熊 節(jié),殷 建,劉勁松,周秋俊

(1.銅陵學(xué)院 機(jī)械工程學(xué)院,安徽 銅陵 244061;2.安徽華東光電技術(shù)研究所,安徽 蕪湖 241002;3.安徽皓視光電科技有限公司,安徽 蕪湖 241002)

ITO(Indium Tin Oxides)導(dǎo)電玻璃是LCD液晶顯示屏的主要零件,在液晶顯示器中應(yīng)用廣泛,具有圖像清晰精確、平面顯示、厚度薄、重量輕等優(yōu)點(diǎn)。ITO導(dǎo)電玻璃在生產(chǎn)制造的過(guò)程中,由于上料或自動(dòng)化傳輸?shù)冗^(guò)程中常常導(dǎo)致玻璃表面產(chǎn)生劃痕、劃傷、氣泡、崩邊等缺陷,目前該類缺陷的品質(zhì)評(píng)定主要依賴于人工目檢,但該檢驗(yàn)方法主要存在以下幾個(gè)弊端和不足:首先,人工目檢時(shí)需要利用強(qiáng)光照射玻璃進(jìn)行缺陷檢測(cè),長(zhǎng)時(shí)間檢驗(yàn)容易產(chǎn)生視覺(jué)疲勞,從而造成錯(cuò)檢、漏檢;其次,在工藝的不斷發(fā)展下,ITO導(dǎo)電玻璃產(chǎn)品工藝對(duì)缺陷檢測(cè)精度要求很高,甚至達(dá)到10μm,因此要求檢驗(yàn)人員具有豐富的評(píng)片經(jīng)驗(yàn)才能勝任,人才培養(yǎng)周期長(zhǎng)、難度大;最后,人工進(jìn)行缺陷檢測(cè)時(shí),無(wú)法對(duì)每片玻璃的缺陷數(shù)據(jù)進(jìn)行科學(xué)化的存儲(chǔ),工藝追溯難度大,導(dǎo)致企業(yè)管理成本偏高。

自2013年德國(guó)率先提出高科技戰(zhàn)略發(fā)展計(jì)劃“工業(yè)4.0”的概念后[1],國(guó)內(nèi)制造業(yè)也逐步朝著自動(dòng)化、智能化的方向發(fā)展,給自動(dòng)化相關(guān)行業(yè)帶來(lái)了蓬勃發(fā)展。盡管國(guó)內(nèi)外研究文獻(xiàn)中暫無(wú)基于機(jī)器視覺(jué)的ITO導(dǎo)電玻璃表面缺陷檢測(cè)的相關(guān)研究文獻(xiàn),但機(jī)器視覺(jué)技術(shù)作為自動(dòng)化和人工智能中重要的分支,在近年來(lái)也得到了飛速的發(fā)展,基于機(jī)器視覺(jué)技術(shù)的物體表面缺陷檢測(cè)研究和應(yīng)用也越來(lái)越多[2-4]。合肥工業(yè)大學(xué)盧榮勝、張騰達(dá)等人[5-6]在國(guó)家重大科學(xué)儀器開發(fā)與應(yīng)用專項(xiàng)《平板顯示屏自動(dòng)光學(xué)檢測(cè)儀器開發(fā)和應(yīng)用》的項(xiàng)目研究和開發(fā)過(guò)程中,針對(duì)我國(guó)平板顯示屏自動(dòng)光學(xué)缺陷檢測(cè)儀器和應(yīng)用技術(shù)展開研究,以基于機(jī)器視覺(jué)技術(shù)缺陷檢測(cè)中的光學(xué)、電氣、機(jī)械、軟件、算法等幾大模塊進(jìn)行任務(wù)分解,對(duì)平板顯示屏表面缺陷檢測(cè)系統(tǒng)中的浮運(yùn)載與氣路控制單元、掃描成像及復(fù)檢顯微成像單元、網(wǎng)絡(luò)化運(yùn)動(dòng)控制單元、分布式高速并行圖像處理單元、數(shù)據(jù)庫(kù)與數(shù)據(jù)處理軟件單元等核心模塊展開研究與設(shè)計(jì),為打破此前國(guó)外在平板顯示缺陷檢測(cè)中的技術(shù)壟斷,形成具有國(guó)內(nèi)先進(jìn)水平的自動(dòng)光學(xué)檢測(cè)儀器自主創(chuàng)新研發(fā)平臺(tái)、專業(yè)人才培養(yǎng)基地和產(chǎn)業(yè)化示范基地有著非常重要的意義。陶顯等人[7]對(duì)基于機(jī)器視覺(jué)的工業(yè)產(chǎn)品表面缺陷檢測(cè)應(yīng)用現(xiàn)狀展開了論述,重點(diǎn)介紹了目前較為前沿的人工智能領(lǐng)域中深度學(xué)習(xí)方法在表面缺陷檢測(cè)中的應(yīng)用,并將其與傳統(tǒng)機(jī)器視覺(jué)檢測(cè)方法進(jìn)行對(duì)比分析,對(duì)表面缺陷檢測(cè)的未來(lái)發(fā)展做了展望。郝勇等人[8]展開基于機(jī)器視覺(jué)的深溝球軸承滾珠遺漏檢測(cè)研究,對(duì)軸承檢測(cè)系統(tǒng)進(jìn)行光學(xué)成像系統(tǒng)設(shè)計(jì)、滾珠遺漏檢測(cè)算法研究與設(shè)計(jì),實(shí)現(xiàn)了高準(zhǔn)確率的視覺(jué)檢測(cè)系統(tǒng),助力軸承行業(yè)的自動(dòng)化生產(chǎn)。

