梁冬迎，張 峰

LIANG Dong-ying, ZHANG Feng

（北京遠(yuǎn)東羅斯蒙特儀表有限公司，北京 100013）

0 引言

圖像識(shí)別技術(shù)已經(jīng)廣泛應(yīng)用于現(xiàn)代制造業(yè)并且擁有的良好穩(wěn)定性和準(zhǔn)確性，本文探討了在生產(chǎn)線如何利用圖像識(shí)別技術(shù)代替人工檢驗(yàn)液晶顯示屏品質(zhì)的方法，設(shè)計(jì)并開發(fā)變送器液晶顯示屏光學(xué)自動(dòng)檢測(cè)系統(tǒng)。

此系統(tǒng)針對(duì)生產(chǎn)線液晶顯示屏圖像特征，采用圖像模式匹配算法以及邊緣檢測(cè)算法。該系統(tǒng)的引入，避免了原有人工操作對(duì)液晶電路板的潛在傷害，并有效保證了生產(chǎn)測(cè)試流程的完整執(zhí)行。

1 NI視覺(jué)系統(tǒng)

NI視覺(jué)是美國(guó)國(guó)家儀器公司針對(duì)半導(dǎo)體自動(dòng)化測(cè)試、汽車和電子產(chǎn)品等領(lǐng)域開發(fā)的具有圖像采集和處理功能的整體解決方案。本文中所探討的圖像處理算法源自此系統(tǒng)。通過(guò)使用該系統(tǒng)提高了整個(gè)測(cè)試系統(tǒng)的開發(fā)進(jìn)度。

2 圖像邊緣檢測(cè)算法

邊緣檢測(cè)的目的是辨別出數(shù)字圖像中發(fā)生顯著變化的點(diǎn)。圖像屬性中點(diǎn)的顯著變化通常反映了屬性的重要事件和變化。這些變化包括表面方向不連續(xù)性、物質(zhì)屬性變化以及場(chǎng)景照明變化。

邊緣檢測(cè)算法是圖像識(shí)別技術(shù)中的基礎(chǔ)算法，廣泛應(yīng)用于圖像自動(dòng)檢測(cè)領(lǐng)域。其大幅度降低運(yùn)算數(shù)據(jù)量，保留了圖像重要的結(jié)構(gòu)屬性，適合用于決策物件的外形尺寸以及辨別物件是否存在外在損傷場(chǎng)合。

3 圖像模式匹配檢測(cè)算法

模式匹配是圖像檢測(cè)技術(shù)中的核心基礎(chǔ)算法。整個(gè)模式匹配算法分為兩個(gè)階段：學(xué)習(xí)和匹配。

在學(xué)習(xí)階段，算法在模板圖像中提取理想圖像的灰度值以及邊緣梯度的信息，并存儲(chǔ)該學(xué)習(xí)過(guò)程中模板圖像的關(guān)鍵信息。

在匹配階段，模式匹配算法提取被檢測(cè)圖像的灰度值以及邊緣梯度信息，并且與在學(xué)習(xí)階段存儲(chǔ)的標(biāo)準(zhǔn)模板信息進(jìn)行對(duì)比。其通過(guò)尋找被檢測(cè)圖像里的最高相關(guān)交叉區(qū)域，搜索被檢測(cè)圖像可能匹配的圖像資源。

4 變送器液晶屏檢測(cè)系統(tǒng)設(shè)計(jì)

4.1 檢測(cè)系統(tǒng)模塊功能及應(yīng)用

系統(tǒng)組成如圖1所示，其中自動(dòng)控制軟件實(shí)現(xiàn)圖像處理算法，并且控制相機(jī)調(diào)節(jié)系統(tǒng)以及工裝硬件控制系統(tǒng)；相機(jī)調(diào)節(jié)系統(tǒng)用來(lái)控制相機(jī)位置、曝光強(qiáng)度等硬件參量；工裝控制系統(tǒng)負(fù)責(zé)構(gòu)建自動(dòng)控制軟件與待測(cè)液晶屏組件的信息交互以及保證液晶板正常工作；工作臺(tái)支架系統(tǒng)負(fù)責(zé)消除硬件坐標(biāo)誤差。此支架系統(tǒng)，利于簡(jiǎn)化圖像處理算法參數(shù)（待測(cè)圖片旋轉(zhuǎn)、位移），并且利于提高測(cè)試過(guò)程的一致性。

4.2 圖像處理算法分析及應(yīng)用

4.2.1 邊緣檢測(cè)算法選擇原因及分析

圖2 待檢測(cè)圖像

圖2中是待檢測(cè)的液晶屏圖像，可以看出圖像整體由規(guī)則字段碼構(gòu)成，剩余小部分是不規(guī)則的圖像信息。針對(duì)此測(cè)試圖像的特征，采取了對(duì)規(guī)則字碼段采用邊緣檢測(cè)算法處理的思路。

邊緣檢測(cè)能夠很好地捕捉規(guī)則字段的邊緣特性，其相對(duì)模板圖像匹配，關(guān)注點(diǎn)少，計(jì)算量小，效率高。又由于其關(guān)注小區(qū)域邊緣特性，縮小了檢測(cè)范圍，從而降低了誤判率。因此邊緣檢測(cè)更適合進(jìn)行規(guī)則字段碼圖形檢測(cè)。

