（成都天奧測(cè)控技術(shù)有限公司，成都 611731）

手機(jī)玻璃是對(duì)觸摸屏的測(cè)控模組、顯示屏進(jìn)行保護(hù)的透明或絲印鏡片。玻璃在生產(chǎn)過(guò)程中經(jīng)過(guò)研磨、拋光工序后，還需利用全自動(dòng)絲印、移印對(duì)玻璃進(jìn)行深加工處理，增加其油墨區(qū)顯示功能。由于絲印環(huán)節(jié)加工精度高、工藝難度大，并且客戶(hù)對(duì)玻璃外形尺寸、內(nèi)部孔徑、油墨均勻度、貼合面對(duì)位線(xiàn)以及LOGO的印刷質(zhì)量有嚴(yán)格的要求，因此玻璃在生產(chǎn)工程中需要檢驗(yàn)人員定時(shí)從流水線(xiàn)中取出玻璃，進(jìn)行品質(zhì)抽檢，但是人員抽檢的效率較低，容易有混料、漏印、缺印等缺陷產(chǎn)品。

本文提出基于機(jī)器視覺(jué)的檢測(cè)方法，該方法作為非接觸式表面檢測(cè)的技術(shù)具有速度快、精度高的特點(diǎn)，可以對(duì)生產(chǎn)過(guò)程中的產(chǎn)品缺陷進(jìn)行實(shí)時(shí)檢測(cè)和標(biāo)記報(bào)警，從而幫助操作人員及時(shí)發(fā)現(xiàn)缺陷品，杜絕缺陷品流入下道工序。檢測(cè)與現(xiàn)有生產(chǎn)線(xiàn)節(jié)拍匹配，較人工檢測(cè)具有效率高、標(biāo)準(zhǔn)統(tǒng)一、不污染產(chǎn)品、能持續(xù)工作等優(yōu)勢(shì)。

1 檢測(cè)流程設(shè)計(jì)

手機(jī)玻璃經(jīng)過(guò)絲印工序后，按序放置于料盤(pán)托架上，然后經(jīng)傳送皮帶運(yùn)輸?shù)蕉饬蠀^(qū)，每個(gè)料盤(pán)上有10 片玻璃放置位。本文采用檢測(cè)方法是在皮帶運(yùn)輸路徑中加入在線(xiàn)檢測(cè)系統(tǒng)。首先通過(guò)圖像采集系統(tǒng)獲取料盤(pán)圖像，然后處理計(jì)算機(jī)分割提取出玻璃進(jìn)行圖像檢測(cè)，檢測(cè)出的缺陷產(chǎn)品用標(biāo)記機(jī)標(biāo)注紅色油墨，并通過(guò)報(bào)警燈提醒機(jī)臺(tái)人員挑選出相應(yīng)產(chǎn)品。

其中圖像采集系統(tǒng)包含檢測(cè)臺(tái)、相機(jī)、光源等部件，采用大靶面光源對(duì)料盤(pán)產(chǎn)品進(jìn)行清晰照明，采集過(guò)程如圖1所示，料盤(pán)經(jīng)過(guò)拍攝位置時(shí)觸發(fā)工業(yè)線(xiàn)陣相機(jī)采集產(chǎn)品圖像，然后通過(guò)計(jì)算機(jī)計(jì)算輸出處理結(jié)果。

圖1 圖像采集系統(tǒng)Fig.1 Image acquisition system

2 具體檢測(cè)算法設(shè)計(jì)

通過(guò)圖像采集獲取料盤(pán)圖像數(shù)據(jù)后，還需進(jìn)一步分割出單片玻璃圖像。通過(guò)預(yù)設(shè)的2*5個(gè)單元格坐標(biāo)范圍分割料盤(pán)圖像，然后檢測(cè)算法對(duì)每片圖像進(jìn)行預(yù)處理、旋轉(zhuǎn)和平移校正、霍夫曼匹配檢測(cè)、模型相似度度量等步驟，以此對(duì)產(chǎn)品缺陷進(jìn)行檢測(cè)和質(zhì)量評(píng)估。

2.1 圖像預(yù)處理

單片玻璃二維圖如圖2（a），三維圖如圖3（a）所示，因?yàn)榈撞坑型屑芨蓴_，側(cè)壁有料盤(pán)架和光照角度引起的陰影，在直方圖分布上不呈雙峰的圖像，并且圖像上有較多毛刺和凸起區(qū)域，將嚴(yán)重影響圖像分割的效果。如果采用基于一階微分的多尺度邊緣檢測(cè)Canny算法[1]，需要選用較大的濾波尺度，會(huì)丟失邊緣細(xì)節(jié)。使用改進(jìn)的Otsu 法[2]自動(dòng)獲取分割閾值，仍存在背景區(qū)分不開(kāi)的缺點(diǎn)。

