CN110445921A - 一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置 - Google Patents

一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置 Download PDF

Info

Publication number
CN110445921A
CN110445921A CN201910844048.3A CN201910844048A CN110445921A CN 110445921 A CN110445921 A CN 110445921A CN 201910844048 A CN201910844048 A CN 201910844048A CN 110445921 A CN110445921 A CN 110445921A
Authority
CN
China
Prior art keywords
mobile phone
phone screen
image
foreign matter
dust
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910844048.3A
Other languages
English (en)
Inventor
张衍超
张瑜
侯竞夫
宫俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201910844048.3A priority Critical patent/CN110445921A/zh
Publication of CN110445921A publication Critical patent/CN110445921A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/24—Arrangements for testing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Studio Devices (AREA)

Abstract

本发明提供一种基于机器视觉的手机屏背光异物缺陷诊断方法，包括以下步骤：通过可编程逻辑控制器PLC点亮屏幕使手机屏为白色底色，由CCD工业相机采集图像，对所述图像中手机屏的区域进行提取，获取手机屏图像P；熄灭手机屏幕，开启灰尘侧光装置，通过CCD工业相机采集图像，获得侧光图Q；对手机屏图像P进行预处理和阈值分割，获取背光异物候选区域；结合侧光图Q，定位灰尘，在候选区域中剔除灰尘干扰；提取去除灰尘干扰的背光异物候选区域的局部子图，通过二次阈值分割排除划痕脏斑的干扰；最终可定位得到手机屏背光异物区域。在灰尘因素的干扰去除方面，本发明设计了一种灰尘侧光装置，精准排除灰尘干扰，提高检测的准确率。

