CN115222728A - 基于视觉技术的屏幕检测方法、装置和计算机设备 - Google Patents

基于视觉技术的屏幕检测方法、装置和计算机设备 Download PDF

Info

Publication number
CN115222728A
CN115222728A CN202210998941.3A CN202210998941A CN115222728A CN 115222728 A CN115222728 A CN 115222728A CN 202210998941 A CN202210998941 A CN 202210998941A CN 115222728 A CN115222728 A CN 115222728A
Authority
CN
China
Prior art keywords
screen
judging
bad
camera
bad point
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
CN202210998941.3A
Other languages
English (en)
Inventor
丁晓帅
熊星
吴昊宸
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.)
Suzhou HYC Technology Co Ltd
Original Assignee
Suzhou HYC 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 Suzhou HYC Technology Co Ltd filed Critical Suzhou HYC Technology Co Ltd
Priority to CN202210998941.3A priority Critical patent/CN115222728A/zh
Publication of CN115222728A publication Critical patent/CN115222728A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • G06T3/04Context-preserving transformations, e.g. by using an importance map
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/50Depth or shape recovery
    • G06T7/55Depth or shape recovery from multiple images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30121CRT, LCD or plasma display

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请涉及一种基于视觉技术的屏幕检测方法、装置和计算机设备。一个实施例中,通过全局相机获取屏幕的全局图像,根据全局图像获取不良点的位置信息,然后移动复判相机至指定位置,多次调节复判相机镜头的焦距后拍照得到具有不同深度的复判照片集合,分析复判照片集合,将不良点的高度信息与屏幕的高度信息进行对比判断。这样,本方案中使用一个复判相机多次对焦获得多张不同深度的复判照片,可以直接用软件算法识别出不良点的高度信息。由不良点的高度结合屏幕信息可以准确判别所检测的液晶屏幕是否合格,提高了检测的准确率。此外,该流程可以完全通过软件算法实现,缩减了人工复检流程,节省人工成本,也大大提高了检测效率,减少了检测用时。

Description

基于视觉技术的屏幕检测方法、装置和计算机设备
技术领域
本公开涉及屏幕检测领域,尤其涉及一种基于视觉技术的屏幕检测方法、装置和计算机设备。
背景技术
随着液晶技术的进步,液晶面板的成本不断降低,越来越多的电子设备开始采用液晶屏幕。与之相应的,出货量的增加使得如何快速高效地对屏幕进行合格检测成了一大难题。
