基于视觉显著性的LED晶圆自动提取提升系统
192 浏览量
更新于2024-08-31
收藏 401KB PDF 举报
"基于视觉显著性的LED晶圆自动提取系统是一项关键的自动化技术,它针对LED外延片生产过程中存在的晶粒缺陷检测难题。当前,传统的晶圆目标提取方法主要依赖于阈值化,这种方法在处理带有非均匀亮度的黄色离型纸背景时,由于成像灰度不均,往往导致识别精度不高,易出现漏识别或多识别的情况,例如晶圆边缘提取精度只有98.47%。
新的系统设计重点在于克服这些问题。首先,系统通过闭环光源控制模块,精确调整光源亮度,确保获取到适合的晶圆图像,减少背景的影响。然后,利用Harris轮廓点分析,确定晶圆目标的边界,结合内部区域对边界连接度的评估,识别视觉显著性目标,即那些边缘清晰、居中且与边界接触较少的区域。
在晶圆采集模块中,相机驱动模块负责图像数据的传输和存储,以便后续处理。而目标提取模块则采用了更先进的边界连接度优先算法,通过像素与边界点的紧密程度判断目标区域,从而精确区分晶圆和背景。这种方法可以有效提高识别精度,尤其是在处理复杂背景如离型纸时,大大降低了误识别的风险。
这个基于视觉显著性的LED晶圆自动提取系统,不仅提高了晶粒计数的准确性,还能节省大量的人力成本,对于优化LED生产流程,确保产品质量具有重要意义。通过这种方式,系统能够显著提升晶圆目标的提取效率和精度,为后续的晶粒计数和分析奠定了坚实的基础。"
2022-06-20 上传
2020-07-22 上传
2021-09-02 上传
2023-03-28 上传
2023-03-21 上传
2023-05-02 上传
2023-05-10 上传
2023-07-11 上传
2023-09-02 上传
2023-03-25 上传
weixin_38710578
- 粉丝: 4
- 资源: 932
最新资源
- 达梦数据库DM8手册大全:安装、管理与优化指南
- Python Matplotlib库文件发布:适用于macOS的最新版本
- QPixmap小demo教程:图片处理功能实现
- YOLOv8与深度学习在玉米叶病识别中的应用笔记
- 扫码购物商城小程序源码设计与应用
- 划词小窗搜索插件:个性化搜索引擎与快速启动
- C#语言结合OpenVINO实现YOLO模型部署及同步推理
- AutoTorch最新包文件下载指南
- 小程序源码‘有调’功能实现与设计课程作品解析
- Redis 7.2.3离线安装包快速指南
- AutoTorch-0.0.2b版本安装教程与文件概述
- 蚁群算法在MATLAB上的实现与应用
- Quicker Connector: 浏览器自动化插件升级指南
- 京东白条小程序源码解析与实践
- JAVA公交搜索系统:前端到后端的完整解决方案
- C语言实现50行代码爱心电子相册教程