CN110261391A - 一种led芯片外观检测***及方法 - Google Patents
一种led芯片外观检测***及方法 Download PDFInfo
- Publication number
- CN110261391A CN110261391A CN201910521078.0A CN201910521078A CN110261391A CN 110261391 A CN110261391 A CN 110261391A CN 201910521078 A CN201910521078 A CN 201910521078A CN 110261391 A CN110261391 A CN 110261391A
- Authority
- CN
- China
- Prior art keywords
- subsystem
- led chip
- chip
- image
- led
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种LED芯片外观检测***及方法,***包括运动控制子***、图像采集子***、图像分析子***和数据分析子***;运动控制子***,用于传送待检测LED芯片,实现LED芯片上下料,方便图像采集子***采集LED芯片图像;图像采集子***,设置于运动控制子***上方,用于获取LED芯片图像;图像分析子***,与图像采集子***连接通信,用于LED芯片外观缺陷检测判断;数据分析子***,与图像分析子***连接通信,用于分析图像分析子***检测结果,分析LED芯片外观缺陷状况,同时将检测信息上传到数据库中。本发明可以大大削减检测工人数目,从而大量减少企业的人工成本,提高产量和效率,最终增加企业利润,应用前景极为广阔。
Description
技术领域
本发明属于视觉检测技术领域,具体涉及一种外观检测***及方法,具体涉及一种LED芯片外观检测***及方法。
背景技术
目前,半导体照明用LED芯片封装生产工序主要有固晶、焊线、点胶、烘烤、外观检测、编带和包装。在各生产工序的生产过程中,由于异物污染或生产故障,容易导致LED芯片引入不同种类的缺陷,造成LED芯片的功能故障以及产品质量的下降。因此为保证产品质量,就需要通过外观检测将有缺陷的LED芯片及时发现并从生产线上挑选出来,以提高产品质量。传统的LED外观检测工艺以人工检测方法为主,自动化程度较差,检测效率低,并且容易造成误检和漏检,也无法及时将检测数据送入生产数据库进行质量管理。
发明内容
为了解决上述技术问题,本发明提供了一种LED芯片外观检测***及方法,具有检测一致性好且成本较低等优点。
本发明的***所采用的技术方案是:一种LED芯片外观检测***,其特征在于:包括运动控制子***、图像采集子***、计算机、图像分析子***和数据分析子***;
所述运动控制子***,用于传送待检测LED芯片,实现LED芯片上下料,方便所述图像采集子***采集LED芯片图像;
所述图像采集子***,设置于所述运动控制子***上方,用于获取LED芯片图像;
所述图像采集子***通过所述计算机与所述图像分析子***连接通信;
所述图像分析子***,用于LED芯片外观缺陷检测判断;
所述数据分析子***,与所述图像分析子***连接通信,用于分析所述图像分析子***检测结果,分析LED芯片外观缺陷状况,同时将检测信息上传到数据库中;
所述计算机用于控制所述运动控制子***、图像采集子***、图像分析子***和数据分析子***工作。
作为优选,所述运动控制子***包括X-Y运动平台和运动采集卡;
所述X-Y运动平台用于LED芯片传输,所述运动控制卡,用于实现运动控制子***对运动平台的操控。
作为优选,所述图像采集子***包括相机、镜头、光源模块和图像采集卡,其中图像采集卡实现图像采集子***与计算机之间的数据传输;
所述相机为CMOS线阵相机;所述光源模块采用线型LED灯,采用双光源对称倾斜照射方式设置。
作为优选,所述图像分析子***包括图像预处理单元及芯片缺陷检测单元;
所述图像预处理单元,用于提高所述图像采集子***采集的LED芯片图像质量,并将单颗LED芯片从整版芯片中分离出来;
所述芯片缺陷检测单元,用于实现LED芯片外观缺陷检测。
本发明的方法所采用的技术方案是:一种LED芯片外观检测方法,其特征在于,包括以下步骤:
