一种LED支架缺陷检测方法及系统

技术领域

本发明涉及LED支架检测技术领域，特别涉及一种LED支架缺陷检测方法及系统。

背景技术

LED(Light Emitting Diode)，发光二极管，是一种能够将电能转化为可见光的固态的半导体器件，它可以直接把电转化为光。LED的心脏是一个半导体的晶片，晶片的一端附在一个LED支架上，一端是负极，另一端连接电源的正极，使整个晶片被环氧树脂封装起来。

LED支架，LED灯珠在封装之前的底基座，在LED支架的基础上，将芯片固定进去，焊上正负电极，再用封装胶一次封装成形。

现有技术当中，LED支架的尺寸较小，生产过程中容易产生断裂、杂质、划痕以及油污等缺陷，通常是通过AOI设备或者通过采用显微镜人工目检的方式检测LED支架的缺陷，不仅效率低下，且会导致误检率较高，并且会使得劳动成本过高。

发明内容

基于此，本发明的目的是提供一种LED支架缺陷检测方法及系统，以至少解决上述现有技术当中的不足。

一方面本发明提供一种LED支架缺陷检测方法，所述方法包括：

获取LED支架的图像信息，将所述图像信息转换为灰度直方图，并通过实验测试阈值以实现所述灰度直方图的二值化，以得到二值化图像；

基于所述二值化图像以高斯核进行高斯平滑，获取所述LED支架的胶底的轮廓信息；

根据Harries角点检测算法对所述轮廓信息进行检测，以得到所述胶底的缺陷特征；

采用全局阈值对所述图像信息进行预分割，并获取所述图像信息中的LED支架杯台的杯台二值图像；

基于杯台标准模板对所述杯台二值图像依次进行差分运算及开运算，以提取LED支架杯台的缺陷特征；

对所述灰度直方图依次进行卷积运算及圆检测，以分割出所述LED支架的杯口信息，并提取杯口信息的缺陷特征；

将所述图像信息转化为对应的HSV图像，计算所述HSV图像的平均饱和度，以提取所述LED支架中的铜底的缺陷特征。

与现有技术相比，本发明的有益效果是，通过将LED支架的图像转化为灰度直方图，然后基于灰度直方图分别对LED支架的胶底、杯台、杯口以及铜底进行缺陷检测，以使得对LED支架的检测更为的全面，从而能够更加有效的检测出LED支架的缺陷，并且能够有效避免误检，有效提升检测效率。