目前主流液晶屏幕为LCD屏幕与OLED屏幕,OLED屏幕包括像素层、偏光片、表层玻璃,LCD屏幕在像素层以下还有背光和偏光片。在对液晶屏幕做AOI(automaticallyoptical inspection)光学自动检测的过程中会发现很多不良点,根据每个厂家定义的不同,这些不良点的面积通常小于一个或多个像素点大小。传统的液晶屏幕检测是通过2D面阵相机对点亮的屏幕进行拍摄,分析所拍摄照片中可能出现的不良点,但因为面阵相机成像是2D平面成像,所以只能将这些不良点以一个个小点的形式表现出来。然而造成不良点的原因可能是来自像素层的缺陷,也可能是表层玻璃上方沾有灰尘或异物,像素层的缺陷代表液晶品质问题,表层玻璃上的灰尘或异物可以进行擦除而不影响屏幕品质,因此在传统的检测流程中出现不良点的屏幕都需要进入人工复判流程,人工确认不良点是否会造成产品不合格,这样使检测过程更加繁琐,同时还存在漏检的风险。
因此,亟需一种能够一次性准确检出屏幕不良点原因的检测方法。
发明内容
本公开提供一种基于视觉技术的屏幕检测方法、装置和计算机设备,以解决现有检测方法难以区分屏幕不良点原因的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种基于视觉技术的屏幕检测方法,包括:
通过全局相机获取屏幕的全局图像;
根据所述全局图像获取不良点的位置信息;
根据所述位置信息,移动复判相机至指定位置,所述复判相机使用液态镜头;
调节所述液态镜头的焦距,每次调节焦距后对所述不良点拍照,得到复判照片集合;
根据所述复判照片集合得到所述不良点的高度信息;
获取屏幕高度信息,根据所述屏幕高度信息和所述不良点的高度信息,判断所述屏幕是否合格。
在其中一个实施例中,所述根据所述全局图像获取不良点的位置信息,包括:
通过二值化处理,将屏幕显示区域置为白色,屏幕显示区域以外置为黑色,将白色区域单独取出后得到放大图,根据所述放大图得到所述不良点的位置信息。
在其中一个实施例中,所述移动复判相机至指定位置,包括:
利用软件算法将所述位置信息转换为像素坐标;
根据九点标定法对全局相机的图像坐标与复判相机的初始坐标进行标定;
得到所述像素坐标对应的实际坐标;
移动复判相机至所述实际坐标。
在其中一个实施例中,所述调节所述液态镜头的焦距,包括:
调节液态镜头的输入电压,改变液态镜头内部曲率,使每次对焦高度差为一个固定值,每次调节后对不良点拍摄照片,得到复判照片集合。
在其中一个实施例中,所述根据所述复判照片集合得到所述不良点的高度信息包括:
根据不良点的清晰度和灰度,判断所述复判照片集合中像素层对焦最清晰的照片作为像素层照片;
以所述像素层照片作为以像素基准面0微米处为焦点拍摄的照片,下一张复判照片为X高度拍摄的照片,以此类推;其中,X为所述对焦高度差;
对比复判照片集合中所有的照片,以不良点最清晰的照片作为不良点照片;
根据所述不良点照片与所述像素层照片间隔的数量关系计算出所述不良点照片与所述像素层照片之间的高度差,确定所述不良点的高度信息。
在其中一个实施例中,所述判断所述屏幕是否合格,包括:
比较所述不良点的高度信息和所述屏幕高度信息,若不良点位于屏幕之上,判定为表面灰尘,屏幕合格;若不良点位于屏幕之下,判定所述不良点为内部异物,屏幕不合格。
在其中一个实施例中,所述屏幕包括手机屏幕、平板屏幕、电视屏幕、计算机屏幕。
根据本公开实施例的第二方面,还提供一种基于视觉技术的屏幕检测装置,包括:
图像采集模块,所述图像采集模块包括第一图像采集单元、第二图像采集单元。
所述第一图像采集单元用于获取屏幕的全局图像;所述第二图像采集单元用于获取屏幕上不良点的复判照片;
控制模块,用于控制搭载屏幕的治具移动,还用于控制所述第一图像采集单元和所述第二图像采集单元的移动;
图像处理模块,用于处理所述全局图像信息和计算所述不良点的位置坐标,还用于对所述复判照片的清晰度进行算法识别;
显示模块,用于显示所述图像处理模块输出的信息。
根据本公开实施例的第三方面,还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上所述方法的步骤。
根据本公开实施例的第四方面,还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述方法的步骤。
本公开实施例提供的技术方案中,通过复判相机对不良点在不同焦距下重复拍摄,获得不良点在不同深度下的照片,根据不良点和像素层的清晰度关系,利用对焦高度差计算出了不良点的高度信息,从而快速有效地确定了造成不良点的原因。这样,在第一次对液晶屏幕的检测中就可以确定不良点是否会造成产品不合格,简化了检测流程,节省了检测时间和用于人工检查的成本。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
