CN112798608B - 手机摄像头支架内腔侧壁的光学检测装置及光学检测方法 - Google Patents

Abstract

本发明涉及手机摄像头支架内腔侧壁的光学检测装置及光学检测方法，其中光学检测系统包括待检平台、控制单元和光学组件；光学组件包括面阵相机、远心镜头和同轴光源；远心镜头的一端固定安装在面阵相机上，远心镜头的另一端与同轴光源配合连接；待检平台上设有通过穿过手机摄像头支架的摄像圆孔来实现定位的定位凸台；光学组件设置在待检平台的斜上方，且从斜上方拍摄与手机摄像头支架内腔的底面垂直的内腔侧壁；光学组件的入射光线与承载平面形成光线入射角α。本发明能够最大限度降低定位凸台所带来的影响，保证光学组件能够拍到清晰且完整的手机摄像头支架的内腔侧壁的图片，从而有效提高检测的精确度，降低漏检率。

Description

手机摄像头支架内腔侧壁的光学检测装置及光学检测方法

技术领域

本发明涉及光学检测领域，特别涉及手机摄像头支架内腔侧壁的光学检测装置及光学检测方法。

背景技术

随着生活水平的不断提高，智能手机已经逐渐普及到每个人的手中。随着手机行业的快速发展，也带来了手机摄像头支架的量产。在手机摄像头支架的生产过程中，不可避免的会产生各种各样的外观缺陷，如磕碰伤、划伤、毛刺等。针对这些外观缺陷，在手机摄像头支架的生产中往往需要通过外观检测将带有外观缺陷的产品筛选出来。

目前对于手机摄像头支架的外观缺陷的筛选往往需要大量的人力通过肉眼去识别才能筛选出缺陷产品，即通过人工目检的方式来进行识别筛选。但是人工目检的方式存在检测精度低、标准不一致、速度慢、效率低等不足，难以满足实际工业生产需求。

发明内容

为了解决背景技术中的问题，本发明采用机器视觉检测取代人工目检。所谓的机器视觉检测就是通过光学组件对待检产品进行打光并拍摄，将拍摄获得的照片经图像处理后传输给计算机，计算机将处理后的图片与对照模型进行对比计算，自动计算得出待检产品上是否存在缺陷，最后根据计算结果进行产品筛选。但是在开发中发现于手机摄像头支架的结构复杂，其具有凹陷的内腔，凹陷的内腔具有底面和与底面垂直的内腔侧壁，内腔的底面上设有摄像圆孔（可参见图3）。若需要通过机器视觉检测来对手机摄像头支架进行自动化检测，就需要先将手机摄像头支架定位放置在待检平台上。由于手机摄像头支架无磁性，因此定位只能通过摄像圆孔来定位，即在待检平台上设置承载面，在承载面上设置定位凸台，通过定位凸台插入摄像圆孔来实现定位。同时，为了保证产品不会掉落，定位凸台需要穿过摄像圆孔进入内腔。当光学组件对内腔的内腔侧壁（即被测面）进行拍摄时，由于定位凸台高于内腔的底面，因此拍摄时极易造成以下问题：1）无法将内腔侧壁拍摄完整（被定位凸台遮挡）；2）无法获得内腔侧壁的清晰图片。其中最为棘手的就是无法获得内腔侧壁的清晰图片。因为图片的清晰度，直接影响检测的精确度以及漏检率。

本发明的第一个目的是提供一种手机摄像头支架内腔侧壁的光学检测装置，其能够最大限度降低定位凸台所带来的影响，保证光学组件能够拍到清晰且完整的手机摄像头支架的内腔侧壁的图片，从而有效提高检测的精确度，降低漏检率。

实现本发明第一个目的的技术方案是：本发明中手机摄像头支架内腔侧壁的光学检测装置包括用于放置手机摄像头支架的待检平台，以及与控制单元电连接并在控制单元控制下对待检平台上的手机摄像头支架的内腔侧壁进行拍摄的光学组件；所述光学组件安装在支架上；所述光学组件包括面阵相机、远心镜头和同轴光源；远心镜头的一端固定安装在面阵相机上，远心镜头的另一端与同轴光源配合连接；待检平台上设有用于定位放置手机摄像头支架的承载平面；所述承载平面上设有与承载平面垂直，且用于穿过手机摄像头支架内腔的底面的摄像圆孔并进入手机摄像头支架内腔来实现定位的定位凸台；光学组件设置在待检平台的斜上方，且从斜上方拍摄与手机摄像头支架内腔的底面垂直的内腔侧壁；

