曹深怡 李笑勉 文心妍 謝子聰 楊浩瀚

（東莞職業(yè)技術(shù)學院，東莞 523808）

LED芯片在現(xiàn)代工業(yè)生產(chǎn)中應用廣泛，如石英晶體、玻璃屏幕及透明膠囊等。電子設(shè)備是人們必不可少的用品，其中電子設(shè)備的重要元器件就是以石英晶體為原料的。但是，在生產(chǎn)過程中，由于石英晶體本身質(zhì)脆的特質(zhì)，生產(chǎn)的元器件可能會有刮痕、局部破損等情況。當這些情況發(fā)生時，元件的功能就會受到影響。比如，晶體震動的固有頻率會發(fā)生改變，從而影響產(chǎn)品的使用效果。所以，在生產(chǎn)過程中對元器件的缺陷檢測必不可少。玻璃制品是另一種重要的LED芯片，廣泛應用于各個領(lǐng)域[1]。尤其是伴隨著電子信息產(chǎn)業(yè)的發(fā)展，它在各類電子設(shè)備中得以廣泛應用，且隨著設(shè)備性能的提高對屏幕的要求不斷提高。生產(chǎn)過程中的劃痕、氣泡或雜質(zhì)等會影響其美觀及性能，需要工作人員進行嚴格的缺陷檢測。另外，透明膠囊也是LED芯片在醫(yī)學領(lǐng)域的一個重要應用，其性能好壞影響藥物的保存及有效性，需要進行嚴格的缺陷檢測。LED芯片的缺陷檢測在工業(yè)生產(chǎn)領(lǐng)域具有極其重要的作用。缺陷檢測技術(shù)在不斷發(fā)展，目前基于圖像處理的檢測方法最為流行[2]。

1 常見LED芯片及傳統(tǒng)缺陷檢測方法

1.1 玻璃缺陷檢測方法及其優(yōu)缺點

玻璃的缺陷檢測方法有人工視覺檢測法、電學參數(shù)檢測法和機器視覺檢測法3種，對比如表1所示[3]。

表1 玻璃平板常見缺陷檢測方式及其對比

1.1.1 人工視覺檢測法

人工視覺檢測法是將玻璃置于強光下，依靠人眼進行缺陷識別。這種方法存在很大的局限性，如人眼的識別能力有限，受到視力、外界環(huán)境及個人主觀因素的影響，不能給出完全客觀的結(jié)論。人工視覺檢測需要極高的注意力和耐心，對工人要求高，且易疲勞，不利于工作效率的提高和企業(yè)效益的增加。

1.1.2 電學參數(shù)檢測法

該方法依靠傳感器與儀表進行缺陷檢測，但傳感器比較脆弱，容易受到環(huán)境的影響而降低靈敏性，同時檢測范圍有限，不能滿足生產(chǎn)需求。

1.1.3 機器視覺檢測法

該方法通過相應的攝影設(shè)備，結(jié)合圖像處理技術(shù)進行缺陷檢測，克服了傳統(tǒng)檢測中對環(huán)境要求高、對人力要求高的缺點，具有高效、準確的特點[4]。

1.2 石英晶體缺陷檢測及其優(yōu)缺點

石英晶體的缺陷檢測方法主要有目視法、明場檢查、暗場檢查、電子束檢測及數(shù)字圖像處理等。

1.2.1 目視法

最開始晶片缺陷的檢查依靠人眼的觀測，同玻璃檢測相似。該方法耗時耗力，且限于人眼的識別能力，晶體表面存在微小瑕疵及污物無法識別。此外，人工操作容易對脆弱精致的元器件造成損傷。隨著晶體元件的體積不斷減小，人工缺陷檢測方法不再適用[5]。

1.2.2 暗場檢測

激光具有很高的能量和很強的方向性，是暗場檢測使用的光源。在實際應用中，激光的光路不同于檢測信號。當被檢測物體有缺陷時，入射光會產(chǎn)生散射現(xiàn)象，同時在暗場屏幕上產(chǎn)生不同的信號，表現(xiàn)為光亮的差別。這時通過探測器顯示可以發(fā)現(xiàn)缺陷，進而進行定位和決策。雖然暗場檢測效率高、成本低，但是精確性不盡人意[6]。

1.2.3 明場檢測

該方法中可見光或者激光都可以作為入射光。與暗場檢測不同，該方法中入射光和檢測信號通過同一通道垂直投射在被檢測元件的表面，如果有缺陷存在，那么明場背景中就會出現(xiàn)較暗的部分，從而捕捉到缺陷。該方法檢測缺陷具有很高的準確性，但是設(shè)備昂貴，檢測效率有待提升。

