摘要：提出了一种基于形状的检测准则的发光二极管（LED）芯片位置检测系统，利用数字图像处理技术进行LED芯片位置非接触检测，通过图像的获取、图像的定位和分割、边缘检测及轮廓提取等，从而得到被测芯片的精确位置。通过实验证明了该系统的可行性和正确性。
引言
LED以其固有的特点广泛应用于指示灯、信号灯、显示屏、景观照明等领域。在LED芯片检测中由于芯片的尺寸较小（200μm×200μm～1000μm×1000μm），而且目前的趋势是芯片向更小尺寸发展，所以图像识别技术是其精确定位关键技术之一。图像识别也称模式识别，就是要把一种研究对象，根据其某些特征进行识别、分类和定位。
图像处理用于检测系统有其独特的优点：它不干扰被测对象，特别是在采用非接触测量的场合，不仅安全可靠，而且能达到很高的精度，适用于对易变形、微小尺寸零件等的测量。本文提出了一种基于形状的定位检测准则的发光二极管（LED）芯片位置检测系统，利用数字图像处理技术进行LED芯片位置非接触检测，可以对微小几何尺寸LED芯片位置进行无损精确测量。
1、测量系统结构
测量系统由照明系统、CCD摄像头、光学显微镜、KPCI-884四轴运动控制卡、计算机以及相应的软件组成。具体结构如图1所示。系统工作原理为：照明系统发出的平行光线使被测件产生阴影轮廓，经光学显微镜放大后成像于 CCD面阵上；CCD将图像信号变为电荷信号，通过数字接口卡存入计算机内存，然后由软件对所采集到的图像进行处理、存储，并计算出被测物体的位置。
2、图像处理
图像处理软件主要包括图像的获取、图像的定位和分割、边缘检测及轮廓提取、参数显示及输出等。目前，在芯片检测中，大多数采用“预处理-特征点（如边缘点）提取-特征点分布计算及判别”的方法，算法的实时性和定位的精确性比较好。图像的预处理使用平滑处理的方法，主要目的是减少噪声。
由于均值滤波的平滑功能会使图像边缘模糊，而中值滤波在去除脉冲噪声的同时也会将图像的线条细节除掉，因此本系统采用边缘保持滤波器。边缘保持算法的基本过程如下：对灰度图像的每一个像素点「i，j]取适当大小的一个邻域（如3×3邻域），分别计算[i，j]的左上角邻域、左下角邻域、右上角邻域和右下角邻域的灰度分布均匀度V，然后取最小均匀对应区域的均值作为该像素点的新的灰度值。
本文使用平滑处理的方法为Canny算子，Canny准则最早在1986年由JohnCanny提出。目的在于：在对信号和滤波器作出一定假设的条件下，利用数值计算方法求出最优滤波器并对各种滤波器的性能进行比较。
本文采用的Canny边缘检测算法的思路为：
（1）首先使用2D高斯滤波模板进行卷积，以消除噪声，所采用的高斯模板如图2；
（2）使用Sobel算子，找到图像灰度沿着两个方向的偏导数（Gx，Gy），并求出梯度大小；
（3）利用前一步的结果求出梯度方向；
（4）利用梯度方向找到该像素梯度方向上的邻接像素；
（5）遍历图像，若某个像素的灰度值与其梯度方向上前后两个像素的灰度值相比不是最大，那么这个像素置为0，不是边缘；
（6）利用双阈值进行判别。凡是大于高阈值的一定是边缘；凡是小于低阈值的一定不是边缘；如果检测结果大于低阈值但小于高阈值，那就要看这个像素的邻接像素中有没有超过高阈值的边缘像素，如果有那么它就是边缘，反之则不是。
由图2可见，Canny算法已经提取了绝大多数芯片的封闭边缘，并且尽可能地消除了背景干扰。
对于每一个芯片的边缘而言，可见其上半部分的边缘一致性较差，而且通常伴有干扰。此外，由于封闭边缘点的个数较之原图像的像素点个数而言较少，相对干扰对结果的影响比率较大，因此，相似匹配的方式也不足取。因此，本研究采用了对特征较为完整、干扰较小，特征一致性好的下半边缘性封闭区域进行识别检测。
3、基于形状的检测准则（三判别准则）
基于形状的检测算法采用了三判别准则的方式，对图像内所有封闭边缘进行判决，找出期望边缘。