步骤1:待检测LED芯片通过运动控制子***的X-Y运动平台从图像采集子***下通过,图像采集子***获取待检测LED芯片图像,并通过图像采集子***的图像采集卡将数据传递给图像分析子***;
步骤2:图像分析子***的图像预处理单元通过预处理算法,对LED芯片图像进行去燥平滑处理,并进行单颗芯片的分割;
步骤3:根据单颗芯片图像的灰度值分析,对部分芯片进行缺陷检测;所述部分芯片是指多胶少胶、芯片缺损及大面积异物污染芯片,其中,异物污染面积大于预设面积的为大面积异物污染芯片;
步骤4:通过canny边缘检测算子检测剩余芯片缺陷边缘并生成对应轮廓,通过统计轮廓面积实现LED芯片外观缺陷检测。
作为优选,步骤2的具体实现包括以下子步骤:
步骤2.1:使用高斯滤波对原始LED芯片图像进行滤波去燥;
步骤2.2:对高斯滤波后的LED芯片图像进行灰度化处理,分析图像灰度化后的灰度直方图,根据灰度直方图选取合适阈值,完成图像二值化处理;
步骤2.3:基于LED芯片二值化图像,通过图像腐蚀及图像膨胀操作实现开运算形态学处理;
步骤2.4:根据图像形态学处理得到的LED芯片图像,通过阈值分割及边界分割方法分割出单颗LED芯片。
作为优选,步骤3中,通过统计灰度范围的像素数量对从而图像进行缺陷判断;首先设置灰度值最低阈值Tl和最高阈值Th,当芯片灰度值低于最低阈值Tl或灰度值高于最高阈值Th的像素数量超过给定数值时,则该芯片为有缺陷芯片。
作为优选,步骤4的具体实现包括以下子步骤:
步骤4.1:通过Canny边缘检测算法,检测剩余LED芯片外观缺陷;
步骤4.2:基于边缘算子提取的缺陷边界线,通过跟踪和补全缺陷边界线轮廓链码,得到主要轮廓和所有边缘线,最终通过掏空内部点实现芯片缺陷的轮廓提取;
步骤4.3:通过统计轮廓面积或轮廓内像素点数量,与预先设定的阈值T进行对比,当轮廓面积大于阈值T时,则该芯片为不合格芯片;当轮廓面积小于阈值T时,则该芯片为合格芯片。
本发明可使LED芯片外观缺陷检测工序实现自动化,提高缺陷检测的检测效率、检测准确率及检测一致性,从而提高LED芯片产品的总体质量,提高企业的产品竞争力和现代化生产水平。本发明可以大大削减检测工人数目,从而大量减少企业的人工成本,提高产量和效率,最终增加企业利润,应用前景极为广阔。
附图说明
图1为本发明实施例的***总体结构;
图2为本发明实施例中LED芯片光线反射原理图;
图3为本发明实施例中图像采集子***采集的整版LED芯片;
图4为本发明实施例中图像预处理中各步效果图;
图5为本发明实施例中单颗LED芯片灰度直方图分析;
图6为本发明实施例中LED芯片检测及其效果图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
本发明的目的在于提供一种LED芯片外观检测***及方法,主要由硬件平台及软件平台组成,通过硬件平台获取LED芯片图像,使用软件平台中检测方法处理分析LED芯片图像,实现LED芯片外观缺陷检测。本发明具有检测一致性好且成本较低等优点。
请见图1,本发明提供的一种LED芯片外观检测***,包括运动控制子***、图像采集子***、计算机、图像分析子***和数据分析子***;
运动控制子***,用于传送待检测LED芯片,实现LED芯片上下料,方便图像采集子***采集LED芯片图像;图像采集子***,设置于运动控制子***上方,用于获取LED芯片图像;图像采集子***通过计算机与图像分析子***连接通信;图像分析子***,用于LED芯片外观缺陷检测判断;数据分析子***,与图像分析子***连接通信,用于分析图像分析子***检测结果,分析LED芯片外观缺陷状况,同时将检测信息上传到数据库中。计算机用于控制运动控制子***、图像采集子***、图像分析子***和数据分析子***工作。
本实施例的运动控制子***包括X-Y运动平台和运动控制卡;X-Y运动平台用于LED芯片传输,运动控制卡,用于实现运动控制子***对运动平台的操控;
本实施例的图像采集子***包括相机、镜头、光源模块和图像采集卡;其中图像采集卡实现图像采集子***与计算机之间的数据传输。相机为CMOS线阵相机;光源模块采用线型LED灯,采用双光源对称倾斜照射方式设置。采用双线性光源倾斜照射可以获取亮度均匀的LED芯片图像,同时可以使多胶少胶缺陷芯片在表面产生部分高亮区域,方便后续芯片检测。不同缺陷LED芯片的光源反射原理如附图2所示。