本文基于機(jī)器視覺(jué)的缺陷檢測(cè)技術(shù)在制造業(yè)存在廣泛應(yīng)用背景,為了克服傳統(tǒng)人工對(duì)ITO導(dǎo)電玻璃目檢時(shí)的不足,提出一種基于機(jī)器視覺(jué)的ITO導(dǎo)電玻璃缺陷檢測(cè)方法。首先,展開對(duì)視覺(jué)檢測(cè)系統(tǒng)進(jìn)行整體設(shè)計(jì),其次,針對(duì)ITO導(dǎo)電玻璃的檢測(cè)需求和生產(chǎn)環(huán)境特點(diǎn),最后,展開面向誤干擾環(huán)境下大尺寸被測(cè)物的缺陷成像與檢測(cè)方法研究。經(jīng)實(shí)驗(yàn)證明,本文提出的基于機(jī)器視覺(jué)的ITO導(dǎo)電玻璃缺陷檢測(cè)方法在檢測(cè)準(zhǔn)確率和效率上均高于人工檢測(cè)方式,為ITO玻璃的自動(dòng)化表面缺陷檢測(cè)方法提供了新思路。

1 ITO導(dǎo)電玻璃缺陷檢測(cè)系統(tǒng)方案

1.1 整體方案

基于機(jī)器視覺(jué)技術(shù)的ITO導(dǎo)電玻璃缺陷檢測(cè)系統(tǒng)是一個(gè)涉及非標(biāo)機(jī)械設(shè)計(jì)、光學(xué)成像、電氣控制運(yùn)動(dòng)、圖像處理、軟件架構(gòu)開發(fā)等多學(xué)科技術(shù)交叉融合的系統(tǒng)[9]。系統(tǒng)各部分內(nèi)容及其作用如下:

(1)非標(biāo)機(jī)械設(shè)計(jì)部分是機(jī)器視覺(jué)缺陷檢測(cè)系統(tǒng)中光學(xué)成像、電氣控制運(yùn)動(dòng)等部分的支撐平臺(tái),根據(jù)不同的項(xiàng)目需要,進(jìn)行非標(biāo)設(shè)計(jì)制造和安裝,為系統(tǒng)提供高精度且穩(wěn)定的檢測(cè)平臺(tái)。

(2)光學(xué)成像部分主要包括工業(yè)線掃描相機(jī)、鏡頭和光源,工業(yè)線掃描相機(jī)能夠?qū)Σ煌叽绲牟ＡнM(jìn)行高精度在線掃描成像,配合不同打光角度的機(jī)器視覺(jué)光源,能夠?qū)TO導(dǎo)電玻璃表觀中的劃痕、劃傷、氣泡、點(diǎn)缺陷等缺陷形成高對(duì)比度的成像,保證圖像處理算法的穩(wěn)定性。

(3)電氣控制運(yùn)動(dòng)部分利用可編程控制器PLC編程和傳感器、伺服電機(jī)等模塊,與光學(xué)成像、圖像處理算法、軟件系統(tǒng)等進(jìn)行緊密配合,為產(chǎn)品的位置跟蹤、定位抓取、分揀等控制信號(hào)交互提供作用。

