一種基于數(shù)字圖像的led芯片插深和插淺缺陷的檢測算法
【專利摘要】本發(fā)明公開了一種基于數(shù)字圖像的LED芯片插深和插淺缺陷的檢測算法：輸入LED芯片圖像，并對其進(jìn)行二值化處理；在芯片的二值圖像O′中識別出LED燈頭的圓心；將滑動窗口C覆蓋范圍之外的LED芯片圖像的像素點(diǎn)都賦值為0，并將滑動窗口C覆蓋范圍內(nèi)的與燈頂像素點(diǎn)之間的距離超過標(biāo)準(zhǔn)半徑R的LED芯片圖像的像素點(diǎn)賦值為0；遍歷滑動窗口C內(nèi)的LED芯片圖像的值為1的像素點(diǎn)，將它們分別作為目標(biāo)像素點(diǎn)即LED芯片的燈芯，計算每個目標(biāo)像素點(diǎn)與LED燈頭的圓心的距離的最大值；比較LED芯片插入值D與規(guī)定的合格芯片插入值，得到該LED芯片是否有插深或者插淺缺陷。該算法能夠快速對LED芯片插入位置深淺情況進(jìn)行快速高效的檢測，其檢測結(jié)果定量化，準(zhǔn)確度高。
【專利說明】一種基于數(shù)字圖像的LED芯片插深和插淺缺陷的檢測算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于LED封裝檢測【技術(shù)領(lǐng)域】，具體涉及一種基于數(shù)字圖像的LED芯片插深和插淺缺陷的檢測算法。
【背景技術(shù)】
[0002]近年來，在全自動封裝線全面普及的條件下，LED發(fā)光芯片在封裝生產(chǎn)過程中對封裝質(zhì)量進(jìn)行在線檢測，已成為提高封裝水平、保證封裝質(zhì)量的必然需求。但由于LED芯片尺寸小、封裝工藝要求高、生產(chǎn)線速度快，很難在封裝過程中進(jìn)行實時質(zhì)量檢測。由于現(xiàn)有的分選技術(shù)的局限，封裝分選后的LED中只有少量產(chǎn)品能滿足某一客戶(如高端LED顯示屏制造商)的要求，其余大部分將變成倉庫里的存貨。若LED封裝分選后仍然存在的廢品/次品率為0.1%，則全國每年萬億只LED封裝產(chǎn)品中就可能產(chǎn)生數(shù)億只廢品/次品，造成近億元的直接經(jīng)濟(jì)損失。因此，為了滿足對LED封裝缺陷分選質(zhì)量的要求，對LED封裝缺陷分選技術(shù)的研究成為了 LED行業(yè)發(fā)展的重要課題。
[0003]LED發(fā)光芯片的產(chǎn)品性能主要體現(xiàn)在發(fā)光均勻度及亮度性能方面。由于LED的發(fā)光均勻度及亮度性能主要由發(fā)光芯片在封膠內(nèi)的位置決定，而發(fā)光芯片在封膠內(nèi)通常會存在插深、插淺等缺陷，如果插深、插淺的數(shù)值在微米級別，其并不會明顯對LED平均光譜強(qiáng)度和完整光譜輻照度產(chǎn)生影響，但卻會對LED的光強(qiáng)分布均勻性有顯著影響，從而影響LED光學(xué)性能。
[0004]現(xiàn)有的分選設(shè)備如分光機(jī)、分色機(jī)，只能從通電后的LED發(fā)光芯片的平均光譜強(qiáng)度和完整的光譜輻照度進(jìn)行檢測和分類，無法區(qū)分LED燈珠的光強(qiáng)分布均勻度，因此，使用這些設(shè)備無法識別出細(xì)微的插深、插淺缺陷，從而無法保證LED顯示屏的色溫色差及發(fā)光均勻度(即方向特性的離散性)。另外，用于檢測LED光強(qiáng)分布均勻性的積分球、光電倍增管等現(xiàn)有分選設(shè)備由于檢測原理所限，無法實現(xiàn)LED光強(qiáng)分布均勻性在線式快速連續(xù)分選，針對這些缺陷進(jìn)行接觸式分選更是難于實現(xiàn)。
