一种基于机器视觉的LED芯片外观缺陷检测方法及系统技术方案

本发明专利技术公开了一种基于机器视觉的LED芯片外观缺陷检测方法及系统，首先采集LED芯片图像；然后对LED芯片图像进行去燥平滑预处理，并进行单颗LED芯片的分割；接着支持向量机分类模型训练；最后利用训练好的支持向量机分类模型检测出外观有缺陷的LED芯片。本发明专利技术可使LED芯片外观缺陷检测工序实现自动化，提高缺陷检测的检测效率、检测准确率及检测一致性，最终提高LED芯片产品质量。

【技术实现步骤摘要】
一种基于机器视觉的LED芯片外观缺陷检测方法及系统
本专利技术属于图像识别
，涉及一种LED芯片外观缺陷检测方法及系统，具体涉及一种基于机器视觉的LED芯片外观缺陷检测方法及系统；可以快速准确的检测出外观有缺陷的LED芯片。
技术介绍
半导体照明用LED芯片在各生产工序的生产过程中，由于异物污染或生产故障，容易导致LED芯片引入不同种类的缺陷，造成LED芯片的功能故障以及产品质量的下降。为保证产品质量，就需要通过外观检测将有缺陷的LED芯片及时发现并从生产线上挑选出来，以提高产品质量。传统的LED芯片外观检测工艺以人工检测方法为主，自动化程度较差，检测效率低，并且容易造成误检和漏检，也无法及时将检测数据送入生产数据库进行质量管理。随着LED芯片产业规模的不断扩大、检测精度要求的不断提高以及人工成本的不断上涨，目前的人工检测方法已无法满足LED芯片大规模封装要求。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种基于机器视觉的LED芯片外观缺陷检测方法及系统。本专利技术的方法所采用的技术方案是：一种基于机器视觉的LED芯片外观缺陷检测方法，其特征在于，包括以下步骤：步骤1：采本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的LED芯片外观缺陷检测方法，其特征在于，包括以下步骤：步骤1：采集LED芯片图像；步骤2：对LED芯片图像进行去燥平滑预处理，并进行单颗LED芯片的分割；步骤3：支持向量机分类模型训练；首先利用伽马变换对单颗LED芯片图像进行图像增强，并通过制作LED芯片数据集进行支持向量机分类模型训练，通过调整支持向量机分类模型结构及支持向量机分类模型参数实现支持向量机分类模型的训练；步骤4：利用训练好的支持向量机分类模型检测出外观有缺陷的LED芯片。

【技术特征摘要】
1.一种基于机器视觉的LED芯片外观缺陷检测方法，其特征在于，包括以下步骤：步骤1：采集LED芯片图像；步骤2：对LED芯片图像进行去燥平滑预处理，并进行单颗LED芯片的分割；步骤3：支持向量机分类模型训练；首先利用伽马变换对单颗LED芯片图像进行图像增强，并通过制作LED芯片数据集进行支持向量机分类模型训练，通过调整支持向量机分类模型结构及支持向量机分类模型参数实现支持向量机分类模型的训练；步骤4：利用训练好的支持向量机分类模型检测出外观有缺陷的LED芯片。2.根据权利要求1所述的基于机器视觉的LED芯片外观缺陷检测方法，其特征在于，步骤2的具体实现包括以下子步骤：步骤2.1：使用高斯滤波对原始LED芯片图像进行滤波去燥；步骤2.2：对高斯滤波后的LED芯片图像进行灰度化处理，分析图像灰度化后的灰度直方图，根据灰度直方图选取合适阈值，完成图像二值化处理；步骤2.3：基于LED芯片二值化图像，通过图像腐蚀及图像膨胀操作实现开运算形态学处理；步骤2.4：根据图像形态学处理得到的LED芯片图像，通过阈值分割及边界分割方法分割出单颗LED芯片。3.根据权利要求1所述的基于机器视觉的LED芯片外观缺陷检测方法，其特征在于，步骤3的具体实现包括以下子步骤：步骤3.1：利用伽马变换对单颗LED芯片图像进行图像增强；步骤3.2：数据集制作；人工将获取的LED单颗芯片图像分为合格芯片及不合格芯片两类，存储于不同数据集，完成芯片数据集制作；步骤3.3：将已制作的数据集传入支持向量机分类模型，提取并学习数据集中数据特征，通过调整支持向量机分类模型结构及支持向量机分类模型参数实现支持向量机分类模型的训练。4.根据权利要求3所述的基于机器视觉的LED芯片外观缺陷检测方法，其特征在于...

【专利技术属性】
技术研发人员：周圣军，万勇康，单忠频，徐浩浩，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42