(4)圖像處理算法針對(duì)光學(xué)成像系統(tǒng)采集的圖像數(shù)據(jù)進(jìn)行處理,利用圖像增強(qiáng)、濾波、分割、閾值化、目標(biāo)分析、特征描述等算法完成目標(biāo)識(shí)別和分類,進(jìn)而實(shí)現(xiàn)代替人眼完成檢測(cè)和判斷的功能。

(5)軟件架構(gòu)完成對(duì)缺陷檢測(cè)結(jié)果UI界面的友好顯示,對(duì)PLC信號(hào)交互進(jìn)行邏輯處理,觸發(fā)相機(jī)取像且為圖像處理算法給出的數(shù)據(jù)結(jié)果進(jìn)行邏輯處理,當(dāng)算法檢測(cè)結(jié)果與預(yù)先設(shè)定的Recipe有不一致的區(qū)域并且超過(guò)設(shè)定的偏差范圍,則報(bào)警燈響亮,顯示缺陷信息,缺陷類型自動(dòng)識(shí)別并輸出缺陷結(jié)果,并將檢測(cè)數(shù)據(jù)在數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ),最終實(shí)現(xiàn)控制產(chǎn)品質(zhì)量的目的。

本文ITO導(dǎo)電玻璃缺陷檢測(cè)系統(tǒng)的整體方案如圖1所示。

圖1 ITO導(dǎo)電玻璃缺陷檢測(cè)系統(tǒng)整體方案圖

1.2 面向大尺寸、高精度被測(cè)物的圖像采集方案

近年來(lái),平板顯示屏的制造生產(chǎn)線在技術(shù)不斷更新和用戶需求導(dǎo)向等因素共同的推動(dòng)下,已經(jīng)從最初的5代、6代逐漸發(fā)展至當(dāng)下8代、8.5代,且工藝要求變得越來(lái)越高。ITO導(dǎo)電玻璃作為平板顯示屏的原材料之一,其尺寸和工藝都與下游的平板顯示屏的需求相關(guān),致使ITO導(dǎo)電玻璃的表觀檢測(cè)的尺寸變大且精度要求變高,此外,需求的增多導(dǎo)致玻璃生產(chǎn)線速度提升到40mm/s以上,對(duì)單片玻璃的檢測(cè)時(shí)間小于3s?；谏鲜霰尘?運(yùn)用機(jī)器視覺(jué)手段展開ITO導(dǎo)電玻璃表面缺陷面臨著成像視野大、檢測(cè)精度高、檢測(cè)時(shí)間短等難點(diǎn)。

在機(jī)器視覺(jué)缺陷檢測(cè)中,最常用的圖像采集方式是利用面陣相機(jī)對(duì)被測(cè)物進(jìn)行圖像采集,但該方案適用于小尺寸和低精度的被測(cè)物檢測(cè),而ITO導(dǎo)電玻璃缺陷檢測(cè)中需要解決大尺寸和高精度等檢測(cè)要求,常規(guī)的機(jī)器視覺(jué)檢測(cè)成像方式和軟件算法解決方案顯然無(wú)法滿足當(dāng)下ITO導(dǎo)電玻璃的缺陷檢測(cè)需求。線掃描相機(jī)與面陣相機(jī)的單次成像方式不同,其成像的方式是利用與被測(cè)物間的相對(duì)運(yùn)動(dòng)一行一行進(jìn)行圖像采集,在多個(gè)線掃描相機(jī)并行聯(lián)合取像的架構(gòu)下,能夠?qū)Υ蟪叽绲谋粶y(cè)物進(jìn)行成像,因此可適用于顯示面板、玻璃等大尺寸的物體和連續(xù)性較強(qiáng)的布匹、卷材等高速、大尺寸、高精度的檢測(cè)的場(chǎng)合,因此本文系統(tǒng)選用線掃描相機(jī)的成像方案。

在線掃描相機(jī)的選型中,本文以缺陷檢測(cè)精度要求為10μm、尺寸大小為550×650mm的ITO導(dǎo)電玻璃為例,依據(jù)線掃描相機(jī)的分辨率選型公式可計(jì)算其所需相機(jī)像素?cái)?shù),進(jìn)而確定線掃描相機(jī)的選型方案。選型計(jì)算公式為:R=W/P,其中R表示相機(jī)分辨率,W表示被測(cè)物寬度,P表示檢測(cè)的精度。本文所檢測(cè)的ITO導(dǎo)電玻璃寬度為550mm,故相機(jī)分辨率為:R=550mm/10μm=55000,實(shí)際應(yīng)用過(guò)程中除了理論計(jì)算出的相機(jī)像素?cái)?shù)外,還需考慮到成像邊緣會(huì)有一些畸變和抖動(dòng)誤差等因素,選型時(shí)的相機(jī)分辨率要比計(jì)算出的理論結(jié)果高,由于目前成熟應(yīng)用的工業(yè)線掃描相機(jī)單個(gè)分辨率最大為16K,因此選擇4個(gè)品牌為DALSA、像元尺寸為3.5μm的16K分辨率線掃描相機(jī)的方案,即64000的總分辨率。