图1是一个实施例中基于视觉技术的屏幕检测方法的应用环境图;
图2是一个实施例中基于视觉技术的屏幕检测方法的流程示意图;
图3是一个实施例中获取屏幕的全局图像之前进行拍摄准备的流程示意图;
图4是一个实施例中对全局图像进行二值化处理得到的图像;
图5是一个实施例中将二值化处理后图像中的白色区域放大后的图像;
图6是一个实施例中移动复判相机至指定位置的流程示意图;
图7是一个实施例中根据所述复判照片集合得到所述不良点的高度信息的流程示意图;
图8是一个实施例中拍摄的第一张复判照片;
图9是一个实施例中拍摄的第二张复判照片;
图10是一个实施例中拍摄的第三张复判照片;
图11是一个实施例中一个待检测屏幕的结构示意图;
图12是一个实施例中基于视觉技术的屏幕检测装置的结构框图;
图13是一个实施例中计算机设备的内部结构图。
附图标记:
11-上位机;12-控制机;13-机械装置;14-治具;15-全局相机;16-复判相机;21-表层玻璃;22-偏光片;23-像素层。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开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,以便这里描述的本公开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。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。例如若使用到第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
本公开中,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件或者一个元件与另一个元件“相连”,它可以是直接连接到另一个元件或者可能同时存在居中元件,并且应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体式连接;可以是机械连接,也可以是电连接。对于本领域中的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本文所使用的术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”、“前”、“后”、“周向”、“行进方向”以及类似的表述是基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
除非另有定义,本文所使用的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义可以相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”、“和/或”、“至少…之一”包括一个或多个相关的所列项目的任意的和所有的组合。需要说明的是,本公开中所描述的相连、连接等,可以是通过器件间的接口或引脚直接连接,也可以是通过引线连接。
本公开提供的一种基于视觉技术的屏幕检测方法可以应用于如图1所示的应用环境中。其中,上位机11与控制机12相连,可以发送指令给控制机12,也可以接收控制机12的信号;上位机11还与全局相机15、复判相机16相连,可以发送指令给全局相机15、复判相机16,也可以接收全局相机15、复判相机16拍摄的照片,并对接收的照片进行图像处理。控制机12与机械装置13相连,可以控制机械装置13上的移动轴进行移动。机械装置13上有可以移动的治具14,治具14用于搭载待检测的液晶屏幕,机械装置13上还设置有全局相机15和复判相机16,全局相机15和复判相机16用于对待检测的液晶屏幕拍照。需要指出的是,复判相机16具体设置在机械装置13的一个可移动轴上。在一些实施方式中,全局相机15也可以设置在一个可移动轴上。在一些应用场景中,上位机11可以是工业计算机或个人用计算机等具有处理和运算功能的计算机系统,控制机12可以是PLC(Programmable LogicController)可编程逻辑控制器等具备接受指令和控制功能的设备单元。
