CN112547536A - 一种led芯片分拣系统和方法 - Google Patents
一种led芯片分拣系统和方法 Download PDFInfo
- Publication number
- CN112547536A CN112547536A CN202011311459.5A CN202011311459A CN112547536A CN 112547536 A CN112547536 A CN 112547536A CN 202011311459 A CN202011311459 A CN 202011311459A CN 112547536 A CN112547536 A CN 112547536A
- Authority
- CN
- China
- Prior art keywords
- led chip
- sorting
- area
- image
- led chips
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/363—Sorting apparatus characterised by the means used for distribution by means of air
- B07C5/365—Sorting apparatus characterised by the means used for distribution by means of air using a single separation means
Abstract
本发明提供一种LED芯片分拣系统，其中，包括转盘以及安装在所述转盘侧边的用于输送LED芯片的振动上料机和对LED芯片分类收集的气动分拣组件，所述转盘上设有用于对LED芯片拍照的相机模块，所述转盘上设有编码器；还包括用于控制所述转盘、编码器、振动上料机和气动分拣组件的控制器以及与所述相机模块连接并用于分析LED芯片图像的上位机，所述上位机与所述控制器通讯连接，所述振动上料机的出口设有光电传感器，所述光电传感器与所述编码器通讯连接。本发明还提供一种LED芯片分拣方法。本发明能够加快芯片缺陷检测速度，提高其检测准确率，增强算法的速度鲁棒性，还能根据检测分析结果对LED芯片进行分拣。
Description
技术领域
本发明涉及LED芯片分拣技术领域，更具体地，涉及一种LED芯片分拣系统和方法。
背景技术
LED是一种半导体照明产品，封装工艺对LED功能作用发挥着至关重要的影响。发光芯片为LED的核心组件，芯片封装过程中由于胶量控制不好，中途掉进异物，银浆溢出会导致芯片产生多胶、少胶、树脂环胶内异物，杯面异物等缺陷。虽然LED芯片在封装过程中产生的一些细微缺陷，在使用初期并不影响其光电性能，但长期使用则会暴露出来甚至导致器件失效。因此非常有必要在封装过程中对LED芯片进行检测，分拣出良品和瑕疵品，阻断有缺陷的LED继续封装，从而提高产品的品质。
在LED封装时，需要对每个LED的封装缺陷进行检测，其中包括多胶，少胶和异物缺陷等。中国专利公开号CN109215026A，公开日期2019年1月15日，该专利申请公开了一种基于机器视觉的高速准确LED缺陷检测方法，该申请通过遍历ROI图像的45°和135°的遍历线灰度梯度变化来获取LED芯片的胶量信息，容易受到光照影响，导致所求的中心坐标偏移，从而影响该算法的准确率。
发明内容
本发明的目的在于克服现有缺陷检测方法容易受到光照影响，导致检测准确率低的缺点，提供一种LED芯片分拣系统。本发明能够加快芯片缺陷检测速度，提高其检测准确率，增强算法的速度鲁棒性，还能根据检测分析结果对LED芯片进行分拣。
本发明还提供了一种LED芯片分拣方法。
为解决上述技术问题，本发明采用的技术方案是：一种LED芯片分拣系统，其中，包括转盘以及安装在所述转盘侧边的用于输送LED芯片的振动上料机和对LED芯片分类收集的气动分拣组件，所述转盘上设有用于对LED芯片拍照的相机模块，所述转盘上设有编码器；还包括用于控制所述转盘、编码器、振动上料机和气动分拣组件的控制器以及与所述相机模块连接并用于分析LED芯片图像的上位机，所述上位机与所述控制器通讯连接，所述振动上料机的出口设有光电传感器，所述光电传感器与所述编码器通讯连接。