[0005]綜上，研究一種能夠準(zhǔn)確檢測出LED發(fā)光芯片插深和插淺缺陷的檢測方法，對保證LED發(fā)光芯片的光強(qiáng)分布均勻度從而保證LED發(fā)光芯片產(chǎn)品質(zhì)量是十分重要的。

【發(fā)明內(nèi)容】

[0006]針對上述現(xiàn)有技術(shù)中存在的缺陷或不足，本發(fā)明的目的在于，提供一種基于數(shù)字圖像的LED芯片插深和插淺缺陷的檢測算法，該算法能夠在生產(chǎn)線上對LED發(fā)光芯片檢測出細(xì)微的插深和插淺缺陷，從而能夠保證LED發(fā)光芯片的光強(qiáng)分布均勻度。該算法計算效率高、檢測精度高，適合在實時的系統(tǒng)中采用。
[0007]為了達(dá)到上述目的，本發(fā)明采用如下的技術(shù)方案予以解決:
[0008]一種基于數(shù)字圖像的LED芯片插深和插淺缺陷的檢測算法，具體包括如下步驟:
[0009]步驟1:相機(jī)拍攝封裝完成的LED燈，得到LED芯片圖像，輸入LED芯片圖像，并對其進(jìn)行二值化處理，二值化處理包括自動閾值提取以及圖像目標(biāo)和背景分割兩部分；[0010]步驟2:在芯片的二值圖像(V中識別出LED燈頭的圓心；具體步驟如下:以R為半徑取圓環(huán)型滑動窗口 C，且滑動窗口 C上每個像素點(diǎn)的值為I ;將滑動窗口 C的圓心在二值圖像O'上從左到右、從上到下逐個像素點(diǎn)滑動，每滑動一次，將滑動窗口 C上每個像素點(diǎn)的值與該像素點(diǎn)對應(yīng)的二值圖像O'上像素點(diǎn)的值相乘并求和，當(dāng)求得的和大于閾值Q時，將滑動窗口 C的圓心在二值圖像O'的對應(yīng)處像素點(diǎn)作為LED燈頭的圓心，此時執(zhí)行步驟3 ；
[0011]步驟3:將滑動窗口 C覆蓋范圍之外的LED芯片圖像的像素點(diǎn)都賦值為0，并將滑動窗口 C覆蓋范圍內(nèi)的與燈頂像素點(diǎn)之間的距離超過標(biāo)準(zhǔn)半徑R的LED芯片圖像的像素點(diǎn)賦值為O ;所述燈頂像素點(diǎn)是指值為I的像素點(diǎn)的切線斜率值與LED燈灌膠底部平行的像素點(diǎn)；
[0012]步驟4:遍歷滑動窗口 C內(nèi)的LED芯片圖像的值為I的像素點(diǎn)，將它們分別作為目標(biāo)像素點(diǎn)即LED芯片的燈芯，計算得到每個目標(biāo)像素點(diǎn)與LED燈頭的圓心的距離的最大值rfflax ;然后利用公式5計算LED芯片插入值D:
[0013]D = R-1mx公式 5;
[0014]步驟5:比較LED芯片插入值D與規(guī)定的合格芯片插入值，得到該LED芯片是否有插深或者插淺缺陷。
[0015]進(jìn)一步的，所述步驟I中對LED芯片圖像的自動閾值提取再用分塊最大熵法，具體步驟如下:
[0016](I)根據(jù)LED芯片圖像大小，將LED芯片圖像均勻分為N個圖像塊=O1, O2,…0k，…，0N，其中，k 取 1，2，...N;
[0017](2)對LED芯片圖像中每個圖像塊采用最大熵法進(jìn)行處理，得到每個圖像塊的二值化分割閾值Tk，k=l, 2，-N ;對每個圖像塊采用最大熵法處理包括如下步驟:
[0018]I)計算圖像塊k中的灰度概率分布Po, P1, , Ph，O ^ I ^ 255 ;利用公式I計算圖像塊的總熵H，利用公式2和公式3求背景熵Hb(t)和目標(biāo)熵He(t)；
【權(quán)利要求】