光学组件的入射光线与承载平面形成光线入射角α；

光线入射角α根据以下计算公式获得：

（式1）

式1中，S为远心镜头的景深大小，单位为mm；H1为内腔侧壁的高度，单位为mm；

同时光线入射角α满足以下条件：

（式2）

式2中，H2为定位凸台高出手机摄像头支架内腔的底面的高度，单位为mm；L1为内腔侧壁到定位凸台的距离，单位为mm。

之所以需要通过上述方式计算获得光线入射角α，是因为只有当光线入射角α满足：

时，定位凸台才不会在拍摄的图片中遮挡内腔侧壁。但是，当我们的光线入射角满足上述条件时，内腔侧壁上除了一次照射光线，还会有二次反射光线叠加在一起。如图3所示，光线照射在定位凸台的上表面后反射至内腔侧壁的h1区，光线照射到手机摄像头支架内腔的底面的S2区后反射至内腔侧壁的h3区。而手机摄像头支架内腔的底面的S1区没有光线照射到此区域，因此没有光线反射到内腔侧壁的h2区，h2区位于h1区和h3区之间。也正是因为上述情况，导致h2区相对较暗，为了减少暗影区域，需要找一个合适的光线入射角α。为了使h2区减小，S1区需越小，则光线入射角α需越大；但是光线入射角α越大，又会超出成像区间，即无法获得内腔侧壁的完整图片。因此在满足上述条件：

且

时，可以获得成像质量最好的内腔侧壁的图片。在此基础上，不同尺寸的手机摄像头支架可快速选择适合的远心镜头，并进行相应调整。

同时还包括后台计算模块；后台计算模块用于接收来自光学组件拍摄的图片，用于对光学组件拍摄的图片进行预处理，用于将预处理后的图片与预设的深度学习模型进行对比分析从而获得检测结果。

面阵相机的像素至少大于n²AB/C²；

其中n为3~5；A为光学组件拍摄到的图片在X方向上的尺寸，单位为mm；B为光学组件拍摄到的图片在Y方向上的尺寸，单位为mm；C为可辨识的外观缺陷的最小尺寸，单位为mm。

同轴光源上位于其出光端设有用于补光的条光组件；所述条光组件包括三个条光，三个条光分别位于同轴光源的出光端的上侧、左侧和右侧；所述条光组件用于给内腔侧壁和内腔侧壁的两侧弧面拐角进行补光。

上述同轴光源的出光端固定设有安装支架；安装支架上位于同轴光源的出光端的上侧、左侧和右侧分别设有第一调整架、第二调整架和第三调整架；三个条光分别转动设置在第一调整架、第二调整架和第三调整架上，并形成静摩擦力。

本发明的第二个目的是提供一种利用上述手机摄像头支架内腔侧壁的光学检测装置进行的光学检测方法，该方法能够根据待检的手机摄像头支架的形状作出相应调整，并且能够拍到清晰且完整的手机摄像头支架的内腔侧壁的图片，以便于提高检测精度，从而满足机器视觉检测替代人工目检的要求。

实现本发明第二个目的的技术方案是：本发明中利用上述的用于检测手机摄像头支架的光学检测系统进行的检测方法，包括以下步骤：

S1、光学组件调整：根据待检的手机摄像头支架的几何尺寸，计算获得光学组件的入射光线与承载平面形成光线入射角α，并根据光线入射角α调整光学组件的拍摄角度；

S2、将手机摄像头支架放置在待检平台的承载平面上，此时定位凸台穿过手机摄像头支架内腔的底面的摄像圆孔；

S2、光学组件在控制单元控制下进行拍摄，获得手机摄像头支架的内腔侧壁的图片；

S3、光学组件将拍摄的内腔侧壁的图片传输给后台计算模块，后台计算模块将内腔侧壁的图片进行图像数据处理，获得处理后的内腔侧壁的图像数据，将处理后的内腔侧壁的图像数据代入预设的深度学习模型进行比对，从而得出检测结果。

