摘 要： LED芯片檢測在LED生產過程中起到關鍵作用。為了達到生產過程完全自動化的目的，首先用形態學方法對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，從而獲取生產所需的控制信息。實驗結果表明該方法適用于LED實際生產過程。
關鍵詞： LED檢測；形態學；霍夫變換；模式識別
目前，LED芯片自動化生產設備主要依靠進口，價格昂貴，不利于行業的發展。一些中小企業的生產還停留在手動或者半手動的狀態，效率低下。國內在LED芯片自動化生產設備領域還處于研制階段，還沒有完全自主知識產權的產品，因此，加快其關鍵算法的研究勢在必行。
在LED生產過程中，LED芯片的檢測定位是關鍵技術之一[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，從而節省大量的人力物力成本。在現有條件下，通過安裝在生產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，并定位出芯片區域和焊片區域；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域邊界直線和焊片區域邊界直線，用這兩條直線定位出芯片在傳送帶上的位置。實驗結果表明，定位算法獲得這些參數可以用于LED芯片生產的焊接控制。
1 預處理
由于在圖像采集過程不可避免地產生隨機噪聲，因此在獲取芯片定位參數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域分割處理可以得到芯片區域和焊片區域，便于下一步獲得定位信息。芯片區域和焊片區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域和焊片區域，分割效果如圖1（其中芯片區域閾值為0.2，焊片區域閾值為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°旋轉芯片區域圖像，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：
?。?）記錄芯片區域外接矩形的面積；
?。?）順時針旋轉芯片圖像3°；
?。?）重復第（1）步和第（2）步，直到芯片被旋轉90°；
?。?）查找外接矩形面積最小時，旋轉的度數即為芯片區域的傾斜角。
圖2為兩幅根據預處理后芯片區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曲線上的點。在定位LED區域邊界時，使用式（4）的直線參數方程，統計θ（取值±90°）和ρ（取值D，D是圖形對角線的長度）分割的參數空間累加器，點數最多的θ和ρ單元即對應定位所需的邊界直線方程。同時，可以根據已經求得區域傾角對直線進行驗證。
xcosθ+ysinθ=ρ ?。?）
圖3為區域邊界定位的結果。圖3（a）為芯片區域；圖3（b）中直線為采用霍夫變換求得的芯片區域邊界上的直線；圖3（c）為焊片區域；圖3（d）中直線為采用霍夫變換求得的焊片區域邊界上的直線。根據矩形傾角和區域中心可以判斷求得直線所代表的區域邊界位置。
3 實驗結果
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個芯片產生告警信號后由人工處理（對于由于圖像質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，用這些參數可以控制LED芯片的焊接。實驗表明該算法適用于LED芯片的生產過程。
參考文獻
[1] 張碧偉.LED晶粒全自動分揀機的開發研究[D].西安： 西安工業大學，2011.
[2] 岡薩雷斯.數字圖像處理（第二版）[M].北京：電子工業出版社，2008.
[3] 楊軍，吳曉娟，彭彰，等.基于多區域分割的步態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[J].計算機技術與發展，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.