1.一種基于數(shù)字圖像的LED芯片插深和插淺缺陷的檢測算法，其特征在于，具體包括如下步驟: 步驟1:相機(jī)拍攝封裝完成的LED燈，得到LED芯片圖像，輸入LED芯片圖像，并對其進(jìn)行二值化處理，二值化處理包括自動閾值提取以及圖像目標(biāo)和背景分割兩部分； 步驟2:在芯片的二值圖像O'中識別出LED燈頭的圓心；具體步驟如下:以R為半徑取圓環(huán)型滑動窗口 C，且滑動窗口 C上每個像素點(diǎn)的值為I ;將滑動窗口 C的圓心在二值圖像O'上從左到右、從上到下逐個像素點(diǎn)滑動，每滑動一次，將滑動窗口 C上每個像素點(diǎn)的值與該像素點(diǎn)對應(yīng)的二值圖像O'上像素點(diǎn)的值相乘并求和，當(dāng)求得的和大于閾值Q時，將滑動窗口 C的圓心在二值圖像(V的對應(yīng)處像素點(diǎn)作為LED燈頭的圓心，此時執(zhí)行步驟3 ； 步驟3:將滑動窗口 C覆蓋范圍之外的LED芯片圖像的像素點(diǎn)都賦值為O，并將滑動窗口 C覆蓋范圍內(nèi)的與燈頂像素點(diǎn)之間的距離超過標(biāo)準(zhǔn)半徑R的LED芯片圖像的像素點(diǎn)賦值為O ;所述燈頂像素點(diǎn)是指值為I的像素點(diǎn)的切線斜率值與LED燈灌膠底部平行的像素點(diǎn)； 步驟4:遍歷滑動窗口 C內(nèi)的LED芯片圖像的值為I的像素點(diǎn)，將它們分別作為目標(biāo)像素點(diǎn)即LED芯片的燈芯，計算得到每個目標(biāo)像素點(diǎn)與LED燈頭的圓心的距離的最大值rmax ；然后利用公式5計算LED芯片插入值D: D = RTmax公式 5 ； 步驟5:比較LED芯片插入值D與規(guī)定的合格芯片插入值，得到該LED芯片是否有插深或者插淺缺陷。
2.如權(quán)利要求1所述的基于數(shù)字圖像的LED芯片插深和插淺缺陷的檢測算法，其特征在于，所述步驟I中對LED芯片圖像的自動閾值提取再用分塊最大熵法，具體步驟如下: (1)根據(jù)LED芯片圖像大小，.將LED芯片圖像均勻分為N個圖像塊=O1,O2,…0k，…，0N，其中，k 取 1，2，...N; (2)對LED芯片圖像中每個圖像塊采用最大熵法進(jìn)行處理，得到每個圖像塊的二值化分割閾值Tk，k=l, 2，—N ;對每個圖像塊采用最大熵法處理包括如下步驟: 1)計算圖像塊k中的灰度概率分布Po,P1,, Pu,O ^ I ^ 255 ;利用公式I計算圖像塊的總熵H，利用公式2和公式3求背景熵Hb(t)和目標(biāo)熵He(t)；
3.如權(quán)利要求2所述的基于數(shù)字圖像的LED芯片插深和插淺缺陷的檢測算法，其特征在于，所述步驟(I)中LED芯片圖像被分成的圖像塊個數(shù)N > 4。
4.如權(quán)利要求1所述的基于數(shù)字圖像的LED芯片插深和插淺缺陷的檢測算法，其特征在于，所述步驟I中圖像目標(biāo)和背景分割包括如下步驟:利用公式4計算LED芯片圖像的二值化分割閾值T:
5.如權(quán)利要求1所述的基于數(shù)字圖像的LED芯片插深和插淺缺陷的檢測算法，其特征在于，所述步驟2中所述的滑動窗口 C的半徑R取1.5mm~2mm。
6.如權(quán)利要求1所述的基于數(shù)字圖像的LED芯片插深和插淺缺陷的檢測算法，其特征在于，所述步驟2中求和的閾值Q為整數(shù)，且0〈Q〈 31 R0
【文檔編號】G06T7/00GK103473777SQ201310432240
【公開日】2013年12月25日 申請日期:2013年9月18日 優(yōu)先權(quán)日:2013年9月18日
【發(fā)明者】李偉, 孫建萍 申請人:陜西中萊節(jié)能有限公司