《電子技術應用》
您所在的位置:首頁 > 嵌入式技術 > 設計應用 > 基于視覺顯著性的LED晶圓自動提取系統
基于視覺顯著性的LED晶圓自動提取系統
2017年電子技術應用第12期
王想實1,王 棋2
1.無錫職業技術學院 物聯網技術學院,江蘇 無錫214121;2.深圳市艾特智能科技有限公司,廣東 深圳518007
摘要: 晶圓目標提取是晶粒計數系統的重要處理環節,是確保晶粒計數準確度的前提條件。目前主要應用閾值化方法將晶圓目標從背景中提取出來,由于離型紙固有因素影響,造成成像灰度不均勻,嚴重影響晶圓目標范圍的有效識別。系統通過對光源的閉環控制,取得合適亮度的晶圓圖像后,在Harris輪廓點的外圍區域確定邊界,通過內部區域對邊界的連接度來檢測區域中的晶圓視覺顯著性目標。試驗證明,該系統能精確地在離型紙背景上有效提取晶圓目標。
中圖分類號: TP391.41
文獻標識碼: A
DOI:10.16157/j.issn.0258-7998.171157
中文引用格式: 王想實,王棋. 基于視覺顯著性的LED晶圓自動提取系統[J].電子技術應用,2017,43(12):113-115,119.
英文引用格式: Wang Xiangshi,Wang Qi. LED wafer automatic extraction system based on visual saliency[J].Application of Elec-
tronic Technique,2017,43(12):113-115,119.
LED wafer automatic extraction system based on visual saliency
Wang Xiangshi1,Wang Qi2
1.Wuxi Technology Institute,Wuxi 214121,China; 2.Shenzhen Aite Intelligent Technology Company Limited,Shenzhen 518007,China
Abstract: LED wafer target detection is an important part of the grain counting system, and it is a prerequisite for ensuring the accuracy of grain counting. The threshold method is applied to extract the wafer target from the background of the release paper at present. Due to the inherent factors of the release paper, the gray scale of the imaging is not uniform,which seriously affected the recognition of the wafer target range.The system can obtain the appropriate brightness of the wafer image through the control mode of the closed-loop light source.The visual saliency of the wafer target in the internal area is further detected by the connection degree of the inner region to the boundary based on the boundary of the peripheral area of the Harris contour point. The experiments show that the system can obtain clean and uniform saliency maps of the wafers from the background of the release paper.
Key words : wafer;threshold;boundary;Harris;saliency

0 引言

    目前LED外延片生產過程中,由于生產工藝本身原因,導致LED晶粒存在諸多缺陷,如缺角、劃痕、電極污染等,在測試中分選機無法通過電特性對晶粒進行剔除,只能通過人工剔除有缺陷的晶粒,如此導致晶粒數量處于未知狀態,也就是無法確切知道晶粒數量,首先需要通過晶圓提取系統來有效統計計算晶粒范圍。

    通常晶圓貼在藍膜或者白膜上,然后再貼在黃色離型紙上,LED計數儀通過背光照射晶圓,由于黃色離型紙為非均勻材質,導致成像灰度不均勻,晶圓以外的地方容易造成誤識別,所以需要解決精確提取晶圓問題。

    目前LED晶圓提取系統一般采用降低分辨率,設定一個統一閾值,將晶圓范圍從離型紙背景中分割出來。這類方法存在其局限性,統一的閾值對非均勻亮度圖像存在極大的誤差,漏識別或者多識別的概率偏高,對晶圓邊緣的提取精度較低[1],僅為98.47%。由此設計一種基于視覺顯著性的晶圓范圍提取系統,有效解決了精準自動提取晶圓范圍問題。應用邊界連接度優先的算法,將晶圓從背景中有效提取出來。主要依據晶圓圖像目標居中,且目標基本不與邊界相接觸的特點,與邊界大面積接觸的則屬于背景區,可以直接將圖像邊緣信息當作背景來處理,通過像素與邊界點的連接度來識別圖像空間布局,精確提取晶圓的邊緣。整個系統由晶圓圖像采集模塊、晶圓目標提取模塊兩部分構成,如圖1所示。

jsj2-t1.gif

1 晶圓采集模塊

    晶圓采集模塊主要通過調整光源亮度,并通過評價圖像亮度函數計算出控制量,反饋給光源控制器,對光源進行閉環控制,確保得到適合系統亮度的晶圓圖像。相機驅動模塊主要負責相機與計算機的通信,將圖像數據放入計算機內存,供后續圖像處理使用。

