0603型綠色貼片LED方向檢測(cè)算法研究

拜穎乾，張君安，劉波

(1. 陜西鐵路工程職業(yè)技術(shù)學(xué)院，陜西 渭南 714099； 2. 西安工業(yè)大學(xué)，陜西 西安 710021)

0 引言

貼片LED全自動(dòng)編帶機(jī)是按照規(guī)定方向?qū)⑿酒幦胼d帶的自動(dòng)化設(shè)備[1]，編入載帶芯片的好壞直接影響著后續(xù)貼片機(jī)的工作效率。故芯片的方向檢測(cè)、缺失檢測(cè)等是判斷編帶質(zhì)量的重要指標(biāo)。芯片的缺失檢測(cè)可以采用運(yùn)算量小，計(jì)算速度快的明度檢測(cè)算法。傳統(tǒng)的0503型貼片LED等芯片外部輪廓都有明顯的特征，即其中1個(gè)角與其他3個(gè)角相比為缺角，故均可采用算法簡(jiǎn)單、效率高、準(zhǔn)確性好的面積檢測(cè)方法進(jìn)行方向檢測(cè)，但0603型綠色貼片LED外部輪廓沒有明顯特征，一般的算法無法進(jìn)行判別。采用一些硬件升級(jí)編帶機(jī)視覺檢測(cè)系統(tǒng)又給企業(yè)增加成本，不利于企業(yè)實(shí)現(xiàn)效益最大化的需求。所以研究簡(jiǎn)單快捷、運(yùn)算速度快、準(zhǔn)確度高的算法對(duì)0603型貼片LED進(jìn)行方向檢測(cè)是非常必要的。因?yàn)榫帋C(jī)是一種高速運(yùn)轉(zhuǎn)的自動(dòng)化設(shè)備，每分鐘編入載帶的芯片數(shù)量可以達(dá)到36 000片。這樣可以和后續(xù)的自動(dòng)貼片機(jī)達(dá)到完全嚙合的效果，所以編帶機(jī)的效率也是非常重要的參數(shù)之一。故采用CCD攝像機(jī)、圖像采集卡及攝像機(jī)鏡頭作為硬件，基于VC++6.0集成開發(fā)環(huán)境作為軟件的一套視覺檢測(cè)系統(tǒng)實(shí)現(xiàn)貼片LED的方向檢測(cè)。此系統(tǒng)簡(jiǎn)易靈活，通過軟件系統(tǒng)的開發(fā)就可對(duì)各種類型的芯片進(jìn)行方向檢測(cè)，可以滿足企業(yè)的發(fā)展需求。本文經(jīng)過反復(fù)試驗(yàn)得出，首先采用MeanShift圖像分割法對(duì)芯片進(jìn)行圖像分割，然后利用傳統(tǒng)的邊緣檢測(cè)算法提取芯片的輪廓特征，最后通過判別芯片內(nèi)部引腳特征的方法確定芯片的方向。該方法運(yùn)算量小、檢測(cè)精度高，用于編帶過程中判斷0603型綠色貼片LED的方向最為合適，可以保證后續(xù)設(shè)備對(duì)該芯片的進(jìn)一步處理。

1 MeanShift算法

1.1 MeanShift算法特點(diǎn)

MeanShift算法首先就是計(jì)算出當(dāng)前點(diǎn)的偏移值，然后以該點(diǎn)為基點(diǎn)再計(jì)算出偏移均值，如此不斷地迭代，直至滿足一定條件后計(jì)算結(jié)束，這就是該算法的核心。

隨著數(shù)字圖像處理技術(shù)的不斷發(fā)展，圖像增強(qiáng)和圖像分割的相關(guān)算法也不斷地發(fā)展，但處理一些結(jié)構(gòu)特殊的樣本時(shí)還存在很多局限性。MeanShift圖像分割法也得到了發(fā)展，新的函數(shù)也被定義出來，表征著偏移向量對(duì)偏移量的貢獻(xiàn)是不同的[2]。