（1）周长准则。对于较小的干扰，可以采用周长判断的方式将其排除掉。计算封闭区域的周长，并将周长过小的边缘视为干扰而排除。为减少误差，采用边界链码表示法。周长计算式为
 （1）式中，Ne为偶数点个数，N为奇数点个数。
周长准则判别式为
p ＞ Pmin（2）
式中，Pmin来自先验知识，凡不满足此准则的封闭边缘均被排除。
（2）面积准则。对于图2所示芯片的上半电极边缘，以及一些封闭边缘较长的干扰，采用面积准则予以排除。依据Green准则的离散形式，面积公式为
.jpg) （3） 式中，N为边缘点个数，（x，y）为边缘点坐标。面积准则的判别式为
Amin＜A＜ Amax（4）
式中，Amin、Amax来自于先验知识。凡不满足式（4）准则的封闭边缘均被排除。
（3）形状准则。对于个别形状复杂，面积和长度都适中，前两条准则无法排除的非目标封闭边缘，采用形状准则来进行最后的判决。
首先利用边缘点的坐标极值求得封闭区域的几何中心（X0，y0）：
x0＝（xmax＋xmin）/2
y0＝（ymax＋ymin）/2
（5）
式中，xmax、ymax、xmin和ymin分别是边缘点坐标中的最大、最小值。
而后计算每一点的极径ri：
.jpg) （6）形状准则的判别式为
.jpg) （7）式中，r、R来自于先验知识。凡不满足该准则的封闭边缘均被排除。根据如上三准则，就能够对目标封闭边缘进行分类。
芯片分选最终需要的定位信息，可以通过形状准则中计算出来的电极几何中心推算出来。需要注意的是，芯片分选需要获知的是芯片的质心位置，由于芯片可以近似看做是质量均匀的刚体，因此可以近似认为几何中心即质心。形状准则中计算出来的是电极几何中心而非芯片几何中心，但它与芯片几何中心的相对位置是固定的。
4、实验及测量结果
实验环境：CPU为P4赛扬2.53D，内存768MB，摄像头为日本Computar公司的MVC1000M。使用自编制的LED芯片检测系统软件来进行图像识别实验。该软件在Window 2000/XP环境下运行，采用 VC＋＋6.0软件编程，使用面向对象的编程方法。软件分为多个独立的组件，大大简化了软件结构，提高了代码的可重用性和可维护性。分别使用模板匹配针对45幅不同位置拍摄的图像进行识别。图像大小均为1280×1024。
从表1可以看出，对于不同图像，使用边缘检测都存在不同程度的漏检，主要原因是电极圆周的不连续或不饱满（如电极断裂、缺失等），如图3所示，使得边缘检测识别不出来。图4是识别效果图，图中小十字叉为最终识别位置。
综上所述，基于形状的检测准则的检测方法较为简单，由于提取的封闭边缘多数不会超过50个点，因此计算量大大减少，算法速度较快。对于图像特征中有圆形和近似圆形的芯片（多种芯片有此特征），识别速度和准确率都较高。但其对先验知识依赖较大，一旦放大率等图像采集环境变化，就需要重新实验来获取先验知识。
5、结论
基于形状的检测准则的LED芯片位置检测系统采用面阵CCD作为光电转换传感器，结合计算机强大的数据处理能力，实现了微小尺寸LED芯片位置的非接触测量。该测量系统不仅测量速度快、精度高，而且是一种无损伤测量。
本系统具有以下优点：（1）实时性方面，一般情况下，算法耗时仅为50μs左右，每秒可定位20个左右的目标。即使是超大模板的极端情况，也可以达到每秒定位2～3个识别目标，完全满足此类工业用途的国外最高要求标准；（2）精确性方面，大于10μm的误定位情况，仅在极端情况下会出现。考虑到此极端情况在实际生产中出现概率不超过1%，此种情况下小于0.2%的误识率完全符合工业要求；（3）柔性方面，对于完全不同形状、特征的识别目标，无需更改任何算法内核和参数，就可以实现准确识别。目前，本系统已应用到LED芯片检测机设备上。
.jpg)
.jpg)
.jpg)
.jpg)
|
