基于电子元器件的二极管质量识别方法技术

本发明专利技术涉及数据处理技术领域，具体涉及一种基于电子元器件的二极管质量识别方法

【技术实现步骤摘要】
基于电子元器件的二极管质量识别方法


[0001]本专利技术涉及数据处理
，具体涉及一种基于电子元器件的二极管质量识别方法
。

技术介绍

[0002]二极管是一种具有两个电极，且只允许电流由单一方向流过的半导体电子元器件，二极管在电路中能够发挥维持信号幅度，续流，保护电路等重要作用，二极管的质量好坏关系到电路的安全运行和人身安全，只有保证投入使用的二极管质量是达标的，才能够有效降低使用风险
。
[0003]玻壳是应用于二极管封装的重要材料，由于玻壳本身较脆的问题，一旦生产工艺操作不当，就会产生气线
、
裂纹
、
内壁污点等缺陷，严重影响二极管的使用性能
。
目前对二极管玻壳的检测识别方法主要为机器视觉质检，现有的利用机器视觉的技术进行检测时，都仅仅通过灰度特征对图像进行分割，进而达到对二极管玻壳的缺陷进行检测的目的，但未结合更多的信息，因此会造成检测不准确的问题，不能精确的识别出缺陷的类型
。

技术实现思路

[0004]为了解决上述现有的利用机器视觉的技术进行检测时，都仅仅通过灰度特征对图像进行分割，进而达到对二极管玻壳的缺陷进行检测的目的，但未结合更多的信息，因此会造成检测不准确的问题，不能精确的识别出缺陷的类型的问题，本专利技术的目的在于提供一种基于电子元器件的二极管质量识别方法，所采用的技术方案具体如下：本专利技术一个实施例提供了一种基于电子元器件的二极管质量识别方法：获取二极管玻壳的表面图像；利用预设尺寸的滑动窗口在表面图像上进行滑动获得
ROI
区域；将每个
ROI
区域均匀划分为至少两个图像块，将每个图像块均匀划分为至少两个小区域；获取每个小区域的纹理特征值；每个图像块中各小区域的纹理特征值的平均值，为每个图像块的第一特征；基于图像块中各小区域的
HOG
特征向量获得图像块的第二特征；将图像块的第一特征和第二特征进行拼接得到每个图像块的区域描述子；获取每个小区域的纹理评价指标；基于每个
ROI
区域中每两个图像块的区域描述子之间的相似度
、
各小区域的纹理评价指标获得每个
ROI
区域的纹理裂变度；获取每个
ROI
区域中的特征点，基于每两个相邻的特征点之间连线的斜率和长度得到每个
ROI
区域的特征点分布扭曲度；基于每个
ROI
区域的纹理裂变度和特征点分布扭曲度获取每个
ROI
区域的缺陷类型
。
[0005]优选地，利用预设尺寸的滑动窗口在表面图像上进行滑动获得
ROI
区域，包括：获得每个滑动窗口内像素点的灰度均值和表面图像的像素点的灰度均值；若一个滑动窗口内像素点的灰度均值小于表面图像的像素点的灰度均值，则该滑动窗口包围的区域为
ROI
区
域
。
[0006]优选地，获取每个小区域的纹理特征值，包括：获取每个小区域中各像素点的
LBP
值，各像素点的
LBP
值的平均值为每个小区域的纹理特征值
。
[0007]优选地，获取每个小区域的纹理评价指标，包括：获取每个小区域的灰度共生矩阵，灰度共生矩阵中对角线上的所有元素的和与所有非对角线的元素的和的比值为每个小区域的纹理评价指标
。
[0008]优选地，每个
ROI
区域的纹理裂变度为：其中，表示第
m
个
ROI
区域的纹理裂变度；表示自然常数；表示第
m
个
ROI
区域中每两个图像块的区域描述子之间的相似度的方差；表示第
m
个
ROI
区域中各小区域的纹理评价指标的方差；表示第
m
个
ROI
区域中各小区域的纹理评价指标的均值
。
[0009]优选地，获取每个
ROI
区域中的特征点，包括：利用
canny
边缘检测算法获取每个
ROI
区域内的缺陷区域，利用
ERT
特征点定位算法对缺陷区域进行处理得到每个
ROI
区域中的特征点
。
[0010]优选地，每个
ROI
区域的特征点分布扭曲度为：其中，表示第
m
个
ROI
区域的特征点分布扭曲度；表示第
m
个
ROI
区域内特征点的数量；表示第
i+2
个特征点与第
i+1
个特征点之间连线的斜率；示第
i+1