本文采用中值濾波、多段閾值、以及小連通域?yàn)V波的方式進(jìn)行處理。中值濾波[3]相較于高斯濾波更能夠抑制孤立的噪聲點(diǎn)，且不破壞圖像的邊緣信息，然后根據(jù)玻璃成像上從頭到位變亮的趨勢(shì)，采用多段閾值的方式進(jìn)行閾值處理，設(shè)上中下三段閾值，假設(shè)三段的縱坐標(biāo)從上到下為d1、d2、d3，那么三段的閾值Th（y）分別為T(mén)1、T2、T3，如式（1）所示：

每一段閾值處理后圖像拼接如圖2（b），三維圖如圖3（b）所示，可以看出通過(guò)多段閾值處理后圖像中消除背景干擾較為干凈，但是還存在少量較為接近的背景干擾，這部分干擾特點(diǎn)都是小型連通域，通過(guò)連通域面積衡量的方式進(jìn)行濾除。連通域算法采用八鄰域的行程標(biāo)記算法[4]，通過(guò)定位連通區(qū)域的內(nèi)外輪廓來(lái)標(biāo)記整個(gè)圖像。算法步驟如下：

（1）逐行掃描圖像，每行連續(xù)白色像素組成一個(gè)序列，記錄起點(diǎn)、終點(diǎn)以及行號(hào)；

（2）當(dāng)前行與上一行所有序列都沒(méi)有重合區(qū)域則賦予一個(gè)新的標(biāo)號(hào)，如果有重合區(qū)域則這幾個(gè)序列的標(biāo)號(hào)寫(xiě)入等價(jià)對(duì)；

（3）遍歷所有等價(jià)對(duì)，將相同標(biāo)號(hào)轉(zhuǎn)換為等價(jià)序列，填入標(biāo)記圖像中。

連通域?yàn)V波后圖像如圖2（c）所示，背景殘留區(qū)域已經(jīng)全部清除。計(jì)算連通域的內(nèi)部和外部最小外接矩形的長(zhǎng)、寬，與產(chǎn)品標(biāo)準(zhǔn)進(jìn)行比對(duì)，滿(mǎn)足則為正常產(chǎn)品，不滿(mǎn)足為混料。

圖2 單片玻璃二維圖Fig.2 2D diagram of single glass

圖3 單片玻璃三維圖Fig.3 3D diagram of single glass

2.2 旋轉(zhuǎn)和平移校正

產(chǎn)品因?yàn)榉胖煤鸵苿?dòng)中顛簸，在圖像上有傾斜和形變的變化。需將產(chǎn)品校正到圖像中央，建立統(tǒng)一的參照系方便后續(xù)對(duì)檢測(cè)玻璃和標(biāo)準(zhǔn)模型進(jìn)行比對(duì)。假設(shè)畫(huà)布長(zhǎng)h，寬w，玻璃中心坐標(biāo)（x0，y0），與縱軸傾斜角度α（右傾斜為正，左傾斜為負(fù)）。假設(shè)玻璃上某一點(diǎn)坐標(biāo)（x，y），經(jīng)過(guò)旋轉(zhuǎn)和平移變換計(jì)算后，新坐標(biāo)（x′，y′）。按式（2）對(duì)圖像坐標(biāo)進(jìn)行遍歷運(yùn)算得到校正后的圖像參與檢測(cè)。

2.3 霍夫曼匹配檢測(cè)

產(chǎn)品上IR 孔、攝像孔是圓形結(jié)構(gòu)，可以通過(guò)霍夫曼變換快速找出圓形信息檢測(cè)。根據(jù)霍夫變換檢測(cè)圓的數(shù)學(xué)原理[5]，圓上任意一點(diǎn)的極坐標(biāo)可以表示為式（3）。假設(shè)圓中心像素點(diǎn)p（x0，y0）已知，圓半徑r預(yù)先錄入已知，則旋轉(zhuǎn)360°由極坐標(biāo)方程可以得到每個(gè)點(diǎn)上的坐標(biāo)。同樣，通過(guò)圖像上像素點(diǎn)和圓半徑信息，旋轉(zhuǎn)360°后中心點(diǎn)處的坐標(biāo)值必定最強(qiáng)。