本实施例的图像分析子***包括图像预处理单元及芯片缺陷检测单元;图像预处理单元,用于提高图像采集子***采集的LED芯片图像质量,并将单颗LED芯片从整版芯片中分离出来;芯片缺陷检测单元,用于实现LED芯片外观缺陷检测。
图像预处理单元通过图像滤波提高LED芯片图像质量,通过灰度化、二值化、图像形态学处理、图像分割实现单颗LED芯片提取。芯片缺陷检测单元通过对单颗芯片的灰度值分析,首先对胶面缺陷、破损缺陷及大区域异物污染的LED芯片进行检测,再通过canny边缘检测算法检测剩余芯片缺陷边缘并生成相应轮廓,通过统计轮廓面积实现LED芯片缺陷判断,可以通过设定不同面积阈值实现不同检测精度要求。
数据分析子***通过获取图像分析子***检测结果,统计检测芯片板数、芯片总数量、合格芯片数量、不合格芯片数量、检测时间等数据,并将生产数据传递到数据库或企业MES***。数据分析子***可以通过人机交互界面与生产人员实时交互,提高生产效率。
本发明还提供了一种LED芯片外观检测方法,包括以下步骤:
步骤1:待检测LED芯片通过运动控制子***的X-Y运动平台从图像采集子***下通过,图像采集子***获取待检测LED芯片图像,并通过图像采集子***的图像采集卡将数据传递给图像分析子***;如附图3所示,为本发明实施例中图像采集子***采集的整版LED芯片。
步骤2:图像分析子***的图像预处理单元通过预处理算法,对LED芯片图像进行去燥平滑处理,并进行单颗芯片的分割;
请见图4,步骤2的具体实现包括以下子步骤:
步骤2.1:使用高斯滤波对原始LED芯片图像进行滤波去燥;附图4中的a图像表示LED芯片原始图像,b表示高斯滤波后的图像。
步骤2.2:对高斯滤波后的LED芯片图像进行灰度化处理,分析图像灰度化后的灰度直方图,根据灰度直方图选取合适阈值,完成图像二值化处理;附图4中c为LED芯片灰度化处理后图像,d为芯片图像二值化处理效果。
步骤2.3:基于LED芯片二值化图像,通过图像腐蚀及图像膨胀操作实现开运算形态学处理;附图4中e为图像腐蚀处理效果图,f为图像膨胀操作处理后的效果图。
步骤2.4:根据图像形态学处理得到的LED芯片图像,通过阈值分割及边界分割方法分割出单颗LED芯片;分割结果如附图4中g所示。
步骤3:根据单颗芯片图像的灰度值分析,对部分芯片进行缺陷检测;部分芯片是指多胶少胶、芯片缺损及大面积异物污染芯片,其中,异物污染面积大于预设面积的为大面积异物污染芯片;
结合附图5,该部分可分为以下几步骤:
第一步灰度值分析。通过灰度直方图分析单颗LED芯片的灰度特征,不同缺陷类型的LED芯片灰度分布如图5所示,其中a为完好芯片效果图,b为多胶芯片效果图,c为少胶芯片效果图,d为缺损芯片效果图,e为大面积异物污染芯片效果图;
第二步胶面缺陷、破损缺陷及大区域异物污染的芯片检测。通过灰度直方图分析,可以发现,完好芯片的灰度值分布一般为150-200之间,而多胶少胶芯片的高亮区域灰度分布往往位于210-250之间,缺损芯片及有大量异物污染芯片的高暗区域灰度值则通常位于0-100之间,因此,可以通过统计灰度范围的像素数量对从而图像进行缺陷判断。首先设置灰度值最低阈值Tl和最高阈值Th,当芯片灰度值低于最低阈值Tl或灰度值高于最高阈值Th的像素数量超过给定数值时,即判断该芯片为胶体表面缺陷芯片或缺损及大面积异物污染芯片;反之,当芯片满足要求时,则可继续对芯片进行后续检测。
步骤4:通过canny边缘检测算子检测剩余芯片缺陷边缘并生成对应轮廓,通过统计轮廓面积实现LED芯片外观缺陷检测。
请见图6,步骤4的具体实现包括以下子步骤:
步骤4.1:通过Canny边缘检测算法,检测剩余LED芯片外观缺陷;Canny算子边缘检测结果附图6所示,a为原图像,b为canny边缘检测算子检测结果。
步骤4.2:基于边缘算子提取的缺陷边界线,通过跟踪和补全缺陷边界线轮廓链码,得到主要轮廓和所有边缘线,最终通过掏空内部点实现芯片缺陷的轮廓提取;轮廓提取结果如c所示。
步骤4.3:通过统计轮廓面积或轮廓内像素点数量,与预先设定的阈值T进行对比,当轮廓面积大于阈值T时,则该芯片为不合格芯片;当轮廓面积小于阈值T时,则该芯片为合格芯片;d为该检测方法部分检测结果。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (8)
1.一种LED芯片外观检测***,其特征在于:包括运动控制子***、图像采集子***、计算机、图像分析子***和数据分析子***;