鏡頭作為機(jī)器視覺(jué)系統(tǒng)中機(jī)器的眼睛,其主要作用是將目標(biāo)物體的圖像聚焦在工業(yè)相機(jī)的光敏器件上,因此鏡頭對(duì)于缺陷檢測(cè)系統(tǒng)的成像具有重要作用。對(duì)于工業(yè)鏡頭的選型,一般需要依據(jù)所選型的相機(jī)類別來(lái)搭配選型,通常考慮的鏡頭主要性能因素為像元尺寸與檢測(cè)精度比值的放大倍率β,對(duì)于本文檢測(cè)對(duì)象而言,其鏡頭的放大倍率為3.5μm/10μm=0.35倍,綜合價(jià)格和檢測(cè)需求,選擇CHIOPT品牌的LS1603A型號(hào)的具備3.5μm解像力,最大分辨率可達(dá)160lp/mm的工業(yè)線掃描鏡頭。經(jīng)成像實(shí)驗(yàn)驗(yàn)證,總分辨率為64K的線掃描相機(jī)配合3.5μm解像力的鏡頭,系統(tǒng)單次采集的ITO導(dǎo)電玻璃的圖像大小為462MB,該成像精度滿足10μm的缺陷檢測(cè)需求。

1.3 面向誤干擾項(xiàng)明暗場(chǎng)同時(shí)曝光成像照明方案

在機(jī)器視覺(jué)缺陷檢測(cè)系統(tǒng)中,盡管相機(jī)鏡頭組成的圖像采集系統(tǒng)對(duì)檢測(cè)的精度和視野起著至關(guān)重要的作用,但高清晰度和高對(duì)比度的成像卻很大程度上依賴于光源的作用[10]。合適的光源能夠使被測(cè)物的成像更均勻、邊界清晰,缺陷區(qū)域?qū)Ρ榷让黠@,有效地減少圖像處理算法的難度,更進(jìn)一步的提升缺陷檢測(cè)系統(tǒng)的穩(wěn)定性。在基于線掃描相機(jī)的成像系統(tǒng)中,常用的打光方式是通過(guò)條形高亮線性光源使得在很窄的長(zhǎng)度區(qū)域內(nèi),利用相機(jī)運(yùn)動(dòng)掃描成像對(duì)缺陷進(jìn)行高對(duì)比度成像,但該成像方式對(duì)類似缺陷的干擾項(xiàng)無(wú)法形成特征上的差異。

在ITO導(dǎo)電玻璃的表面缺陷檢測(cè)中,由于車間衛(wèi)生管理、凈化設(shè)備老舊致使凈化等級(jí)不夠等問(wèn)題,會(huì)導(dǎo)致玻璃表面產(chǎn)生灰塵、臟污、毛絮、輪印等檢測(cè)誤干擾項(xiàng),在檢測(cè)精度要求較高時(shí),利用單組高亮線性光源組成的暗場(chǎng)照明方案無(wú)法對(duì)劃痕、劃傷、氣泡等缺陷形成高對(duì)比成像,如圖2所示為在單一的高亮線性光源暗場(chǎng)照明方案下誤干擾項(xiàng)與缺陷項(xiàng)對(duì)比圖。

圖2 單一高亮線性光源成像方案下誤干擾項(xiàng)與缺陷項(xiàng)對(duì)比圖

由圖2可知,氣泡缺陷與臟污、灰塵、水滴,及劃傷缺陷與輪印、毛絮、臟污等誤干擾在圖像特征上相似性很高,該類誤干擾項(xiàng)對(duì)缺陷檢測(cè)與分類帶來(lái)很多困難,依靠簡(jiǎn)單的圖像算法很難穩(wěn)定的進(jìn)行缺陷檢測(cè)。而在大圖像數(shù)據(jù)量和短檢測(cè)時(shí)間的要求下,由于復(fù)雜特征提取分類算法耗時(shí)長(zhǎng),也無(wú)法適用。綜上分析,通過(guò)圖像算法很難解決誤干擾對(duì)缺陷檢測(cè)的影響。

