摘 要： LED芯片檢測在LED生產(chǎn)過程中起到關(guān)鍵作用。為了達到生產(chǎn)過程完全自動化的目的，首先用形態(tài)學方法對LED圖像進行預處理，然后基于最小外接矩形獲取芯片傾斜角，基于霍夫變換獲取邊界信息，從而獲取生產(chǎn)所需的控制信息。實驗結(jié)果表明該方法適用于LED實際生產(chǎn)過程。
關(guān)鍵詞： LED檢測；形態(tài)學；霍夫變換；模式識別
目前，LED芯片自動化生產(chǎn)設備主要依靠進口，價格昂貴，不利于行業(yè)的發(fā)展。一些中小企業(yè)的生產(chǎn)還停留在手動或者半手動的狀態(tài)，效率低下。國內(nèi)在LED芯片自動化生產(chǎn)設備領(lǐng)域還處于研制階段，還沒有完全自主知識產(chǎn)權(quán)的產(chǎn)品，因此，加快其關(guān)鍵算法的研究勢在必行。
在LED生產(chǎn)過程中，LED芯片的檢測定位是關(guān)鍵技術(shù)之一[1]。通過計算機自動定位LED芯片可以有效地降低工人勞動強度，并大大提高工作效率，從而節(jié)省大量的人力物力成本。在現(xiàn)有條件下，通過安裝在生產(chǎn)線上的攝像頭自動捕捉到LED芯片圖像，對圖像采用計算機視覺技術(shù)進行分析，可以精確地獲得LED芯片定位信息（包括芯片的傾斜角和位置），用這些定位信息可以控制LED芯片的自動焊接。
本文講述了基于機器視覺的LED芯片定位算法。首先，對采集的圖像進行預處理，減少噪聲，并定位出芯片區(qū)域和焊片區(qū)域；然后基于最小外界矩形定位出芯片的傾斜度；最后，通過直線檢測算法定位出芯片區(qū)域邊界直線和焊片區(qū)域邊界直線，用這兩條直線定位出芯片在傳送帶上的位置。實驗結(jié)果表明，定位算法獲得這些參數(shù)可以用于LED芯片生產(chǎn)的焊接控制。
1 預處理
由于在圖像采集過程不可避免地產(chǎn)生隨機噪聲，因此在獲取芯片定位參數(shù)前首先要對圖像進行預處理，去除影響識別精度的噪聲。此外，為了更好地獲取芯片邊界信息和焊片邊界信息，需要通過預處理分別提取兩者的區(qū)域。
原始圖像中存在的噪聲主要為小的裂紋和斑點，采用形態(tài)學開操作先對圖像進行腐蝕操作以消除小的裂紋和斑點，然后采用膨脹操作得到邊界光滑的目標圖像。A被B腐蝕定義為[2]：
去噪后的圖像通過區(qū)域分割處理可以得到芯片區(qū)域和焊片區(qū)域，便于下一步獲得定位信息。芯片區(qū)域和焊片區(qū)域由于材料的不同導致在圖像中亮度也有很大的不同，因此采用局部閾值分割的方法[3-4]。首先設定閾值分割出前景圖像，然后設定前景圖像的局部閾值分割芯片區(qū)域和焊片區(qū)域，分割效果如圖1（其中芯片區(qū)域閾值為0.2，焊片區(qū)域閾值為0.5）。
2 LED芯片定位算法
2.1 基于最小外接矩形求傾角
芯片區(qū)域接近于矩形，芯片的傾斜角不同則外接矩形的面積也不同，當芯片垂直放置或水平放置時，外接矩形的面積最小[5]。因此，可以通過0°到90°旋轉(zhuǎn)芯片區(qū)域圖像，記錄其外接矩形面積，當面積最小時即為芯片的傾角。算法如下：
?。?）記錄芯片區(qū)域外接矩形的面積；
?。?）順時針旋轉(zhuǎn)芯片圖像3°；
?。?）重復第（1）步和第（2）步，直到芯片被旋轉(zhuǎn)90°；
?。?）查找外接矩形面積最小時，旋轉(zhuǎn)的度數(shù)即為芯片區(qū)域的傾斜角。
圖2為兩幅根據(jù)預處理后芯片區(qū)域求得的最小外接矩形。兩個芯片的傾斜角分別為0°和3°，與實際放置的結(jié)果相符合。
2.2 基于霍夫變換求邊界
霍夫變換的核心思想是將參數(shù)空間分割為累加器單元，在同一累加器單元中的點即為同一條參數(shù)曲線上的點。在定位LED區(qū)域邊界時，使用式（4）的直線參數(shù)方程，統(tǒng)計θ（取值±90°）和ρ（取值D，D是圖形對角線的長度）分割的參數(shù)空間累加器，點數(shù)最多的θ和ρ單元即對應定位所需的邊界直線方程。同時，可以根據(jù)已經(jīng)求得區(qū)域傾角對直線進行驗證。
xcosθ+ysinθ=ρ （4）
圖3為區(qū)域邊界定位的結(jié)果。圖3（a）為芯片區(qū)域；圖3（b）中直線為采用霍夫變換求得的芯片區(qū)域邊界上的直線；圖3（c）為焊片區(qū)域；圖3（d）中直線為采用霍夫變換求得的焊片區(qū)域邊界上的直線。根據(jù)矩形傾角和區(qū)域中心可以判斷求得直線所代表的區(qū)域邊界位置。
3 實驗結(jié)果
利用本算法對254張640×480的圖像進行LED芯片定位，并用求得的定位參數(shù)對LED芯片焊接進行控制，成功自動焊接247個芯片，7個芯片產(chǎn)生告警信號后由人工處理（對于由于圖像質(zhì)量過差無法處理的圖像算法返回告警信號）。算法處理單張圖像時間<100 ms，滿足每秒控制3個芯片焊接的生產(chǎn)要求。
本文基于實時采集的LED芯片圖像研究了LED芯片的定位問題。經(jīng)過對圖像的預處理、基于最小外接矩形求傾角、基于霍夫變換求邊界，獲取了LED芯片的定位參數(shù)，用這些參數(shù)可以控制LED芯片的焊接。實驗表明該算法適用于LED芯片的生產(chǎn)過程。
參考文獻
[1] 張碧偉.LED晶粒全自動分揀機的開發(fā)研究[D].西安： 西安工業(yè)大學，2011.
[2] 岡薩雷斯.數(shù)字圖像處理（第二版）[M].北京：電子工業(yè)出版社，2008.
[3] 楊軍，吳曉娟，彭彰，等.基于多區(qū)域分割的步態(tài)表示與識別算法研究[J].計算機學報.2006，29（10）：1876-1881.
[4] 彭興邦，蔣建國.一種基于亮度均衡的圖像閾值分割技術(shù)[J].計算機技術(shù)與發(fā)展，2006，16（11）：10-12.
[5] JUNG C R， SCHRAMM R. Rectangle detection based on a windowed hough transform[C]. Proceeding of the 17th Brazilian Symposium on Computer Graphics and Image， 2004： 113-120.