在一个实施例中,如图2所示,提供了一种基于视觉技术的屏幕检测方法,以该方法应用于图1中的应用环境为例进行说明,包括以下步骤:
步骤S202,通过全局相机15获取屏幕的全局图像。
其中,全局相机15是在检测过程中对所有待检测屏幕进行第一次拍照的相机,全局图像即第一次拍照得到的照片。屏幕为待检测的液晶屏幕,搭载于可移动的治具14上。在一些实施方式中,全局相机15可以使用2D面阵相机。
步骤S204,根据所述全局图像获取不良点的位置信息。
其中,不良点是全局图像中可能出现的异物点。
具体地,上位机11接收到全局相机15第一次拍得的全局图像后,对全局图像进行识别,识别到不良点后记录不良点的位置信息。
步骤S206,根据不良点的位置信息,移动复判相机16至指定位置,所述复判相机16使用液态镜头。
其中,复判相机16处于机械装置13的一条移动轴上,接受控制机12的命令后可以进行同一平面上的移动;指定位置可以是便于对不良点进行拍摄的位置,通常情况下,复判相机移动后的位置离不良点位置越近,拍摄的结果就越清晰,识别效果更准确。所述复判相机16还与上位机11相连,可以接收上位机11的指令,还可以将拍照结果输出给上位机11。另外,复判相机16内部的拍摄镜头使用液态镜头。液态镜头是一种由水滴构成的新型照相机镜头,通过弹簧装置加压和调整在管子两端的直流电电压,在管子的一端形成相当于玻璃镜头的月牙型的曲面,曲面的曲率是液态镜头的焦距,通过调节电压来改变焦距,使用图像软件可自动化捕捉焦距范围内的画面。
具体地,上位机11将移动指令和计算后的不良点实际坐标发送给控制机12,控制机12控制移动轴将复判相机16移动到便于对不良点进行拍摄的指定位置。在一些其他实施方式中,可以移动复判相机至不良点实际坐标的正上方。
S208,调节所述液态镜头的焦距,每次调节焦距后对不良点拍照,得到复判照片集合。
具体地,上位机11向复判相机16发出多次调节焦距并进行拍照的指令,复判相机16根据接收到的指令调节液态镜头的焦距,在每次调整焦距后对不良点进行拍照并将所拍照片输出至上位机11,从而得到包含多张复判照片的复判照片集合。
S210,根据所述复判照片集合,得到所述不良点的高度信息。
其中,不良点的高度信息是指不良点所处高度与屏幕像素层高度的相对关系。具体地,由于复判照片集合是根据液态镜头在不同焦距下拍摄的多张具有不同深度的照片,因此可以在一些实施方式中以预定的计算关系设置液态镜头的对焦方式,上位机11通过复判照片的清晰度差别和预定的计算关系就可以得到不良点的高度信息。
步骤S212,获取屏幕高度信息,根据屏幕高度信息和不良点的高度信息,判断所述屏幕是否合格。
其中,所述屏幕高度信息是指液晶屏幕表面距离液晶屏幕像素层底部的相对高度信息。每一种液晶屏幕根据其型号不同都有一个固定的产品厚度,这个产品厚度包括像素层厚度、偏光片厚度、表层玻璃厚度等液晶屏幕所有组成层级的厚度总和,也是液晶屏幕的总高度。因此,将像素层到表层玻璃间各组成层的厚度相加就可以得到所述相对高度信息。
具体地,将屏幕高度信息与不良点的高度信息进行比较,所述屏幕高度信息指屏幕表面距离像素层底部的高度,所述不良点的高度信息指不良点与像素层的相对高度,以此来对不良点能否造成产品不合格进行判断。
本公开实施例提供的技术方案中,通过复判相机对不良点在不同焦距下重复拍摄,获得不良点在不同深度下的照片,根据不良点和像素层的清晰度关系,利用对焦高度差计算出了不良点的高度信息,从而快速有效地确定了造成不良点的原因。这样,在第一次对液晶屏幕的检测中就可以确定不良点是否会造成产品不合格,简化了检测流程,节省了检测时间和用于人工检查的成本。
在一个实施例中,如图3所示,通过全局相机15获取屏幕的全局图像之前,所述屏幕检测方法还包括:
步骤S102,控制机12控制搭载着屏幕的治具14行进到所述全局相机15拍照的位置;
步骤S104,控制机12向上位机11发送到达信号;
步骤S106,上位机11通过软件向全局相机15发送拍摄指令。
在一个实施例中,根据所述全局图像获取不良点的位置信息,具体包括:
如图4所示,通过二值化处理,将屏幕显示区域置为白色,屏幕显示区域以外置为黑色,将白色区域单独取出后得到放大图(如图5所示),根据所述放大图得到所述不良点的位置信息。