本文根據(jù)ITO導(dǎo)電玻璃生產(chǎn)過(guò)程中產(chǎn)生的缺陷來(lái)源于玻璃表面碰撞或內(nèi)部不良,而缺陷的干擾項(xiàng)為玻璃表面附著物體的物理特性區(qū)別,同時(shí)基于單組不同角度的高亮光源對(duì)某種缺陷打光成像實(shí)驗(yàn)效果較好的前提下,對(duì)其采用多組不同光源進(jìn)行照明,實(shí)現(xiàn)缺陷和干擾項(xiàng)的成像特征區(qū)別,在此基礎(chǔ)上再利用圖像算法實(shí)現(xiàn)缺陷檢測(cè)與分類,提高檢測(cè)效率,保證檢測(cè)的穩(wěn)定性和準(zhǔn)確率。

本文系統(tǒng)所設(shè)計(jì)的光學(xué)照明機(jī)構(gòu)示意圖如圖3所示。在線掃描相機(jī)圖像采集系統(tǒng)下,采用多組光源同時(shí)曝光合成圖像的照明方式,使得缺陷和誤干擾項(xiàng)在不同的光源下能夠形成不同的特征,即在玻璃上方設(shè)置一組低角度高亮線光對(duì)劃痕、氣泡等缺陷進(jìn)行暗場(chǎng)成像,在玻璃下方設(shè)置一組高亮線光對(duì)水滴、灰塵、臟污等誤干擾項(xiàng)進(jìn)行明場(chǎng)成像。

圖3 本文明暗場(chǎng)光源照明機(jī)構(gòu)示意圖

在明暗場(chǎng)光源照明機(jī)構(gòu)設(shè)計(jì)下,利用高亮光源數(shù)字電源控制器,在線掃描相機(jī)行頻時(shí)間內(nèi)按明暗場(chǎng)光源按順序輪流點(diǎn)亮實(shí)現(xiàn)兩次圖像采集[11],即在線掃描相機(jī)采集一行圖像的時(shí)間內(nèi),通過(guò)控制相機(jī)和不同角度形成的明暗光源兩次亮滅來(lái)采集兩行圖像,在圖像長(zhǎng)度內(nèi)不斷重復(fù)此過(guò)程即可完成對(duì)明暗場(chǎng)兩張圖像的采集。本文明暗場(chǎng)成像過(guò)程如圖4所示。

圖4 明暗場(chǎng)同時(shí)曝光成像流程框圖

具體成像過(guò)程闡述如下。

(1)在相機(jī)視野正下方玻璃來(lái)料方向前的10mm距離放置光電感應(yīng)傳感器。

(2)當(dāng)待檢測(cè)玻璃經(jīng)過(guò)光電感應(yīng)傳感器時(shí),傳感器上升沿觸發(fā),PLC接收到光電傳感器的變化信號(hào),發(fā)送信號(hào)控制高亮數(shù)字電源控制器點(diǎn)亮光源和打開相機(jī)開始取像。

(3)在相機(jī)采集一行圖像的時(shí)間內(nèi)按照明場(chǎng)光源開啟發(fā)光、相機(jī)采集第一行圖像→明場(chǎng)光源關(guān)閉→暗場(chǎng)光源開啟發(fā)光、相機(jī)采集第一行圖像→暗場(chǎng)光源關(guān)閉。

(4)在玻璃隨傳輸線前進(jìn)的過(guò)程中,控制相機(jī)在行頻內(nèi)對(duì)每行圖像按照(3)步驟順序點(diǎn)亮關(guān)閉光源并采集兩張圖像,直到采集完玻璃長(zhǎng)度對(duì)應(yīng)的圖像行數(shù)N時(shí)完成單張玻璃的明暗場(chǎng)圖像采集。其中相機(jī)拍攝行數(shù)由相機(jī)像素當(dāng)量和玻璃長(zhǎng)度決定,如式(1)所示。

(1)

式(1)中,FOV表示產(chǎn)品寬度,L為玻璃長(zhǎng)度,S為相機(jī)像素當(dāng)量,N為相機(jī)需拍攝行數(shù)。本文所檢測(cè)的ITO導(dǎo)電玻璃寬度為:550mm,長(zhǎng)度為:650mm,在選用4個(gè)16K相機(jī)時(shí),可得:S=550/64000=8.6um,N=650mm/8.6um=75581,實(shí)際運(yùn)行時(shí)考慮傳輸線運(yùn)動(dòng)和傳感器觸發(fā)誤差,需要適當(dāng)多采集一段,本文選取需要拍攝圖像的行數(shù)N=76000。

