大功率COB-LED模组涂覆表面缺陷检测算法与系统研究
大功率LED因其光效高、成本低和节能环保等优势在医疗影像、电子产品和各种照明领域得到了广泛的应用，它的质量决定了其发光品质和使用寿命，因此对其表面缺陷检测尤为关键。然而，目前在实际LED工业封装过程的检测方法中，人工目视检测方式占据主要的地位，其易因视觉疲劳而导致高的错误容忍率和低的产出效率。综上所述，提出一种有效的COB-LED智能检测系统对提高大功率COB-LED的生产是必要的和迫在眉睫的。本文结合人眼注意力机制和图像处理相关技术，对涂覆后的大功率COB-LED模组表面缺陷图像的特征分割、提取和分类等算法做出了一系列研究，进而设计了COB-LED表面缺陷智能检测系统。大量的实验表明，提出的系统极大的提高了检测效率和准确率，可满足实际工业过程对大功率COB-LED质量控制的需求。本文主要工作和贡献如下： （1）对视觉显著性相关基础理论进行研究，分析了几种经典的显著性模型，并通过实验对比分析了不同显著性模型的检测效果。 （2）对图像预处理相关算法进行研究，利用改进的Retinex算法对COB-LED表面缺陷图像进行亮度均衡化，并且其能增强缺陷区域与背景的对比度；然后，对比分析了五种典型的图像滤波去噪效果，选择非局部均值算法对亮度均衡化后的COB-LED表面缺陷图像进行图像预处理。 （3）基于显著性模型的检测效果，结合COB-LED模组表面缺陷的特有属性，提出了基于视觉显著性的智能检测算法。通过全局对比度构建了表面缺陷的全局显著性图，利用自适应Canny边缘检测模型构建了轮廓特征图，进而基于小波变换融合了全局显著图和轮廓特征图得到了Global-Outline缺陷显著图，其能很好地抑制COB-LED模组图像晶粒背景，以凸显缺陷区域，与其他经典的显著性模型相比，性能更优。然后基于改进的Otsu对Global-Outline缺陷显著图分割，得到缺陷部分。 （4）基于图像几何特征、形状特征和灰度特征对图像分割的COB-LED模组涂覆表面缺陷进行特征量化，进而利用改进的BP神经网络对COB-LED模组涂覆表面缺陷分类，超过90%的正确识别率表明提出的方法对每种缺陷的分类满足实际应用要求。
板上连接式晶片发光二极管;表面缺陷;图像处理;视觉显著性;智能检测;BP神经网络
华南理工大学
硕士
控制科学与工程
胡跃明
2022
中文
TN312.8;TP391.41
2022-12-23（万方平台首次上网日期，不代表论文的发表时间）