在全局相机15进行首次拍摄时,由于拍摄画面包括了屏幕显示区域以外的部分,而检测只针对屏幕的显示区域。因此,通过上述处理方法,上位机11仅需对显示区域的放大图进行识别分析,得到不良点在显示区域放大图中的位置,大大降低了处理难度,同时也能更准确地对不良点进行分析。
在其中一个实施例中,如图6所示,所述移动复判相机16至指定位置,具体包括:
步骤S302,利用软件算法将所述位置信息转换为像素坐标。
其中,由于相机拍出来的照片都是由一个个像素点组成的,上位机11通过不良点在显示区域放大图中的位置得到一个像素坐标D(X,Y)。
步骤S304,根据九点标定法对所述全局相机15的图像坐标与所述复判相机16的初始坐标进行标定。
九点标定法是一种根据标定物上坐标已知的点与其图像点之间的对应关系,利用算法获得实际坐标关系的方法。
在一个具体的实施方式中,可以预先将一个带有多点的标定板放置在待测屏幕的同一高度,用全局相机进行拍摄识别其中的九个点,输出九个点的图像坐标信息,后控制复判相机将九个点分别移动至复判相机的视野中心点,得到九个复判相机的实际点位,将图像九点和实际九个点位进行标定。
步骤S306,得到所述像素坐标对应的实际坐标。
具体地,上位机11根据九点标定法的转换关系将不良点的像素坐标D(X,Y)转换为实际坐标F(X1,Y1),上位机11将不良点的实际坐标F(X1,Y1)发送给控制机12,并向控制机12发送移动指令。
步骤S308,移动所述复判相机16至所述实际坐标。
具体地,控制机12控制移动轴将复判相机16移动至坐标F(X1,Y1)。
其中,复判相机16所在的移动轴不进行上下移动,复判相机16移动到坐标F点后处于不良点的正上方。
本实施例提供的技术方案中,利用计算机进行九点标定法的运算更加高效便捷,获得不良点的像素坐标后可以更快速地计算出实际坐标。此外,由于复判相机在移动过后不需要进行Z轴移动,相对于常规的镜头在移动到不良点上方需要进行Z轴多次移动拍摄,需要有移动和稳定的时间,使用液态镜头很大程度上减少了这段时间,因此,使得效率有了很大提升,检测效率更高。
在其中一个实施例中,所述调节所述液态镜头的焦距,包括:
通过调节液态镜头的输入电压,改变液态镜头内部曲率,使每次对焦高度差为一个固定值,每次调节后拍摄照片,得到所述复判照片集合。
具体地,上位机11通过软件设定好液态镜头对焦高度差,每次对焦高度差是一个固定值,根据液态镜头的特性调节输入电压,实现焦距的改变。对焦完成后,通过软件控制液态镜头对不良点进行拍照。拍照完成后进行下一次对焦,重复拍照。
上述实施例中,通过调节液态镜头的输入电压改变焦距,实现了在复判过程中更快速更高效的对焦拍摄过程,同时能够获得多张具有从低到高不同深度的复判照片的集合,减少了复判过程的拍摄时间,提高了复判效率。
在其中一个实施例中,如图7所示,根据所述复判照片集合得到所述不良点的高度信息包括:
步骤S402,根据不良点的清晰度和灰度,判断所述复判照片集合中像素层对焦最清晰的照片作为像素层照片。
具体地,上位机11利用算法对复判照片集合中所有的照片进行分析识别,将像素层对焦最清晰的照片作为像素层照片。
步骤S404,以所述像素层照片作为以像素基准面0微米处为焦点拍摄的照片,下一张复判照片为X高度拍摄的照片,以此类推。
其中,像素基准面可以认为是像素层底部表面,X为每次对焦高度差。
具体地,像素层照片是所有复判照片中像素层最清晰的照片,对比复判照片集合中所有的照片,找到像素层最清晰的照片,将其视作以像素层底部0微米处为焦点拍摄的照片,由于每次拍摄对焦高度差为X,根据复判照片的拍摄顺序,下一张复判照片的可以视作以高于像素层底部X高度处为焦点拍摄的照片,再下一张复判照片则是在高于像素层底部2X高度处为焦点拍摄的照片。
步骤S406,对比复判照片集合中所有的照片,以不良点最清晰的照片作为不良点照片。
其中,所述对比过程可以由上位机11利用算法实现。
步骤S408,根据所述不良点照片与所述像素层照片间隔的数量关系计算出所述不良点照片与所述像素层照片之间的高度差,从而得到所述不良点的高度信息。
具体地,在一个应用场景的实施例中,确定复判照片的第一张为像素层照片,复判照片的第四张为不良点照片,由于每次拍摄对焦高度差为X,则可以算出不良点照片与像素层照片的拍摄焦点高度差为3X,因此不良点的高度为距离像素层底部3X高度处。
在其中一个实施例中,判断所述屏幕是否合格,包括:
比较所述不良点的高度信息和所述屏幕高度信息,若不良点位于屏幕之上,判定为表面灰尘或异物,屏幕合格;若不良点位于屏幕之下,判定所述不良点为内部异物,屏幕不合格。