2 晶圓目標提取模塊

    一般在實際應用中,對晶圓非均勻亮度圖像目標提取主要采用閾值化方法,LI C M等人的LBF(Local Binary Fitting)模型[2]中最大的特點是利用高斯函數取得圖像的局部灰度信息,圖像雖然在整體上存在灰度不均勻,但是在局部,灰度可以近似地認為不存在偏差場。LBF模型引入了懲罰項,因此無須再重新初始化,但是其最大的缺點是計算量大、演化收斂緩慢、效率低下。在LBF模型和高斯函數規則符號距離函數的基礎上,由ZHANG K H等人提出LIF(Local Image Fiting)模型[3],LIF模型修改了活動輪廓模型的能量函數,并將LBF模型中用高斯函數求零水平集曲線內外局部灰度高斯加權均值改為直接求曲線內外灰度均值,效率相比LBF模型有所提高,但其效率仍然無法滿足本系統小于1 s的計數速度,且對初始輪廓敏感,對非高斯噪聲圖區并不理想,基于閾值的晶圓目標提取在速度以及精準度方面都存在不足。

    通過分析整個晶圓采集圖像具有背景單一、目標集中的基本構圖特征[4-6],將晶圓圖像分為邊界、背景和目標區域三部分。目標區域一般位于圖像的視角聚焦的中心位置,目標完全不與邊界相接觸,直接采用邊界優先策略,將圖像邊緣當作背景來處理,通過區域間特征線索的關聯度來判斷區域與邊界的連接度,識別出目標或背景區域。

    這里關鍵是首先要確定邊界區域,然后通過特征線索按照邊界優先的原則來劃分背景和目標區域。ZHU W在文獻[7]中只簡單將圖像4個邊緣定量的行列區域人為劃分為邊界區域。當目標與邊界有接觸或接近邊界區域時,存在將目標誤判為邊界區域的概率,直接影響到后續對背景與目標的準確劃分。

    這里采用VAN DE WEIJER J文獻[8]中的Harris檢測算法,檢測圖像中晶圓目標的角點與輪廓角點,晶圓目標包含在一個凸多邊形內,整個晶圓圖像被劃分為包含目標對象的內部區域和外部區域,角點檢測結果如圖2所示,整個晶圓目標包含在角點所包絡的區域中。

jsj2-t2.gif

    整個邊界區域則在外部區域中劃分,以角點到邊緣的平均垂直距離為基準值為寬度,來劃分4個方向上的邊界區域,作為后續背景和目標分割的基礎,避免誤將目標盲目劃分為邊界區域。

2.1 邊界連接度優先晶圓顯著性算法

    依據晶圓圖像目標居中,與邊界大面積接觸的則是背景區域的特點,通過邊界連接度來表示這一特性,依據這一特性來識別晶圓目標。這里定義像素區域的邊界連接度為該點的邊界外圍長度與其總長度的比率,具體計算如下:

jsj2-gs1-2.gif

2.2 晶圓目標顯著性提取

    在充分考慮晶圓圖像空間布局基礎上,這里同時應用圖像空間上的特征,將顏色與空間信息同時融合來提取晶圓顯著性目標,目標顯著性定義為:

jsj2-gs3-4.gif

    依據式(3),晶粒區域從背景區域中接收到較大的值jsj2-gs3-4-x1.gif對比度加強;與此相反,背景區域從目標區域中接收小的值jsj2-gs3-4-x2.gif對比度降低。這種非對稱的行為加強了目標與背景區域的對比度。整個算法流程如圖3所示。

jsj2-t3.gif

    在晶圓目標提取中,為避免大規模數值計算,提高顯著性檢測的速度,滿足實時性的要求,將計算處理的基本圖像單元分割為不同的塊[9-10]。使用SLIC[10]方法將圖像抽象為一組大致固定的超像素點,超像素保存了局部結構的同時減少了不必要的細節信息,利用文獻[11]算法來計算超像素結點構成的稀疏圖中任意兩點間的最短距離,僅需要0.047 s,時間復雜度只有O(n)。超像素劃分結果如圖4所示。通過計算超像素點的顯著性來提取晶圓目標。

jsj2-t4.gif

3 試驗結果分析

    通過對分辨率為4 000×3 000的彩色晶圓圖像、運用邊界連接度優先的目標提取算法進行實驗。其實驗環境為IntelCore i3-3240 3.40 GHz,RAM 8 GB,VC2010。實驗中,在對圖像歸一化[0,1]基礎上,將邊界區域中前50行、值低于0.57的像素劃分為邊界點。超像素點設置為200個,對原始晶圓圖4(a)進行目標提取,結果如圖5(b)所示。圖5(a)中是LIF閾值二值化提取結果,受識別背景區域的噪音干擾,嚴重降低了目標提取的精確度。