上述深度学习模型的构建方法包括：

步骤M1：以预设比例采集手机摄像头支架内腔侧壁的良品图像及缺陷图像，得到图像数据；

步骤M2：对图像数据进行预处理并进行图像数据扩充，得到处理后的图像数据；

步骤M3：利用标注软件对处理后的图像数据进行标注；

步骤M4：对标注的图像数据集文件格式转化为符合深度学习模型训练的图像数据集，按照预设比例将数据集划分为训练集、验证集及测试集；

步骤M5：基于计算机视觉深度神经网络对图像数据的处理，搭建深度学习模型；

步骤M6：以划分好的数据集训练和完整深度学习模型。

所述深度学习模型是图像和标签之间建立的的一种数学模型，对输入的图像中的某一对象进行类别判定和位置定位。

优选地，所述步骤M2中图像数据扩充包括：图像旋转、随机裁剪、随机增高高斯噪点、图像缩放和/或轻微投射变换。

优选地，所述步骤M5中深度学习模型包括分割网络和分类网络；

所述分割网络学习图像中每个像素点所述的分类类别，包括背景像素类别和缺陷像素类别；

所述分类网络在分割网络的基础上对提取的背景区域和缺陷区域中的每个像素点作出判定给出每个像素点属于背景像素类别和缺陷像素类别的可能性，即置信度。

优选地，所述步骤M5中深度学习模型包括输入层、卷积层、池化层、特征融合层、类别判定模层和输出层；

所述卷积层对所述输入层进行特征抽取，过滤无用信息并保留特征有效信息；

所述池化层对所述卷积层处理之后保留的有效信息进行降维处理；

所述特征融合层是对具有相同维度的不同层进行跨层连接；

所述类别判定层将所述特征融合层得到的特征信息量化为某个类别的概率值；

所述输出层经过卷积层、池化层、特征融合层、类别判定层之后输出向量[E，F ，c，s]作为结果，表征一幅图像中各个像素值得类别置信度，其中E表示图像宽度，F表示图像高度，c表示类别；s表示置信度。

优选地，所述步骤M6包括：将划分好的数据集中训练集中的所有图像进行训练，训练时分别训练图像中的良品图像和缺陷图像，训练预设次后，预测结果和真实结果之间的差值无明显减小时，停止训练。

本发明具有积极的效果：（1）本发明中用于检测手机摄像头支架的光学检测系统能够有效避免定位凸台造成的成像质量不佳的问题，并且能够在此基础上得到最佳的成像质量。

（2）本发明通过条光组件能够对被测内腔面和被测内腔面的两侧拐角进行补光，进一步提高成像质量。

（3）本发明中条光能够根据补光要求进行转动调节。

（4）本发明中面阵相机的像素选择，能够进一步提高成像质量，为检测精准提供有利条件。

附图说明

为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明，其中

图1为本发明中光学组件的结构示意图；

图2为本发明的电气连接示意图；

图3为本发明光照示意图；

图4为本发明中成像清晰时最大的光线入射角的光照示意图；

图5为本发明中拍摄的摄像头支架视野的示意图。

具体实施方式

见图1至图3，本发明中手机摄像头支架内腔侧壁的光学检测装置包括用于放置手机摄像头支架4的待检平台，以及与控制单元2电连接并在控制单元2控制下对待检平台上的手机摄像头支架4的内腔侧壁41进行拍摄的光学组件1；所述光学组件1安装在支架上；所述光学组件包括面阵相机11、远心镜头12、同轴光源13和条光组件14；远心镜头12的一端固定安装在面阵相机11上，远心镜头12的另一端与同轴光源13配合连接；待检平台上设有用于定位放置手机摄像头支架4的承载平面；所述承载平面上设有与承载平面垂直，且用于穿过手机摄像头支架内腔的底面的摄像圆孔并进入手机摄像头支架内腔来实现定位的定位凸台5；光学组件1设置在待检平台的斜上方，且从斜上方拍摄与手机摄像头支架内腔的底面垂直的内腔侧壁41。

同轴光源13上位于其出光端设有用于补光的条光组件14；所述条光组件14包括三个条光，三个条光分别位于同轴光源13的出光端的上侧、左侧和右侧。

所述同轴光源13的出光端固定设有安装支架；安装支架上位于同轴光源13的出光端的上侧、左侧和右侧分别设有第一调整架、第二调整架和第三调整架；三个条光分别转动设置在第一调整架、第二调整架和第三调整架上，并形成静摩擦力。

同时还包括后台计算模块3；后台计算模块3用于接收来自光学组件1拍摄的图片，用于对光学组件1拍摄的图片进行预处理，用于将预处理后的图片与预设模型进行对比分析从而获得检测结果。