隨著對(duì)MeanShift算法研究的不斷深入，該算法在圖像分割處理過程中的優(yōu)點(diǎn)越來越凸顯。任何樣本圖片經(jīng)該算法分割之后，內(nèi)部結(jié)構(gòu)就按照其紋理明顯地被分離成塊狀，再通過邊緣檢測(cè)算子提取其邊緣就會(huì)得到清晰的輪廓。對(duì)一些結(jié)構(gòu)特殊的樣本，采用此種算法判斷其正反或方向是完全可行的。

1.2 MeanShift算法的原理

假設(shè)有一個(gè)d維空間Rd，其中有n個(gè)樣本點(diǎn)xi，i=1,…,n。x點(diǎn)的MeanShift向量形式為：

(1)

Sh為半徑是h的高維球區(qū)域，k代表n個(gè)樣本點(diǎn)xi中的某些點(diǎn)，有k個(gè)點(diǎn)落在Sh高維球區(qū)域。滿足高維球關(guān)系的y點(diǎn)的集合為：

Sh(x)≡{y:(y-x)T(y-x)≤h2}

(2)

由此可看出，(xi-x)為xi相對(duì)于點(diǎn)x的偏移向量，式(1)中的MeanShift向量Mh(x)是由Sh中的k個(gè)樣本點(diǎn)經(jīng)于點(diǎn)x的偏移向量求和再平均后得到的。MeanShift算法的定義可以由一個(gè)簡(jiǎn)單的示意圖形象的表示，具體如圖1所示。

圖1 MeanShift算法定義的示意圖

由MeanShift算法定義的示意圖可以看出，Sh就是大圓高維球區(qū)域，小圓就是樣本點(diǎn)xi∈Sh，黑點(diǎn)就代表基準(zhǔn)點(diǎn)x，箭頭就是xi相對(duì)于x的偏移向量，明顯可以看出，平均偏移向量Mh(x)基本上都指向了樣本點(diǎn)多的區(qū)域，也就是說Mh(x)大多指向概率密度梯度的方向。

核函數(shù)的定義：假設(shè)X表示了一個(gè)d維歐式空間，x是其中一個(gè)點(diǎn)，用列向量表示，x的模為‖x‖2=xTx，R為實(shí)數(shù)，假設(shè)有一函數(shù)K：當(dāng)X→R時(shí)，有另一函數(shù)k：x[0,]→R，即是：

K(x)=k(‖x‖2)

(3)

而且還滿足：

1)k≥0；

2)k非增，即aπb，則k(a)≥k(b)；

在MeanShift算法中，經(jīng)常要用到兩個(gè)核函數(shù)，一個(gè)是單位均勻核函數(shù)，一個(gè)是單位高斯核函數(shù)。單位均勻核函數(shù)的表達(dá)式如式(4)所示。

(4)

單位高斯核函數(shù)的表達(dá)式如式(5)所示。

N(x)=e-‖x‖2

(5)

這兩個(gè)核函數(shù)的示意圖如圖2所示。

圖2 核函數(shù)的示意圖

由式(1)可以看出，如果樣本點(diǎn)都落入高維球區(qū)域Sh， 則落入高維球區(qū)域的每個(gè)樣本點(diǎn)對(duì)函數(shù)Mh(x)的貢獻(xiàn)是一樣的。但實(shí)際情況是每個(gè)樣本點(diǎn)的貢獻(xiàn)大小不可能是一樣的，故為每個(gè)樣本點(diǎn)xi都引入一個(gè)權(quán)重系數(shù)是很有必要的。所以MeanShift算法的另一種表達(dá)為：

(6)

其中：GH(xi-x)=|H|-1/2G(H-1/2(xi-x))；G(x)為單位核函數(shù)；H為對(duì)稱的d×d矩陣，稱為帶寬矩陣；w(xi)≥0是對(duì)每一個(gè)樣本點(diǎn)xi引入的權(quán)重系數(shù)。