进一步的，所述基于所述二值化图像以高斯核进行高斯平滑，获取所述LED支架的胶底的轮廓信息的步骤包括：

设置所述二值化图像上两个垂直方向上的Sobel核，并将所述Sobel核与所述二值化图像进行一阶差分运算，得到运算后的二值化图像；

基于所述高斯核对所述二值化图像进行高斯平滑，以得到所述轮廓信息。

进一步的，所述根据Harries角点检测算法对所述轮廓信息进行检测，以得到所述胶底的缺陷特征的步骤包括：

根据Harries角点检测算法标记所述轮廓信息中的四个边界区域中的角点特征，并得到所述角点特征的角点坐标；

检测所述角点坐标，以得到起始种子点，获取所述起始种子点的灰度值，并进行去噪，以得到胶底特征；

基于所述胶底特征分割出胶底图像，并对所述胶底图像与胶底模板图像进行差分运算，以得到所述胶底的缺陷特征。

进一步的，所述并获取所述图像信息中的LED支架杯台的杯台二值图像的步骤之后，所述方法包括：

对所述杯台二值图像进行处理，得到处理杯台二值图像；

分割出所述处理杯台二值图像中的所述LED杯台结构图像。

进一步的，所述对所述灰度直方图依次进行卷积运算及圆检测，以分割出所述LED支架的杯口信息的步骤包括：

设置所述灰度直方图两个垂直方向上的Sobel核，并以所述两个垂直方向上的Sobel核对所述灰度直方图进行若干次的卷积运算，得到计算后的灰度直方图；

对所述计算后的灰度直方图进行圆检测，得到检测后的灰度直方图，并对所述检测后的灰度直方图进行标记，以分割所述杯口信息。

进一步的，所述并提取杯口信息的缺陷特征的步骤包括：

获取模板杯口的直径大小，并从所述杯口信息中获取杯口的直径大小；

比对所述模板杯口的直径大小与所述杯口的直径大小，以提取所述杯口信息的缺陷特征。

进一步的，所述将所述图像信息转化为对应的HSV图像，计算所述HSV图像的平均饱和度，以提取所述LED支架中的铜底的缺陷特征的步骤包括：

分割所述HSV图像，以得到所述LED支架中的铜底特征；

计算所述铜底特征的平均饱和度，得到计算图像，并按照预设阈值对所述计算图像进行分割，以提取所述LED支架中的铜底的缺陷特征。

另一方面本发明还提供一种LED支架检测系统，所述系统包括：

第一获取模块，用于获取LED支架的图像信息，将所述图像信息转换为灰度直方图，并通过实验测试阈值以实现所述灰度直方图的二值化，以得到二值化图像；

第二获取模块，用于基于所述二值化图像以高斯核进行高斯平滑，获取所述LED支架的胶底的轮廓信息；

第一检测模块，用于根据Harries角点检测算法对所述轮廓信息进行检测，以得到所述胶底的缺陷特征；

预分割模块，用于采用全局阈值对所述图像信息进行预分割，并获取所述图像信息中的LED支架杯台的杯台二值图像；

运算模块，用于基于杯台标准模板对所述杯台二值图像依次进行差分运算及开运算，以提取LED支架杯台的缺陷特征；

第二检测模块，用于对所述灰度直方图依次进行卷积运算及圆检测，以分割出所述LED支架的杯口信息，并提取杯口信息的缺陷特征；

计算模块，用于将所述图像信息转化为对应的HSV图像，计算所述HSV图像的平均饱和度，以提取所述LED支架中的铜底的缺陷特征。

进一步的，所述第二获取模块包括：

运算单元，用于设置所述二值化图像上两个垂直方向上的Sobel核，并将所述Sobel核与所述二值化图像进行一阶差分运算，得到运算后的二值化图像；

平滑单元，用于基于所述高斯核对所述二值化图像进行高斯平滑，以得到所述轮廓信息。

进一步的，所述第一检测模块包括：

标记单元，用于根据Harries角点检测算法标记所述轮廓信息中的四个边界区域中的角点特征，并得到所述角点特征的角点坐标；

检测单元，用于检测所述角点坐标，以得到起始种子点，获取所述起始种子点的灰度值，并进行去噪，以得到胶底特征；

分割单元，用于基于所述胶底特征分割出胶底图像，并对所述胶底图像与胶底模板图像进行差分运算，以得到所述胶底的缺陷特征。

附图说明

图1为本发明第一实施例中的LED支架缺陷检测方法的流程图；

图2为本发明第二实施例中的LED支架缺陷检测系统的结构框图。

主要元件符号说明：

10、第一获取模块；20、第二获取模块；30、第一检测模块；40、预分割模块；50、运算模块；60、第二检测模块；70、计算模块。

如下具体实施方式将结合上述附图进一步说明本发明。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。

实施例一

请参阅图1，所示为本发明第一实施例中的LED支架缺陷检测方法，所述方法包括步骤S1至步骤S7：

S1，获取LED支架的图像信息，将所述图像信息转换为灰度直方图，并通过实验测试阈值以实现所述灰度直方图的二值化，以得到二值化图像；

需要解释的是，在具体实施时，通过分析LED支架的图像信息的灰度直方图特性，并通过实验测试阈值使得图像信息二值化，从而可以得到LED支架的图像信息的二值化图像。

S2，基于所述二值化图像以高斯核进行高斯平滑，获取所述LED支架的胶底的轮廓信息；

具体的，所述步骤S2包括步骤S21至步骤S22：

S21，设置所述二值化图像上两个垂直方向上的Sobel核，并将所述Sobel核与所述二值化图像进行一阶差分运算，得到运算后的二值化图像；

在具体实施时，为检测胶底的角点特征，将二值化图像中的两个方向上，也就是将二值化图像作为平面坐标，将二值化图像上的X方向与Y方向的Sobel核与二值化图像进行一阶差分运算，从而得到运算后的二值化图像。