1.2.4 電子束檢測

該方法用到聚焦電子束作為光源，可以發(fā)射出二次電子，通過相應的設(shè)備可以捕捉這些發(fā)射物進而進行研究分析和決策。該方法不會受到被檢測物體色澤、厚薄等的影響，還可以用于微小缺陷的檢測，因而靈敏性高。但是，它的速度比明場檢測慢，且成本比前者高。

1.2.5 數(shù)字圖像處理

該方法是信息技術(shù)發(fā)展的產(chǎn)物，是將實際的圖片信息轉(zhuǎn)化為計算機可以處理的數(shù)字信號進行相應操作的過程。最初的圖片處理只是改善畫質(zhì)，現(xiàn)在已經(jīng)得到極大的發(fā)展，甚至能夠進行對象的識別與相應的匹配。該技術(shù)效率高、成本低、精確性高，已經(jīng)應用于生活的方方面面[5]。

1.3 透明膠囊檢測

1.3.1 人工檢測

人工檢測主要通過人的視力觀察來發(fā)現(xiàn)膠囊的缺陷，通常稱為燈檢。實際中，膠囊存在尺寸差別、表面污跡、輕微褶皺、擠壓變形以及切口不平整等人眼難以識別的問題。同時，由于膠囊的產(chǎn)量很大，人工檢測效率極其低下。在實際生產(chǎn)中，耗費大量人力仍然存在大量漏檢的情況，給藥物安全、衛(wèi)生等帶來了隱患[7]。

1.3.2 缺陷檢測機器

一些大型公司通過制造自主研發(fā)的缺陷檢測機器進行缺陷檢測。實際應用中，機器成本高，算法不夠精良，出現(xiàn)耗時耗力的問題，不能很好地解決膠囊缺陷檢測問題。

1.3.3 基于圖像處理的視覺檢測技術(shù)

該技術(shù)應用于膠囊的缺陷檢測具有重要意義。一方面方法效率高、靈敏性高，在檢測中標準統(tǒng)一，有利于膠囊的標準化生產(chǎn)；另一方面避免了人工檢測過程中由于工作人員接觸而產(chǎn)生的二次污染。此外，由于技術(shù)的進步，設(shè)備的費用逐漸降低。該方法得以廣泛應用，使得膠囊的標準化和批量化生產(chǎn)得以實現(xiàn)。

通過以上分析可知，在生產(chǎn)效率和產(chǎn)品標準迅速提高的當今社會，傳統(tǒng)的人工、機器缺陷檢測手段已不再適用，而基于圖像處理的缺陷檢測方法由于高靈敏度、高效率、低成本的特性，在工業(yè)領(lǐng)域得到了廣泛應用。

2 基于圖像處理的缺陷檢測方法原理及應用

機器視覺技術(shù)的使用克服了人工缺陷檢測疲勞性的限制，避免了與檢測物體的直接碰觸，有效提高了安全衛(wèi)生性。另外，隨著技術(shù)的發(fā)展，機器視覺技術(shù)辨識度正在逐漸提高，能夠識別人眼無法辨識的缺陷。

數(shù)字圖像處理是將采集的圖片利用計算機轉(zhuǎn)換為其可以識別的數(shù)字圖片，進而利用相應的計算機程序進行圖片修改。數(shù)字圖像處理技術(shù)的興起一方面是對圖像畫質(zhì)改進的需要，另一方面是為了對圖像進行保存、交流共享與顯示。數(shù)字圖像處理進一步擴充了其功能，可以進行圖像的美化、修改甚至進行相關(guān)的識別匹配等。由于數(shù)字圖像處理方法可以靈活高效地對圖片進行處理和識別匹配，被應用于工業(yè)領(lǐng)域。其中，LED芯片缺陷檢測就是一個重要的應用。

數(shù)字圖片處理技術(shù)具有強大的功能及很多優(yōu)點，主要表現(xiàn)在以下幾個方面。

（1）不會使圖像失真。在模擬圖像操作中很容易使原本的圖像失去原來的面目，但是數(shù)字圖像處理技術(shù)讀取的是圖片的數(shù)字信息，只要這些信息得以準確保留，那么任何操作都不會影響圖片的原貌。