光学组件1的入射光线与承载平面形成光线入射角α；

光线入射角α根据以下计算公式获得：

（式1）

式1中，S为远心镜头12的景深大小，单位为mm；H1为内腔侧壁41的高度，单位为mm；

同时光线入射角α满足以下条件：

（式2）

式2中，H2为定位凸台5高出手机摄像头支架内腔的底面的高度，单位为mm；L1为内腔侧壁41到定位凸台5的距离，单位为mm。

面阵相机11的像素至少大于n²AB/C²；其中n为3~5，n为像素单位；A为光学组件1拍摄到的图片在X方向上的尺寸，单位为mm；B为光学组件1拍摄到的图片在Y方向上的尺寸，单位为mm；C为可辨识的外观缺陷的最小尺寸，单位为mm。

举例如下：光学组件1拍摄到的图片在X方向上的尺寸A为50mm，Y方向上的尺寸B为40mm，设定可辨识的外观缺陷的最小尺寸C为0.01mm，那么面阵相机11在X方向上的分辨率为：50n/0.01=5000n；面阵相机11在Y方向上的分辨率为：40n/0.01=4000n；然而为了增加系统稳定性，不会只用一个像素单位对应一个测量精度值，一般会用3-5个像素单位对应一个精度值，若采用3个像素单位（即n=3），则X方向上的分辨率为:5000x3=15000；Y方向上的分辨率为：4000x3=12000；由此可以计算获得我们所需要的面阵相机11的像素至少大于15000x12000=18000000，从而在面阵相机11的选择上可选择像素为2000万的面阵相机11。

同时，定位凸台5不能过低，不然运动时会发生掉料现象，经过多次测试得出定位凸台5高出手机摄像头支架内腔的底面0.5mm时不会掉料。因此我们能够确定H2=0.5mm。同时可确定内腔侧壁41的高度H1=2.78mm，内腔侧壁41到定位凸台5的距离L1=3mm。若选用景深大小为1.5mm的远心镜头12，光线入射角α=29.4°。同时 ，由于29.4°大于9.6°，因此选择光线入射角α=29.4°。

由此可以看出，在明确上述机理后，本领域技术人员可以选择成本更低，但效果更好的面阵相机11和远心镜头12。

本发明利用手机摄像头支架内腔侧壁的光学检测装置进行的光学检测方法，包括以下步骤：

S1、光学组件1调整：根据待检的手机摄像头支架4的几何尺寸，计算获得光学组件1的入射光线与承载平面形成光线入射角α，并根据光线入射角α调整光学组件1的拍摄角度；

S2、将手机摄像头支架4放置在待检平台的承载平面上，此时定位凸台5穿过手机摄像头支架内腔的底面的摄像圆孔；

S2、光学组件1在控制单元2控制下进行拍摄，获得手机摄像头支架4的内腔侧壁41的图片；

S3、光学组件将拍摄的内腔侧壁的图片传输给后台计算模块，后台计算模块将内腔侧壁的图片进行图像数据处理，获得处理后的内腔侧壁的图像数据，将处理后的内腔侧壁的图像数据代入预设的深度学习模型进行比对，从而得出检测结果。

其中，深度学习模型的构建方法包括：

步骤M1：以预设比例采集手机摄像头支架内腔侧壁的良品图像及缺陷图像，得到图像数据；

步骤M2：对图像数据进行预处理并进行图像数据扩充，得到处理后的图像数据；

步骤M3：利用标注软件对处理后的图像数据进行标注；

步骤M4：对标注的图像数据集文件格式转化为符合深度学习模型训练的图像数据集，按照预设比例将数据集划分为训练集、验证集及测试集；

步骤M5：基于计算机视觉深度神经网络对图像数据的处理，搭建深度学习模型；

步骤M6：以划分好的数据集训练和完整深度学习模型。

所述深度学习模型是图像和标签之间建立的的一种数学模型，对输入的图像中的某一对象进行类别判定和位置定位。

优选地，所述步骤M2中图像数据扩充包括：图像旋转、随机裁剪、随机增高高斯噪点、图像缩放和/或轻微投射变换。

优选地，所述步骤M5中深度学习模型包括分割网络和分类网络；

所述分割网络学习图像中每个像素点所述的分类类别，包括背景像素类别和缺陷像素类别；

所述分类网络在分割网络的基础上对提取的背景区域和缺陷区域中的每个像素点作出判定给出每个像素点属于背景像素类别和缺陷像素类别的可能性，即置信度。

优选地，所述步骤M5中深度学习模型包括输入层、卷积层、池化层、特征融合层、类别判定模层和输出层；

所述卷积层对所述输入层进行特征抽取，过滤无用信息并保留特征有效信息；

所述池化层对所述卷积层处理之后保留的有效信息进行降维处理；

所述特征融合层是对具有相同维度的不同层进行跨层连接；

所述类别判定层将所述特征融合层得到的特征信息量化为某个类别的概率值；

所述输出层经过卷积层、池化层、特征融合层、类别判定层之后输出向量[E，F ，c，s]作为结果，表征一幅图像中各个像素值得类别置信度，其中E表示图像宽度，F表示图像高度，c表示类别；s表示置信度。