S22，基于所述高斯核对所述二值化图像进行高斯平滑，以得到所述轮廓信息；

需要解释的是，通过轮廓信息确定LED支架的胶底的四个区域，从而能够缩小对胶底的检测范围。

S3，根据Harries角点检测算法对所述轮廓信息进行检测，以得到所述胶底的缺陷特征；

具体的，所述步骤S3包括步骤S31至步骤S33：

S31，根据Harries角点检测算法标记所述轮廓信息中的四个边界区域中的角点特征，并得到所述角点特征的角点坐标；

S32，检测所述角点坐标，以得到起始种子点，获取所述起始种子点的灰度值，并进行去噪，以得到胶底特征；

S33，基于所述胶底特征分割出胶底图像，并对所述胶底图像与胶底模板图像进行差分运算，以得到所述胶底的缺陷特征；

需要解释的是，通过对胶底图像与胶底模板图像进行差分运算，能够提取出胶底缺陷的位置和距离信息，从而能够得到胶底的缺陷。

S4，采用全局阈值对所述图像信息进行预分割，并获取所述图像信息中的LED支架杯台的杯台二值图像；

具体的，所述步骤S4包括步骤S41至步骤S42：

S41，对所述杯台二值图像进行处理，得到处理杯台二值图像；

需要解释的是，采用全局阈值对杯台二值图像进行预分割，获取到包含LED支架杯台和胶底的二值图像，然后采用形态学闭运算对二值图像进行处理，使得图像的杯台区域能够连接到其邻近的区域；

S42，分割出所述处理杯台二值图像中的所述LED杯台结构图像；

需要解释的是，分割出来的LED杯台结构为完整的杯台结构，从而能够便于后续对杯台的检测。

S5，基于杯台标准模板对所述杯台二值图像依次进行差分运算及开运算，以提取LED支架杯台的缺陷特征；

需要解释的是，通过基于杯台标准模板对杯台二值图像进行差分运算，得到差分图像，然后对差分图像进行开运算，能够消除图像的轮廓伪影，进而提取出LED支架的杯台的缺陷特征。

S6，对所述灰度直方图依次进行卷积运算及圆检测，以分割出所述LED支架的杯口信息，并提取杯口信息的缺陷特征；

具体的，所述步骤S6包括步骤S61至步骤S64：

S61，设置所述灰度直方图两个垂直方向上的Sobel核，并以所述两个垂直方向上的Sobel核对所述灰度直方图进行若干次的卷积运算，得到计算后的灰度直方图；

需要解释的是，在具体实施时，将灰度直方图作为平面坐标，然后将灰度直方图上的两个垂直方向，也就是X方向与Y方向上的Sobel核对灰度直方图进行卷积运算，在本实施例中，进行四次卷积运算，以计算出完整的LED支架边缘，得到细节弯折的计算后的灰度直方图。

S62，对所述计算后的灰度直方图进行圆检测，得到检测后的灰度直方图，并对所述检测后的灰度直方图进行标记，以分割所述杯口信息；

需要解释的是，对灰度直方图进行圆检测，可以得到该LED支架的杯口是否符合预设要求，若不符合预设要求，则将其进行标记，分割出杯口信息。

S63，获取模板杯口的直径大小，并从所述杯口信息中获取杯口的直径大小；

S64，比对所述模板杯口的直径大小与所述杯口的直径大小，以提取所述杯口信息的缺陷特征；

需要解释的是，通过将模板杯口与杯口信息进行比对，可以得知杯口是否具有缺陷，然后再通过标记的杯口信息，可以得出杯口的缺陷特征。

S7，将所述图像信息转化为对应的HSV图像，计算所述HSV图像的平均饱和度，以提取所述LED支架中的铜底的缺陷特征；

具体的，所述步骤S7包括步骤S71至步骤S72：

S71，分割所述HSV图像，以得到所述LED支架中的铜底特征；

可以理解的是，基于杯口的内圆半径值对HSV图像进行分割，得到铜底特征的感兴趣区域，从而能够减少LED支架其他结构的影响。

S72，计算所述铜底特征的平均饱和度，得到计算图像，并按照预设阈值对所述计算图像进行分割，以提取所述LED支架中的铜底的缺陷特征；

需要解释的是，提取出铜底特征中的色调、饱和度以及亮度分量，然后基于色调、饱和度以及亮度分量计算出铜底特征的平均饱和度，并按照预设的亮度分量阈值对计算图像进行分割，从而能够分割出铜底特征中的缺陷特征，以提取出铜底特征中的缺陷特征。