jsj2-t5.gif

    為客觀驗證評價晶圓目標提取的有效性,通過查準率-查全率曲線PR來定量分析,其中查準率表示像素被正確標注為顯著性像素的比率,而查全率表示像素被標注為顯著性像素與實際顯著性像素的比率。其實驗數據集來自應用最廣泛的基準數據集ASD[10],相應的顯著性目標檢測結果如圖6所示,可檢測到較清晰的顯著性目標。相應的查準率-查全率PR曲線如圖7所示,相比較當前廣泛應用的閾值化中LIF檢測算法,其查準率有明顯的提高,同時整個晶圓目標提取的時間控制在0.26 s內,目標提取效率較高。

jsj2-t6.gif

jsj2-t7.gif

4 結論

    本文利用機器視覺中的邊界優先提取顯著性目標算法設計晶圓目標提取系統。采用反饋式光源采集系統,在此基礎上,得到有利于該算法實施的亮度一致的圖像,可完整識別出整個晶粒包絡的區域,同時可有效排除識別區外的噪音干擾,滿足了系統對精度速度的要求。

參考文獻

[1] 鐘鑫.LED芯片檢測算法研究及實現[D].北京:北京交通大學,2007.

[2] LI C M,KAO C Y,GORE J C,et al.Minimization of region-scalable fitting energy for image segmentation[J].IEEE Transactions on Image Processing,2008,17(10):1940-1949.

[3] ZHANG K H,SONG H H,ZHANG L.Active contours driven by local image fitting energy[J].Pattern Recog-Gnition,2010,43(4):1199-1206.

[4] 張文康,朱倩,陳瀟君.擬人視覺系統的顯著性檢測方法[J].電子技術應用,2016,42(11):122-125.

[5] 吳曉.一種LED芯片橢圓定位方法[J].紅外與激光工程,2013(S1):98-102.

[6] CHENG M M,WARRELL J,LIN W Y,et al.Efficient salient region detection with soft image abstraction[C].In ICCV,2013.

[7] ZHU W,LIANG S,WEI Y,et al.Saliency optimization from robust background delection IEEE delection[C].IEEE Conference on Computer Vision & Pattern Recognition,2014:2814-2821.

[8] VAN DE WEIJER J,GEVER T,BAGDANOV A D.Boosting color saliency in image feature detection[J].Pattern Analysis and Machine Intelligence,IEEE Transactions on,2006,28(1):150-156.

[9] ACHANTA R,SHAJI A,SMITH K,et al.Slic superpixels compared to atate-of-the-art superpixel methods[J].IEEE Transactions on Pattern Analysys and Machine Intelligence,2012,34(11):2273-2282.

[10] ACHANTA R,HEMAMI S,ESTRADA F,et al.Frequency-tuned salient region detection[C].In CVPR,2009.

[11] JOHNSON D B.Efficient algorithms for shortest paths in sparse networks[J].ACM,1977,24(1):1-13.



作者信息:

王想實1,王  棋2

(1.無錫職業技術學院 物聯網技術學院,江蘇 無錫214121;2.深圳市艾特智能科技有限公司,廣東 深圳518007)