2 傳統(tǒng)邊緣算法方向檢測(cè)實(shí)驗(yàn)結(jié)果

0603型綠色貼片LED在現(xiàn)代的貼片式LED里是比較特殊的一種，相比較5050型等其他類型的芯片，該芯片外部輪廓沒有明顯的特征，所以采用簡(jiǎn)單、運(yùn)算量小、應(yīng)用廣泛的面積檢測(cè)算法去判別該型號(hào)貼片LED的方向是行不通的。故嘗試通過識(shí)別其內(nèi)外部特征的方法來判別其方向。要通過此方法判別芯片的方向，關(guān)鍵是要獲得芯片比較完整清晰的內(nèi)外部邊緣信息。如果提取的邊緣信息模糊不清楚，則最后必然無法準(zhǔn)確地確定出芯片的方向。傳統(tǒng)的邊緣檢測(cè)算法有Krisch邊緣檢測(cè)法、Prewitt邊緣檢測(cè)法、高斯拉普拉斯邊緣檢測(cè)法等。圖3所示是分別經(jīng)過以上3種邊緣檢測(cè)法提取邊緣后的結(jié)果。由圖3(a)-圖3(c)可以看出，分別經(jīng)過以上3種傳統(tǒng)邊緣檢測(cè)算法提取邊緣后，芯片的內(nèi)外特征不是很清楚，非常模糊，特別是芯片的內(nèi)部特征根本無法辨別。故單采用傳統(tǒng)的邊緣檢測(cè)算法提取芯片的內(nèi)外特征無法得到較完整、較清晰的邊緣信息。這樣就無法通過識(shí)別芯片的輪廓特征來判別其方向。

圖3 傳統(tǒng)邊緣檢測(cè)

3 改進(jìn)后邊緣算法方向檢測(cè)實(shí)驗(yàn)結(jié)果

圖4是首先利用MeanShift圖像分割法對(duì)芯片圖像進(jìn)行分割，將芯片圖像的內(nèi)部構(gòu)造一塊一塊地割裂開來，然后再分別利用Krisch邊緣檢測(cè)法、Prewitt邊緣檢測(cè)法和高斯拉普拉斯邊緣檢測(cè)法提取芯片的邊緣信息的結(jié)果。由圖4(d)-圖4(f)可以看出，0603型綠色貼片LED的邊緣信息被較完整清晰地提取出來了。與傳統(tǒng)的邊緣檢測(cè)算法提取的邊緣信息相比較，經(jīng)過MeanShift圖像分割法分割后，再利用邊緣檢測(cè)法提取的芯片邊緣信息要完整清晰很多。

圖4 改進(jìn)后邊緣檢測(cè)

由圖4和圖3提取邊緣信息的結(jié)果可以看出，經(jīng)MeanShift圖像分割法處理后，再使用傳統(tǒng)的邊緣檢測(cè)算法提取芯片的邊緣特征可以很好地將芯片的內(nèi)外特征分離開來。再對(duì)比Krisch、Prewitt、高斯拉普拉斯這3種邊緣檢測(cè)算法提取的邊緣信息可以看出來，經(jīng)過高斯拉普拉斯邊緣檢測(cè)法提取的芯片邊緣要更加的完整清晰。故判別0603型綠色貼片LED的方向可以通過MeanShift圖像分割法首先對(duì)芯片圖像進(jìn)行分割，然后利用高斯拉普拉斯邊緣檢測(cè)法提取邊緣信息。得到較完整清晰的邊緣信息后，就可利用識(shí)別芯片內(nèi)部特征的方法來確定其方向。

4 結(jié)語

利用MeanShift圖像分割法對(duì)0603型綠色貼片LED圖像進(jìn)行分割后再進(jìn)行邊緣檢測(cè)解決了傳統(tǒng)的邊緣檢測(cè)算法無法完整清晰地提取芯片邊緣信息的問題，為通過識(shí)別芯片內(nèi)部特征，即識(shí)別芯片內(nèi)部引腳個(gè)數(shù)的方法來確定其方向提供了堅(jiān)實(shí)的基礎(chǔ)。