优选地，所述步骤M6包括：将划分好的数据集中训练集中的所有图像进行训练，训练时分别训练图像中的良品图像和缺陷图像，训练预设次后，预测结果和真实结果之间的差值无明显减小时，停止训练。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种手机摄像头支架内腔侧壁的光学检测装置，包括用于放置手机摄像头支架的待检平台，以及与控制单元电连接并在控制单元控制下对待检平台上的手机摄像头支架的内腔侧壁进行拍摄的光学组件；所述光学组件安装在支架上；其特征在于：所述光学组件包括面阵相机、远心镜头和同轴光源；远心镜头的一端固定安装在面阵相机上，远心镜头的另一端与同轴光源配合连接；待检平台上设有用于定位放置手机摄像头支架的承载平面；所述承载平面上设有与承载平面垂直，且用于穿过手机摄像头支架内腔的底面的摄像圆孔并进入手机摄像头支架内腔来实现定位的定位凸台；光学组件设置在待检平台的斜上方，且从斜上方拍摄与手机摄像头支架内腔的底面垂直的内腔侧壁；

光学组件的入射光线与承载平面形成光线入射角α；

光线入射角α根据以下计算公式获得：

（式1）

式1中，S为远心镜头的景深大小，单位为mm；H1为内腔侧壁的高度，单位为mm；

同时光线入射角α满足以下条件：

（式2）

式2中，H2为定位凸台高出手机摄像头支架内腔的底面的高度，单位为mm；L1为内腔侧壁到定位凸台的距离，单位为mm。

2.根据权利要求1所述的手机摄像头支架内腔侧壁的光学检测装置，其特征在于：还包括后台计算模块；后台计算模块用于接收来自光学组件拍摄的图片，用于对光学组件拍摄的图片进行预处理，用于将预处理后的图片与预设的深度学习模型进行对比分析从而获得检测结果。

3.根据权利要求1所述的手机摄像头支架内腔侧壁的光学检测装置，其特征在于：面阵相机的像素至少大于n²AB/C²；其中n为3~5；A为光学组件拍摄到的图片在X方向上的尺寸，单位为mm；B为光学组件拍摄到的图片在Y方向上的尺寸，单位为mm；C为可辨识的外观缺陷的最小尺寸，单位为mm。

4.根据权利要求1所述的手机摄像头支架内腔侧壁的光学检测装置，其特征在于：同轴光源上位于其出光端设有用于补光的条光组件；所述条光组件包括三个条光，三个条光分别位于同轴光源的出光端的上侧、左侧和右侧。

5.根据权利要求4所述的手机摄像头支架内腔侧壁的光学检测装置，其特征在于：所述同轴光源的出光端固定设有安装支架；安装支架上位于同轴光源的出光端的上侧、左侧和右侧分别设有第一调整架、第二调整架和第三调整架；三个条光分别转动设置在第一调整架、第二调整架和第三调整架上，并形成静摩擦力。

6.一种利用权利要求2所述的手机摄像头支架内腔侧壁的光学检测装置进行的光学检测方法，其特征在于包括以下步骤：

S1、光学组件调整：根据待检的手机摄像头支架的几何尺寸，计算获得光学组件的入射光线与承载平面形成光线入射角α，并根据光线入射角α调整光学组件的拍摄角度；

S2、将手机摄像头支架放置在待检平台的承载平面上，此时定位凸台穿过手机摄像头支架内腔的底面的摄像圆孔；

S2、光学组件在控制单元控制下进行拍摄，获得手机摄像头支架的内腔侧壁的图片；

S3、光学组件将拍摄的内腔侧壁的图片传输给后台计算模块，后台计算模块将内腔侧壁的图片进行图像数据处理，获得处理后的内腔侧壁的图像数据，将处理后的内腔侧壁的图像数据代入预设的深度学习模型进行比对，从而得出检测结果。

7.根据权利要求6所述的光学检测方法，其特征在于：同轴光源上位于其出光端设有用于补光的条光组件；所述条光组件包括三个条光，三个条光分别位于同轴光源的出光端的上侧、左侧和右侧；所述条光组件用于给被测内腔面和被测内腔面两侧弧面拐角进行补光。

Images