(5)對(duì)采集完成的圖像經(jīng)圖像采集卡將明、暗場(chǎng)玻璃圖像分別按行拼接成整張圖像后分別輸出至PC的CPU中,等待圖像處理算法進(jìn)行后續(xù)處理。

本文明暗場(chǎng)照明方案下氣泡、劃痕、點(diǎn)劃傷等缺陷與灰塵、水滴、毛絮等易干擾項(xiàng)的成像效果如圖5所示。

(a1)明場(chǎng)毛絮圖(a2)暗場(chǎng)毛絮圖(b1)明場(chǎng)灰塵圖(b2)暗場(chǎng)灰塵圖(c1)明場(chǎng)水滴圖(c2)暗場(chǎng)水滴圖(d1)明場(chǎng)氣泡圖(d2)暗場(chǎng)氣泡圖(e1)明場(chǎng)劃痕圖(e2)暗場(chǎng)劃痕圖(f1)明場(chǎng)劃傷圖(f2)暗場(chǎng)劃傷圖圖5 本文明暗場(chǎng)照明方案效果示意圖

由圖5可知,在本文提出的明暗場(chǎng)光源同時(shí)曝光合成圖像的照明方式下,氣泡、水滴在明場(chǎng)和暗場(chǎng)中圖像存在明顯差異,與灰塵、臟污等誤干擾項(xiàng)有明顯特征區(qū)別,劃痕、劃傷在明場(chǎng)下成像微弱,與毛絮圖像有明顯特征區(qū)別。在檢測(cè)項(xiàng)與干擾項(xiàng)存在明顯特征差異的前提下,圖像處理算法能穩(wěn)定、高效地展開缺陷檢測(cè)。

2 圖像處理

在機(jī)器視覺(jué)中Blob(Binary large object)指圖像中具有相似顏色、紋理等特征所構(gòu)成的一塊連通區(qū)域,該區(qū)域一般也被稱為圖像的前景[12]。對(duì)于本文的ITO導(dǎo)電玻璃而言,在明暗場(chǎng)成像方案下,以暗場(chǎng)成像為例,正常的無(wú)缺陷的玻璃區(qū)域?yàn)榛叶戎到咏?的黑色,而有缺陷的區(qū)域?yàn)榛叶容^高的灰色或白色,缺陷區(qū)域即Blob區(qū)域,也叫前景,無(wú)缺陷的玻璃區(qū)域稱為背景,而在明場(chǎng)圖像中前景與背景和暗場(chǎng)圖像正好相反。對(duì)ITO導(dǎo)電玻璃圖像展開Blob分析首先對(duì)圖像進(jìn)行二值化處理,并根據(jù)灰度閾值分割對(duì)前景和背景進(jìn)行分割,然后進(jìn)行連通區(qū)域檢測(cè)以及面積、形狀、圓度、長(zhǎng)寬、凸性等特征的分析,最后根據(jù)特征分析和篩選得到缺陷區(qū)域并進(jìn)行定位,達(dá)到缺陷檢測(cè)與識(shí)別的目的。

本文在展開ITO導(dǎo)電玻璃表面缺陷檢測(cè)中,由于在明場(chǎng)成像環(huán)境下的圖像中灰塵與氣泡、水滴、劃傷等缺陷形態(tài)差異很大,而在暗場(chǎng)成像環(huán)境下的圖像中的劃痕缺陷對(duì)比度較好。為了避免因生產(chǎn)環(huán)境導(dǎo)致的玻璃表面復(fù)雜誤干擾影響檢測(cè),基于在明場(chǎng)成像下點(diǎn)劃傷、劃痕、灰塵、水滴的特征區(qū)別,在明場(chǎng)圖像下展開氣泡、水滴、點(diǎn)劃傷等缺陷檢測(cè)算法處理,在暗場(chǎng)圖像下展開劃痕缺陷檢測(cè)算法處理。

本文對(duì)ITO導(dǎo)電玻璃表面檢測(cè)算法步驟闡述如下。

(1)對(duì)明暗場(chǎng)圖像分別進(jìn)行灰度閾值分割,得到前景圖像和背景圖像,其中根據(jù)明場(chǎng)照明下水滴和氣泡的圖像特征,分別進(jìn)行低灰度閾值和高灰度閾值分割,將兩部分閾值結(jié)果圖進(jìn)行融合后得到前景圖。

