CN109472773B - 一种针对led的缺陷检测方法 - Google Patents

Abstract

本发明提供一种针对LED的缺陷检测方法。本发明根据梯度图零点拟合荧光胶区域轮廓的方法对LED图像进行处理和运算，能够很好的完成对LED的胶内异物、胶内气泡、胶变色缺陷的检测，并且能够减少运算区域、加快处理速度。

Description

一种针对LED的缺陷检测方法

技术领域

本发明涉及机器视觉检测技术领域，更具体地，涉及一种针对LED的缺陷检测方法。

背景技术

LED属于半导体照明器件，其生产过程是在一片半导体发光器件外涂覆某种颜色的荧光胶，根据光色的混合原理，半导体发光器件通电后，LED可以发出特定颜色的色光。但是荧光胶涂覆厚度不均匀、夹带异物、荧光胶变色、半导体发光器件引脚通电失败等均会影响LED的发光效果，导致LED光效低、色度不均、热量难以散失、寿命短，甚至不能发光等问题。

在LED涂覆荧光胶之后、包装销售之前，需要对每个LED的缺陷进行检测，其中包括胶内异物、胶内气泡、胶变色等。目前广泛使用的检测方法是人工目检，由人工在短时间内快速检查所有缺陷。而每个LED的尺寸仅有2*2*1mm，LED内的异物尺寸>0.2mm，即视为缺陷产品。面对这种细微的缺陷尺寸，同时还有胶内气泡、胶变色等缺陷需要检查，要快速筛选出缺陷产品，人工目检往往容易出错，速度慢，而且成本较高，并不能满足生产效率越来越高的要求。

通过机器视觉检测的方法，面对胶内异物、胶内气泡、胶变色等使荧光胶品质降低的缺陷，为提高检测准确率和速度，降低成本，必须解决的问题是：如何同时获取胶内异物、胶内气泡、胶变色的特征，以减少检测的工位，以及选择的算法如何同时处理胶内异物、胶内气泡、胶变色等缺陷，并且保证高准确率。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷及实现上述目的，提供一种针对LED的缺陷检测方法。本发明对LED图像进行处理和运算，能够很好的完成对LED的胶内异物、胶内气泡、胶变色缺陷的检测。

为解决上述技术问题，本发明采用的技术方案是：一种针对LED的缺陷检测方法，其中，包括如下步骤：

S1.获取LED图像，将LED图像转为灰度图，并且进行均值去噪，去除高斯噪声；在灰度图下，异物、气泡、变色等影响荧光胶品质的缺陷都与异物具有相似的特征，方便统一处理。

S2.对LED图像设置45°和135°两个方向的灰度搜索线，得到灰度变化曲线图，根据灰度变化曲线图得到四个灰度梯度变化图；

S3.根据灰度梯度变化图，获取四个梯度图上接近最值点的零点坐标；梯度图零点位置代表荧光胶区域的轮廓位置，荧光胶区域是一个圆，根据梯度图的零点坐标，转化回LED图像中的坐标，利用最小二乘法拟合出准确的荧光胶区域轮廓；其公式为：

(x-x_c)²+(y-y_c)²＝r² (1)

其中，式(1)是圆形荧光胶区域轮廓的方程，(x_c,y_c)是圆心坐标，(x_i,y_i)是梯度图零点坐标，式(2)中δ是误差的平方和，最小二乘法通过寻找使误差的平方和δ最小的圆心(x_c,y_c)与半径r，来获取圆的方程；

S4.根据式(1)，生成大小、位置自适应掩膜图像，大小与步骤S1的灰度图一致，由掩膜限定处理运算区域，该掩膜根据式(1)的位置、大小而变化，确保运算区域为LED图像中的荧光胶区域；生成的掩膜图像为：

其中，M(x，y)是掩膜图像的灰度值，(x，y)为像素点坐标；

S5.对LED图像通过直方图均衡化进行图像增强，然后计算图像的一阶差分图，其公式为：

其中，I(x,y)表示直方图均衡化后的LED图像，G_x(x,y)和G_y(x,y)是x方向和y方向的一阶差分图，G(x,y)是一阶差分结果图；

S6.由于缺陷存在于荧光胶区域内，因此将掩膜图像M(x,y)覆盖到一阶差分结果图G(x,y)，覆盖后，G(x,y)只保留M(x,y)灰度值非0的位置点，得到掩膜后图像G'(x,y)，M(x,y)中灰度值为0的区域，在G'(x,y)中保持为0；

S7.对G'(x,y)中的无掩膜覆盖区域进行基于大津法的自动阈值分割，得到分割阈值T和二值化图像G”(x,y)，G”(x,y)包含胶内异物、胶内气泡、胶变色等缺陷信息；大津法将图像分为前景和背景两类，分割阈值为T，其基本公式为：

