机器视觉是研究利用机器代替人眼进行测量、控制的技术,具有非接触、精度高、可以长时间连续工作的特点,在LED芯片贴装和产品检测过程中使用机器视觉技术,能够解决人工操作精度低和速度慢的问题。本文通过对LED芯片识别和产品检测过程特点和需求的分析,设计了系统硬件方案,搭建出实验平台。在此实验平台的基础上利用图像处理和深度学习算法,研究了机器视觉技术在LED生产制造中的应用。论文的主要内容包括:针对LED芯片贴装过程提出了基于视觉补偿的精准贴装技术,通过贴装前对LED芯片的位姿识别,计算芯片旋转偏移量,从而调整贴装角度实现精确贴装。首先根据LED芯片金属引脚区域面积的差异,对LED芯片的正负极性进行识别;然后对LED芯片的位姿角度进行识别,在对LED芯片的位姿角度识别时提出了基于Hough变换、形态学连通域和角点检测的三种识别方法,并通过测试数据分析了上述方法的准确率以及各自的优势。针对LED产品检测过程,提出了基于深度学习的LED产品检测,改善了传统图像处理算法鲁棒性差的问题。在深度学习框架Caffe下使用SSD目标检测算法,搭建卷积神经网络并使用数据集对网络进行训练,获得了学习良好的训练模型。使用该目标检测模型将LED产品中的每个LED芯片识别并提取出来,逐个进行周长、面积、位姿等判定,进而判定LED产品的合格与否。实验结果表明使用深度学习算法的LED产品检测系统具有识别率高、鲁棒性强的优点。在Visual Studio 2013开发环境下,结合OpenCV图像处理算法库和Caffe深度学习框架,实现LED芯片识别和产品检测算法,构建系统的整体软件框架,设计编写用户应用程序软件。