(2)對(duì)前景圖像進(jìn)行圓形核的形態(tài)學(xué)開運(yùn)算處理,以去除小顆粒噪聲。

(3)對(duì)上述結(jié)果計(jì)算區(qū)域集合連通分量,將目標(biāo)從像素級(jí)轉(zhuǎn)換到連通分量級(jí)。

(4)對(duì)連通分量的每個(gè)區(qū)域進(jìn)行面積、形狀、圓度、長(zhǎng)寬、凸性等特征量計(jì)算。

(5)對(duì)上述步驟的結(jié)果展開特征篩選,完成對(duì)場(chǎng)景中目標(biāo)之間的拓?fù)潢P(guān)系進(jìn)行描述。

本文研究在產(chǎn)學(xué)研課題的支持下,獲取了大量用于圖像仿真的樣本數(shù)據(jù)。在明暗場(chǎng)同時(shí)曝光成像方案下,基于Blob分析的ITO導(dǎo)電玻璃表面缺陷效果如圖6所示。

(a1)氣泡原圖(a2)高低灰度閾值分割融合(a3)開運(yùn)算(a4)氣泡識(shí)別定位(b1)劃痕原圖(b2)灰度閾值分割(b3)開運(yùn)算(b4)劃痕識(shí)別定位(c1)劃作原圖(c2)灰度閾值分割(c3)開運(yùn)算(c4)劃傷識(shí)別定位(d1)水滴原圖(d2)高低灰度閾值融合(d3)開運(yùn)算(d4)水滴識(shí)別定位圖6 表面缺陷檢測(cè)效果圖

其中圖6(a1)為明場(chǎng)成像下的氣泡缺陷原圖,圖6(a2)為對(duì)氣泡原圖進(jìn)行高低灰度閾值分割并融合后的效果圖,圖6(a3)為對(duì)圖6(a2)進(jìn)行形態(tài)學(xué)開運(yùn)算的效果圖,圖6(a4)為對(duì)氣泡缺陷展開區(qū)域集合連通分量計(jì)算并根據(jù)面積、形狀、圓度、凸性特征篩選得到的缺陷識(shí)別定位效果圖。

圖6(b1)為暗場(chǎng)成像下劃痕缺陷原圖,圖6(b2)為經(jīng)高灰度閾值分割后的劃痕缺陷效果圖,圖6(b3)為對(duì)圖6(b2)進(jìn)行形態(tài)學(xué)開運(yùn)算后的效果圖,圖6(b4)對(duì)劃痕缺陷展開區(qū)域集合連通分量計(jì)算并根據(jù)形狀、長(zhǎng)寬特征篩選得到的缺陷識(shí)別定位效果圖。

圖6(c1)為暗場(chǎng)成像下劃傷缺陷原圖,圖6(c2)為經(jīng)高灰度閾值分割后的劃痕效果圖,圖6(c3)為對(duì)圖6(c2)進(jìn)行形態(tài)學(xué)開運(yùn)算后的效果圖,圖6(c4)為對(duì)氣泡缺陷展開區(qū)域集合連通分量計(jì)算并根據(jù)形狀、長(zhǎng)寬特征篩選得到的缺陷識(shí)別定位效果圖。

圖6(d1)為明場(chǎng)成像下水滴原圖,圖6(d2)為對(duì)氣泡原圖進(jìn)行高低灰度閾值分割并融合后的效果圖,圖6(d3)為對(duì)圖6(d2)進(jìn)行形態(tài)學(xué)開運(yùn)算效果圖,圖6(d4)為對(duì)水滴展開區(qū)域集合連通分量計(jì)算并根據(jù)面積、形狀、圓度、凸性特征篩選得到的識(shí)別定位效果圖。

由上述處理結(jié)果可知,在明暗場(chǎng)照明成像下,根據(jù)不同缺陷在明暗場(chǎng)下的高對(duì)比度特征,利用Blob分析方法能夠較好地對(duì)缺陷進(jìn)行檢測(cè)與定位。由于在不同ITO導(dǎo)電玻璃產(chǎn)品中,對(duì)缺陷檢測(cè)的參數(shù)要求是不一致的,如高規(guī)則的產(chǎn)品對(duì)劃痕、劃傷的要求當(dāng)寬度大于10um或總長(zhǎng)度大于2mm判定為缺陷,低規(guī)格的產(chǎn)品要求寬度大于50um或總長(zhǎng)度大于50mm判定為缺陷;在高規(guī)格產(chǎn)品中將水滴視為缺陷,而在低規(guī)則產(chǎn)品中不認(rèn)定為缺陷。因此面向不同種類的產(chǎn)品,系統(tǒng)可設(shè)置缺陷識(shí)別后的面積、形狀、圓度、長(zhǎng)寬、凸性等特征篩選參數(shù),以完成系統(tǒng)多產(chǎn)品檢測(cè)的自適應(yīng)功能。