Description

一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置
技术领域
本发明涉及缺陷诊断的技术领域，具体而言，尤其涉及一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置。
背景技术
在工业生产高速发展的今天，各种大小、各种型号的手机充斥着全球各地，产品更新换代速度之快也令人瞠目结舌。对于手机屏幕缺陷检测来说，人工检测耗时耗力，大部分基于机器视觉的自动化检测算法只能够针对几种类型屏幕进行检测，已经无法满足手机屏幕生产商的要求。对手机屏幕生产商而言，寻找一套高效的、准确的、通用的自动化检测设备以代替人工检测是当务之急。机器视觉(也称计算机视觉)技术早已有了30多年的积累和沉淀。这是一种依靠计算机与摄像头相结合的模拟生物视觉技术，涉及数学、图像采集、图像识别、计算机科学、光学、机器学习等多个专业领域。计算机对于摄像头采集发回的屏幕样本图像的各种参数进行计算分析并与给定的指标进行比对从而得出结论，可重复性大、结果准确、效率极高，并且其特色的非接触式检测可以从采集多个角度的图像进行三维数据交叉分析，提高准确率，还可以避免检测时造成划伤、破损等二次伤害。
本发明针对在生产手机屏幕时常常出现的背光异物缺陷进行了深入研究；背光异物是指手机屏在生产过程中贴背光板时混入灰尘，在手机屏点亮为白色底色时候显示为一个黑色的小点，但是该缺陷的检测会受到多种因素的干扰，其中主要包括灰尘以及屏幕表面划痕和脏斑，本发明在灰尘干扰因素的去除上设计了一种灰尘侧光装置，能精准有效的排除灰尘对背光异物缺陷的干扰，并针对整个背光异物缺陷的检测设计了一套检测算法能准确高效的识别手机屏中是否含有缺陷。
发明内容
根据上述提出的技术问题，而提供一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置。本发明主要利用一种基于机器视觉的手机屏背光异物缺陷诊断方法，其特征在于，包括以下步骤：
步骤S1：通过CCD工业相机采集图像，对所述图像中手机屏的区域进行提取，去掉所述图像背景获取手机屏图像P；
步骤S2：通过预处理和阈值分割，获得图像中背光异物候选区域。
步骤S3：熄灭屏幕，则打开侧光灯装置中的侧光灯，通过所述CCD工业相机采集图像，获得侧光图Q；在侧光灯的照射下，灰尘会发生漫反射发亮，而背光异物在液晶玻璃下，不会受侧光灯影响；通过对Q的处理，增强灰尘区域与背景的对比度，结合背光异物候选区域实现对灰尘干扰因素的去除；
步骤S4：针对去除灰尘干扰的异物候选区域，提取所述异物候选区域的小邻域局部子图，对上述子图进行二次自适应阈值分割以此来抑制划痕和脏斑干扰，得到最终检测结果。
进一步地，所述步骤S1还包括以下步骤：
步骤S11：对所述CCD工业相机采集的图像进行灰度化处理；
步骤S12：通过全局自适应阈值分割方法处理所述CCD工业相机采集图像，获取矩形轮廓明显的二值图像；
步骤S13：为去除图像的噪声点的干扰因素对所述步骤S12获取的二值图像进行包含腐蚀与膨胀的形态学处理；
步骤S14：基于Findcounts轮廓检索算法获得所述手机屏的轮廓位置信息，并将轮廓信息储存在位置数组中；所述手机屏的轮廓信息包括：手机屏的矩形区域左上角顶点的坐标(x,y)；手机屏的矩形区域的纵向长度h以及手机屏矩形区域的横向长度w；
步骤S15：读取并保存所述位置数组的位置信息，对所述CCD工业相机采集图像进行裁剪获得手机屏图像P；所述裁剪获得手机屏图像P：为(y+3：y+h-3，x+3：x+w-3)。
更进一步地，所述步骤S2还包含以下步骤：
步骤S21：通过Gabor滤波，对所述手机屏图像P进行0°和90°方向的多尺度滤波，对干扰信息周期性纹理进行去除；
步骤S22：为避免屏幕的整体亮度不均的影响，采用局部窗口自适应阈值分割，得到图像中疑似异物区域与背景区域的二值图像，将所述异物区域与所述背景区域进行分割；
步骤S23：为抑制随机噪声并有效的抑制边缘模糊，进行中值滤波；
步骤S24：对阈值分割后的所述二值图像进行ji轮廓检索获取图像所有的边界连续像素序列，将疑似异物区域的轮廓及位置信息储存在数组中；
步骤S25：通过计算每个轮廓的最小外接矩形的面积进行面积筛选，进一步剔除噪点，并获得矩形的中心坐标(X,Y)；
步骤S26：获得异物候选区域的中心坐标组。
进一步地，所述步骤S3还包括以下步骤：
步骤S31：手机屏幕在熄灭后，在侧光灯开启状态下，拍摄到的图像的周围环境和手机屏分界处不明显，但因为手机屏幕在点亮熄灭前后与CCD相机的相对位置没有发生改变，则此时对于拍摄得到的侧光图中手机屏区域的坐标应与步骤S1中所述的坐标相同，依据此坐标(y+3：y+h-3，x+3：x+w-3)对图像裁剪即可得到侧光图中的手机屏区域Q’；
步骤S32：侧光图中能够显示出灰尘是由于其在侧光线的照射下产生漫反射从而能被CCD相机捕捉；
采用伽马变换矫正的方式对图像进行增强所述灰尘侧光图的对比度；所述Gamma变换是对所述去除背景后的侧光图Q’灰度值进行的非线性变换，使输出图像的灰度值与所述去除干扰后的手机屏图像P’的灰度值呈指数关系，即：
其中，Vin表示所述去除背景后的手机屏图像P’的灰度值，A表示系数，γ表示Gamma值，Vout表示所述去除背景后的手机屏图像P’经Gamma变换后的灰度值；所述Vout和所述Vin的取值范围均为[0,1]；
步骤S33：将异物检测提供的坐标定位到侧光图对应的位置坐标，排除灰尘因素的干扰，获得去除灰尘干扰的疑似异物区域；
所述步骤S33还包括以下步骤：