综上，本发明上述实施例当中的LED支架缺陷检测方法，通过将LED支架的图像转化为灰度直方图，然后基于灰度直方图分别对LED支架的胶底、杯台、杯口以及铜底进行缺陷检测，以使得对LED支架的检测更为的全面，从而能够更加有效的检测出LED支架的缺陷，并且能够有效避免误检，有效提升检测效率。

实施例二

请参阅图2，所示为本发明第二实施例中的LED支架缺陷检测系统，所述系统包括：

第一获取模块10，用于获取LED支架的图像信息，将所述图像信息转换为灰度直方图，并通过实验测试阈值以实现所述灰度直方图的二值化，以得到二值化图像；

第二获取模块20，用于基于所述二值化图像以高斯核进行高斯平滑，获取所述LED支架的胶底的轮廓信息；

第一检测模块30，用于根据Harries角点检测算法对所述轮廓信息进行检测，以得到所述胶底的缺陷特征；

预分割模块40，用于采用全局阈值对所述图像信息进行预分割，并获取所述图像信息中的LED支架杯台的杯台二值图像；

运算模块50，用于基于杯台标准模板对所述杯台二值图像依次进行差分运算及开运算，以提取LED支架杯台的缺陷特征；

第二检测模块60，用于对所述灰度直方图依次进行卷积运算及圆检测，以分割出所述LED支架的杯口信息，并提取杯口信息的缺陷特征；

计算模块70，用于将所述图像信息转化为对应的HSV图像，计算所述HSV图像的平均饱和度，以提取所述LED支架中的铜底的缺陷特征。

在一些可选实施例中，所述第二获取模块20包括：

运算单元，用于设置所述二值化图像上两个垂直方向上的Sobel核，并将所述Sobel核与所述二值化图像进行一阶差分运算，得到运算后的二值化图像；

平滑单元，用于基于所述高斯核对所述二值化图像进行高斯平滑，以得到所述轮廓信息；

所述第一检测模块30包括：

标记单元，用于根据Harries角点检测算法标记所述轮廓信息中的四个边界区域中的角点特征，并得到所述角点特征的角点坐标；

检测单元，用于检测所述角点坐标，以得到起始种子点，获取所述起始种子点的灰度值，并进行去噪，以得到胶底特征；

分割单元，用于基于所述胶底特征分割出胶底图像，并对所述胶底图像与胶底模板图像进行差分运算，以得到所述胶底的缺陷特征。

在一些可选实施例中，所述预分割模块40包括：

处理单元，用于对所述杯台二值图像进行处理，得到处理杯台二值图像；

分割图像单元，用于分割出所述处理杯台二值图像中的所述LED杯台结构图像。

在一些可选实施例中，所述第二检测模块60包括：

设置单元，用于设置所述灰度直方图两个垂直方向上的Sobel核，并以所述两个垂直方向上的Sobel核对所述灰度直方图进行若干次的卷积运算，得到计算后的灰度直方图；

检测标记单元，用于对所述计算后的灰度直方图进行圆检测，得到检测后的灰度直方图，并对所述检测后的灰度直方图进行标记，以分割所述杯口信息；

获取单元，用于获取模板杯口的直径大小，并从所述杯口信息中获取杯口的直径大小；

比对单元，用于比对所述模板杯口的直径大小与所述杯口的直径大小，以提取所述杯口信息的缺陷特征。

在一些可选实施例中，所述计算模块70包括：

分割得到单元，用于分割所述HSV图像，以得到所述LED支架中的铜底特征；

计算分割单元，用于计算所述铜底特征的平均饱和度，得到计算图像，并按照预设阈值对所述计算图像进行分割，以提取所述LED支架中的铜底的缺陷特征。

上述各模块、单元被执行时所实现的功能或操作步骤与上述方法实施例大体相同，在此不再赘述。

本发明实施例所提供的LED支架缺陷检测系统，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，系统实施例部分未提及之处，可参考前述方法实施例中相应内容。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。