本技术方案中，振动上料机将需要检测的LED芯片输送至转盘上，每个LED芯片都会在振动上料机出口处触发光电传感器，使得与其通讯连接的编码器对每个LED芯片进行计数和定位，转盘将其装载的LED芯片再旋转至相机模块，相机模块对每个LED芯片进行拍照，将拍得的图像输送至上位机进行检测分析，上位机与控制器通讯连接，将分析结果输入控制器，根据分析结果结合编码器提供的定位，控制器控制分拣组件对LED芯片进行分类收集。
进一步的，所述转盘包括置物盘和驱动所述置物盘旋转的步进电机，所述置物盘的中间设有转轴，所述转轴与所述步进电机的输出轴连接，所述编码器位于所述转轴上。本技术方案中，置物盘通过步进电机带动转轴进行转动，编码器在转轴上记录每个LED芯片跟随置物盘完成的角位移，配合相机模块和分拣组件对指定的LED芯片进行操作。
进一步的，所述分拣组件包括良品分拣装置、不良品分拣装置和回炉分拣装置，所述良品分拣装置、不良品分拣装置和回炉分拣装置均包括气动电磁阀和与所述气动电磁阀连接的气针，各个气动电磁阀均与所述控制器连接。本技术方案中，上位机将LED芯片分为三类，分别是良品、不良品和回炉品，良品是检测合格的LED芯片，不良品是LED芯片存在少胶、多胶和异物，回炉品是没有拍全图像信息或其他原因需要重新检测的LED芯片，控制器根据上位机传送的检测分析结果再结合编码器提供的LED芯片定位信息，控制对应类别的气动电磁阀启动或关闭，当气动电磁阀被启动，与其连接的气针吹气，将LED芯片吹落到分拣组件对应的落料盒中。
进一步的，所述相机模块包括位于所述转盘顶面上方的第一工业相机和第一环形光源，所述第一环形光源位于所述转盘和第一工业相机之间，还包括位于所述转盘底面下方的第二工业相机和第二环形光源，所述第二环形光源位于所述转盘和第二工业相机之间，所述第一工业相机、第一环形光源、第二工业相机和第二环形光源均与所述上位机连接，所述转盘由透明材质制成。本技术方案中，第一工业相机和第二工业相机将拍得的LED芯片图像输入上位机进行分析。
一种LED芯片分拣方法，包括以下步骤：
S1.调节第一环形光源、第二环形光源的亮度，设定第一工业相机、第二工业相机的参数；
S2.将LED芯片装入振动上料机，启动转盘和气动分拣组件；
S3.每个LED芯片从振动上料机出口落入转盘上，都会触发光电传感器，使得编码器对每个LED芯片进行计数定位；
S4.转盘带动其承载的LED芯片旋转至第一环形光源时，第一工业相机对LED芯片进行拍照，LED芯片旋转至第二环形光源时，第二工业相机对LED芯片进行拍照；
S5.第一工业相机和第二工业相机将相片上传至上位机，上位机对LED芯片的图像处理后进行检测得出分析结果，再将分析结果输入控制器；
S6.控制器根据上位机的分析结果和编码器提供的定位，启动气动分拣组件对各个LED芯片分类收拣。
所述步骤S5包括以下具体步骤：
S51.上位机对拍摄获得的LED芯片图像进行图像分割及矫正；
S52.上位机对矫正后的LED芯片图像进行高斯滤波预处理；
S53.上位机对预处理后的图像进行卷积运算，得出图像像素点的梯度值和灰度值；
S54.通过梯度值和灰度值提取缺陷特征，得出LED芯片的分析结果。
所述步骤S51包括以下具体步骤：
S511.将获得的拍摄图片转化为灰度图，并设定阈值进行二值化，完成形态学腐蚀处理；
S512.通过等间隔旋转搜索方法得到LED芯片外轮廓的最小外接矩形，得到最小外接矩形的宽R，高H，和旋转角度θ；
S513.计算矩形的宽高比和面积，如果矩形的宽高比在0.9-1.1之间，且面积在设定的阈值内，则表明最小外接矩形内有LED芯片，记录该区域为检测目标，若面积小于阈值则为噪点，删去该区域，若面积大于阈值则为其他异物，记录该区域为异物；
S514.根据已知检测目标LED芯片区域图像宽W，高H，和旋转角度θ，做仿射变换，完成位置校正。
所述步骤S53包括以下具体步骤：
S531.获取LED芯片图像的行长Row和列长Col，设置(i,j)为像素点，并设置{Xi,j(i,j)∈I2}表示像素点的灰度值，I2为像素点集合；
S532.计算图像中心点坐标(XC,YC)；
S533.将图像均分为十六个扇形区域，将相互对称的两个扇形区域分成八个分区。
S534.计算出像素点(i,j)与中心点(XC,YC)夹角所在的分区w；
S535.将所在分区w对应的Sobel卷积模板与图像进行卷积运算，求出该像素点的初始梯度值g(i,j)，再将每个初始梯度值都除以一个衰减因子4，获得该点最终梯度值gr(i,j)；