个特征点与第
i
个特征点之间连线的斜率；表示第
i+2
个特征点与第
i+1
个特征点之间连线的长度；表示第
i+1
个特征点与第
i
个特征点之间连线的长度；表示常数系数，取值范围为正数
。
[0011]优选地，基于每个
ROI
区域的纹理裂变度和特征点分布扭曲度获取每个
ROI
区域的缺陷类型，包括：设定第一阈值，若
ROI
区域的纹理裂变度大于第一阈值，则
ROI
区域的缺陷类型为裂纹缺陷；获得非裂纹缺陷的
ROI
区域，设定第二阈值，若非裂纹缺陷的
ROI
区域的特征点分布扭曲度小于第二阈值，则非裂纹缺陷的
ROI
区域的缺陷类型为污点缺陷，若非裂纹缺陷的
ROI
区域的特征点分布扭曲度大于或等于第二阈值，则非裂纹缺陷的
ROI
区域的缺陷类型为破损缺陷
。
[0012]本专利技术实施例至少具有如下有益效果：本专利技术利用滑动窗口在二极管玻壳的表面图像进行滑动获得
ROI
区域， 其中筛选出的
ROI
区域是包含缺陷的区域，这样能够使得后续的分析更加方便；进一步的，对
ROI
区域进行更加精细的划分得到图像块，再对图像块进行划分得到小区域，这样能够更加精细化的提取
ROI
区域的特征；通过对图像块各个小区域的纹理特征值和小区域的
HOG
特征向量进行分析，得到每个图像块的区域描述子，准确的提取了每个图像块的特征；另外还获得了每个小区域的纹理评价指标，进而结合每个
ROI
区域中各图像块的区域描述子，得到
ROI
区域的纹理裂变度，从图像的纹理上提取了
ROI
区域的特征，同时对
ROI
区域中的相邻的特征点进行分析得到每个
ROI
区域的特征点分布扭曲度，提取的是缺陷的形状特征；最后，基于每个
ROI
区域中图像块的区域描述子<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于电子元器件的二极管质量识别方法，其特征在于，该方法包括：获取二极管玻壳的表面图像；利用预设尺寸的滑动窗口在表面图像上进行滑动获得
ROI
区域；将每个
ROI
区域均匀划分为至少两个图像块，将每个图像块均匀划分为至少两个小区域；获取每个小区域的纹理特征值；每个图像块中各小区域的纹理特征值的平均值，为每个图像块的第一特征；基于图像块中各小区域的
HOG
特征向量获得图像块的第二特征；将图像块的第一特征和第二特征进行拼接得到每个图像块的区域描述子；获取每个小区域的纹理评价指标；基于每个
ROI
区域中每两个图像块的区域描述子之间的相似度
、
各小区域的纹理评价指标获得每个
ROI
区域的纹理裂变度；获取每个
ROI
区域中的特征点，基于每两个相邻的特征点之间连线的斜率和长度得到每个
ROI
区域的特征点分布扭曲度；基于每个
ROI
区域的纹理裂变度和特征点分布扭曲度获取每个
ROI
区域的缺陷类型
。2.
根据权利要求1所述的一种基于电子元器件的二极管质量识别方法，其特征在于，所述利用预设尺寸的滑动窗口在表面图像上进行滑动获得
ROI
区域，包括：获得每个滑动窗口内像素点的灰度均值和表面图像的像素点的灰度均值；若一个滑动窗口内像素点的灰度均值小于表面图像的像素点的灰度均值，则该滑动窗口包围的区域为
ROI
区域
。3.
根据权利要求1所述的一种基于电子元器件的二极管质量识别方法，其特征在于，所述获取每个小区域的纹理特征值，包括：获取每个小区域中各像素点的
LBP
值，各像素点的
LBP
值的平均值为每个小区域的纹理特征值
。4.
根据权利要求1所述的一种基于电子元器件的二极管质量识别方法，其特征在于，所述获取每个小区域的纹理评价指标，包括：获取每个小区域的灰度共生矩阵，灰度共生矩阵中对角线上的所有元素的和与所有非对角线的元素的和的比值为每个小区域的纹理评价指标
。5.
根据权利要求1所述的一种基于电子元器件的二极管质量识别方法，其特征在于，所述每个
ROI
区域的纹理裂变度为：其中，表示第
m
个
ROI
区域的纹理裂变度；表示自然常数；表示第
m
个<...

【专利技术属性】
技术研发人员：马瑞军，
申请(专利权)人：南通星光检测科技有限公司，
类型：发明
国别省市：