（2）利用數(shù)組存儲圖像信息。圖像數(shù)字化設(shè)備可以將圖片的每個像素進行等級量化。等級化越高，得到的圖片越精確，數(shù)組也越大。對計算機而言，數(shù)組的大小并不影響處理速度，因此數(shù)字圖像處理技術(shù)在效率和效果上都遠遠超過模擬處理，且更加經(jīng)濟。

（3）可用于各種途徑收集到的圖像。傳統(tǒng)的模擬處理只能處理可見光圖像，但數(shù)字圖像處理技術(shù)可以處理各種波譜圖像，如各種醫(yī)學成像、紅外圖等，也不限制被拍攝物體的尺寸，如從顯微鏡得到的圖片到衛(wèi)星遙感圖像都可以處理。因為數(shù)字處理只需要得到這些圖像的數(shù)字編碼，然后對表示這些圖像的二維數(shù)組進行處理即可，所以不管來源如何，只要能得到圖像的二維數(shù)組信息，這個方法就能使用。

（4）信息可以進行任意的計算處理。圖像處理中一般需要進行圖片修改和內(nèi)容分析進而進行重現(xiàn)。在光學處理中，由于只能對圖片進行線性運算，因此不能實現(xiàn)圖片處理，導致相當豐富的內(nèi)容不能得到理想的效果。數(shù)字處理利用二維數(shù)組可以實現(xiàn)一切計算公式或邏輯關(guān)系可以表達的各種運算和操作，具有極大的靈活性，能夠?qū)崿F(xiàn)更多的功能。

數(shù)字圖像處理信息的廣泛使用與計算機編程環(huán)境和編程技術(shù)的發(fā)展息息相關(guān)。OpenCV是一個開放源代碼的視覺庫，擁有大量數(shù)字圖片處理源代碼，為圖像處理技術(shù)的使用提供了極大便利[5]。OpenCV是一個源代碼開發(fā)的圖片處理庫，具有數(shù)字圖片處理的各種強大功能，可以跨平臺使用。它不僅能對圖像進行相應的處理，而且能對視頻進行相應的處理。此外，它的各個類型的應用程序接口都是存在的，且利用C語言編寫，能夠進行并行運算，執(zhí)行速度快。

數(shù)字圖片處理極高的靈活性及效率，使其廣泛應用于生活的方方面面。工業(yè)領(lǐng)域中產(chǎn)品智能檢驗減少了人力物力投入，提高了生產(chǎn)效率。軍事領(lǐng)域中，它分析遙感圖像、紅外圖像等來追蹤敵人、打擊敵方。在民用領(lǐng)域，它可以用于交通管理、醫(yī)學圖像搜集研究等。在科學領(lǐng)域，它可以進行各種材料分析、生物實驗中進行相應的分析化驗等。

3 基于圖像處理的缺陷檢測實現(xiàn)過程

建立基于圖像處理的LED芯片缺陷檢測系統(tǒng)，并對圖像采集、預處理、圖像分割、特征提取及分類決策等過程及其內(nèi)容進行詳細介紹?；趫D像處理的LED芯片缺陷檢測系統(tǒng)流程，如圖1所示。

圖1 基于圖像處理的LED芯片缺陷檢測系統(tǒng)流程圖

3.1 圖像的獲取

設(shè)計圖像采集系統(tǒng)，包括照明光源的選擇和圖像采集的各個參數(shù)，對檢測對象進行圖像采集。在圖像采集中需要對照明設(shè)備進行合理選取，并設(shè)置各種參數(shù)，得到更加清晰高質(zhì)量的圖片。

LED光源是一種高科技照明設(shè)備，具有很多傳統(tǒng)光源沒有的特點。第一，節(jié)能性高。LED燈電能轉(zhuǎn)換為光能的效率幾乎為100%，功耗非常低，照明效果遠遠好于傳統(tǒng)光源。第二，LED使用壽命長。由于原料是環(huán)氧樹，為固體冷光源，因此它克服了傳統(tǒng)光源易發(fā)熱、易損壞的缺點，其使用壽命是傳統(tǒng)光源的10倍多。第三，LED光源可以變換色彩。利用三基色原理，結(jié)合計算機控制。它可以產(chǎn)生千萬種色彩，以實現(xiàn)豐富多彩的圖像變換效果，滿足各種色彩燈光的需要。第四，科技含量高。LED等的設(shè)計和使用融合了計算機技術(shù)，利用計算機編程可以方便靈活地實現(xiàn)LED燈的升級、圖像變換等功能。此外，LED無論在功能上還是在環(huán)保上都遠超傳統(tǒng)光源，可以提高所收集圖像的質(zhì)量。