S536.重复步骤S534和S535，直到对所有像素点完成梯度计算，将最终梯度值小于30的设置为零。
所述步骤S54包括具体以下步骤：
S541.将LED芯片梯形图划分为中心区域，中间环形区域及外轮廓边缘区域；
S542.判断外轮廓边缘区域中梯度非零值的像素个数是否小于设定值，是则判定为异物，否则进入下一步；
S543.判断中心区域中梯度非零值的像素个数是否小于设定值，是即进入步骤S544，否则即进入步骤S545。
S544.判断环形区域中梯度非零值像素的平均灰度值是否大于设定平均灰度值，且环形区域中梯度值非零值的像素个数是否大于设定值，是则判定为良品，否则进入步骤S545；
S545.判断环形区域中梯度非零值的平均灰度是否大于设定平均灰度值，是则判定为少胶，否则判定为多胶。
进一步的，所述步骤S6中将判定为良品的LED芯片由分拣组件的良品分拣装置分拣收集，将判定为异物、多胶和少胶的LED芯片由分拣组件的不良品分拣装置分拣收集，其他未得出判定结果的LED芯片由分拣组件的回炉分拣组件分拣收集。
与现有技术相比，本发明的有益效果是：
本发明通过上位机、控制器和分拣组件的相互配合，根据检测分析结果和定位信息对LED芯片进行分拣；本发明利用LED芯片图像呈中心对称的特征，通过对Sobel卷积核的权值重新赋值，设计了八卷积模板分角度多方向快速卷积，更好地突出各个方向的梯度信息，能够避免光照干扰分析检测的结果；本发明可同时获取异物的梯度信息，从而实现同时检测胶量和异物缺陷，能够减少像素参与运算，减少检测时间，提高检测速度。
附图说明
图1为本发明一种LED芯片分拣系统的整体结构示意图。
图2为本发明一种LED芯片分拣方法中图像处理的流程图。
图3为本发明一种LED芯片分拣方法中LED芯片的矫正示意图。
图4为本发明一种LED芯片分拣方法中扇形区域的划分示意图。
图5为本发明一种LED芯片分拣方法中分区w对应的Sobel卷积算子图。
图6为本发明一种LED芯片分拣方法中良品LED芯片的灰度图和梯度图。
图7为本发明一种LED芯片分拣方法中多胶LED芯片的灰度图和梯度图。
图8为本发明一种LED芯片分拣方法中少胶LED芯片的灰度图和梯度图。
图9为本发明一种LED芯片分拣方法中异物LED芯片的灰度图和梯度图。
图10为本发明一种LED芯片分拣方法中LED芯片梯度图区域划分的示意图。
图示标记说明如下：
1-振动上料机，2-置物盘，3-编码器，4-步进电机，5-光电传感器，6-第一工业相机，7-第一环形光源，8-第二环形光源，9-第二工业相机，10-良品分拣装置，11-不良品分拣装置，12-回炉分拣装置
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利的限制；为了更好地说明本发明的实施例，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。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
实施例1
如图1所示为本发明一种LED芯片分拣系统的实施例。一种LED芯片分拣系统，其中，包括转盘，还包括安装在转盘侧边的用于输送LED芯片的振动上料机1和对LED芯片分类收集的气动分拣组件，转盘的两面设有对LED芯片拍照的相机模块，转盘上设有编码器3，本实施例还包括用于控制转盘、编码器3、振动上料机1和气动分拣组件的控制器和用于分析LED芯片图像并与相机模块连接的上位机，上位机与控制器通讯连接，振动上料机1的出口上设有光电传感器5，光电传感器5与编码器3通讯连接。
本实施例中，转盘包括置物盘2和驱动置物盘2旋转的步进电机4，置物盘2的中间设有转轴，该转轴与步进电机4的输出轴连接，编码器3设置在转轴上，编码器3与控制器连接。步进电机4采用的是CME06的57步进电机。
本实施例中，相机模块包括位于置物盘2顶面上方的第一工业相机6和第一环形光源7，第一环形光源7位于置物盘2和第一工业相机6之间，还包括位于置物盘2底面下方的第二工业相机9和第二环形光源8，第二环形光源8位于置物盘2和第二工业相机9之间，第一工业相机6、第一环形光源7、第二工业相机9和第二环形光源8均与上位机连接。第一工业相机6和第二工业相机9采用的是MV-GED32M-T黑白工业相机。