步骤S331：根据S2异物检测提供的疑似异物位置坐标(X,Y)定位到侧光图中；
步骤S332：计算侧光图中该点的灰度值GP(X,Y)；
步骤S333：计算该点周围δ邻域内的平均灰度值GA(X,Y)
步骤S334：计算GP(X,Y)与GA(X,Y)的差值GD：
GD＝Abs|GP(X,Y)-GA(X,Y)|
当GD大于阈值GTH时即：
GD>GTH
则判断为灰尘区域。
更进一步地，所述步骤S4还包括以下步骤：
步骤S41：对剩余的异物候选区域，提取小邻域局部子图；
步骤S42：对局部子图进行二次自适应阈值分割，抑制划痕和脏斑干扰。
本发明还包含一种基于机器视觉的手机屏背光异物缺陷诊断装置，包括：CCD工业相机、遮光罩、侧光灯装置、支架、手机屏传送装置、手机屏固定装置、工作台、压力传感器、挡板、印章机、手机屏点亮装置、主机以及图像采集卡。
所述CCD工业相机设置在工作台上的支架安装在距离手机屏拍摄位置垂直距离30cm处；所述遮光罩将所述CCD工业相机、所述侧光灯装置及所述手机屏拍摄部分覆盖；所述侧光灯装置位于手机屏传送装置两侧，每侧距离手机屏传送装置中心15cm；所述手机屏固定装置为在手机屏传送装置上的凹槽，每个手机屏固定装置的距离为20cm；所述压力传感器设置于手机屏拍摄位置处；所述挡板安装在工作台上，在手机屏传送装置上方，工作时可将手机屏固定；所述手机屏点亮装置位于手机传送带上；所述图像采集卡将CCD工业相机与主机相连，使主机获得拍摄到的手机屏图像；所述主机对采集到的图像进行特征分析和缺陷诊断；所述印章机根据诊断结果，对手机屏标记。
进一步地，所述手机屏传送装置上设有使手机屏传送到拍摄位置并保持手机屏位置端正的相距15cm且深度为3mm的凹槽，即手机屏固定装置。
更进一步地，所述手机屏点亮装置设置于所述手机屏传送装置上，当所述CCD工业相机拍摄得到侧光灯开启后的图像，则所述手机屏点亮装置开始工作，通过柔性电路板(FPC)将手机屏点亮。
进一步地，所述侧光灯装置设置于所述手机屏传送装置的两侧，每侧距离上述手机屏传送装置中心为15cm，所述侧光灯包括：多个50W的发出平行黄光的且可调节角度的LED黄灯；
所述LED黄灯与手机屏的角度为10°～30°；开启所述侧光灯装置时，闪烁0.5s。
进一步地，所述压力传感器设置于手机屏拍摄的中心位置，当所述手机屏传送装置将手机屏传送至手机屏拍摄位置时，所述压力传感器感应到压力由大变小，并将信号传递给主机；当主机接收到所述压力传感器信号时，控制手机屏传送装置停止工作，同时所述侧光灯装置闪烁，所述CCD工业相机工作，拍摄到白底图及侧光图后，自动停止工作，所述手机屏传送装置继续工作。
较现有技术相比，本发明具有以下优点：
在灰尘干扰因素的去除上设计了一种灰尘侧光装置，能精准有效的排除灰尘对背光异物缺陷的干扰；传统的手机屏缺陷检测是基于人工的检测，人工检测具有主观性、效率低，工厂成本高，而本发明提出的基于机器视觉的手机屏背光异物缺陷检测方法具有自动化程度高、检测准确率高，低成本的优点，适应我国智能制造的战略需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明整体流程示意图。
图2(a)为本发明通过CCD拍摄得到的图像。
图2(b)为本发明通过提取得到的手机屏图像P’。
图2(c)为本发明初始异物候选区域图。
图3(a)为本发明通过CCD工业相机拍摄得到的侧光图Q。
图3(b)为本发明去除灰尘干扰的异物候选区域图。
图4为本发明最终异物检测示意图。
图5为本发明的手机屏背光异物缺陷诊断装置示意图。
其中，1为CCD工业相机，2为遮光罩，3为侧光灯装置，4为支架，5为手机屏传送装置，6为手机屏固定装置，7为工作台，8为手机屏拍摄位置，9为压力传感器，10为挡板，11为印章机，12为手机屏点亮装置，13为印章，14为主机，15为图像采集卡。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1-4所示为本发明一种基于机器视觉的手机屏背光异物缺陷诊断方法，包括以下步骤：
S1：通过CCD工业相机采集图像，对所述图像中手机屏的区域进行提取，去掉所述图像背景获取手机屏图像P；
S2：通过预处理和阈值分割，获得图像中背光异物候选区域。
S3：熄灭屏幕，打开侧光灯装置中的侧光灯，通过CCD工业相机采集图像，获得侧光图Q(在侧光灯的照射下，灰尘会发生漫反射发亮，而背光异物在液晶玻璃下，不会受侧光灯影响)通过对Q的处理，增强灰尘区域与背景的对比度，结合背光异物候选区域实现对灰尘干扰因素的去除。
S4：针对去除灰尘干扰的异物候选区域，提取其小邻域局部子图，对子图进行二次自适应阈值分割以此来抑制划痕和脏斑干扰，得到最终检测结果。
作为一种优选的实施方式，步骤S1还包括以下步骤：
步骤S11：对所述CCD工业相机采集的图像进行灰度化处理。
步骤S12：通过全局自适应阈值分割方法处理所述CCD工业相机采集图像，获取矩形轮廓明显的二值图像。
步骤S13：为去除图像的噪声点的干扰因素对所述步骤S12获取的二值图像进行包含腐蚀与膨胀的形态学处理。
腐蚀的计算公式为：
膨胀的计算公式为：
可以理解为在其它的实施方式中，腐蚀与膨胀方式可以按照实际情况进行选择，只要能够满足能够将二值图进行形态学处理即可。
步骤S14：基于Findcounts轮廓检索算法获得所述手机屏的轮廓位置信息，并将轮廓信息储存在位置数组中；所述手机屏的轮廓信息包括：手机屏的矩形区域左上角顶点的坐标(x,y)；手机屏的矩形区域的纵向长度h以及手机屏矩形区域的横向长度w。