3.2 圖像預處理

獲取到圖片后，需要將圖片上傳到計算機并轉(zhuǎn)換為數(shù)字信息，通過相應的圖片處理程序進行圖片的預處理。圖片的預處理方法多種多樣，包括圖像的色彩處理、刪減、平滑及提取等。

灰度化圖像是指只有黑白兩色的圖像。顯示器一般使用紅、綠、藍3色，按照RGB配色準則表示圖像顏色，如圖2所示。通常將每種顏色分為256個亮度類別，通過將代表3種顏色亮度的像素點疊合起來，就可以顯示出這個像素點所代表的色彩。當3種原色分量具有同一亮度時，原本具有色彩的圖片,會成為黑白色，即變?yōu)榛叶然瘓D像?；叶葓D像雖然只有黑白兩色，但是仍然具有不同的亮度值。灰度值有0～255共256個不同的亮度等級，0表示亮度最小，255表示亮度最大。圖像的灰度化是把原本有色彩的圖利用計算機轉(zhuǎn)換為只有黑白兩色的圖。轉(zhuǎn)化中，將3原色分量的亮度按照權(quán)重進行疊加，并用它們的加和結(jié)果表示得到圖像的明亮程度即灰度值。通常使用兩種方法得到圖片的灰度值：一是平均值算法，是對3個顏色分量進行算數(shù)平均值的計算得到；二是權(quán)重法，即建議一個重要性標準，并分別給3個分量一個重要度的評價，進而通過加權(quán)計算得到灰度值。

圖2 RGB顏色模型示意圖

腐蝕是將圖片變小的過程，常用來處理圖片中某些不需要或者不想要的部分。據(jù)研究，LED芯片圖片中有缺陷的部分會比沒有缺陷的部分顏色深，且灰塵等雜質(zhì)很微小，因此可以通過這個功能可以除去這些受雜質(zhì)污染的缺陷部分。

膨脹是一個與腐蝕功能相反的過程，即擴大圖像。這個功能能夠?qū)⑿枰膶ο笞兇螅M而有利于補充目標中的空洞。

對于區(qū)域A和區(qū)域B，首先利用B對A進行腐蝕處理，得到處理結(jié)果后再對B實施膨脹措施，這個過程叫做開運算。這個功能可以通過把小一些的突出刪掉，使計算機得到邊緣平滑的圖片，同時可以將有狹窄連接的部分斷開。

圖像中存在的噪聲可以通過過濾的方法處理，原理是圖片的平滑濾波。圖片平滑濾波分很多種，根據(jù)原理的差別，可以分為空間域平滑濾波和頻率域平滑濾波兩個方法。

圖像邊緣對圖像處理具有重要作用，而幅度和方向是體現(xiàn)邊緣特性的兩個重要參數(shù)。研究發(fā)現(xiàn)，在邊緣垂直方向上的點具有的灰度與邊緣部分有很大差異。利用這個突變，可以通過微分的方法對LED芯片檢測圖像進行邊緣的獲取。

圖像中相互連通的區(qū)域邊緣上所有像素點集合起來即輪廓，一般是一條封閉的曲線。在圖像處理技術(shù)中，一般采用二值圖像輪廓跟蹤技術(shù)提取輪廓，然后針對性地對輪廓內(nèi)的連通域進行進一步的操作，如填充所選定的區(qū)域、對特定的對象進行特征提取等。在輪廓追蹤中，常見的方法有鏈碼和傅里葉描述等。前者使用比較普遍，可以將矢量線段即具有長度和方向的線按照一定的順序連接起來，從而得到圖像的輪廓即邊界線。

3.3 圖像的分割

這一階段主要是從圖片中將每個物體識別出來，且將這些識別的物體從圖片中分割?？梢?，這是一個獲取信息的過程，可以識別檢測對象中存在的缺陷，并且將其分離出來，為后續(xù)缺陷的識別分類奠定基礎(chǔ)。

3.4 特征的提取

這一階段將定義一些特征量或特征函數(shù)，進而提取缺陷的特征。定義中選擇對象可以度量的重要特征建立相應的度量法則。根據(jù)度量法則，可以實現(xiàn)對物體各方面特征的量化估計，從而區(qū)分出缺陷對象。在特征抽取中，不同的識別對象有不同的特征。對于檢測對象可以建立一個特征向量，該向量中各個分量對應一個特征，將所有特征集合在一起就可以代表研究對象的全部特征信息。不同的對象提取特征時側(cè)重點不同。一般圖像特征包括3個方面——圖形的幾何特征（包括圖像中目標的位置和方向、周長和面積等）、對象的形狀特征（包括矩形度、圓形度等）和圖像的紋理特征（包括裂紋、缺損等）。