本測(cè)試系統(tǒng)采用了對(duì)每一個(gè)字段分別進(jìn)行邊緣檢測(cè)算法的思路。由圖3中可以看出，經(jīng)過(guò)放大后的字段邊緣存在微小模糊，因此需要多次試驗(yàn)算法參數(shù)實(shí)現(xiàn)邊緣的準(zhǔn)確識(shí)別。

圖3 單一字段邊緣檢測(cè)及算法參數(shù)

模板圖像匹配算法也可檢測(cè)規(guī)則字碼段，但僅使用模板圖像匹配會(huì)導(dǎo)致檢測(cè)效率降低以及錯(cuò)誤判斷出現(xiàn)。因?yàn)檎鎸?shí)的工況條件下采集的液晶屏圖像的字段碼亮度是有區(qū)別的，如果大區(qū)域使用同一個(gè)圖像模板進(jìn)行匹配，將導(dǎo)致LCD誤判率明顯上升。

4.2.2 圖像匹配檢測(cè)算法選擇原因及分析

圖2中，對(duì)于不規(guī)則的平方根號(hào)，YES等圖像符號(hào)，考慮到邊緣檢測(cè)算法需要涉及多個(gè)邊緣點(diǎn)，導(dǎo)致算法處理相對(duì)復(fù)雜困難。模板模式匹配非常適合此類無(wú)規(guī)則曲線圖像。模板匹配檢測(cè)算法通過(guò)學(xué)習(xí)并分析模板中的關(guān)鍵點(diǎn)的特征，描述整個(gè)模板特征輪廓。從待測(cè)液晶屏圖像中匹配模板特征輪廓，實(shí)現(xiàn)圖像分析檢測(cè)。

圖4展示了YES符號(hào)經(jīng)過(guò)采用圖像模板匹配算法后的檢測(cè)結(jié)果。由此圖可以發(fā)現(xiàn)由于測(cè)試系統(tǒng)周圍光照強(qiáng)度變化，導(dǎo)致整體圖像產(chǎn)生了微小模糊，因此也需要多次試驗(yàn)算法參數(shù)實(shí)現(xiàn)符號(hào)的準(zhǔn)確識(shí)別。

圖4 模板匹配檢測(cè)及算法參數(shù)

4.2.3 圖像算法參考坐標(biāo)系選擇原因及分析

工作臺(tái)支架系統(tǒng)消除操作人員人為坐標(biāo)誤差。但考慮到相機(jī)及待測(cè)液晶屏位置的細(xì)微位移，整個(gè)圖像處理算法需要通過(guò)軟件進(jìn)一步消除坐標(biāo)誤差。

在圖像處理的初始階段，測(cè)試系統(tǒng)識(shí)別并定位液晶屏幕YES符號(hào)，并將此作為后續(xù)所有圖像識(shí)別的參考坐標(biāo)原點(diǎn)。通過(guò)其與模板圖像中YES圖像符號(hào)坐標(biāo)位置對(duì)比，計(jì)算得出待測(cè)圖像后續(xù)所有符號(hào)相對(duì)坐標(biāo)位移，從而在圖像軟件算法角度進(jìn)一步消除系統(tǒng)坐標(biāo)誤差，提升圖像識(shí)別準(zhǔn)確性。

5 試驗(yàn)驗(yàn)證

圖5 圖像檢測(cè)結(jié)果

第一步，測(cè)試系統(tǒng)通過(guò)圖像模板匹配算法檢測(cè)YES符號(hào)，并將其作為相對(duì)坐標(biāo)原點(diǎn)與模板圖像中YES符號(hào)坐標(biāo)位置對(duì)比，計(jì)算出相對(duì)位移。第二步，測(cè)試系統(tǒng)使用圖像模板匹配算法結(jié)合第一步中相對(duì)位移檢測(cè)平方根符號(hào)。如圖5所示，測(cè)試系統(tǒng)識(shí)別出了待測(cè)圖像中的YES符號(hào)及平方根符號(hào)，測(cè)試結(jié)果符合設(shè)計(jì)期望。第三步，測(cè)試系統(tǒng)使用邊緣檢測(cè)算法結(jié)合第一步中相對(duì)位移檢測(cè)規(guī)則字段顯示。如圖5所示，測(cè)試系統(tǒng)識(shí)別出了待測(cè)圖像中所有應(yīng)用邊緣檢測(cè)算法的字段碼，測(cè)試結(jié)果符合設(shè)計(jì)期望。

6 結(jié)束語(yǔ)

本文在研究NI視覺(jué)處理軟件算法特點(diǎn)的基礎(chǔ)上，結(jié)合公司實(shí)際業(yè)務(wù)需求分析并選擇了邊緣檢測(cè)以及圖像模式匹配兩種圖像檢測(cè)算法，開發(fā)符合生產(chǎn)線工藝的軟件系統(tǒng)及硬件測(cè)試平臺(tái)。經(jīng)過(guò)實(shí)驗(yàn)和實(shí)際應(yīng)用，驗(yàn)證了圖像自動(dòng)識(shí)別方案的可行性和高效性。

[1]NI vision builder automation inspection tutorial[Z].38-49.

[2]Milan Sonka.Image Processing[J].Analysis and Machine Vision.102-185.

[3]邊肇琪, 張學(xué)工.模式識(shí)別.第三版[M].北京：清華大學(xué)出版社,2010.