步骤S15：读取并保存所述位置数组的位置信息，对所述CCD工业相机采集图像进行裁剪获得手机屏图像P；所述裁剪获得手机屏图像P为：
(y+3：y+h-3，x+3：x+w-3)。
进一步的，步骤S2还包括以下步骤：
步骤S21：手机屏上由于制造原因会出现横竖相间的高频周期性纹理，而普通的低通滤波器都是通过卷积对图像进行模糊，使得周期性纹理的消除作用不明显，而利用Gabor滤波器能够有效的降低图像中高频噪声以及消除周期性纹理。利用Gabor滤波，进行0°和90°方向的多尺度滤波，去除周期性纹理干扰信息，降低手机屏图像P中噪声对缺陷检测产生的干扰。
本文采用的滤波器可以描述为：
式中x′＝xcosθ+ysinθ，y′＝-xsinθ+ycosθ。f是中心频率，θ是旋转角度，(σx，σy)是椭圆高斯方程分别沿x轴和y轴方向的标准差。
通过给定滤波器不同中心频率和方向，就可以构造多尺度多方向的Gabor滤波器组。
本文选择了具有2个中心频率和2个滤波方向的共4个滤波器组成的Gabor滤波器组。通过选择合适的参数，基本消除了纹理背景，降低了对缺陷检测的干扰。
步骤S22：为避免屏幕的整体亮度不均的影响，采用局部窗口自适应阈值分割，利用合适的阈值，可以得到图像中疑似异物区域与背景区域的二值图像，以便将两区域进行分割。
步骤S23：为抑制随机噪声并有效的抑制边缘模糊，进行中值滤波。将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，让周围的像素值接近真实值，从而消除孤立的噪声点。二维中值滤波输出为：
g(x,y)＝med{f(x-k,y-l),(k,l∈W)}
其中，f(x,y),g(x,y)分别为原始图像和处理后图像，W为二维模板，本文是3*3区域。
步骤S24：对阈值分割后的图像进行基于Findcounts算法的轮廓检索获取图像所有的边界连续像素序列，将疑似异物区域的轮廓及位置信息储存在数组中。
步骤S25：通过计算每个轮廓的最小外接矩形的面积进行面积筛选，进一步剔除噪点，并获得矩形的中心坐标(X,Y)
步骤S26：获得异物候选区域的中心坐标组。
在本实施方式中，S22还包括以下步骤：
步骤S221：图像灰度化处理，转化成单通道图像，方便下一步的阈值分割
步骤S222：确定阈值，便于疑似异物区域与背景区域的分割。
由于疑似异物区域与背景区域的对比度较低，因此运用局部窗口自适应阈值分割方法里面的Phansalkar算法，该算法的阈值计算公式为：
其中t为阈值，mean表示局部均值，stdev表示方差。其它几个参数的取值为：
k＝0.25 r＝0.5 p＝2 q＝10
为了不产生漏检，此处的参数设置对异物比较敏感。
步骤S223：将灰度值大于阈值的背景区域的像素值设置为0，将灰度值小于阈值的疑似异物区域像素值设置为255，即实现了阈值分割。
作为一种优选的实施方式，所述步骤S3还包括以下步骤：
步骤S31：手机屏幕在熄灭后，在侧光灯开启状态下，拍摄到的图像的周围环境和手机屏分界处不明显，但因为手机屏幕在点亮熄灭前后与CCD相机的相对位置没有发生改变，此时对于拍摄得到的侧光图中手机屏区域的坐标应与步骤S1中所述的坐标相同，依据此坐标(y+3：y+h-3，x+3：x+w-3)对图像裁剪即可得到侧光图中的手机屏区域Q’。
步骤S32：侧光图中能够显示出灰尘是由于其在侧光线的照射下产生漫反射从而能被CCD工业相机捕捉。虽然灰尘点的灰度值明显高于黑色背景，但是由于灰尘面积小，为了提高剔除影响时的准确性，要对侧光图进行增强。这里采用伽马变换矫正的方式对图像进行增强以此提高所述灰尘侧光图的对比度；所述Gamma变换是对所述去除背景后的侧光图Q’灰度值进行的非线性变换，使输出图像的灰度值与所述去除干扰后的手机屏图像P’的灰度值呈指数关系，即：
其中，Vin表示所述去除背景后的手机屏图像P’的灰度值，A表示系数，γ表示Gamma值，Vout表示所述去除背景后的手机屏图像P’经Gamma变换后的灰度值；所述Vout和所述Vin的取值范围均为[0,1]；
步骤S33：将异物检测提供的坐标定位到侧光图对应的位置坐标，排除灰尘因素的干扰，获得去除灰尘干扰的疑似异物区域。
更进一步地，所述步骤S33还包括以下步骤：
步骤S331：根据S2异物检测提供的疑似异物位置坐标(X,Y)定位到侧光图中。
步骤S322：计算侧光图中该点的灰度值GP(X,Y)。
步骤S323：计算该点周围δ邻域内的平均灰度值GA(X,Y)。
步骤S33：计算GP(X,Y)与GA(X,Y)的差值GD：
GD＝Abs|GP(X,Y)-GA(X,Y)|
当GD大于阈值GTH时即：
GD>GTH
判断为灰尘区域。此方案不用检测灰尘的位置，节省了检测灰尘的时间。且只有当检测到存在疑似异物才进行是否为灰尘的判断，不到导致直接屏蔽掉灰尘位置而导致真实异物漏检的风险。
优选地，在本实施方式中，步骤S4还包括以下步骤：
步骤S41：对剩余的异物候选区域，提取小邻域局部子图。
脏斑是屏幕表面上一块类似于胶状的异物区域，视觉表现为不连续的一块灰黑色异物区域，颜色有的很深，有的很浅，区域大小形状不确定。划痕是屏幕的塑料膜上的断续的划伤点连成的一条线，视觉表现为划痕中的不连续点与异物在形状和颜色上相近，但是相对于异物来说，饱和度较低，也就是看起来比较淡。一些明显的大片的脏斑已经通过侧光图利用与抑制灰尘相同的方法去除了，但是在第一步进行异物检测时，为避免屏幕的整体亮度不均的影响，采用的自适应局部阈值分割的方法，为了避免漏检，参数设置成对异物较为敏感，会检测到比较浅的划痕和脏斑，而从第一步检测分割后的二值图中无法区分划痕和脏斑。
