CN109813725A - 一种大尺寸胶水缺陷检测方法 - Google Patents

Abstract

本发明涉及大尺寸电子产品点胶生产检测，更具体地说，涉及一种大尺寸胶水缺陷检测方法，包括：线阵CCD相机、给被测零件打光的线光源、被测零件、计算机以及控制器线阵CCD相机相对于被测零件相对运动的转动机构，其步骤为：采用模板匹配的方法找mark点定位；根据定位坐标，利用形态学算法和二值化，以及直线量测算法找出被测零件的玻璃边；根据被测零件的尺寸，通过计算机利用(x+△x,y+△y)计算出基础线；根据被测零件的玻璃边定位找到胶水的具体地方，然后根据形态学算法、轮廓提取算法以及轮廓与直线距离的算法，获取胶水边缘与基础线的最大值和最小值；以基础线为基础，根据region特征提取算法，判断是否由缺胶，溢胶和断胶。

Description

一种大尺寸胶水缺陷检测方法

技术领域

本发明涉及大尺寸电子产品点胶生产检测，更具体地说，涉及一种大尺寸胶水缺陷检测方法。

背景技术

“大尺寸胶水缺陷检测方法”是用于针对大尺寸产品点胶后的胶水质量的检测，检测的内容有：缺胶，胶宽，断胶，溢胶，胶长等。此方法采用线扫描相机对胶水进行扫描，通过图像处理的方法对胶水进行分析。

在此之前，行业通常采用人工抽检的方式，即由QC人员在产线抽样，然后拿到2D量测设备进行人工测量；另外，采用面阵相机对产品进行小区域的拍照，然后拼接起来进行处理。

而采用人工抽检的方式，由于不是全部检测，所以会有漏检的情况，而且由于需要将产品拿到2D设备量测，所以需要离线检测，做不到实时响应，更别说将数据上传到云端，进行数据分析，改善作业，提高良率等等了。

采用面阵相机拍照处理的方式，做到了全部和数据上传，但由于取图不是连续的采集，所以在运动时，如果相机的安装方式与运动方向不是垂直时，拼接起来的图像会出现波浪形，对量测的精度产生影响。因此，这种方式，对安装的要求非常高，另外，量测的精度不会很高。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种大尺寸胶水缺陷检测方法。

本发明解决其技术问题所采用的技术方案是：

构造一种大尺寸胶水缺陷检测方法，包括：线阵CCD相机、给被测零件打光的线光源、被测零件、计算机以及控制器线阵CCD相机相对于被测零件相对运动的转动机构，其步骤为：

步骤S1，通过计算机采用模板匹配的方法找mark点定位，确定定位坐标；

步骤S2，根据定位坐标，通过转动机构将线阵CCD相机的镜头对准至被测零件边缘处，计算机再利用形态学算法和二值化，以及直线量测算法找出被测零件的玻璃边；

步骤S3，根据被测零件的尺寸，通过计算机利用(x+△x,y+△y)计算出基础线；

步骤S4，根据被测零件的玻璃边定位找到胶水的具体地方，然后通过计算机根据形态学算法、轮廓提取算法以及轮廓与直线距离的算法，获取胶水边缘与基础线的最大值和最小值；

步骤S5，以基础线为基础，通过计算机根据region特征提取算法，判断是否由缺胶，溢胶和断胶。

更进一步地，步骤S1通过计算机采用模板匹配的方法找mark点定位，确定定位坐标的具体步骤如下：

S1-1：确定出被测零件中ROI的矩形区域，优选地，确定ROI的矩形区域的左上点和右下点的坐标，根据gen_rectangle1()函数生成一个矩形，利用area_center()找到这个矩形的中心；

S1-2：从线阵CCD相机的图像中获取矩形区域图像，计算机运用reduce_domain()得到ROI；之后对这个矩形建立模板；

S1-3：通过计算机利用create_shape_model()创建模板，创建好模板后，采用inspect_shape_model()来监视模板；

S1-4：创建好模板后，通过函数find_shape_model()进行模板匹配了。

更进一步地，步骤S2根据定位坐标，通过转动机构将线阵CCD相机的镜头对准至被测零件边缘处，计算机再利用形态学算法和二值化，以及直线量测算法找出被测零件的玻璃边的具体步骤如下：

S2-1：根据S1-1得到的矩形中点坐标，定位被测零件中胶水的大致区域，利用gen_rectangle1函数生成要分析的胶水区域；

S2-2：得到要分析的胶水区域后用threshold函数对图像进行二值化处理；

S2-3：在二值化处理后将前景图和背景图提取出来了后再根据形态学算法将玻璃部分提取出来；

更进一步地，步骤S4根据被测零件的玻璃边定位找到胶水的具体地方，然后通过计算机根据形态学算法、轮廓提取算法以及轮廓与直线距离的算法，获取胶水边缘与基础线的最大值和最小值的具体如下：

