随着半导体照明技术的飞速发展,以LED为代表的半导体照明产品已广泛应用于各个领域,为节能减排战略做出了重要贡献。在LED封装生产过程中,其表面可能会产生各种缺陷,直接影响LED封装的寿命和效率。LED封装正趋于微型化、精密化方向发展,传统人工目视检测方法已难以满足高效率、高精度的检测需求。因此,本文旨在设计与实现基于机器视觉的LED封装表面缺陷检测软硬件系统,研究面向多种类、变尺寸的LED封装表面缺陷检测算法,替代现有人工目视检测,实现稳定、准确、快速的LED封装表面缺陷检测。本文主要内容包括:针对传统人工目视检测方法所存在的效率低、主观性强、成本高和一致性差的问题,提出了基于机器视觉的LED封装表面缺陷检测系统总体设计方案。在LED封装产线调研结果的支撑下确定了系统的总体需求,系统总体设计方案包含机械设备端、上位机端和电气供应端,同时确定了系统的整体运行流程。针对多种类、变尺寸的LED封装表面缺陷检测硬件设计问题,完成了基于机器视觉的LED封装表面缺陷检测硬件设计。系统硬件主要由自动上下料机构、料片运载机构、图像采集机构和缺陷标记机构组成。采用海康威视4K工业线阵相机、工业远心镜头和白色线光源完成图像采集,采用XD5-48T4-E型PLC和研华IPC-610L型工控机完成设备的控制和上位机的部署。本文所搭建的图像采集实验平台验证了图像采集方案的有效性,并详细阐述了系统硬件模块和设备整体的三维结构设计原理与功能。针对多种类、变尺寸的LED封装表面缺陷检测和缺陷标记的问题,基于Open CV和HALCON实现了LED封装缺陷检测算法。首先利用最大类间方差法和K-means聚类算法完成LED封装图像分割,再通过伽马变换实现了LED封装图像缺陷细节增强,在HALCON机器视觉算法平台上完成深度学习模型训练,模型准确率达97.2%,通过抽取LED料片结构化信息,结合缺陷LED的相对坐标实现了缺陷LED封装的精确标记。针对LED封装表面缺陷检测系统上位机设计与实现的问题,基于.NET框架完成了系统上位机的设计与实现。系统软件采用分层架构模式,由数据通信、图像采集、缺陷标记、数据存储等模块实现缺陷检测,能够快速稳定地实现新种类LED封装的图像采集、模型训练和缺陷标记。系统与人工目视检测对比实验表明,本系统的准确率、检出率和效率满足系统相应设计指标,可有效替代人工检测方法。