由于异物在局部子图中对比度比较大，而划痕和脏斑相对来说比较浅，在局部子图中，异物与划痕、脏斑的差异明显。
步骤S42：对局部子图进行二次自适应阈值分割，抑制划痕和脏斑干扰本实施方案中，对步骤S42还包括以下步骤：
步骤S421：将候选的灰尘候选区域的子图灰度化，转化成单通道图像
步骤S422：异物区域和其他区域的分割阈值记为Th，属于异物区域的像素点数占灰尘候选区域的比例记为w1，其平均灰度为G1，其他区域像素点数占灰尘候选区域的比例为w2，其平均灰度为G2，图像的类间方差记为g,图像的大小为MXU，图像中像素的灰度值小于阈值的像素点个数记作N1，像素灰度大于阈值的像素个数记作N2，则
N1+N2＝M×N
w1+w2＝1
μ＝μ1×w1+μ2×w2
g＝w1×(μ-μ1)2+w2×(μ-μ2)2
最后得到
g＝w1×w2×(μ1-μ2)2
类间方差越大，分割越精确，遍历所有从0到255灰度级的阈值分割条件，求使得类间方差最大的灰度值，即为所求Th。
步骤S423：将灰度值大于阈值Th的其他区域的像素值设置为0，将灰度值小于阈值的异物区域像素值设置为255即实现阈值分割。
如图5所示为本发明包含的一种基于机器视觉的手机屏背光异物缺陷诊断装置，包括：CCD工业相机、遮光罩、侧光灯装置、支架、手机屏传送装置、手机屏固定装置、工作台、压力传感器、挡板、印章机、手机屏点亮装置、主机以及图像采集卡。
在本实施方式中，所述CCD工业相机设置在工作台上的支架安装在距离手机屏拍摄位置垂直距离30cm处；所述遮光罩将所述CCD工业相机、所述侧光灯装置及所述手机屏拍摄部分覆盖；所述侧光灯装置位于手机屏传送装置两侧，每侧距离手机屏传送装置中心15cm；所述手机屏固定装置为在手机屏传送装置上的凹槽，每个手机屏固定装置的距离为20cm；所述压力传感器设置于手机屏拍摄位置处；所述挡板安装在工作台上，在手机屏传送装置上方，工作时可将手机屏固定；所述手机屏点亮装置位于手机传送带上；所述图像采集卡将CCD工业相机与主机相连，使主机获得拍摄到的手机屏图像；所述主机对采集到的图像进行特征分析和缺陷诊断；所述印章机根据诊断结果，对手机屏标记。
作为一种优选的实施方式，所述手机屏传送装置上设有使手机屏传送到拍摄位置并保持手机屏位置的端正的相距15cm且深度为3mm的凹槽，即手机屏固定装置。
在本实施方式中，优选地，所述手机屏点亮装置设置于所述手机屏传送装置上，当所述CCD工业相机拍摄得到侧光灯开启后的图像，则所述手机屏点亮装置开始工作，通过柔性电路板(FPC)将手机屏点亮。
在本实施方式中，所述侧光灯装置设置于所述手机屏传送装置的两侧，每侧距离上述手机屏传送装置中心为15cm，所述侧光灯包括：多个50W的发出平行黄光的且可调节角度的LED黄灯；所述LED黄灯与手机屏的角度为10°～30°；开启所述侧光灯装置时，闪烁0.5s。
在本实施方式中，优选地，所述压力传感器设置于手机屏拍摄的中心位置，当所述手机屏传送装置将手机屏传送至手机屏拍摄位置时，所述压力传感器感应到压力由大变小，并将信号传递给主机；当主机接收到所述压力传感器信号时，控制手机屏传送装置停止工作，同时所述侧光灯装置闪烁，所述CCD工业相机工作，拍摄到白底图及侧光图后，自动停止工作，所述手机屏传送装置继续工作。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基于机器视觉的手机屏背光异物缺陷诊断方法，其特征在于，包括以下步骤：
S1：通过CCD工业相机采集图像，对所述图像中手机屏的区域进行提取，去掉所述图像背景获取手机屏图像P；
S2：通过预处理和阈值分割，获得图像中背光异物候选区域；
S3：熄灭屏幕，则打开侧光灯装置中的侧光灯，通过所述CCD工业相机采集图像，获得侧光图Q；在侧光灯的照射下，灰尘会发生漫反射发亮，而背光异物在液晶玻璃下，不会受侧光灯影响；通过对Q的处理，增强灰尘区域与背景的对比度，结合背光异物候选区域实现对灰尘干扰因素的去除；
S4：针对去除灰尘干扰的异物候选区域，提取所述异物候选区域的小邻域局部子图，对上述子图进行二次自适应阈值分割以此来抑制划痕和脏斑干扰，得到最终检测结果。
2.根据权利要求1所述的一种基于机器视觉的手机屏背光异物缺陷诊断方法，其特征还在于：
所述步骤S1还包括以下步骤：
S11：对所述CCD工业相机采集的图像进行灰度化处理；
S12：通过全局自适应阈值分割方法处理所述CCD工业相机采集图像，获取矩形轮廓明显的二值图像；
S13：为去除图像的噪声点的干扰因素对所述步骤S12获取的二值图像进行包含腐蚀与膨胀的形态学处理；
S14：基于Findcounts轮廓检索算法获得所述手机屏的轮廓位置信息，并将轮廓信息储存在位置数组中；所述手机屏的轮廓信息包括：手机屏的矩形区域左上角顶点的坐标(x,y)；手机屏的矩形区域的纵向长度h以及手机屏矩形区域的横向长度w；
S15：读取并保存所述位置数组的位置信息，对所述CCD工业相机采集图像进行裁剪获得手机屏图像P；所述裁剪获得手机屏图像P：为(y+3：y+h-3，x+3：x+w-3)。
3.根据权利要求1所述的一种基于机器视觉的手机屏背光异物缺陷诊断方法，其特征还在于：所述步骤S2还包含以下步骤：
S21：通过Gabor滤波，对所述手机屏图像P进行0°和90°方向的多尺度滤波，对干扰信息周期性纹理进行去除；
S22：为避免屏幕的整体亮度不均的影响，采用局部窗口自适应阈值分割，得到图像中疑似异物区域与背景区域的二值图像，将所述异物区域与所述背景区域进行分割；
S23：为抑制随机噪声并有效的抑制边缘模糊，进行中值滤波；