把圖像每個(gè)白色像素點(diǎn)轉(zhuǎn)換到極坐標(biāo)對(duì)應(yīng)圓的中心極坐標(biāo)強(qiáng)度累計(jì)，在極坐標(biāo)空間中，對(duì)強(qiáng)度值歸一化后尋找強(qiáng)度最大的點(diǎn)，即為圓形中心點(diǎn)。然后根據(jù)極坐標(biāo)的R值與輸入?yún)?shù)（圓的半徑）相等，尋找2D 空間的像素點(diǎn)。返回結(jié)果2D 空間像素集合即找到的圓形。計(jì)算圓內(nèi)部灰度的最大值、最小值以及平均值，再結(jié)合圓心位置坐標(biāo)、半徑等參數(shù)，與模板參數(shù)進(jìn)行比對(duì)，如果滿(mǎn)足則為正常產(chǎn)品，不滿(mǎn)足判為缺陷品。

2.4 模型相似度度量

產(chǎn)品上的對(duì)位線(xiàn)、Logo 字符等信息采用模型比對(duì)方法檢測(cè)，檢測(cè)流程如圖4所示。錄入部分模型，根據(jù)連通域的長(zhǎng)、寬、圓形度、矩形度、內(nèi)部亮度建立模型數(shù)據(jù)；然后把目標(biāo)檢測(cè)區(qū)域當(dāng)做是整個(gè)一連串的輪廓集合，經(jīng)過(guò)閾值處理和形態(tài)學(xué)閉操作分離出獨(dú)立的信息；接著將信息與模板進(jìn)行比對(duì)。

圖4 模板比對(duì)流程Fig.4 Template comparison flow chart

評(píng)價(jià)圖像相似度方法中，歐式距離度量方法[7]較非幾何相似性度量和統(tǒng)計(jì)學(xué)方法能夠有效地縮短時(shí)間。Minkowsky Distance（閔可夫斯基距離）是基于范數(shù)Kp定義的，如式（4）所示，其中檢測(cè)圖像為A，模板圖像B，Kp（A，B）表示兩者之間的距離，x 和y表示兩幅圖的特征向量，

若p=2，那么其距離為歐式距離，當(dāng)兩者之間的歐式距離最小時(shí)，相似度最高，如若滿(mǎn)足判定條件則錄入數(shù)據(jù)庫(kù)，對(duì)模型參數(shù)進(jìn)行補(bǔ)充，參與后續(xù)檢測(cè)。如果超出模板允許范圍的認(rèn)為是產(chǎn)品缺陷異常。

3 軟件設(shè)計(jì)及實(shí)驗(yàn)分析

用Visual C#語(yǔ)言編程設(shè)計(jì)在線(xiàn)檢測(cè)軟件，所用計(jì)算機(jī)軟硬件配置為：處理器為Intel Core I7-6700；主頻為3.4 GHz；內(nèi)存為16 GB；操作系統(tǒng)為Microsoft Windows 7。檢測(cè)軟件界面如圖5所示，包含了圖像顯示區(qū)，按鈕操作區(qū)以及檢測(cè)結(jié)果列表。當(dāng)檢測(cè)出錯(cuò)誤時(shí)，軟件會(huì)使用紅叉/紅框標(biāo)記錯(cuò)誤區(qū)域，如圖6所示。

圖5 檢測(cè)軟件界面Fig.5 Test software interface

圖6 錯(cuò)誤區(qū)域標(biāo)記Fig.6 Error area mark

為了驗(yàn)證方法的有效性，設(shè)計(jì)比對(duì)實(shí)驗(yàn)。選取合格品和幾類(lèi)不合格品各100 片進(jìn)行檢測(cè)，試驗(yàn)統(tǒng)計(jì)結(jié)果如表1所示。

表1 比對(duì)試驗(yàn)統(tǒng)計(jì)表Tab.1 Statistical of comparative test

分析結(jié)果表明，經(jīng)過(guò)批量產(chǎn)品測(cè)試，該方法檢測(cè)正確率100%，單個(gè)料盤(pán)通行和檢測(cè)時(shí)間僅僅需約2 s，而人工檢測(cè)約140 s，該方法是人工效率的70倍，且具有穩(wěn)定性和高魯棒性的優(yōu)勢(shì)，符合工業(yè)生產(chǎn)的檢測(cè)需要。

4 結(jié)語(yǔ)

本文以絲印后的手機(jī)玻璃為研究對(duì)象進(jìn)行在線(xiàn)檢測(cè)方法的研究，提出手機(jī)玻璃絲印在線(xiàn)檢測(cè)方法，采用機(jī)器視覺(jué)成像平臺(tái)和軟件算法設(shè)計(jì)得出檢測(cè)結(jié)果，實(shí)驗(yàn)結(jié)果表明該方法相較于人工檢測(cè)具有檢測(cè)準(zhǔn)確、快速的優(yōu)勢(shì)，從而為手機(jī)玻璃在線(xiàn)檢測(cè)應(yīng)用提供了參考經(jīng)驗(yàn)。