为便于进一步说明本公开提供的技术方案和有益效果,结合具体的应用场景提供一个具体的实施例:
在一个待检测屏幕的检测过程中,进行如图2所示的步骤;
当完成步骤S206后,调节液态镜头的焦距以使画面清晰,拍摄第一张复判照片,拍摄结果如图8所示。
继续调节液态镜头的焦距,使与第一次拍摄时对焦高度差为20um,拍摄第二张复判照片,拍摄结果如图9所示。
再次调节液态镜头的焦距,使与第二次拍摄时对焦高度差为20um,拍摄第三张复判照片,拍摄结果如图10所示,图中的Width(宽度)是不良点的横向坐标,Height(高度)是不良点的纵向坐标。
重复上述步骤,拍摄结束得到共十张复判照片构成的复判照片集合(附图中仅示出前三张)。
在一些实施方式中可以通过软件对所有复判照片进行算法识别,识别出第二张复判照片中像素层最清晰,识别出第三张复判照片中不良点最清晰;
因此,以第二张复判照片作为像素层照片,可以将像素层照片视为对焦点在像素层底部0微米处的基准面时拍摄到的照片。
以第三张复判照片作为不良点照片,可以将不良点照片视为对焦点在距离像素层底部基准面为20um高度时拍摄到的照片。
图11是上述待检测屏幕的结构示意图,该待检测屏幕包括表层玻璃21、偏光片22、像素层23。获取待检测屏幕的高度信息,得到待检测屏幕总高度为220um,其中,表层玻璃21加上偏光片22的厚度为180um。由于待检测屏幕最上方是表层玻璃21,表层玻璃21下方是偏光片22,偏光片22下方是像素层23,所以偏光片22与像素层23底部表面的距离为40um。根据上述对复判照片的计算过程可知,不良点距离像素层23底部基准面高度为20um,由于待检测屏幕高度为220um,确定不良点位于待检测屏幕之下,可以判定不良点是内部异物不良造成的,待检测屏幕不合格。
上述实施例中,考虑到待测屏幕的厚度信息,为每次调节液态镜头焦距的对焦高度差确定合适的固定值,多次对焦拍摄后得到多张复判照片的集合,识别出像素层照片与不良点照片后就可以得到不良点与像素层的高度关系,根据已知屏幕信息确认不良点在屏幕中的高度位置,解决了传统检测方法无法获知不良点形成原因的问题,且采用液态镜头进行复判拍摄可以在不进行移动的情况下实现毫秒级变焦,大大缩减了复判拍摄的时间,提高了检测效率。
根据本公开实施例的第二方面,如图12所示,还提供一种基于视觉技术的屏幕检测装置,包括:
图像采集模块610,所述图像采集模块包括第一图像采集单元612、第二图像采集单元614。所述第一图像采集单元612用于获取屏幕的全局图像;所述第二图像采集单元614用于获取屏幕上不良点的复判照片;
控制模块620,用于控制搭载屏幕的治具14进行移动,还用于控制所述第一图像采集单元612和所述第二图像采集单元614的移动;
中央处理模块630,所述中央处理模块630包括图像处理单元632、中央处理单元634、显示单元636。所述图像处理单元632与图像采集模块610相连,用于处理所述全局图像信息和计算所述不良点的位置坐标,还用于对所述复判照片的清晰度进行算法识别。所述中央处理单元634与控制模块620相连,用于向控制模块发送数据和指令。所述显示单元636与图像处理单元632相连,用于显示输出的图像信息和结果。
在一个实施例中,图像处理单元还用于:对全局图像进行二值化处理,将屏幕显示区域置为白色,屏幕显示区域以外置为黑色,将白色区域单独取出后得到放大图,根据所述放大图得到所述不良点的位置信息。
在一个实施例中,中央处理单元还用于:利用软件算法将不良点屏幕显示区域放大图中的位置信息转换为像素坐标;根据九点标定法对所述第一图像采集单元的图像坐标与所述第二图像采集单元的初始坐标进行标定;得到所述像素坐标对应的实际坐标;将实际坐标和移动指令发送给控制模块。
在一个实施例中,中央处理单元还用于:调节所述第二图像采集单元的焦距,使每次对焦高度差为一个固定值,每次调节后向第二图像采集单元发送拍摄指令,得到复判照片集合。
在一个实施例中,中央处理单元还用于:根据所述不良点的清晰度和灰度,判断所述复判照片集合中像素层对焦最清晰的照片作为像素层照片;以所述像素层照片作为像素基准面0微米拍摄的照片,下一张复判照片为X高度拍摄的照片,以此类推;X为对焦高度差;对比所有复判照片,以所述不良点最清晰的照片作为不良点照片;根据所述不良点照片与所述像素层照片间隔的数量关系计算出所述不良点照片与所述像素层照片之间的高度差,从而得到所述不良点的高度信息。