S24：对阈值分割后的所述二值图像进行基于Findcounts算法的轮廓检索获取图像所有的边界连续像素序列，将疑似异物区域的轮廓及位置信息储存在数组中；
S25：通过计算每个轮廓的最小外接矩形的面积进行面积筛选，进一步剔除噪点，并获得矩形的中心坐标(X,Y)；
S26：获得异物候选区域的中心坐标组。
4.根据权利要求1所述的一种基于机器视觉的手机屏背光异物缺陷诊断方法，其特征还在于：所述步骤S3还包括以下步骤：
S31：手机屏幕在熄灭后，在侧光灯开启状态下，拍摄到的图像的周围环境和手机屏分界处不明显，但因为手机屏幕在点亮熄灭前后与CCD相机的相对位置没有发生改变，则此时对于拍摄得到的侧光图中手机屏区域的坐标应与步骤S1中所述的坐标相同，依据此坐标(y+3：y+h-3，x+3：x+w-3)对图像裁剪即可得到侧光图中的手机屏区域Q’；
S32：侧光图中能够显示出灰尘是由于其在侧光线的照射下产生漫反射从而能被CCD工业相机捕捉；
采用伽马变换矫正的方式对图像进行增强所述灰尘侧光图的对比度；所述Gamma变换是对所述去除背景后的侧光图Q’灰度值进行的非线性变换，使输出图像的灰度值与所述去除干扰后的手机屏图像P’的灰度值呈指数关系，即：
其中，Vin表示所述去除背景后的手机屏图像P’的灰度值，A表示系数，γ表示Gamma值，Vout表示所述去除背景后的手机屏图像P’经Gamma变换后的灰度值；所述Vout和所述Vin的取值范围均为[0,1]；
S33：将异物检测提供的坐标定位到侧光图对应的位置坐标，排除灰尘因素的干扰，获得去除灰尘干扰的疑似异物区域；
所述步骤S33还包括以下步骤：
S331：根据S2异物检测提供的疑似异物位置坐标(X,Y)定位到侧光图中；
S332：计算侧光图中该点的灰度值GP(X,Y)；
S333：计算该点周围δ邻域内的平均灰度值GA(X,Y)
S334：计算GP(X,Y)与GA(X,Y)的差值GD：
GD＝Abs|GP(X,Y)-GA(X,Y)|
当GD大于阈值GTH时即：
GD>GTH
则判断为灰尘区域。
5.根据权利要求1所述的一种基于机器视觉的手机屏背光异物缺陷诊断方法，其特征还在于：所述步骤S4还包括以下步骤：
S41：对剩余的异物候选区域，提取小邻域局部子图；
S42：对局部子图进行二次自适应阈值分割，抑制划痕和脏斑干扰。
6.应用权利要求1-5任意一项所述缺陷诊断方法的一种基于机器视觉的手机屏背光异物缺陷诊断装置，其特征在于，包括：
CCD工业相机、遮光罩、侧光灯装置、支架、手机屏传送装置、手机屏固定装置、工作台、压力传感器、挡板、印章机、手机屏点亮装置、主机以及图像采集卡；
所述CCD工业相机设置在工作台上的支架安装在距离手机屏拍摄位置垂直距离30cm处；所述遮光罩将所述CCD工业相机、所述侧光灯装置及所述手机屏拍摄部分覆盖；所述侧光灯装置位于手机屏传送装置两侧，每侧距离手机屏传送装置中心15cm；所述手机屏固定装置为在手机屏传送装置上的凹槽，每个手机屏固定装置的距离为20cm；所述压力传感器设置于手机屏拍摄位置处；所述挡板安装在工作台上，在手机屏传送装置上方，工作时可将手机屏固定；所述手机屏点亮装置位于手机传送带上；所述图像采集卡将CCD工业相机与主机相连，使主机获得拍摄到的手机屏图像；所述主机对采集到的图像进行特征分析和缺陷诊断；所述印章机根据诊断结果，对手机屏标记。
7.根据权利要求6所述的一种基于机器视觉的手机屏背光异物缺陷诊断装置，其特征还在于：所述手机屏传送装置上设有使手机屏传送到拍摄位置并保持手机屏位置端正的相距15cm且深度为3mm的凹槽，即手机屏固定装置。
8.根据权利要求6所述的一种基于机器视觉的手机屏背光异物缺陷诊断装置，其特征还在于：所述手机屏点亮装置设置于所述手机屏传送装置上，当所述CCD工业相机拍摄得到侧光灯开启后的图像，则所述手机屏点亮装置开始工作，通过柔性电路板FPC将手机屏点亮。
9.根据权利要求6所述的一种基于机器视觉的手机屏背光异物缺陷诊断装置，其特征还在于：所述侧光灯装置设置于所述手机屏传送装置的两侧，每侧距离上述手机屏传送装置中心为15cm，所述侧光灯包括：多个50W的发出平行黄光的且可调节角度的LED黄灯；
所述LED黄灯与手机屏的角度为10°～30°；开启所述侧光灯装置时，闪烁0.5s。
10.根据权利要求6所述的一种基于机器视觉的手机屏背光异物缺陷诊断装置，其特征还在于：所述压力传感器设置于手机屏拍摄的中心位置，当所述手机屏传送装置将手机屏传送至手机屏拍摄位置时，所述压力传感器感应到压力由大变小，并将信号传递给主机；当主机接收到所述压力传感器信号时，控制手机屏传送装置停止工作，同时所述侧光灯装置闪烁，所述CCD工业相机工作，拍摄到白底图及侧光图后，自动停止工作，所述手机屏传送装置继续工作。
CN201910844048.3A 2019-09-06 2019-09-06 一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置 Pending CN110445921A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910844048.3A CN110445921A (zh) 2019-09-06 2019-09-06 一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910844048.3A CN110445921A (zh) 2019-09-06 2019-09-06 一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置

