随着照明技术与产业的发展,发光二极管(Light Emitting Diode,LED)元件的高速自动化缺陷检测已成为产业急切需求。LED生产过程繁琐,容易在环氧树脂内外、环氧树脂边缘等区域产生多类缺陷,缺陷尺寸差异大、边界模糊、对光亮度敏感,导致缺陷特征提取困难,影响高速准确检测过程的效率。针对当前LED缺陷检测存在的速度慢、对光亮度变化鲁棒性低、缺陷分类不准确等问题,提出自适应光亮度的高速准确缺陷检测方法、边界模糊缺陷聚类分割算法以及基于局部图像降维与卷积神经网络的多类缺陷准确分类方法,实现LED外观缺陷在线检测与分类系统,主要研究内容如下:1.深入调研LED缺陷检测设备的功能需求与国内外研究现状,分析缺陷检测过程中视觉系统的关键技术和存在的开发难点,明确论文的研究目标及研究内容。2.分析LED存在的各类缺陷的特点,针对环氧树脂内的缺陷对光亮度敏感提出自适应光亮度的LED缺陷快速检测算法,根据光亮度对图像分割阈值进行调整,提高在光亮度变化情况下的缺陷分割鲁棒性;同时针对缺陷边界模糊、难以准确分割特征的问题,提出集成空间约束的核模糊C均值聚类算法,修改核模糊C均值聚类算法的目标函数与隶属度函数,使像素聚类过程受邻域像素灰度值与隶属度值约束,提高聚类分割算法的抗噪能力,对LED环氧树脂内缺陷进行准确分割。3.针对存在于环氧树脂边缘的胶量缺陷特征难以提取的问题,提出基于局部图像极坐标变换的图像降维特征提取方法,提取胶量区域的主成分特征;利用网格搜索结合交叉验证的方法对RBF-SVM分类器进行超参数寻优,得到对胶量特征准确分类的最优分类超平面。4.针对LED环氧树脂内的多类缺陷难以使用传统算法进行统一特征提取与分类的问题,研究基于卷积神经网络的LED缺陷分类方法,对环氧树脂内的缺陷准确分类。针对样本量少与模型训练数据需求大的矛盾,采用迁移学习策略微调经过大规模数据集Image Net预训练的模型。经过实验验证,模型对环氧树脂内的缺陷分类准确率达95.65%,解决LED的多类缺陷分类问题。5.基于C++/Python编程,开发视觉检测系统的控制模块,和视觉检测与分类算法模块,实现视觉成像系统硬件选型,确定平台的LED上料、传输、分选系统,搭建可实际应用的缺陷检测平台,实现LED缺陷快速检测与准确分类功能,并通过实验验证系统的有效性。