关于基于视觉技术的屏幕检测装置的具体限定可以参见上文中对于基于视觉技术的屏幕检测方法的限定,在此不再赘述。上述基于视觉技术的屏幕检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于视觉技术的屏幕检测方法。该计算机设备可以连接用于控制机械设备的控制器,还可以连接相机等拍摄设备。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
根据本公开实施例的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。

Claims (10)

1.一种基于视觉技术的屏幕检测方法,其特征在于,包括:
通过全局相机获取屏幕的全局图像;
根据所述全局图像获取不良点的位置信息;
根据所述位置信息,移动复判相机至指定位置,所述复判相机使用液态镜头;
调节所述液态镜头的焦距,每次调节焦距后对所述不良点拍照,得到复判照片集合;
根据所述复判照片集合得到所述不良点的高度信息;
获取屏幕高度信息,根据所述屏幕高度信息和所述不良点的高度信息,判断所述屏幕是否合格。
2.根据权利要求1所述的屏幕检测方法,其特征在于,所述根据所述全局图像获取不良点的位置信息,包括:
通过二值化处理,将屏幕显示区域置为白色,屏幕显示区域以外置为黑色,将白色区域单独取出后得到放大图,根据所述放大图得到所述不良点的位置信息。
3.根据权利要求1所述的屏幕检测方法,其特征在于,所述移动复判相机至指定位置,包括:
利用软件算法将所述位置信息转换为像素坐标;
根据九点标定法对所述全局相机的图像坐标与所述复判相机的初始坐标进行标定;
得到所述像素坐标对应的实际坐标;
移动所述复判相机至所述实际坐标。
4.根据权利要求1所述的屏幕检测方法,其特征在于,所述调节所述液态镜头的焦距,包括:
调节所述液态镜头的输入电压,改变所述液态镜头内部曲率,使每次对焦高度差为一个固定值,每次调节后对所述不良点拍摄照片,得到所述复判照片集合。
5.根据权利要求4所述的屏幕检测方法,其特征在于,所述根据所述复判照片集合得到所述不良点的高度信息,包括:
根据所述不良点的清晰度和灰度,判断所述复判照片集合中像素层对焦最清晰的照片作为像素层照片;
以所述像素层照片作为以像素基准面0微米处为焦点拍摄的照片,下一张复判照片为X高度拍摄的照片,以此类推;所述X为所述对焦高度差;
对比所述复判照片集合中所有的照片,以所述不良点最清晰的照片作为不良点照片;
根据所述不良点照片与所述像素层照片间隔的数量关系计算出所述不良点照片与所述像素层照片之间的高度差,确定所述不良点的高度信息。
6.根据权利要求1所述的屏幕检测方法,其特征在于,所述判断所述屏幕是否合格,包括:
比较所述不良点的高度信息和所述屏幕高度信息;
若不良点位于屏幕之上,判定为表面灰尘,屏幕合格;若不良点位于屏幕之下,判定所述不良点为内部异物,屏幕不合格。
7.根据权利要求1所述的屏幕检测方法,其特征在于,所述屏幕包括手机屏幕、平板屏幕、电视屏幕、计算机屏幕。
8.一种基于视觉技术的屏幕检测装置,其特征在于,包括:
图像采集模块,所述图像采集模块包括第一图像采集单元、第二图像采集单元;
所述第一图像采集单元用于获取屏幕的全局图像;所述第二图像采集单元用于获取屏幕上不良点的复判照片;
控制模块,用于控制搭载屏幕的治具移动,还用于控制所述第一图像采集单元和所述第二图像采集单元的移动;
图像处理模块,用于处理所述全局图像信息和计算所述不良点的位置坐标,还用于对所述复判照片的清晰度进行算法识别;
显示模块,用于显示所述图像处理模块输出的信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202210998941.3A 2022-08-19 2022-08-19 基于视觉技术的屏幕检测方法、装置和计算机设备 Pending CN115222728A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210998941.3A CN115222728A (zh) 2022-08-19 2022-08-19 基于视觉技术的屏幕检测方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210998941.3A CN115222728A (zh) 2022-08-19 2022-08-19 基于视觉技术的屏幕检测方法、装置和计算机设备