此內容為AET網站原創,未經授權禁止轉載。
亚洲一区二区欧美_亚洲丝袜一区_99re亚洲国产精品_日韩亚洲一区二区
亚洲欧美日韩精品| 99日韩精品| 夜夜夜精品看看| 亚洲国产日韩欧美在线99| 国产亚洲午夜高清国产拍精品| 国产精品久久久久久久久久妞妞| 欧美日韩少妇| 欧美日韩视频在线第一区| 欧美激情在线免费观看| 欧美国产欧美综合| 欧美丰满少妇xxxbbb| 欧美插天视频在线播放| 免费亚洲电影在线| 欧美国产亚洲精品久久久8v| 欧美电影在线观看完整版| 欧美mv日韩mv亚洲| 欧美极品一区| 欧美日韩国产高清| 国产精品高清一区二区三区| 国产精品国产馆在线真实露脸| 国产精品爱久久久久久久| 国产精品久久久久久久久久久久久久 | 欧美影院在线播放| 欧美综合国产| 亚洲精品永久免费精品| 日韩一二三区视频| 亚洲伊人一本大道中文字幕| 午夜老司机精品| 久久久精品国产免费观看同学| 久久综合色播五月| 欧美精品成人一区二区在线观看| 欧美日韩一区二区欧美激情| 国产精品嫩草久久久久| 国产欧美一区在线| 依依成人综合视频| 亚洲毛片一区二区| 亚洲天堂男人| 久久成人免费| 日韩午夜av在线| 午夜免费在线观看精品视频| 久久精品视频一| 欧美激情一区在线观看| 国产精品久久久久av免费| 国产主播一区二区三区| 亚洲片在线资源| 亚洲女人天堂av| 亚洲国产成人精品久久久国产成人一区| 亚洲国产裸拍裸体视频在线观看乱了| 日韩午夜电影在线观看| 亚洲欧美日韩直播| 玖玖玖国产精品| 欧美日韩综合在线免费观看| 国产欧美日韩视频一区二区| 怡红院精品视频| 亚洲午夜在线观看| 亚洲国产欧美在线| 亚洲欧美另类综合偷拍| 久久天堂成人| 欧美网站在线| 亚洲成人直播| 亚洲综合社区| 亚洲精品视频在线看| 午夜精品福利一区二区蜜股av| 裸体歌舞表演一区二区| 欧美日韩网址| 精品福利av| 亚洲视频一二区| 亚洲国产精品久久久久秋霞不卡| 亚洲无限av看| 美女网站久久| 国产伦精品一区二区三区视频孕妇 | 午夜精品久久久久久久白皮肤| 久久亚洲影院| 国产精品免费观看视频| 亚洲国产另类精品专区| 欧美亚洲三级| 亚洲欧美成人一区二区三区| 欧美福利视频| 国产在线视频不卡二| 亚洲视频免费| 日韩一本二本av| 美女999久久久精品视频| 国产精品五区| 一本综合久久| 日韩亚洲在线| 欧美不卡视频| 精品成人乱色一区二区| 亚洲欧美日韩中文视频| 国产精品99久久久久久久vr| 欧美不卡高清| 在线日韩欧美视频| 久久成人羞羞网站| 西瓜成人精品人成网站| 欧美日韩视频在线| 亚洲精品国产精品国自产观看浪潮| 久久精品免费播放| 久久精品99无色码中文字幕| 国产精品久久77777| 亚洲精品自在久久| 亚洲精品免费在线观看| 榴莲视频成人在线观看| 好吊视频一区二区三区四区| 亚洲欧美日韩国产一区二区三区| 亚洲天堂av图片| 欧美精品一二三| 亚洲国产一区二区三区青草影视| 亚洲国产二区| 老司机成人在线视频| 激情久久五月天| 久久国产手机看片| 久久亚洲风情| 一区二区三区在线看| 久久精品免费| 免费成人黄色av| 在线免费高清一区二区三区| 亚洲国产裸拍裸体视频在线观看乱了中文| 久久久久.com| 国模套图日韩精品一区二区| 欧美在线短视频| 久久综合国产精品台湾中文娱乐网| 国产一区二区三区在线观看免费| 欧美一区二区三区的| 久久精品人人| 精品成人一区| 亚洲精品视频中文字幕| 欧美激情第10页| 亚洲精品久久久久中文字幕欢迎你| 亚洲精品偷拍| 欧美日韩国产123| 一区二区免费看| 亚洲欧洲av一区二区| 国产欧美精品| 欧美中文字幕久久| 欧美3dxxxxhd| 日韩视频中文字幕| 亚洲欧美国产精品va在线观看| 国产精品一区二区久久久久| 性欧美激情精品| 美女主播精品视频一二三四| 亚洲国产一区二区三区高清| 在线一区视频| 国产精品亚洲激情| 欧美呦呦网站| 欧美激情在线观看| 亚洲午夜伦理| 久久一区二区三区av| 亚洲国产成人午夜在线一区| 亚洲性感激情| 国产一区二区三区久久悠悠色av| 亚洲欧洲午夜| 欧美日韩卡一卡二| 国产精品99久久久久久人 | 女人香蕉久久**毛片精品| 最近看过的日韩成人| 亚洲主播在线播放| 狠狠色丁香婷婷综合| 亚洲美女精品成人在线视频| 国产精品成人在线观看| 欧美在线精品免播放器视频| 欧美精品一二三| 午夜精品久久久久久久99樱桃 | 亚洲小说春色综合另类电影| 久久精品综合网| 亚洲欧洲久久| 欧美一区二区三区男人的天堂| 亚洲第一福利社区| 亚洲女优在线| 亚洲国产成人av| 欧美一区二区三区婷婷月色| 亚洲高清av在线| 欧美影院视频| 亚洲欧洲久久| 久久激情综合| 99re视频这里只有精品| 久久久噜噜噜久噜久久| 日韩天堂在线观看| 久久久精品国产一区二区三区| 亚洲精品一二区| 久久嫩草精品久久久精品一| 日韩图片一区| 美腿丝袜亚洲色图| 亚洲制服av| 欧美激情偷拍| 久久本道综合色狠狠五月| 欧美日韩人人澡狠狠躁视频| 久久精品亚洲一区| 欧美三级免费| 亚洲国内自拍| 国产视频观看一区| 亚洲一二三区在线观看| 亚洲大胆女人| 久久久一区二区三区| 中文在线不卡| 欧美欧美全黄| 亚洲国产精品热久久| 国产欧美视频一区二区| 亚洲香蕉伊综合在人在线视看| 亚洲福利视频免费观看| 久久久精品五月天| 亚洲欧美国产高清va在线播|