3 實(shí)驗(yàn)與結(jié)果分析

本文研究?jī)?nèi)容在產(chǎn)學(xué)研橫向課題的開展下,基于C#編程語(yǔ)言的Winform框架實(shí)現(xiàn)了檢測(cè)系統(tǒng),系統(tǒng)主界面如圖7所示,具備在線ITO導(dǎo)電玻璃圖像顯示、檢測(cè)狀態(tài)監(jiān)控、機(jī)器人分揀信號(hào)輸出、根據(jù)客戶要求進(jìn)行算法參數(shù)設(shè)置、根據(jù)不同產(chǎn)品配方切換、缺陷檢測(cè)數(shù)據(jù)存儲(chǔ)等功能。

圖7 檢測(cè)系統(tǒng)軟件界面示意圖

系統(tǒng)在國(guó)內(nèi)某大型ITO導(dǎo)電玻璃制造企業(yè)生產(chǎn)現(xiàn)場(chǎng)在線運(yùn)行三個(gè)月,對(duì)系統(tǒng)運(yùn)行過(guò)程中統(tǒng)計(jì)的16500片玻璃檢測(cè)數(shù)據(jù)進(jìn)行了分析,對(duì)氣泡、劃痕、劃傷缺陷檢測(cè)數(shù)據(jù)如表1所示,其中漏檢率定義為:(機(jī)器視覺(jué)缺陷檢測(cè)系統(tǒng)判定良品中按品質(zhì)標(biāo)準(zhǔn)人工目檢復(fù)檢挑選出的不良數(shù)量/視覺(jué)檢測(cè)總數(shù))×100%,誤判率定義為:(機(jī)器視覺(jué)缺陷檢測(cè)系統(tǒng)判定不良品中按品質(zhì)標(biāo)準(zhǔn)人工目檢復(fù)查挑選出的良品數(shù)量/視覺(jué)檢測(cè)系統(tǒng)投入總數(shù))×100%。

表1 ITO導(dǎo)電玻璃缺陷檢測(cè)結(jié)果分析表

結(jié)語(yǔ)

本文針對(duì)ITO導(dǎo)電玻璃在上料或自動(dòng)化傳輸過(guò)程中導(dǎo)致的劃痕、劃傷、氣泡等缺陷在人工目檢缺陷評(píng)定時(shí)存在的不足,提出基于機(jī)器視覺(jué)的ITO導(dǎo)電玻璃在線檢測(cè)方法,基于ITO導(dǎo)電玻璃生產(chǎn)場(chǎng)景和大尺寸的特點(diǎn),展開基于線掃描相機(jī)的系統(tǒng)總體方案設(shè)計(jì);在表面缺陷檢測(cè)中,針對(duì)因車間環(huán)境導(dǎo)致的灰塵、毛絮等誤干擾項(xiàng)對(duì)缺陷檢測(cè)帶來(lái)的影響,提出一種明暗場(chǎng)光源同時(shí)曝光成像方案,并基于明暗場(chǎng)圖像下劃痕、劃傷、氣泡等缺陷與誤干擾項(xiàng)毛絮、劃痕、臟污的特征區(qū)域,展開基于Blob分析的表面缺陷檢測(cè)方法實(shí)現(xiàn)。通過(guò)在生產(chǎn)廠家現(xiàn)場(chǎng)進(jìn)行數(shù)據(jù)采集驗(yàn)證,本文系統(tǒng)能夠達(dá)到缺陷綜合漏檢率為0.25%,綜合誤判率為4.07%,低于行業(yè)內(nèi)的漏檢率0.5%、誤判率8%的檢測(cè)標(biāo)準(zhǔn),系統(tǒng)對(duì)單片玻璃的檢測(cè)時(shí)間為2.3s內(nèi),低于人工平均3s的檢測(cè)時(shí)間,相比于人工目檢的方式,本文所設(shè)計(jì)的檢測(cè)系統(tǒng)在準(zhǔn)確率和效率上均優(yōu)人工,在對(duì)系統(tǒng)進(jìn)一步優(yōu)化完善后,有望打破國(guó)外在本行業(yè)中檢測(cè)設(shè)備壟斷的局面。