Publications (1)

Publication Number Publication Date
CN115222728A true CN115222728A (zh) 2022-10-21

Family

ID=83615371

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210998941.3A Pending CN115222728A (zh) 2022-08-19 2022-08-19 基于视觉技术的屏幕检测方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN115222728A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116912475A (zh) * 2023-09-11 2023-10-20 深圳精智达技术股份有限公司 一种显示屏异物检测方法、装置、电子设备和存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116912475A (zh) * 2023-09-11 2023-10-20 深圳精智达技术股份有限公司 一种显示屏异物检测方法、装置、电子设备和存储介质
CN116912475B (zh) * 2023-09-11 2024-01-09 深圳精智达技术股份有限公司 一种显示屏异物检测方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN105842885B (zh) 一种液晶屏缺陷分层定位方法及装置
KR100785594B1 (ko) 화상 처리 장치
KR101242984B1 (ko) 형상 검사 방법 및 장치
KR100805486B1 (ko) 디스플레이의 다각도 계측 시스템 및 방법
CN109429473A (zh) 电路板中带极性电子元器件的自动检查方法及装置
CN105763870A (zh) 一种十字线立体测试标版及其形成方法
CN108924544A (zh) 摄像头畸变测量方法与测试装置
CN112200790B (zh) 布料缺陷检测方法、设备和介质
CN115143895A (zh) 形变视觉测量方法、装置、设备、介质和双轴测量引伸计
CN110349216A (zh) 货箱位置检测方法及装置
CN115222728A (zh) 基于视觉技术的屏幕检测方法、装置和计算机设备
CN102316347A (zh) 3d摄影机模块的摄像检查装置及其摄像检查方法、3d摄影机模块及其摄像补正方法
JP2014197762A (ja) 画像処理システムおよび画像処理プログラム
CN115225820A (zh) 拍摄参数自动调整方法、装置、存储介质及工业相机
JP2013130566A (ja) レンズ検査装置及びその方法
CN108230385B (zh) 单相机运动检测超高叠层、超薄烟标数量方法及装置
CN117830251A (zh) 缺陷分析方法、缺陷分析装置及电子设备
CN111947607B (zh) 平面度测量方法、装置、电子设备及存储介质
CN116993658B (zh) 一种用于精准检测oca贴合精度的方法
CN115839957B (zh) 显示模组夹层缺陷的检测方法、装置、设备及存储介质
CN109040724B (zh) 一种结构光投影器的光斑畸变检测方法、装置及可读存储介质
KR101559338B1 (ko) 카메라 모듈용 결함 픽셀 평가 시스템 및 이를 사용한 카메라 모듈용 결함 픽셀 평가 방법
CN115601341A (zh) Pcba板缺陷检测方法、系统、设备、介质及产品
JP2003510568A (ja) パターン比較によるlcd検査方法およびlcd検査装置
CN114778080A (zh) 一种镜面畸变检测方法、系统、设备及介质

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