所述运动控制子***,用于传送待检测LED芯片,实现LED芯片上下料,方便所述图像采集子***采集LED芯片图像;
所述图像采集子***,设置于所述运动控制子***上方,用于获取LED芯片图像;
所述图像采集子***通过所述计算机与所述图像分析子***连接通信;
所述图像分析子***,用于LED芯片外观缺陷检测判断;
所述数据分析子***,与所述图像分析子***连接通信,用于分析所述图像分析子***检测结果,分析LED芯片外观缺陷状况,同时将检测信息上传到数据库中;
所述计算机用于控制所述运动控制子***、图像采集子***、图像分析子***和数据分析子***工作。
2.根据权利要求1所述的LED芯片外观检测***,其特征在于:所述运动控制子***包括X-Y运动平台和运动控制卡;
所述X-Y运动平台用于LED芯片传输,所述运动控制卡,用于实现运动控制子***对运动平台的操控。
3.根据权利要求1所述的LED芯片外观检测***,其特征在于:所述图像采集子***包括相机、镜头、光源模块和图像采集卡;
所述相机为CMOS线阵相机;所述光源模块采用线型LED灯,采用双光源对称倾斜照射方式设置;
所述图像采集卡实现图像采集子***与计算机之间的数据传输。
4.根据权利要求1-3任意一项所述的LED芯片外观检测***,其特征在于:所述图像分析子***包括图像预处理单元及芯片缺陷检测单元;
所述图像预处理单元,用于提高所述图像采集子***采集的LED芯片图像质量,并将单颗LED芯片从整版芯片中分离出来;
所述芯片缺陷检测单元,用于实现LED芯片外观缺陷检测。
5.一种LED芯片外观检测方法,其特征在于,包括以下步骤:
步骤1:待检测LED芯片通过运动控制子***的X-Y运动平台从图像采集子***下通过,图像采集子***获取待检测LED芯片图像,并通过图像采集子***的图像采集卡将数据传递给图像分析子***;
步骤2:图像分析子***的图像预处理单元通过预处理算法,对LED芯片图像进行去燥平滑处理,并进行单颗芯片的分割;
步骤3:根据单颗芯片图像的灰度值分析,对部分芯片进行缺陷检测;所述部分芯片是指多胶少胶、芯片缺损及大面积异物污染芯片,其中,异物污染面积大于预设面积的为大面积异物污染芯片;
步骤4:通过canny边缘检测算子检测剩余芯片缺陷边缘并生成对应轮廓,通过统计轮廓面积实现LED芯片外观缺陷检测。
6.根据权利要求5所述的LED芯片外观检测方法,其特征在于,步骤2的具体实现包括以下子步骤:
步骤2.1:使用高斯滤波对原始LED芯片图像进行滤波去燥;
步骤2.2:对高斯滤波后的LED芯片图像进行灰度化处理,分析图像灰度化后的灰度直方图,根据灰度直方图选取合适阈值,完成图像二值化处理;
步骤2.3:基于LED芯片二值化图像,通过图像腐蚀及图像膨胀操作实现开运算形态学处理;
步骤2.4:根据图像形态学处理得到的LED芯片图像,通过阈值分割及边界分割方法分割出单颗LED芯片。
7.根据权利要求5所述的LED芯片外观检测方法,其特征在于:步骤3中,通过统计灰度范围的像素数量对从而图像进行缺陷判断;首先设置灰度值最低阈值Tl和最高阈值Th,当芯片灰度值低于最低阈值Tl或灰度值高于最高阈值Th的像素数量超过给定数值时,则该芯片为有缺陷芯片。
8.根据权利要求5-7任意一项所述的LED芯片外观检测方法,其特征在于,步骤4的具体实现包括以下子步骤:
步骤4.1:通过Canny边缘检测算法,检测剩余LED芯片外观缺陷;
步骤4.2:基于边缘算子提取的缺陷边界线,通过跟踪和补全缺陷边界线轮廓链码,得到主要轮廓和所有边缘线,最终通过掏空内部点实现芯片缺陷的轮廓提取;
步骤4.3:通过统计轮廓面积或轮廓内像素点数量,与预先设定的阈值T进行对比,当轮廓面积大于阈值T时,则该芯片为不合格芯片;当轮廓面积小于阈值T时,则该芯片为合格芯片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910521078.0A CN110261391A (zh) | 2019-06-17 | 2019-06-17 | 一种led芯片外观检测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910521078.0A CN110261391A (zh) | 2019-06-17 | 2019-06-17 | 一种led芯片外观检测***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110261391A true CN110261391A (zh) | 2019-09-20 |