Publications (1)

Publication Number Publication Date
CN110445921A true CN110445921A (zh) 2019-11-12

Family

ID=68439588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910844048.3A Pending CN110445921A (zh) 2019-09-06 2019-09-06 一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置

Country Status (1)

Country Link
CN (1) CN110445921A (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111294453A (zh) * 2020-01-21 2020-06-16 上海悦易网络信息技术有限公司 手机按键测试方法及设备
CN111292295A (zh) * 2020-01-20 2020-06-16 凌云光技术集团有限责任公司 一种检测低对比度图像的方法和装置
CN111445452A (zh) * 2020-03-23 2020-07-24 Oppo（重庆）智能科技有限公司 电子产品的缺陷检测方法、装置及计算机可读存储介质
CN111474177A (zh) * 2020-05-06 2020-07-31 深圳市斑马视觉科技有限公司 基于计算机视觉的液晶屏幕背光异物缺陷检测方法
CN111524101A (zh) * 2020-04-10 2020-08-11 苏州赛腾精密电子股份有限公司 一种基于机器视觉技术的电子屏幕缺陷检测方法
CN111563889A (zh) * 2020-05-06 2020-08-21 深圳市斑马视觉科技有限公司 基于计算机视觉的液晶屏幕Mura缺陷检测方法
CN111583137A (zh) * 2020-04-26 2020-08-25 苏州赛腾精密电子股份有限公司 一种基于机器视觉技术的电子屏幕色斑检测装置及方法
CN111601227A (zh) * 2020-05-29 2020-08-28 深圳市燕麦科技股份有限公司 麦克风检测设备及麦克风检测方法
CN111627009A (zh) * 2020-05-27 2020-09-04 歌尔股份有限公司 一种屏幕检测方法、装置及头戴显示设备
CN112561810A (zh) * 2020-12-07 2021-03-26 西安诺瓦星云科技股份有限公司 显示屏的去混光方法、装置、存储介质和处理器
CN112858318A (zh) * 2021-04-26 2021-05-28 惠州高视科技有限公司 屏幕异物缺陷与灰尘的区分方法、电子设备及存储介质
CN113008898A (zh) * 2021-02-25 2021-06-22 四川兆纪光电科技有限公司 一种背光源模组的检测装置及检测方法
CN113284148A (zh) * 2021-07-23 2021-08-20 苏州高视半导体技术有限公司 一种屏幕灰尘过滤方法
CN113295710A (zh) * 2021-05-07 2021-08-24 高视科技(苏州)有限公司 用于对lcd模组进行检测的方法、电子设备及存储介质
CN113390611A (zh) * 2021-05-27 2021-09-14 北京兆维科技开发有限公司 一种屏幕缺陷的检测方法
CN115018829A (zh) * 2022-08-03 2022-09-06 创新奇智(成都)科技有限公司 一种玻璃瑕疵定位方法及装置
CN115222653A (zh) * 2021-12-17 2022-10-21 荣耀终端有限公司 测试方法和装置
CN115496759A (zh) * 2022-11-17 2022-12-20 歌尔股份有限公司 灰尘检测方法和装置、存储介质
CN117934453A (zh) * 2024-03-18 2024-04-26 深圳市酷童小样科技有限公司 一种手机屏背光异物缺陷诊断方法及系统
CN118067741A (zh) * 2024-04-18 2024-05-24 成都考拉悠然科技有限公司 基于光度立体法的Mini-LED胶面缺陷检测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0868617A (ja) * 1994-08-30 1996-03-12 Nec Corp パターン検査装置
KR20060057898A (ko) * 2004-11-24 2006-05-29 엘지전자 주식회사 피디피 제조용 스크린 마스크 검사 장치 및 방법
US20110274353A1 (en) * 2010-05-07 2011-11-10 Hailong Yu Screen area detection method and screen area detection system
JP2014093604A (ja) * 2012-11-01 2014-05-19 Ricoh Co Ltd 画像投射装置評価方法、画像投射装置、画像投射装置の製造方法および画像投射装置の評価システム
CN107678192A (zh) * 2017-07-16 2018-02-09 中科院成都信息技术股份有限公司 一种基于机器视觉的Mura缺陷检测方法及系统
CN108460757A (zh) * 2018-02-11 2018-08-28 深圳市鑫信腾科技有限公司 一种手机TFT-LCD屏Mura缺陷在线自动检测方法
CN110007493A (zh) * 2019-03-28 2019-07-12 凌云光技术集团有限责任公司 液晶显示屏中碎亮点检测方法
CN210405433U (zh) * 2019-09-06 2020-04-24 东北大学 一种基于机器视觉的手机屏背光异物缺陷诊断装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0868617A (ja) * 1994-08-30 1996-03-12 Nec Corp パターン検査装置
KR20060057898A (ko) * 2004-11-24 2006-05-29 엘지전자 주식회사 피디피 제조용 스크린 마스크 검사 장치 및 방법
US20110274353A1 (en) * 2010-05-07 2011-11-10 Hailong Yu Screen area detection method and screen area detection system
JP2014093604A (ja) * 2012-11-01 2014-05-19 Ricoh Co Ltd 画像投射装置評価方法、画像投射装置、画像投射装置の製造方法および画像投射装置の評価システム
CN107678192A (zh) * 2017-07-16 2018-02-09 中科院成都信息技术股份有限公司 一种基于机器视觉的Mura缺陷检测方法及系统
CN108460757A (zh) * 2018-02-11 2018-08-28 深圳市鑫信腾科技有限公司 一种手机TFT-LCD屏Mura缺陷在线自动检测方法
CN110007493A (zh) * 2019-03-28 2019-07-12 凌云光技术集团有限责任公司 液晶显示屏中碎亮点检测方法
CN210405433U (zh) * 2019-09-06 2020-04-24 东北大学 一种基于机器视觉的手机屏背光异物缺陷诊断装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
姚海根等: ""数字印前技术"", 13 January 2012, 印刷工业出版社, pages: 21 - 22 *
郝仕嘉等: ""基于机器视觉的手机屏幕缺陷检测方法研究"", 信息与电脑, no. 9, 31 May 2018 (2018-05-31), pages 50 - 53 *