本实施例中，分拣组件包括良品分拣装置10、不良品分拣装置11和回炉分拣装置12，良品分拣装置10、不良品分拣装置11和回炉分拣装置12均包括落料盒、气动电磁阀和与气动电磁阀连接的气针，各个气动电磁阀均与控制器连接。控制器采用的是运动控制卡，能够对根据上位机信息控制各个气动电磁阀和步进电机4的启动。
本实施例的工作原理如下文所示，振动上料机1将需要检测的LED芯片输送至转盘上，每个LED芯片都会在振动上料机1出口处触发光电传感器5，使得转盘上的编码器3对每个LED芯片进行计数和定位，转盘将其装载的LED芯片旋转至相机模块，相机模块对每个LED芯片进行拍照，将拍得的图像输送至上位机进行检测分析，上位机与控制器通讯连接，将分析结果输入控制器，控制器根据分析结果结合编码器提供的定位，控制分拣组件对LED芯片进行分类收集。
实施例2
如图2-10所示为本发明一种LED芯片分拣方法的实施例。一种LED芯片分拣方法，包括以下步骤：
S1.调节第一环形光源7、第二环形光源8的亮度，设定第一工业相机6、第二工业相机9的参数；
S2.将LED芯片装入振动上料机1，启动转盘和气动分拣组件；
S3.每个LED芯片从振动上料机1出口落入转盘上，都会触发光电传感器5，使得编码器3对每个LED芯片进行计数定位；
S4.转盘带动其承载的LED芯片旋转至第一环形光源7时，第一工业相机6对LED芯片进行拍照，LED芯片旋转至第二环形光源8时，第二工业相机9对LED芯片进行拍照；
S5.第一工业相机6和第二工业相机9将相片上传至上位机，上位机对LED芯片的图像处理后进行检测得出分析结果，再将分析结果输入控制器；
S6.控制器根据上位机的分析结果和编码器3提供的定位，启动气动分拣组件对各个LED芯片分类收拣。。
步骤S5包括以下具体步骤：
S51.对拍摄获得的LED芯片图像进行图像分割及矫正；具体包括以下步骤：
S511.将获得的拍摄图片转化为灰度图，并设定阈值进行二值化，完成形态学腐蚀处理；
S512.通过等间隔旋转搜索方法得到LED芯片外轮廓的最小外接矩形，得到最小外接矩形的宽R，高H，和旋转角度θ；
S513.计算矩形的宽高比和面积，如果矩形的宽高比在0.9-1.1之间，且面积在设定的阈值内，则表明最小外接矩形内有LED芯片，记录该区域为检测目标，若面积小于阈值则为噪点，删去该区域，若面积大于阈值则为其他异物，记录该区域为异物；
S514.根据已知检测目标LED芯片区域图像宽W，高H，和旋转角度θ，做仿射变换，完成位置校正。如图3所示，(a)为工业相机上传的图像，(b)为上位机转换成的灰度图，(c)为位置矫正后的灰度图像。
S52.上位机对矫正后的LED芯图像进行高斯滤波预处理；
S53.上位机对预处理后的图像进行卷积运算，得出图像像素点的梯度值和灰度值；
LED芯片图像中荧光胶区域与树脂环氧杯因其材质不同而存在亮度差异，其灰度的变换情况能反映图像中不同区域的区域轮廓等特征。若LED芯片中有异物存在，会导致该处的灰度变换较剧烈，因此对LED芯片图像整体做灰度特征分析，以寻找胶量特征和异物信息，LED芯片图像灰度的变换情况可用图像灰度分布的梯度来反映，经典的梯度算子有Sobel，Prewitt边缘检测算子。Sobel算子是一种用于图像边缘检测的算子，它使用水平和垂直两个方向的卷积因子与图像进行卷积运算从而获取图像梯度。Sobel算子虽拥有抑制噪声和计算简单的优点，但由于只使用两个方向的卷积模板，对水平和垂直方向有较好的边缘检测效果，对其他方向的检测效果不佳，且需对同一像素点进行两次卷积运算，检测耗时，故步骤S53根据现有缺陷结合LED芯片图像呈中心对称的特征，提出分角度多方向卷积，详细步骤如下所示：
S531.获取LED芯片图像的行长Row和列长Col，设置(i,j)为像素点，并设置{Xi,j(i,j)∈I2}表示像素点的灰度值，I2为像素点集合；
S532.计算图像中心点坐标(XC,YC)；计算方式由下式计算得出
S533.将图像均分为十六个扇形区域，相互对称的两个扇形区域组成八个分区如图4所示；该步骤是对Sobel卷积核的权值重新赋值，将相互对称的两个小区域组成一个分区并使用相同的特定卷积模板。
S534.计算出像素点(i,j)与中心点(XC,YC)夹角所在的分区w；具体计算方法如下文所示：
设
由于tanθ在区间