Family
ID=67918749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910521078.0A Pending CN110261391A (zh) | 2019-06-17 | 2019-06-17 | 一种led芯片外观检测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110261391A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113259591A (zh) * | 2021-06-07 | 2021-08-13 | 上海聚跃检测技术有限公司 | 一种用于芯片失效分析的图像采集方法及*** |
CN113663867A (zh) * | 2020-05-15 | 2021-11-19 | 宁波舜宇光电信息有限公司 | 点胶设备、方法及执行该方法的电子设备、介质 |
CN113781486A (zh) * | 2021-11-15 | 2021-12-10 | 新恒汇电子股份有限公司 | Ic卡图像缺陷检测方法 |
CN113866173A (zh) * | 2021-09-26 | 2021-12-31 | 大量科技(涟水)有限公司 | Led半导体封装点胶检测方法、装置及存储介质 |
CN114354494A (zh) * | 2021-12-31 | 2022-04-15 | 苏州高视半导体技术有限公司 | 一种led半导体封装点胶缺陷检测装置及检测方法 |
CN114399502A (zh) * | 2022-03-24 | 2022-04-26 | 视睿(杭州)信息科技有限公司 | 一种适用于led芯片的外观缺陷检测方法、***及存储介质 |
CN115241091A (zh) * | 2022-07-22 | 2022-10-25 | 成都郭李照明电器有限公司 | 一种基于工业互联网的led灯具生产制造工艺在线监测分析云平台 |
WO2022227424A1 (zh) * | 2021-04-25 | 2022-11-03 | 华南理工大学 | Ic封装载板多尺度外观缺陷检测方法、装置、设备和介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103207187A (zh) * | 2012-01-17 | 2013-07-17 | 大日本网屏制造株式会社 | 外观检查装置及外观检查方法 |
CN109829914A (zh) * | 2019-02-26 | 2019-05-31 | 视睿(杭州)信息科技有限公司 | 检测产品缺陷的方法和装置 |
-
2019
- 2019-06-17 CN CN201910521078.0A patent/CN110261391A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103207187A (zh) * | 2012-01-17 | 2013-07-17 | 大日本网屏制造株式会社 | 外观检查装置及外观检查方法 |
CN109829914A (zh) * | 2019-02-26 | 2019-05-31 | 视睿(杭州)信息科技有限公司 | 检测产品缺陷的方法和装置 |
Non-Patent Citations (1)
Title |
---|
谢飞: "基于计算机视觉的自动光学检测关键技术与应用研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113663867A (zh) * | 2020-05-15 | 2021-11-19 | 宁波舜宇光电信息有限公司 | 点胶设备、方法及执行该方法的电子设备、介质 |
WO2022227424A1 (zh) * | 2021-04-25 | 2022-11-03 | 华南理工大学 | Ic封装载板多尺度外观缺陷检测方法、装置、设备和介质 |
CN113259591A (zh) * | 2021-06-07 | 2021-08-13 | 上海聚跃检测技术有限公司 | 一种用于芯片失效分析的图像采集方法及*** |