D＝ω₀*ω₁*(μ₀-μ₁)² (7)

其中，灰度值小于等于T、大于T的像素数占待分割图像总像素数的比例分别为ω₀、ω₁，对应的灰度平均值分别为μ₀、μ₁，D是类间方差值，大津法的算法思想是通过遍历图像，寻找出使D最大的值T，作为图像的分割阈值；

S8.对G”(x,y)进行连通域搜索，计算出各区域的面积，得到最大的区域面积area_max，如果area_max和T超过设定的阈值，则判断当前LED是缺陷产品。

与现有技术相比，本发明的有益效果：

本发明在寻找荧光胶区域轮廓时，根据灰度梯度图的零点坐标，通过最小二乘法能够拟合出准确的轮廓位置，并且基于此，设置位置、大小自适应掩膜，在保证处理的区域为荧光胶区域的同时，减少了运算区域、加快了处理速度。

本发明根据梯度图零点拟合荧光胶区域轮廓的方法更准确，鲁棒性高，对异物、气泡、变色等影响荧光胶品质的缺陷能够准确地检测出来，经过掩膜处理，检测速度超过100个/秒，满足生产要求。

附图说明

图1是本发明的方法操作流程图。

图2(a)是本发明中获取的不存在缺陷的LED的图像。

图2(b)是本发明中获取的存在缺陷的LED的图像。

图3(a)是本发明中不存在缺陷的LED图像的灰度搜索线。

图3(b)是本发明中存在缺陷的LED图像的灰度搜索线。

图4(a)是本发明中不存在缺陷的LED图像四条搜索线处的灰度梯度变化曲线图。

图4(b)是本发明中存在缺陷的LED图像四条搜索线处的灰度梯度变化曲线图。

图5(a)是本发明中不存在缺陷的LED图像由最小二乘法拟合的荧光胶区域轮廓图。

图5(b)是本发明中存在缺陷的LED图像由最小二乘法拟合的荧光胶区域轮廓图。

图6是本发明中LED图像生成的自适应掩膜图像。

图7(a)是本发明中不存在缺陷的LED图像进行图像增强和一阶差分后的图像G(x,y)。

图7(b)是本发明中存在缺陷的LED图像进行图像增强和一阶差分后的图像G(x,y)。

图8(a)是本发明中不存在缺陷的LED图像将掩膜覆盖至一阶差分图得到的掩膜后图像G'(x,y)。

图8(b)是本发明中存在缺陷的LED图像将掩膜覆盖至一阶差分图得到的掩膜后图像G'(x,y)。

图9(a)是本发明中不存在缺陷的LED图像对荧光胶区域进行自动阈值分割后得到的二值化图像G”(x,y)。

图9(b)是本发明中存在缺陷的LED图像对荧光胶区域进行自动阈值分割后得到的二值化图像G”(x,y)。

图10(a)是本发明中不存在缺陷的LED图像经过算法处理后的结果图。

图10(b)是本发明中存在缺陷的LED图像经过算法处理后的结果图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。

如图1到图10所示，一种针对LED的缺陷检测方法，其中，包括如下步骤：

S1.获取LED图像，将LED图像转为灰度图，并且进行均值去噪，去除高斯噪声；在灰度图下，异物、气泡、变色等影响荧光胶品质的缺陷都与异物具有相似的特征，方便统一处理。

S2.对LED图像设置45°和135°两个方向的灰度搜索线，得到灰度变化曲线图，根据灰度变化曲线图得到四个灰度梯度变化图；

S3.根据灰度梯度变化图，获取四个梯度图上接近最值点的零点坐标；梯度图零点位置代表荧光胶区域的轮廓位置，荧光胶区域是一个圆，根据梯度图的零点坐标，转化回LED图像中的坐标，利用最小二乘法拟合出准确的荧光胶区域轮廓；其公式为：

(x-x_c)²+(y-y_c)²＝r² (1)

其中，式(1)是圆形荧光胶区域轮廓的方程，(x_c,y_c)是圆心坐标，(x_i,y_i)是梯度图零点坐标，式(2)中δ是误差的平方和，最小二乘法通过寻找使误差的平方和δ最小的圆心(x_c,y_c)与半径r，来获取圆的方程；

S4.根据式(1)，生成大小、位置自适应掩膜图像，大小与步骤S1的灰度图一致，由掩膜限定处理运算区域，该掩膜根据式(1)的位置、大小而变化，确保运算区域为LED图像中的荧光胶区域；生成的掩膜图像为：