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111292295A (zh) * 2020-01-20 2020-06-16 凌云光技术集团有限责任公司 一种检测低对比度图像的方法和装置
CN111294453A (zh) * 2020-01-21 2020-06-16 上海悦易网络信息技术有限公司 手机按键测试方法及设备
CN111445452A (zh) * 2020-03-23 2020-07-24 Oppo（重庆）智能科技有限公司 电子产品的缺陷检测方法、装置及计算机可读存储介质
CN111445452B (zh) * 2020-03-23 2022-03-01 Oppo（重庆）智能科技有限公司 电子产品的缺陷检测方法、装置及计算机可读存储介质
CN111524101A (zh) * 2020-04-10 2020-08-11 苏州赛腾精密电子股份有限公司 一种基于机器视觉技术的电子屏幕缺陷检测方法
CN111583137A (zh) * 2020-04-26 2020-08-25 苏州赛腾精密电子股份有限公司 一种基于机器视觉技术的电子屏幕色斑检测装置及方法
CN111474177A (zh) * 2020-05-06 2020-07-31 深圳市斑马视觉科技有限公司 基于计算机视觉的液晶屏幕背光异物缺陷检测方法
CN111563889A (zh) * 2020-05-06 2020-08-21 深圳市斑马视觉科技有限公司 基于计算机视觉的液晶屏幕Mura缺陷检测方法
CN111563889B (zh) * 2020-05-06 2023-06-27 深圳市斑马视觉科技有限公司 基于计算机视觉的液晶屏幕Mura缺陷检测方法
CN111627009A (zh) * 2020-05-27 2020-09-04 歌尔股份有限公司 一种屏幕检测方法、装置及头戴显示设备
CN111627009B (zh) * 2020-05-27 2023-10-20 歌尔光学科技有限公司 一种屏幕检测方法、装置及头戴显示设备
CN111601227B (zh) * 2020-05-29 2021-12-31 深圳市燕麦科技股份有限公司 麦克风检测设备及麦克风检测方法
CN111601227A (zh) * 2020-05-29 2020-08-28 深圳市燕麦科技股份有限公司 麦克风检测设备及麦克风检测方法
CN112561810A (zh) * 2020-12-07 2021-03-26 西安诺瓦星云科技股份有限公司 显示屏的去混光方法、装置、存储介质和处理器
CN112561810B (zh) * 2020-12-07 2023-09-08 西安诺瓦星云科技股份有限公司 显示屏的去混光方法、装置、存储介质和处理器
CN113008898A (zh) * 2021-02-25 2021-06-22 四川兆纪光电科技有限公司 一种背光源模组的检测装置及检测方法
CN112858318A (zh) * 2021-04-26 2021-05-28 惠州高视科技有限公司 屏幕异物缺陷与灰尘的区分方法、电子设备及存储介质
CN113295710A (zh) * 2021-05-07 2021-08-24 高视科技(苏州)有限公司 用于对lcd模组进行检测的方法、电子设备及存储介质
CN113390611A (zh) * 2021-05-27 2021-09-14 北京兆维科技开发有限公司 一种屏幕缺陷的检测方法
CN113390611B (zh) * 2021-05-27 2022-07-12 北京兆维科技开发有限公司 一种屏幕缺陷的检测方法
CN113284148B (zh) * 2021-07-23 2021-10-15 苏州高视半导体技术有限公司 一种屏幕灰尘过滤方法
CN113284148A (zh) * 2021-07-23 2021-08-20 苏州高视半导体技术有限公司 一种屏幕灰尘过滤方法
CN115222653A (zh) * 2021-12-17 2022-10-21 荣耀终端有限公司 测试方法和装置
CN115222653B (zh) * 2021-12-17 2023-08-18 荣耀终端有限公司 测试方法和装置
CN115018829A (zh) * 2022-08-03 2022-09-06 创新奇智(成都)科技有限公司 一种玻璃瑕疵定位方法及装置
CN115496759A (zh) * 2022-11-17 2022-12-20 歌尔股份有限公司 灰尘检测方法和装置、存储介质
WO2024103828A1 (zh) * 2022-11-17 2024-05-23 歌尔股份有限公司 灰尘检测方法和装置、存储介质
CN117934453A (zh) * 2024-03-18 2024-04-26 深圳市酷童小样科技有限公司 一种手机屏背光异物缺陷诊断方法及系统
CN117934453B (zh) * 2024-03-18 2024-06-04 深圳市酷童小样科技有限公司 一种手机屏背光异物缺陷诊断方法及系统
CN118067741A (zh) * 2024-04-18 2024-05-24 成都考拉悠然科技有限公司 基于光度立体法的Mini-LED胶面缺陷检测方法

Similar Documents

Publication Publication Date Title
CN110445921A (zh) 一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置
CN111815630B (zh) 一种用于lcd屏幕的缺陷检测方法、装置
WO2022062812A1 (zh) 屏幕缺陷检测方法、装置和电子设备
CN104749184B (zh) 自动光学检测方法和系统
CN110414355A (zh) 基于视觉的右方位空停车位与泊车过程中车位线检测方法
CN108765402B (zh) 无纺布缺陷检测与分类方法
CN113554080A (zh) 一种基于机器视觉的无纺布瑕疵检测分类方法及系统
CN111474177A (zh) 基于计算机视觉的液晶屏幕背光异物缺陷检测方法
CN111915704A (zh) 一种基于深度学习的苹果分级识别方法
CN108982512A (zh) 一种基于机器视觉的电路板检测系统及其方法
CN106442556A (zh) 一种板状带孔工件表面缺陷检测装置和方法
CN113781486B (zh) Ic卡图像缺陷检测方法
CN113252568A (zh) 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端
CN108665458A (zh) 透明体表面缺陷提取及识别方法
CN104392441B (zh) 基于图像处理的高抗噪织物沾水等级检测评定方法
CN105447489B (zh) 一种图片ocr识别系统的字符与背景粘连噪声消除方法
CN115661110B (zh) 一种透明工件识别与定位的方法
CN110378902A (zh) 一种高噪声背景下的划痕检测方法
CN111239142A (zh) 膏体外观缺陷检测设备及方法
CN110276759A (zh) 一种基于机器视觉的手机屏坏线缺陷诊断方法
CN108986055B (zh) 一种鸡蛋蛋壳表面细微裂纹的视觉检测方法
CN111724383A (zh) 基于转盘的摄像头模组黑斑检测系统
CN111562260B (zh) 一种基于机器视觉的莲藕泥孔检测方法及装置
CN113533372B (zh) 一种纸张缺陷检测方法、系统、装置及计算机存储介质
JP2003271932A (ja) 視線方向検出装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination