CN111189854A - 玻璃盖板自动检测系统缺陷分层检测方法 - Google Patents

玻璃盖板自动检测系统缺陷分层检测方法 Download PDF

Info

Publication number
CN111189854A
CN111189854A CN202010282874.6A CN202010282874A CN111189854A CN 111189854 A CN111189854 A CN 111189854A CN 202010282874 A CN202010282874 A CN 202010282874A CN 111189854 A CN111189854 A CN 111189854A
Authority
CN
China
Prior art keywords
image
product
defect
projection
positioning
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.)
Granted
Application number
CN202010282874.6A
Other languages
English (en)
Other versions
CN111189854B (zh
Inventor
王郑
王岩松
和江镇
方志斌
姜丽杰
李剑敏
吕成
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.)
Focusight Technology Co Ltd
Original Assignee
Focusight Technology Co Ltd
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 Focusight Technology Co Ltd filed Critical Focusight Technology Co Ltd
Priority to CN202010282874.6A priority Critical patent/CN111189854B/zh
Publication of CN111189854A publication Critical patent/CN111189854A/zh
Application granted granted Critical
Publication of CN111189854B publication Critical patent/CN111189854B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种玻璃盖板自动检测系统缺陷分层检测方法，为解决传统方法不能区分缺陷位于正面或贴合面的问题：提供的方法包括如下步骤：S1：以完整且无图像突变的灰度图边缘轮廓感兴趣区域作为模板；S2：将采集到的产品灰度图与S1中的模版进行匹配整合，用于定位待检测的可视区轮廓；S3：如果S2中定位失败，将产品判定为脏污类检出，如果S2中定位成功通过分层算法判断其缺陷是否位于贴合面，剔除非贴合面脏污类缺陷；S4：在S2中定位成功时得出待检测的可视区轮廓区域后，通过灰度差寻找出所有可视区缺陷，经过特征筛选后进入分层算法；判断其是否为本体的投影。本发明解决了产品检测的脏污类分层问题，降低脏污类产品误判几率，提高产品的检测准确率。

Description

玻璃盖板自动检测系统缺陷分层检测方法
技术领域
本发明涉及一种图像处理技术领域，尤其是一种玻璃盖板自动检测系统缺陷分层检测方法。
背景技术
目前玻璃盖板自动检测系统（CG AOI）对缺陷的检测没有进行分层处理，导致检测结果中出现大量不需要检出的正面毛丝、异物以及脏污缺陷，严重降低了产品的合格率，影响企业产能。由于光源与产品存在一定角度，在缺陷平行于产品运动方向和本体较大时，缺陷本体向玻璃底面投影时会出现一定的重叠现象，导致成像出现本体与投影交叉情况，因此会在部分缺陷成像中发现本体与投影会出现相互交叉和投影形状不完全，容易造成主体与投影区别不清的情况，为分层增加了难度。
发明内容
本发明要解决的技术问题是：提供一种玻璃盖板自动检测系统缺陷分层检测方法，解决现有传统算法不能区分缺陷位于正面或贴合面的问题。
本发明解决其技术问题所采用的技术方案是：一种玻璃盖板自动检测系统缺陷分层检测方法，包括以下步骤，
S1：以完整且无图像突变的灰度图边缘轮廓感兴趣区域作为模板；
S2：将现场采集到的产品灰度图与S1中的灰度图轮廓边缘感兴趣区域模版进行匹配整合，用于定位待检测的可视区轮廓；
S3：如果S2中定位失败，将产品判定为脏污类检出，如果S2中定位成功则进入检测程序；
S4：在S2中定位成功时得出待检测的可视区轮廓区域后，通过灰度差寻找出所有可视区缺陷，经过特征筛选后进入分层算法。
分层算法：通过对缺陷本体及投影图像分析，得出本体与投影的位置坐标线性关系，根据此关系由本体求出投影位置，而后通过形态学处理完善投影处缺陷，计算出此处的灰度、形状与本体的相似性，判断其是否为本体的投影。
进一步的说，本发明所述S2中现场采集到的产品灰度图由图像采集单元完成。产品进入AOI机台检测机后，PLC为每片产品进行编码，输出每片产品位置信息给软件，同时传感器将产品来料位置信号转变为帧信号发给图像卡，图像卡向相机发送采集信号，采集产品图像再发送回图像处理服务器，完成图像采集。
再进一步的说，本发明所述分层算法由图像处理服务器完成：图像处理服务器通过各工位对应的传统算法处理9个相机组件由上一步得到的图像得出判别结果；
再进一步的说，本发明所述S2、S3或S4中如果图像判别结果均为好品，图像处理控制模块向显示器发送好品统计信息；
如果其中任何一张图像判别结果为坏品，图像处理控制模块执行两个操作：首先，I/O卡向PLC发送指定产品为坏品的信息，PLC向下料机发送破损或脏污类的剔除信息实现对缺陷产品分类剔除处理；接着，图像处理模块向显示器发送坏品统计、缺陷类型、缺陷图像信息。
本发明的有益效果是：通过分析光源照射缺陷产生的投影与本体之间的位置、灰度关系，求解出缺陷本体的产生层次，降低检测过筛率，大大提升良品率；具体的在通过对大量缺陷本体及投影图像分析基础上，总结出本体与投影的位置坐标线性关系，根据此关系由本体求出投影位置，而后通过形态学处理完善投影处缺陷，计算出此处的灰度、形状与本体的相似性，判断其是否为本体的投影，按照以上所述逻辑，分层算法能够较好地完成分层任务，获得非常不错的效果。
本发明解决了CG AOI检测系统中表面缺陷的如毛丝、异物及脏污的分层问题，有效避免了产品正面脏污类缺陷的过筛，降低整机过筛率，提高机台检测准确性实现了正面脏污类缺陷不检测，仅检测贴合面脏污类缺陷的效果，降低脏污类产品误判几率，提高产品的检测准确率，本发明还具有算法检测准确率高、适用性强，满足客户对于产品分层的要求，并且算法运行时间较短，占用系统资源少，完全满足整机对于算法处理的时间要求。
简单的说本发明根据CG表面缺陷成像规律，结合光学、图像学和数学对缺陷本体与投影的位置及灰度关系进行计算，区分出缺陷的本体与投影，解决产品的分层问题。
附图说明
图1是缺陷在玻璃正面时的成像原理图。
图2是缺陷在玻璃另一面时的成像原理图。
图3是本发明的流程图。
图中，1、光源；2、相机；3、玻璃（产品）；4、缺陷本体；5、缺陷投影。
具体实施方式
现在结合附图和优选实施例对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
如图1-3所示，一种玻璃盖板自动检测系统缺陷分层检测方法，硬件包括光源1（条形光源）以及相机2（线阵相机）；光源1照射到位于玻璃3靠近光源1表面上的缺陷时，会在玻璃3另一面产生投影，此时图像上出现两形状相似的缺陷，一为缺陷本体4、另一为缺陷投影5。因此若图像中的缺陷存在投影，说明此缺陷位于靠近光源一侧的表面上，反之则位于另一面，在此基础上可进行缺陷的分层处理。本方案中的分层也可理解为对缺陷位置是位于玻璃正面还是贴合面的区分。
具体包括以下步骤：
S1：以完整且无图像突变的灰度图边缘轮廓感兴趣区域作为模板；
S2：轮廓边缘感兴趣区域与采集到的产品灰度图进行匹配整合，用于定位待检测的可视区轮廓；
S3：得出待检测的可视区轮廓区域后，通过灰度差寻找出所有可视区缺陷，经过特征筛选后进入分层算法；
S4：在通过对大量缺陷本体及投影图像分析基础上，总结出本体与投影的位置坐标线性关系，根据此关系由本体求出投影位置，而后通过形态学处理完善投影处缺陷，计算出此处的灰度、形状与本体的相似性，判断其是否为本体的投影。
具体为：
（1）通过大量图像分析总结出缺陷投影与缺陷本体角度和列坐标分别存在一次线性关系，即：
Ycol=axcol+b
Yphi=axphi+b
其中，Ycol=axcol+b表示缺陷本体与缺陷投影纵坐标的一次线性关系，此式中，Ycol为缺陷本体纵坐标，xcol为缺陷投影纵坐标，下标col表示纵坐标，此处纵坐标为缺陷本体和缺陷投影各自中心点的纵坐标。
Yphi=axphi+b表示缺陷本体与缺陷投影角度的一次线性关系，此式中Yphi为缺陷本体角度，xphi为缺陷投影角度，下标phi表示角度，此处的角度为缺陷本体和缺陷投影各自最小外接椭圆与水平面的夹角。
这里a为线性系数，b值用于消除由于光源发散造成的不同行坐标下缺陷的误差。
由于光源与相机角度的关系，同一工位中缺陷的本体与投影相对位置关系为固定（本体在上投影在下，或相反），因此根据以上线性关系可以由本体求出投影大致位置；
（2）以投影中心为中心点，以投影的二维形状各顶点中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标定下边界，求出其最小外接矩形，再次通过该外接矩形得出此范围内的与背景灰度存在差异的所有像素，作为疑似投影；
（3）得到疑似投影后，根据每个像素的灰度值计算疑似投影的平均灰度值、灰度方差，根据像素个数求出面积（面积即为像素个数）；
对比本体与疑似投影的灰度值、灰度方差和面积，若疑似投影与本体差异小于设定值，即可确定本体与投影。
例如在贴合面工位的图像中，如图1所示，若缺陷存在投影则说明其位于贴合面，需要检出；反之，如图2所示，若不存在投影，则说明其在正面，不需要检出，由此大大降低检测出现的过筛情况。
整套算法依托于相机、光源、送料滚轮机构以及图像处理模块和软件系统组成的CG AOI检测设备，能够在2.9s的上料间隔内实现产品检测分类，有效区分脏污类缺陷的位置层次，达到减少过筛的效果。
组成：光源、相机、送料滚轮机构、图像处理模块和软件系统；上述CG AOI检测系统中相机为16k线阵相机，与产品运动方向角度为60°-70°锐角；光源为LED条形常亮光源，与产品运动方向角度为15°-70°，在此成像条件下，产品表面缺陷能够清晰呈现本体与其投影，为图像处理模块提供产品图像信息，在图像处理模块对产品进行处理后，由软件系统整合各工位信息判断该产品情况。
图像采集：产品进入AOI机台检测机后，同步盒为每片产品进行编码，输出每片产品位置信息给软件，同时传感器将产品来料位置信号转变为帧信号发给图像卡，图像卡向相机发送采集信号，采集产品图像再发送回图像处理服务器，完成图像采集；
图像处理：图像处理服务器处理9个相机组件图像得出判别结果；
判别处理：如果图像判别结果均为好品，图像处理控制模块向显示器发送好品统计信息；如果图像判别结果为坏品，图像处理控制模块执行两个操作：其一，I/O卡向PLC发送指定产品为坏品的信息，PLC向下料机发送破损或脏污类的剔除信息实现对缺陷产品分类剔除处理；其二，图像处理模块向显示器发送坏品统计、缺陷类型、缺陷图像信息。
本发明所用算法基于图像处理中形态学，运用灰度差异找本体，利用投影与本体的位置关系区分缺陷是否存在投影。在整个分层算法中的算子通过有效结合，大大节省处理时间，处理一张12000×23000像素大小的图像仅需200ms左右，完全满足AOI设备上料间隔2.9s的要求。而且在AOI机台中，所有线阵相机工位均采用此分层算法，在其他类似的玻璃产品检测项目也有应用，因此该算法适用性较强。另外，本发明依托Windows操作系统，AOI检测软件系统整体运行内存使用率仅为30%左右，占用内存极少。最后经过大量实践验证，本发明对缺陷分层的检测成功率接近100%，是减少产品检测过筛的关键手段。
以上说明书中描述的只是本发明的具体实施方式，各种举例说明不对本发明的实质内容构成限制，所属技术领域的普通技术人员在阅读了说明书后可以对以前所述的具体实施方式做修改或变形，而不背离发明的实质和范围。

Claims (4)

1.一种玻璃盖板自动检测系统缺陷分层检测方法，其特征在于：包括如下步骤，
S1：以完整且无图像突变的灰度图边缘轮廓感兴趣区域作为模板；
S2：将现场采集到的产品灰度图与S1中的灰度图轮廓边缘感兴趣区域模版进行匹配整合，用于定位待检测的可视区轮廓；
S3：如果S2中定位失败，将产品判定为脏污类检出，如果S2中定位成功则进入检测程序；
S4：在S2中定位成功时得出待检测的可视区轮廓区域后，通过灰度差寻找出所有可视区缺陷，经过特征筛选后进入分层算法处理；
分层算法处理，包括如下步骤：
a、通过对缺陷本体及投影图像分析，得出本体与投影的位置坐标线性关系；
b、根据步骤a中得到的线性关系求出投影位置；
c、通过形态学处理完善投影处缺陷，计算出此处的灰度、形状与本体的相似性，判断其是否为本体的投影。
2.如权利要求1所述的一种玻璃盖板自动检测系统缺陷分层检测方法，其特征在于：所述S2中现场采集到的产品灰度图由图像采集单元完成；产品进入AOI机台检测机后，PLC为每片产品进行编码，输出每片产品位置信息给软件，同时传感器将产品来料位置信号转变为帧信号发给图像卡，图像卡向相机发送采集信号，采集产品图像再发送回图像处理服务器，完成图像采集。
3.如权利要求1所述的一种玻璃盖板自动检测系统缺陷分层检测方法，其特征在于：所述分层算法由图像处理服务器完成：图像处理服务器通过各工位对应的传统算法处理9个相机组件由上一步得到的图像得出判别结果。
4.如权利要求1所述的一种玻璃盖板自动检测系统缺陷分层检测方法，其特征在于：所述S2、S3或S4中如果图像判别结果均为好品，图像处理控制模块向显示器发送好品统计信息；如果其中任何一张图像判别结果为坏品，图像处理控制模块执行两个操作：首先，I/O卡向PLC发送指定产品为坏品的信息，PLC向下料机发送破损或脏污类的剔除信息实现对缺陷产品分类剔除处理；接着，图像处理模块向显示器发送坏品统计、缺陷类型、缺陷图像信息。
CN202010282874.6A 2020-04-13 2020-04-13 玻璃盖板自动检测系统缺陷分层检测方法 Active CN111189854B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010282874.6A CN111189854B (zh) 2020-04-13 2020-04-13 玻璃盖板自动检测系统缺陷分层检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010282874.6A CN111189854B (zh) 2020-04-13 2020-04-13 玻璃盖板自动检测系统缺陷分层检测方法

Publications (2)

Publication Number Publication Date
CN111189854A true CN111189854A (zh) 2020-05-22
CN111189854B CN111189854B (zh) 2020-08-07

Family

ID=70705526

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010282874.6A Active CN111189854B (zh) 2020-04-13 2020-04-13 玻璃盖板自动检测系统缺陷分层检测方法

Country Status (1)