其中，M(x，y)是掩膜图像的灰度值，(x，y)为像素点坐标；

S5.对LED图像通过直方图均衡化进行图像增强，然后计算图像的一阶差分图，其公式为：

其中，I(x,y)表示直方图均衡化后的LED图像，G_x(x,y)和G_y(x,y)是x方向和y方向的一阶差分图，G(x,y)是一阶差分结果图；

S6.由于缺陷存在于荧光胶区域内，因此将掩膜图像M(x,y)覆盖到一阶差分结果图G(x,y)，覆盖后，G(x,y)只保留M(x,y)灰度值非0的位置点，得到掩膜后图像G'(x,y)，M(x,y)中灰度值为0的区域，在G'(x,y)中保持为0；

S7.对G'(x,y)中的无掩膜覆盖区域进行基于大津法的自动阈值分割，得到分割阈值T和二值化图像G”(x,y)，G”(x,y)包含胶内异物、胶内气泡、胶变色等缺陷信息；大津法将图像分为前景和背景两类，分割阈值为T，其基本公式为：

D＝ω₀*ω₁*(μ₀-μ₁)² (7)

其中，灰度值小于等于T、大于T的像素数占待分割图像总像素数的比例分别为ω₀、ω₁，对应的灰度平均值分别为μ₀、μ₁，D是类间方差值，大津法的算法思想是通过遍历图像，寻找出使D最大的值T，作为图像的分割阈值；

S8.对G”(x,y)进行连通域搜索，计算出各区域的面积，得到最大的区域面积area_max，如果area_max和T超过设定的阈值，则判断当前LED是缺陷产品。经过实验，正常LED的阈值T>42，异物尺寸>0.2mm时，area>20，因此设定和的范围在[20，200]、[42，100]，如果和超过设定的阈值，则判断当前LED是缺陷产品，如图10所示是处理结果图。

显然，本发明的上述实施例仅仅是为了清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (1)

1.一种针对LED的缺陷检测方法，其特征在于，包括如下步骤：

S1.获取LED图像，将LED图像转为灰度图，并且进行均值去噪，去除高斯噪声；

S2.对LED图像设置45°和135°两个方向的灰度搜索线，得到灰度变化曲线图，根据灰度变化曲线图得到四个灰度梯度变化图；

S3.根据灰度梯度变化图，获取四个梯度图上接近最值点的零点坐标；梯度图零点位置代表荧光胶区域的轮廓位置，荧光胶区域是一个圆，根据梯度图的零点坐标，转化回LED图像中的坐标，利用最小二乘法拟合出准确的荧光胶区域轮廓；其公式为：

(x-x_c)²+(y-y_c)²＝r² (1)

其中，式(1)是圆形荧光胶区域轮廓的方程，(x_c,y_c)是圆心坐标，(x_i,y_i)是梯度图零点坐标，式(2)中δ是误差的平方和，最小二乘法通过寻找使误差的平方和δ最小的圆心(x_c,y_c)与半径r，来获取圆的方程；

S4.根据式(1)，生成大小、位置自适应掩膜图像，大小与步骤S1的灰度图一致，由掩膜限定处理运算区域，该掩膜根据式(1)的位置、大小而变化，确保运算区域为LED图像中的荧光胶区域；生成的掩膜图像为：

其中，M(x，y)是掩膜图像的灰度值，(x，y)为像素点坐标；

S5.对LED图像通过直方图均衡化进行图像增强，然后计算图像的一阶差分图，其公式为：

其中，I(x,y)表示直方图均衡化后的LED图像，G_x(x,y)和G_y(x,y)是x方向和y方向的一阶差分图，G(x,y)是一阶差分结果图；

S6.由于缺陷存在于荧光胶区域内，因此将掩膜图像M(x,y)覆盖到一阶差分结果图G(x,y)，覆盖后，G(x,y)只保留M(x,y)灰度值非0的位置点，得到掩膜后图像G'(x,y)，M(x,y)中灰度值为0的区域，在G'(x,y)中保持为0；

S7.对G'(x,y)中的无掩膜覆盖区域进行基于大津法的自动阈值分割，得到分割阈值T和二值化图像G”(x,y)，G”(x,y)包含胶内异物、胶内气泡、胶变色这些缺陷信息；大津法将图像分为前景和背景两类，分割阈值为T，其基本公式为：

D＝ω₀*ω₁*(μ₀-μ₁)² (7)

其中，灰度值小于等于T、大于T的像素数占待分割图像总像素数的比例分别为ω₀、ω₁，对应的灰度平均值分别为μ₀、μ₁，D是类间方差值，大津法的算法思想是通过遍历图像，寻找出使D最大的值T，作为图像的分割阈值；

S8.对G”(x,y)进行连通域搜索，计算出各区域的面积，得到最大的区域面积area_max，如果area_max和T超过设定的阈值，则判断当前LED是缺陷产品。

Images