3.5 分類決策

在特征提取進行匹配后，可以將對應的物體進行歸類和判定。通過對LED芯片提取圖像進行特征提取，進而與已經(jīng)建立的物體向量庫進行對比和識別。歸類主要依據(jù)缺陷特征如氣泡大小、裂痕位置大小形狀延伸長度等來判斷產(chǎn)品的殘次等級等。

4 基于圖像處理的缺陷檢測實例應用

以LED芯片為例，對基于圖像處理的LED芯片檢測過程進行實驗研究。首先讀取并顯示圖像，其次進行圖像平滑，再次進行圖像二值化、邊緣檢測，最后進行模板匹配與決策。

4.1 圖像去噪

為了使圖像細節(jié)更加清晰，并實現(xiàn)對噪聲的清除，本文選取中值濾波算法。在含奇數(shù)點的平面窗口中，中心點灰度值用各點中值代替。二維中值濾波輸出為：

式中：f(x,y)為平滑前的函數(shù)；g(x,y)為平滑后的函數(shù)。以處理對象為中心，選一個合適大小和形狀的區(qū)域進行數(shù)值的排序，中值就是所求的數(shù)。

灰度矩陣為：

按照同樣的方法處理其他目標，就能完成去噪過程。函數(shù)程序如下：

void cvSmooth(const CvArr*src,CvArr*dst,int smoothtypes=CV_MEDIAN,int param1=3,int param2=0;double param3=0,double param4=0)

例如，LED芯片圖像經(jīng)過光滑處理后的圖像如圖3所示。

圖3 濾波處理后LED芯片圖像

4.2 閾值分割

通過設(shè)置一定的閾值，將目標區(qū)域與背景區(qū)域區(qū)分開，以便以后有目的性地對某些區(qū)域進行處理。用一定的方法尋找一個分界值，將圖像分為兩部分[8]：

規(guī)定函數(shù)上半段為黑色，下半段為白色，得到二值化的圖片，如圖4所示。

圖4 二值化處理后LED芯片圖像

4.3 邊緣檢測

邊緣檢測方法有很多。由于Canny算子具有檢測準確性高、誤檢率低、邊緣重復率低的優(yōu)點，因此本文選用該方法，算法程序如下：

void cbCanny(const CvArr*image,CvArr*edges,double threshold1,double threshold2,int aperture_size=3)

通過該方法得到的邊界拾取圖像如圖5所示。

圖5 邊緣檢測后的LED芯片圖像

4.4 模板匹配

得到邊緣檢測圖像后，可以進行模板的對比和缺陷的匹配工作。實現(xiàn)的過程中，需要將檢測邊緣圖像與標準圖像進行對比，程序如下：

double cvMatchShapes(const void*object1,const void*object2,int method,double parameter=0);

程序中的參數(shù)依次為檢測邊界、標準模板、對比方法及參數(shù)。運行后，返回參數(shù)值如果為0，即為完全匹配；小于0.1，為合格；超過0.1，視為存在影響功能的瑕疵，不合格。通過實驗對比得到返回值為3.456 12，表明所檢驗的對象存在瑕疵不合格。實際觀察也是如此，因此實驗結(jié)果令人滿意。

5 結(jié)語

數(shù)字圖像處理技術(shù)在LED芯片缺陷檢測領(lǐng)域發(fā)揮了重要作用。本文通過對比傳統(tǒng)LED芯片缺陷檢測手段與數(shù)字圖片處理技術(shù)檢測方法的優(yōu)缺點，突出了該方法的優(yōu)越性，并介紹了數(shù)字處理技術(shù)的原理應用特點及應用領(lǐng)域，進一步建立了基于圖像處理的LED芯片缺陷檢測系統(tǒng)，對系統(tǒng)的流程進行了詳細闡述，包括圖像采集、預處理、圖像分割、特征提取、最終的決策及對透明晶片缺陷檢驗的實驗，表明該方法可靠高效。本文研究可以為基于圖像處理的LED芯片缺陷檢測工作提供系統(tǒng)指導，對LED芯片檢測工作提高效率、降低人工成本具有重要意義。