S4-1：找出了轮廓线后利用distance_lc函数得到胶水与基础线的最大和最小值；

更进一步地，步骤S5以基础线为基础，通过计算机根据region特征提取算法与S2-3提取算法一致。

更进一步地，S1-2中在建立模板之前，可以先对这个区域进行阈值分割，数学形态学处理，方便以后的建模。

本发明的有益效果在于：本发明通过采用线阵CCD相机、线光源和计算机，实现实时拍照，并通过计算机完成检测被测零件的胶水检测是否合格，对生产状况进行实时分析，进行工艺的改善，提高效率。

具体实施方式

为了使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的部分实施例，而不是全部实施例。基于本发明的实施例，本领域普通技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。

一种大尺寸胶水缺陷检测方法，包括：线阵CCD相机、给被测零件打光的线光源、被测零件、计算机以及控制器线阵CCD相机相对于被测零件相对运动的转动机构，其步骤为：

步骤S1，通过所述计算机采用模板匹配的方法找mark点定位，确定定位坐标；

步骤S2，根据定位坐标，通过转动机构将线阵CCD相机的镜头对准至被测零件边缘处，计算机再利用形态学算法和二值化，以及直线量测算法找出被测零件的玻璃边；

步骤S3，根据被测零件的尺寸，通过计算机利用(x+△x,y+△y)计算出基础线；

步骤S4，根据被测零件的玻璃边定位找到胶水的具体地方，然后通过计算机根据形态学算法、轮廓提取算法以及轮廓与直线距离的算法，获取胶水边缘与基础线的最大值和最小值；

步骤S5，以所述基础线为基础，通过计算机根据region特征提取算法，判断是否由缺胶，溢胶和断胶。

所述步骤S1通过所述计算机采用模板匹配的方法找mark点定位，确定定位坐标的具体步骤如下：

S1-1：确定出被测零件中ROI的矩形区域，优选地，确定ROI的矩形区域的左上点和右下点的坐标，根据gen_rectangle1()函数生成一个矩形，利用area_center()找到这个矩形的中心；

S1-2：从线阵CCD相机的图像中获取所述矩形区域图像，所述计算机运用reduce_domain()得到ROI；之后对这个矩形建立模板；

S1-3：通过计算机利用create_shape_model()创建所述模板，函数create_shape_model()的参数，其中金字塔的级数由Numlevels指定，值越大则找到物体的时间越少，AngleStart和AngleExtent决定可能的旋转范围，AngleStep指定角度范围搜索的步长；这里需要提醒的是，在任何情况下，模板应适合主内存，搜索时间会缩短。对特别大的模板，用Optimization来减少模板点的数量是很有用的；MinConstrast将模板从图像的噪声中分离出来，如果灰度值的波动范围是10，则MinConstrast应当设为10；Metric参数决定模板识别的条件，如果设为’use_polarity’，则图像中的物体和模板必须有相同的对比度；创建好所述模板后，采用inspect_shape_model()来监视模板，它检查参数的适用性，同时能找到合适的参数；另外，还需要获得这个模板的轮廓，用于后面的匹配，get_shape_model_contours()则找到模板的轮廓；

S1-4：创建好所述模板后，通过函数find_shape_model()进行模板匹配了；这个过程在新图像中寻找与模板匹配的图像部分，所述函数find_shape_model()来实现，所述函数find_shape_model()中参数SubPixel设为’interpolation’，则会精确到亚像素级，这个模式不会占用太多时间，若需要更精确，则可设为’least_square’,’lease_square_high’，但这样会增加额外的时间，因此，需要和实际联系起来；比较重要的两个参数是MinSocre和Greediness，前一个用来分析模板的旋转对称和它们之间的相似度，值越大，则越相似，后一个是搜索贪婪度，这个值在很大程度上影响着搜索速度，若为0，则为启发式搜索，耗时，若为1，则为不安全搜索，速度快；在大多数情况下，在能够匹配的情况下，尽可能的增大其值。

所述步骤S2根据定位坐标，通过转动机构将线阵CCD相机的镜头对准至被测零件边缘处，计算机再利用形态学算法和二值化，以及直线量测算法找出被测零件的玻璃边的具体步骤如下：

S2-1：根据S1-1得到的矩形中点坐标，定位被测零件中胶水的大致区域，利用gen_rectangle1函数生成要分析的胶水区域；

S2-2：得到要分析的胶水区域后用threshold函数对图像进行二值化处理；图像的二值化处理即将图像上的点的灰度值为0或255，即将整个图像呈现出明显的黑白效果；即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像；在数字图像处理中，二值图像占有非常重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于在对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小；为了得到理想的二值图像，优选采用封闭、连通的边界定义不交叠的区域；所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域；

S2-3：在二值化处理后将前景图和背景图提取出来了后再根据形态学算法将玻璃部分提取出来；首先，用connection函数将前景部分分离开来。Connection是对region内的每个像素与它相连的像素进行灰度值的计算，来判断此像素点是否与其它像素有相连接，如果此像素周围的8个像素中有一个或多个像素与此像素不同，即这个像素点是这个区域的边缘点，否则是内部点，这样就想每个区域找出来了；然后再根据select_shape找出被测零件的玻璃边，select_shape函数是根据特征来提取出区域的，参数Features选择不同的特征，如area(面积)，circularity(圆度)，inner_radius(内圆半径)等，根据这些特征的不同来挑选出想要的区域；最后利用measure_pos量测出玻璃的边缘点，跟据这些点进行直线拟合，获取被测零件的玻璃边的直线方程。

所述步骤S4根据被测零件的玻璃边定位找到胶水的具体地方，然后通过计算机根据形态学算法、轮廓提取算法以及轮廓与直线距离的算法，获取胶水边缘与基础线的最大值和最小值的具体如下：

S4-1：找出了轮廓线后利用distance_lc函数得到胶水与基础线的最大和最小值；再distance_lc中参数contour是轮廓，Row1,Column1,Row2,Column2是指线的两个端点，然后计算轮廓每个点与线的距离，选出最大，最小值；

所述步骤S5以所述基础线为基础，通过计算机根据region特征提取算法与所述S2-3提取算法一致。

S1-2，在建立所述模板之前，先对这个区域进行阈值分割，数学形态学处理，方便以后的建模。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (6)

1.一种大尺寸胶水缺陷检测方法，其特征在于，包括：线阵CCD相机、给被测零件打光的线光源、被测零件、计算机以及控制器线阵CCD相机相对于被测零件相对运动的转动机构，其步骤为：

步骤S1，通过所述计算机采用模板匹配的方法找mark点定位，确定定位坐标；

步骤S2，根据定位坐标，通过转动机构将线阵CCD相机的镜头对准至被测零件边缘处，计算机再利用形态学算法和二值化，以及直线量测算法找出被测零件的玻璃边；

步骤S3，根据被测零件的尺寸，通过计算机利用(x+△x,y+△y)计算出基础线；

步骤S4，根据被测零件的玻璃边定位找到胶水的具体地方，然后通过计算机根据形态学算法、轮廓提取算法以及轮廓与直线距离的算法，获取胶水边缘与基础线的最大值和最小值；

步骤S5，以所述基础线为基础，通过计算机根据region特征提取算法，判断是否由缺胶，溢胶和断胶。

2.根据权利要求1所述的大尺寸胶水缺陷检测方法，其特征在于，所述步骤S1通过所述计算机采用模板匹配的方法找mark点定位，确定定位坐标的具体步骤如下：

S1-1：确定出被测零件中ROI的矩形区域，优选地，确定ROI的矩形区域的左上点和右下点的坐标，根据gen_rectangle1()函数生成一个矩形，利用area_center()找到这个矩形的中心；

S1-2：从线阵CCD相机的图像中获取所述矩形区域图像，所述计算机运用reduce_domain()得到ROI；之后对这个矩形建立模板；

S1-3：通过计算机利用create_shape_model()创建所述模板，创建好所述模板后，采用inspect_shape_model()来监视模板；

S1-4：创建好所述模板后，通过函数find_shape_model()进行模板匹配了。

3.根据权利要求2所述的大尺寸胶水缺陷检测方法，其特征在于，所述步骤S2根据定位坐标，通过转动机构将线阵CCD相机的镜头对准至被测零件边缘处，计算机再利用形态学算法和二值化，以及直线量测算法找出被测零件的玻璃边的具体步骤如下：

S2-1：根据S1-1得到的矩形中点坐标，定位被测零件中胶水的大致区域，利用gen_rectangle1函数生成要分析的胶水区域；

S2-2：得到要分析的胶水区域后用threshold函数对图像进行二值化处理；

S2-3：在二值化处理后将前景图和背景图提取出来了后再根据形态学算法将玻璃部分提取出来。

4.根据权利要求1所述的大尺寸胶水缺陷检测方法，其特征在于，所述步骤S4根据被测零件的玻璃边定位找到胶水的具体地方，然后通过计算机根据形态学算法、轮廓提取算法以及轮廓与直线距离的算法，获取胶水边缘与基础线的最大值和最小值的具体如下：

S4-1：找出了轮廓线后利用distance_lc函数得到胶水与基础线的最大和最小值。

5.根据权利要求1所述的大尺寸胶水缺陷检测方法，其特征在于，所述步骤S5以所述基础线为基础，通过计算机根据region特征提取算法与所述S2-3提取算法一致。

6.根据权利要求2所述的大尺寸胶水缺陷检测方法，其特征在于，所述S1-2中，在建立所述模板之前，先对这个区域进行阈值分割，数学形态学处理，方便以后的建模。