CN113866173A (zh) * | 2021-09-26 | 2021-12-31 | 大量科技(涟水)有限公司 | Led半导体封装点胶检测方法、装置及存储介质 |
CN113781486A (zh) * | 2021-11-15 | 2021-12-10 | 新恒汇电子股份有限公司 | Ic卡图像缺陷检测方法 |
CN113781486B (zh) * | 2021-11-15 | 2022-03-15 | 新恒汇电子股份有限公司 | Ic卡图像缺陷检测方法 |
CN114354494A (zh) * | 2021-12-31 | 2022-04-15 | 苏州高视半导体技术有限公司 | 一种led半导体封装点胶缺陷检测装置及检测方法 |
CN114399502A (zh) * | 2022-03-24 | 2022-04-26 | 视睿(杭州)信息科技有限公司 | 一种适用于led芯片的外观缺陷检测方法、***及存储介质 |
CN115241091A (zh) * | 2022-07-22 | 2022-10-25 | 成都郭李照明电器有限公司 | 一种基于工业互联网的led灯具生产制造工艺在线监测分析云平台 |
CN115241091B (zh) * | 2022-07-22 | 2024-01-26 | 成都郭李照明电器有限公司 | 一种基于工业互联网的led灯具生产制造工艺在线监测分析云平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110261391A (zh) | 一种led芯片外观检测***及方法 | |
CN111951237B (zh) | 外观视觉检测方法 | |
CN109454006B (zh) | 基于化纤丝锭绊丝缺陷在线检测和分级的装置的检测分级方法 | |
CN109829914B (zh) | 检测产品缺陷的方法和装置 | |
CN109724984B (zh) | 一种基于深度学习算法的缺陷检测识别装置和方法 | |
CN109598715B (zh) | 基于机器视觉的物料粒度在线检测方法 | |
US7162073B1 (en) | Methods and apparatuses for detecting classifying and measuring spot defects in an image of an object | |
CN109115785A (zh) | 一种铸件打磨质量检测方法、装置及其使用方法 | |
CN107966454A (zh) | 一种基于fpga的端塞缺陷检测装置及检测方法 | |
CN108760747A (zh) | 一种3d打印模型表面缺陷视觉检测方法 | |
CN106897994A (zh) | 一种基于分层图像的pcb板缺陷检测***和方法 | |
CN107486415A (zh) | 基于机器视觉的篾片缺陷在线检测***及检测方法 | |
CN205538710U (zh) | 一种基于机器视觉的电感质量自动检测*** | |
CN1485616A (zh) | 禽蛋品质无损自动检测分级设备及方法 | |
CN113177924A (zh) | 一种工业流水线产品瑕疵检测方法 | |
CN110349125A (zh) | 一种基于机器视觉的led芯片外观缺陷检测方法及*** | |
CN116109637B (zh) | 基于视觉的涡轮增压器叶轮外观缺陷检测的***及其方法 | |
CN114235837A (zh) | 基于机器视觉的led封装表面缺陷检测方法、装置、介质及设备 | |
CN111724375B (zh) | 一种屏幕检测方法及*** | |
CN115866502A (zh) | 一种麦克风零件表面缺陷在线检测流程 | |
CN114429544A (zh) | 基于计算机视觉的振动筛筛网破损检测方法、***及装置 | |
CN115731228A (zh) | 一种镀金芯片缺陷检测***和方法 | |
CN117309892B (zh) | 一种电池蓝膜的缺陷检测方法、装置及***和光源控制器 | |
CN106370673A (zh) | 一种镜片疵病自动检测方法 | |
CN111833350A (zh) | 机器视觉检测方法与*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190920 |