排除。根據(jù)如上三準則，就能夠對目標封閉邊緣進行分類。
芯片分選最終需要的定位信息，可以通過形狀準則中計算出來的電極幾何中心推算出來。需要注意的是，芯片分選需要獲知的是芯片的質(zhì)心位置，由于芯片可以近似看做是質(zhì)量均勻的剛體，因此可以近似認為幾何中心即質(zhì)心。形狀準則中計算出來的是電極幾何中心而非芯片幾何中心，但它與芯片幾何中心的相對位置是固定的。
4、實驗及測量結果
實驗環(huán)境：CPU為P4賽揚2.53D，內(nèi)存768MB，攝像頭為日本Computar公司的MVC1000M。使用自編制的LED芯片檢測系統(tǒng)軟件來進行圖像識別實驗。該軟件在Window 2000/XP環(huán)境下運行，采用 VC＋＋6.0軟件編程，使用面向對象的編程方法。軟件分為多個獨立的組件，大大簡化了軟件結構，提高了代碼的可重用性和可維護性。分別使用模板匹配針對45幅不同位置拍攝的圖像進行識別。圖像大小均為1280×1024。
從表1可以看出，對于不同圖像，使用邊緣檢測都存在不同程度的漏檢，主要原因是電極圓周的不連續(xù)或不飽滿（如電極斷裂、缺失等），如圖3所示，使得邊緣檢測識別不出來。圖4是識別效果圖，圖中小十字叉為最終識別位置。
綜上所述，基于形狀的檢測準則的檢測方法較為簡單，由于提取的封閉邊緣多數(shù)不會超過50個點，因此計算量大大減少，算法速度較快。對于圖像特征中有圓形和近似圓形的芯片（多種芯片有此特征），識別速度和準確率都較高。但其對先驗知識依賴較大，一旦放大率等圖像采集環(huán)境變化，就需要重新實驗來獲取先驗知識。
5、結論
基于形狀的檢測準則的LED芯片位置檢測系統(tǒng)采用面陣CCD作為光電轉換傳感器，結合計算機強大的數(shù)據(jù)處理能力，實現(xiàn)了微小尺寸LED芯片位置的非接觸測量。該測量系統(tǒng)不僅測量速度快、精度高，而且是一種無損傷測量。
本系統(tǒng)具有以下優(yōu)點：（1）實時性方面，一般情況下，算法耗時僅為50μs左右，每秒可定位20個左右的目標。即使是超大模板的極端情況，也可以達到每秒定位2～3個識別目標，完全滿足此類工業(yè)用途的國外最高要求標準；（2）精確性方面，大于10μm的誤定位情況，僅在極端情況下會出現(xiàn)�？紤]到此極端情況在實際生產(chǎn)中出現(xiàn)概率不超過1%，此種情況下小于0.2%的誤識率完全符合工業(yè)要求；（3）柔性方面，對于完全不同形狀、特征的識別目標，無需更改任何算法內(nèi)核和參數(shù)，就可以實現(xiàn)準確識別。目前，本系統(tǒng)已應用到LED芯片檢測機設備上。
.jpg)
.jpg)
.jpg)
.jpg)
|