Country Link
CN (1) CN111189854B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112630222A (zh) * 2020-11-24 2021-04-09 河海大学常州校区 一种基于机器视觉的手机盖板玻璃缺陷检测方法
CN112683906A (zh) * 2020-12-25 2021-04-20 红云红河烟草(集团)有限责任公司 一种滤棒中线胶检测系统及方法
CN115876785A (zh) * 2023-02-02 2023-03-31 苏州誉阵自动化科技有限公司 一种用于产品缺陷检测的视觉识别系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09264727A (ja) * 1996-03-27 1997-10-07 Adomon Sci Kk 検査装置
CN1501075A (zh) * 2002-10-31 2004-06-02 三星康宁精密琉璃株式会社 玻璃基板的检查系统
CN107764834A (zh) * 2017-12-07 2018-03-06 南京波长光电科技股份有限公司 一种自动检测透明零件表面缺陷的装置及其检测方法
CN207439968U (zh) * 2017-11-17 2018-06-01 西安中科光电精密工程有限公司 一种检测并区分透明玻璃盖板上下表面缺陷的装置
WO2019012404A1 (en) * 2017-07-10 2019-01-17 Tekno Idea S.R.L. DEVICE AND METHOD FOR DETECTING SURFACE DEFECTS
CN109724994A (zh) * 2017-10-30 2019-05-07 东莞理工学院 基于aoi技术的fpc金手指表面缺陷检测系统及方法
CN109767445A (zh) * 2019-02-01 2019-05-17 佛山市南海区广工大数控装备协同创新研究院 一种高精度的pcb缺陷智能检测方法
CN109900711A (zh) * 2019-04-02 2019-06-18 天津工业大学 基于机器视觉的工件缺陷检测方法
CN110211182A (zh) * 2019-05-31 2019-09-06 东北大学 一种基于灰度匹配与目标轮廓的液晶背光视觉定位方法
CN210119453U (zh) * 2019-03-27 2020-02-28 爱丁堡（南京）光电设备有限公司 一种光滑表面缺陷的检测装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09264727A (ja) * 1996-03-27 1997-10-07 Adomon Sci Kk 検査装置
CN1501075A (zh) * 2002-10-31 2004-06-02 三星康宁精密琉璃株式会社 玻璃基板的检查系统
WO2019012404A1 (en) * 2017-07-10 2019-01-17 Tekno Idea S.R.L. DEVICE AND METHOD FOR DETECTING SURFACE DEFECTS
CN109724994A (zh) * 2017-10-30 2019-05-07 东莞理工学院 基于aoi技术的fpc金手指表面缺陷检测系统及方法
CN207439968U (zh) * 2017-11-17 2018-06-01 西安中科光电精密工程有限公司 一种检测并区分透明玻璃盖板上下表面缺陷的装置
CN107764834A (zh) * 2017-12-07 2018-03-06 南京波长光电科技股份有限公司 一种自动检测透明零件表面缺陷的装置及其检测方法
CN109767445A (zh) * 2019-02-01 2019-05-17 佛山市南海区广工大数控装备协同创新研究院 一种高精度的pcb缺陷智能检测方法
CN210119453U (zh) * 2019-03-27 2020-02-28 爱丁堡（南京）光电设备有限公司 一种光滑表面缺陷的检测装置
CN109900711A (zh) * 2019-04-02 2019-06-18 天津工业大学 基于机器视觉的工件缺陷检测方法
CN110211182A (zh) * 2019-05-31 2019-09-06 东北大学 一种基于灰度匹配与目标轮廓的液晶背光视觉定位方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112630222A (zh) * 2020-11-24 2021-04-09 河海大学常州校区 一种基于机器视觉的手机盖板玻璃缺陷检测方法
CN112683906A (zh) * 2020-12-25 2021-04-20 红云红河烟草(集团)有限责任公司 一种滤棒中线胶检测系统及方法
CN112683906B (zh) * 2020-12-25 2023-08-04 红云红河烟草(集团)有限责任公司 一种滤棒中线胶检测系统及方法
CN115876785A (zh) * 2023-02-02 2023-03-31 苏州誉阵自动化科技有限公司 一种用于产品缺陷检测的视觉识别系统

Also Published As

Publication number Publication date
CN111189854B (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
CN111189854B (zh) 玻璃盖板自动检测系统缺陷分层检测方法
CN111951237B (zh) 外观视觉检测方法
CN102175700B (zh) 数字x射线图像焊缝分割和缺陷检测方法
US7495758B2 (en) Apparatus and methods for two-dimensional and three-dimensional inspection of a workpiece
CN108896574B (zh) 一种基于机器视觉的瓶装白酒杂质检测方法及系统
CN113340909B (zh) 一种基于机器视觉的胶线缺陷检测方法
CN109584239B (zh) 一种基于反射光的高光物体表面缺陷检测系统及方法
CN110189375A (zh) 一种基于单目视觉测量的图像目标识别方法
CN111982921A (zh) 孔缺陷的检测方法、装置、传送平台及存储介质
CN102901735B (zh) 利用计算机对工件缺损、裂变、变形进行自动检测的系统
CN114636706A (zh) 一种太阳能电池片在镀膜后的图像检测的综合方法及装置
CN111239142A (zh) 膏体外观缺陷检测设备及方法
CN112560538A (zh) 一种根据图像冗余信息快速定位受损qr码的方法
CN115601359A (zh) 一种焊缝检测方法及装置
JPH1163959A (ja) 表面検査装置
WO2023134251A1 (zh) 一种基于聚类的光条提取方法及装置
CN112085700A (zh) X射线图像中焊缝区域的自动化提取方法、系统及介质
CN110728269B (zh) 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法
CN112987356B (zh) 液晶面板底部异物滤除装置
CN116539641A (zh) 光伏玻璃组件二道铺设后外观检测方法
US20240104715A1 (en) Production-speed component inspection system and method
CN110596118A (zh) 印刷图案检测方法及印刷图案检测装置
CN117173107A (zh) 产品缺陷检测方法、装置、设备、系统和可读存储介质
CN112837285B (zh) 一种板面图像的边缘检测方法及装置
CN114187269B (zh) 小零器件表面缺陷边缘快速检测方法

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
GR01 Patent grant
GR01 Patent grant