之间单调递增，
因此θ值所处分区w的定义整理如下表所示。
S535.将所在分区w对应的Sobel卷积模板与图像进行卷积运算，如图5所示，为分区w对应的Sobel卷积算子，求出该像素点的初始梯度值g(i,j)，再将每个初始梯度值都除以一个衰减因子4，获得该点最终梯度值gr(i,j)；
S536.重复步骤S534和S535，直到对所有像素点完成梯度计算，将最终梯度值小于30的设置为零。
S54.通过梯度值和灰度值提取缺陷特征，得出LED芯片的分析结果；具体包括以下步骤：
S541.将LED芯片梯形图划分为中心区域，中间环形区域及外轮廓边缘区域，如图10所示，中间的黑灰色块为中心区域，环形亮带为中间环形区域，环形亮带周边为外轮廓边缘区域；
S542.判断外轮廓边缘区域中梯度非零值的像素个数是否小于设定值，是则判定为异物，否则进入下一步；
S543.判断中心区域中梯度非零值的像素个数是否小于设定值，是即进入步骤S544，否则即进入步骤S545。
S544.判断环形区域中梯度非零值像素的平均灰度值是否大于设定平均灰度值，且环形区域中梯度值非零值的像素个数是否大于设定值，是则判定为良品，否则进入步骤S545；
S545.判断环形区域中梯度非零值的平均灰度是否大于设定平均灰度值，是则判定为少胶，否则判定为多胶。
良品LED芯片、多胶LED芯片、少胶LED芯片和异物LED芯片的灰度图和梯度图如图6-9所示。在步骤S6中，运动控制卡根据上位机的检测结果和编码器3的定位信息，判定为良品的LED芯片在置物盘2旋转至良品分拣装置10时，运动控制卡启动良品分拣装置10的气动电磁阀，与其连接的气针喷气将置物盘2上良品LED芯片吹落至良品落料盒中；判定为不良品即异物、多胶和少胶的LED芯片在置物盘2旋转至不良品分拣装置11时，运动控制卡启动不良品分拣装置11的气动电磁阀，与其连接的气针喷气将置物盘2上的不良品LED芯片吹落至不良品落料盒中；由于没有拍到完整图像或是其他原因没有得出判定结果的LED芯片，运动控制卡启动回炉分拣装置12的气动电磁阀，与其连接的气针喷气将没有得出判定结果的LED芯片吹落至回炉落料盒中。
显然，本发明的上述实施例仅仅是为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 (10)
1.一种LED芯片分拣系统，其特征在于：包括转盘以及安装在所述转盘侧边的用于输送LED芯片的振动上料机和对LED芯片分类收集的气动分拣组件，所述转盘上设有用于对LED芯片拍照的相机模块，所述转盘上设有编码器；还包括用于控制所述转盘、编码器、振动上料机和气动分拣组件的控制器以及与所述相机模块连接并用于分析LED芯片图像的上位机，所述上位机与所述控制器通讯连接，所述振动上料机的出口设有光电传感器，所述光电传感器与所述编码器通讯连接。
2.根据权利要求1所述的一种LED芯片分拣系统，其特征在于：所述转盘包括置物盘和驱动所述置物盘旋转的步进电机，所述置物盘的中间设有转轴，所述转轴与所述步进电机的输出轴连接，所述编码器位于所述转轴上。
3.根据权利要求1所述的一种LED芯片分拣系统，其特征在于：所述分拣组件包括良品分拣装置、不良品分拣装置和回炉分拣装置，所述良品分拣装置、不良品分拣装置和回炉分拣装置均包括气动电磁阀和与所述气动电磁阀连接的气针，各个气动电磁阀均与所述控制器连接。
4.根据权利要求1所述的一种LED芯片分拣系统，其特征在于：所述相机模块包括位于所述转盘顶面上方的第一工业相机和第一环形光源，所述第一环形光源位于所述转盘和第一工业相机之间，还包括位于所述转盘底面下方的第二工业相机和第二环形光源，所述第二环形光源位于所述转盘和第二工业相机之间，所述第一工业相机、第一环形光源、第二工业相机和第二环形光源均与所述上位机连接，所述转盘由透明材质制成。
5.一种LED芯片分拣方法，其特征在于：包括以下步骤：
S1.调节第一环形光源、第二环形光源的亮度，设定第一工业相机、第二工业相机的参数；
S2.将LED芯片装入振动上料机，启动转盘和气动分拣组件；
S3.每个LED芯片从振动上料机出口落入转盘上，都会触发光电传感器，使得编码器对每个LED芯片进行计数定位；
S4.转盘带动其承载的LED芯片旋转至第一环形光源时，第一工业相机对LED芯片进行拍照，LED芯片旋转至第二环形光源时，第二工业相机对LED芯片进行拍照；
S5.第一工业相机和第二工业相机将相片上传至上位机，上位机对LED芯片的图像处理后进行检测得出分析结果，再将分析结果输入控制器；
S6.控制器根据上位机的分析结果和编码器提供的定位，启动气动分拣组件对各个LED芯片分类收拣。
6.根据权利要求5所述的一种LED芯片分拣方法，其特征在于：所述步骤S5包括以下具体步骤：
S51.上位机对拍摄获得的LED芯片图像进行图像分割及矫正；
S52.上位机对矫正后的LED芯片图像进行高斯滤波预处理；
S53.上位机对预处理后的图像进行卷积运算，得出图像像素点的梯度值和灰度值；
S54.通过梯度值和灰度值提取缺陷特征，得出LED芯片的分析结果。
7.根据权利要求6所述的一种LED芯片分拣方法，其特征在于：所述步骤S51包括以下具体步骤：
S511.将获得的拍摄图片转化为灰度图，并设定阈值进行二值化，完成形态学腐蚀处理；
S512.通过等间隔旋转搜索方法得到LED芯片外轮廓的最小外接矩形，得到最小外接矩形的宽R，高H，和旋转角度θ；
S513.计算矩形的宽高比和面积，如果矩形的宽高比在0.9-1.1之间，且面积在设定的阈值内，则表明最小外接矩形内有LED芯片，记录该区域为检测目标，若面积小于阈值则为噪点，删去该区域，若面积大于阈值则为其他异物，记录该区域为异物；
S514.根据已知检测目标LED芯片区域图像宽W，高H，和旋转角度θ，做仿射变换，完成位置校正。
8.根据权利要求6所述的一种LED芯片分拣方法，其特征在于：所述步骤S53包括以下具体步骤：
S531.获取LED芯片图像的行长Row和列长Col，设置(i,j)为像素点，并设置{Xi,j(i,j)∈I2}表示像素点的灰度值，I2为像素点集合；
S532.计算图像中心点坐标(XC,YC)；
S533.将图像均分为十六个扇形区域，将相互对称的两个扇形区域分成八个分区；
S534.计算出像素点(i,j)与中心点(XC,YC)夹角所在的分区w；
S535.将所在分区w对应的Sobel卷积模板与图像进行卷积运算，求出该像素点的初始梯度值g(i,j)，再将每个初始梯度值都除以一个衰减因子4，获得该点最终梯度值gr(i,j)；
S536.重复步骤S534和S535，直到对所有像素点完成梯度计算，将最终梯度值小于30的设置为零。
9.根据权利要求6所述的一种LED芯片分拣方法，其特征在于：所述步骤S54包括具体以下步骤：
S541.将LED芯片梯形图划分为中心区域，中间环形区域及外轮廓边缘区域；
S542.判断外轮廓边缘区域中梯度非零值的像素个数是否小于设定值，是则判定为异物，否则进入下一步；
S543.判断中心区域中梯度非零值的像素个数是否小于设定值，是即进入步骤S544，否则即进入步骤S545。
S544.判断环形区域中梯度非零值像素的平均灰度值是否大于设定平均灰度值，且环形区域中梯度值非零值的像素个数是否大于设定值，是则判定为良品，否则进入步骤S545；
S545.判断环形区域中梯度非零值的平均灰度是否大于设定平均灰度值，是则判定为少胶，否则判定为多胶。
10.根据权利要求6所述的一种LED芯片分拣方法，其特征在于：所述步骤S6中将判定为良品的LED芯片由分拣组件的良品分拣装置分拣收集，将判定为异物、多胶和少胶的LED芯片由分拣组件的不良品分拣装置分拣收集，其他未得出判定结果的LED芯片由分拣组件的回炉分拣组件分拣收集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011311459.5A CN112547536B (zh) | 2020-11-20 | 2020-11-20 | 一种led芯片分拣系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011311459.5A CN112547536B (zh) | 2020-11-20 | 2020-11-20 | 一种led芯片分拣系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112547536A true CN112547536A (zh) | 2021-03-26 |
| CN112547536B CN112547536B (zh) | 2022-12-16 |
Family
ID=75044221
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011311459.5A Active CN112547536B (zh) | 2020-11-20 | 2020-11-20 | 一种led芯片分拣系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112547536B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113210275A (zh) * | 2021-04-30 | 2021-08-06 | 博众精工科技股份有限公司 | 一种芯片分拣方法及芯片分拣机 |
| CN114405849A (zh) * | 2022-01-24 | 2022-04-29 | 深圳市卓瑞芯电子有限公司 | 一种用于芯片智能制造的集成电路装置 |
| CN116223386A (zh) * | 2023-05-09 | 2023-06-06 | 苏州嘉烨达智能科技有限公司 | 一种视觉检测装置及控制系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100183217A1 (en) * | 2007-04-24 | 2010-07-22 | Seung H Sebastian | Method and apparatus for image processing |
| CN103230882A (zh) * | 2013-03-28 | 2013-08-07 | 重庆绿色智能技术研究院 | 零件光学检测设备 |
| CN105205489A (zh) * | 2015-08-27 | 2015-12-30 | 华南理工大学 | 基于颜色纹理分析器与机器学习的车牌检测方法 |
| CN105817431A (zh) * | 2016-05-07 | 2016-08-03 | 肇庆市宏华电子科技有限公司 | 一种智能外观缺陷高速检测机 |
| CN107067389A (zh) * | 2017-01-05 | 2017-08-18 | 佛山科学技术学院 | 一种基于Sobel边缘检测与图像块亮度特征的图像篡改盲取证方法 |
| CN109283190A (zh) * | 2018-11-01 | 2019-01-29 | 昆山市泽荀自动化科技有限公司 | 电子元器件检测设备 |
| CN109523541A (zh) * | 2018-11-23 | 2019-03-26 | 五邑大学 | 一种基于视觉的金属表面细微缺陷检测方法 |
-
2020
- 2020-11-20 CN CN202011311459.5A patent/CN112547536B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100183217A1 (en) * | 2007-04-24 | 2010-07-22 | Seung H Sebastian | Method and apparatus for image processing |
| CN103230882A (zh) * | 2013-03-28 | 2013-08-07 | 重庆绿色智能技术研究院 | 零件光学检测设备 |
| CN105205489A (zh) * | 2015-08-27 | 2015-12-30 | 华南理工大学 | 基于颜色纹理分析器与机器学习的车牌检测方法 |
| CN105817431A (zh) * | 2016-05-07 | 2016-08-03 | 肇庆市宏华电子科技有限公司 | 一种智能外观缺陷高速检测机 |
| CN107067389A (zh) * | 2017-01-05 | 2017-08-18 | 佛山科学技术学院 | 一种基于Sobel边缘检测与图像块亮度特征的图像篡改盲取证方法 |
| CN109283190A (zh) * | 2018-11-01 | 2019-01-29 | 昆山市泽荀自动化科技有限公司 | 电子元器件检测设备 |
| CN109523541A (zh) * | 2018-11-23 | 2019-03-26 | 五邑大学 | 一种基于视觉的金属表面细微缺陷检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 沈德海、侯建: "基于分区梯度的医学图像边缘检测算法", 《现代电子技术》 * |
| 罗瑞荣，高健，郑卓鋆，张揽宇，邓海祥: "自适应光亮度的LED缺陷检测算法", 《组合机床与自动化加工技术》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113210275A (zh) * | 2021-04-30 | 2021-08-06 | 博众精工科技股份有限公司 | 一种芯片分拣方法及芯片分拣机 |
| CN114405849A (zh) * | 2022-01-24 | 2022-04-29 | 深圳市卓瑞芯电子有限公司 | 一种用于芯片智能制造的集成电路装置 |
| CN116223386A (zh) * | 2023-05-09 | 2023-06-06 | 苏州嘉烨达智能科技有限公司 | 一种视觉检测装置及控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112547536B (zh) | 2022-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112547536B (zh) | 一种led芯片分拣系统和方法 | |
| CN110935644B (zh) | 一种基于机器视觉的轴承滚针尺寸检测系统及方法 | |
| CN1264010C (zh) | 缺陷检测装置 | |
| US7366344B2 (en) | Edge normal process | |
| CN104034638B (zh) | 基于机器视觉的金刚线颗粒在线质检方法 | |
| CN1485616A (zh) | 禽蛋品质无损自动检测分级设备及方法 | |
| CN109255787A (zh) | 基于深度学习和图像处理技术的丝锭划痕检测系统及方法 | |
| CN104483320B (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
| CN106733701A (zh) | 马铃薯多级联合智能缺陷检测系统及检测方法 | |
| CN115791822A (zh) | 晶圆表面缺陷的视觉检测算法及检测系统 | |
| CN106501272B (zh) | 机器视觉焊锡定位检测系统 | |
| US20210035305A1 (en) | Image-based classification system | |
| CN106289325A (zh) | 一种气泡水平仪自动检测系统 | |
| JP4949024B2 (ja) | 縁部垂直部分処理 | |
| CN104034637B (zh) | 基于机器视觉的金刚线颗粒在线质检装置 | |
| JPH07260701A (ja) | 検査範囲認識方法 | |
| CN110976338A (zh) | 一种基于机器视觉的试纸分拣系统及分拣方法 | |
| KR102641333B1 (ko) | 다이 본딩 장치 및 반도체 장치의 제조 방법 | |
| CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
| JPH07174522A (ja) | 半導体装置の寸法測定装置及び方法 | |
| Liu et al. | A novel industrial chip parameters identification method based on cascaded region segmentation for surface-mount equipment | |
| CN1860499A (zh) | 摄像装置及搭载该装置的被摄像物移动装置 | |
| CN109387525A (zh) | 一种膜上膜内缺陷的判定方法 | |
| CN114688969A (zh) | 一种光学镜片尺寸检测装置及方法 | |
| CN116140225A (zh) | 一种缺陷检测系统及缺陷检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |