CN115880301A - 一种玻璃基板气泡缺陷的识别系统 - Google Patents
一种玻璃基板气泡缺陷的识别系统 Download PDFInfo
- Publication number
- CN115880301A CN115880301A CN202310203424.7A CN202310203424A CN115880301A CN 115880301 A CN115880301 A CN 115880301A CN 202310203424 A CN202310203424 A CN 202310203424A CN 115880301 A CN115880301 A CN 115880301A
- Authority
- CN
- China
- Prior art keywords
- glass substrate
- image
- contour
- defect
- value
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 89
- 239000011521 glass Substances 0.000 title claims abstract description 81
- 239000000758 substrate Substances 0.000 title claims abstract description 81
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 238000000605 extraction Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 12
- 230000004913 activation Effects 0.000 claims description 9
- 238000005286 illumination Methods 0.000 claims description 6
- 238000011176 pooling Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 3
- 229910052724 xenon Inorganic materials 0.000 claims description 3
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 claims description 3
- 239000010985 leather Substances 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 10
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及智能制造领域，具体涉及一种玻璃基板气泡缺陷的识别系统。该系统针对当前玻璃基板加工工艺中容易出现的气泡缺陷，本发明提出了以显微镜相机获取高分辨率的玻璃基板图像，并定义了玻璃基板的气泡缺陷及判断方法，在获取玻璃基板轮廓特征的基础上，实现了对玻璃基板气泡缺陷的自动化识别。相比于传统的轮廓检测算法，本发明改进后的轮廓提取算法对显微镜相机获取的高分辨率玻璃基板图像有着更好的特征提取效果；相比于传统霍夫检测算法，本发明提出的玻璃基板气泡缺陷的判断方法计算量及内存使用量更小，计算速度更快。
Description
技术领域
本发明属于智能制造技术领域，具体涉及一种玻璃基板气泡缺陷的识别系统。
背景技术
近年来，随着液晶显示技术快速发展，液晶显示器以其特有的较高对比度和色彩饱和度赢得了大众的认可，已逐步发展成为信息显示领域的主导技术和研发热点，而玻璃基板作为液晶面板上游的核心部件，是电子信息显示产业的关键战略材料，高标准的生产加工质量是影响玻璃基板产业发展的关键。
在玻璃基板的加工过程中，由于空气、灰尘及贴合角度的存在，常常导致液晶玻璃基板与偏光片贴合过程中产生气泡，对于已经产生气泡的玻璃基板，及时地发现并进行剔除，是保证玻璃基板品质的关键。因此在玻璃基板的加工过程中，快速准确的检测出有气泡缺陷的玻璃基板，对保证玻璃基板的生产质量、减少后期检查工序的成本至关重要。
发明内容
针对当前玻璃基板生产加工工艺中，玻璃基板气泡缺陷检测存在的难点和不足，本发明提出了一种玻璃基板气泡缺陷的识别系统。
实现上述目的，本发明提供的一种玻璃基板气泡缺陷的识别系统，包括：一个图像采集装置、一个光源装置、一个识别服务器和缺陷显示装置，其中，所述图像采集装置，用于采集图像；所述光源装置，用于辅助图像采集，所述识别服务器，用于识别图像中的气泡缺陷；所述缺陷显示装置，用于显示玻璃基板气泡缺陷的识别结果，该系统工作过程包括：
步骤S1，所述光源装置安装在与所述玻璃基板所在平面平行的正上方，将所述图像采集装置安装在与所述光源装置处于同一平面的位置，其中，所述光源是氙灯作为光源，具体规格为：光源颜色为红光，波长625~740nm，色温为5000~6000K，照度为1500~2500LUX。
步骤S2，所述图像采集装置采集玻璃基板图像，并将采集到的的玻璃基板图像发送给所述识别服务器，其中，所述图像采集装置为高分辨率的显微镜相机，镜头为显微镜物镜，分辨率为2592x1944，具体采集参数是：图像通道为RGB，图像采集频率为S张/秒，具体地，N的取值范围为[10，30]，S的计算公式为：
其中，
表示当前采集到图像的实际尺寸，V表示玻璃基板运动的速度。
步骤S3，所述识别服务器接收所述图像采集装置发送的玻璃基板图像，对玻璃基板图像进行气泡缺陷识别，并把气泡缺陷识别的结果发送给所述缺陷显示装置；
步骤S301，对输入的玻璃基板图像进行边缘特征提取，得到玻璃基板图像中所有的边缘轮廓，具体步骤为：
步骤A1，将输入的玻璃基板图像由边缘特征提取卷积网络进行边缘特征提取，获取边缘特征图，计算公式为：
其中，image表示输入的图像，
表示融合后的特诊图，/>
表示各个分支的特征图，CNN表示表示中间的卷积模块，W表示网络中的参数值，w和h分别表示输入图像的宽和高；
其中，所述边缘特征提取卷积网络，具体结构为：
边缘特征提取卷积网络输入是尺寸为640*640*3的RGB图像，
边缘特征提取卷积网络中间由5个卷积模块构成，每个卷积模块包括2个卷积层、1个最大池化层和1个分支模块，其中：
卷积层中卷积核的尺寸为（3，3），激活函数为Relu，填充方式为Same，即保持输入尺寸与输出尺寸相同，
池化层中卷积核的尺寸为（3，3），步长为（2，2），填充方式为Same，即保持输入尺寸与输出尺寸相同；
分支模块中包含1个卷积层和1个反卷积层，其中：
卷积层中卷积核的尺寸为（1，1），激活函数为None，填充方式为Same，即保持输入尺寸与输出尺寸相同，反卷积层中卷积核的尺寸为（2*Factor，2*Factor）步长为Factor，填充方式为Same，即保持输入尺寸与输出尺寸相同，其中，Factor的计算方式为：
式中，v表示卷积模块的编号，
边缘特征提取卷积网络输出为融合后的特征图各个分支的特征图，融合后的特征图是将5个分支模块经过Sigmoid激活函数后，再进行特征融合后得到特征融合后的特征图。
步骤A2，对玻璃基板图像的边缘特征图进行推理计算得到所有输出的边缘，计算公式为：
其中，
表示输出的边缘，Average表示求平均函数，/>
表示各个分支的特征图；
步骤A3，调用轮廓检测函数从提取出所有的边缘中检测出所有的轮廓，得到所有轮廓的坐标值；
步骤A4，对所有的轮廓进行遍历，对于小于阈值的轮廓、非封闭轮廓和不规则的轮廓进行剔除。
步骤S302，根据边缘特征提取器检测到的所有边缘轮廓，判断边缘轮廓是否为气泡缺陷，具体判断方式为：
条件一，判断轮廓是否为圆形，具体是通过检测出的轮廓和标准圆的轮廓作匹配度计算，来估计当前轮廓为圆形的概率，计算公式为：
其中，Pr表示轮廓为圆形的概率，n和m分别表示标准圆形轮廓坐标值和检测出的轮廓坐标值，cov表示计算协方差，E(n)表示标准圆形轮廓n坐标值的数学期望，E(m)表示检测出轮廓m坐标值的数学期望，
表示标准圆形轮廓n坐标值的标准差，/>
表示检测出轮廓m坐标标值的准差；
条件二，判断轮廓是否为椭圆形，具体是首先通过在轮廓上随机选取m个点，m的取值范围为[8，20]，并从m个点中选取部分的点进行椭圆拟合，计算公式为：
其中，
表示像素值的坐标，/>
表示表示椭圆的6个参数，得到椭圆的参数后，便可以得到该轮廓的拟合椭圆，然后再从m个点中选取部分点进行验证，计算公式为：
其中，x,y表示选取的该点的坐标值，a,b分别表示拟合椭圆的长轴的值和短轴的值，只有当选取的点在椭圆上的占比大于70%时，则认为检测出的轮廓为椭圆，否则认为检测出的轮廓为非椭圆；
条件三，判断轮廓区域内的光度值，计算公式为：
其中，
为该区域内像素的光度值，x,y表示像素值的坐标，I(x,y)表示该坐标下像素值的光照强度，/>
表示该坐标下像素均值为0，标准差为1的高斯噪声，
表示该坐标下像素值的标准差；
当检测出的轮廓满足条件一或者条件二，且区域内像素的光度值在设定的阈值空间内，则认为检测到了气泡缺陷，否则认为检测到的轮廓为非气泡缺陷。
步骤S303，由识别服务器把气泡缺陷识别的结果发送给所述缺陷显示装置；
步骤S4，所述缺陷显示装置接收所述识别服务器发送的气泡缺陷识别结果，并将接收到的气泡缺陷识别结果进行显示，具体方式为：
当接收到识别服务器输出的玻璃基板气泡缺陷识别结果的消息后，解析出消息中皮袍缺陷结果的字段，如果字段为“Circle”或者“Ellipse”，则屏幕显示红色，并在屏幕上打印“气泡缺陷”信息；字段为“Normal”，则屏幕显示绿色，并在屏幕上打印“正常”。
本发明提出了一种玻璃基板气泡缺陷的识别系统，与现有的技术相比，具有以下有益效果：
本发明提出了以显微镜相机获取高分辨率的玻璃基板图像，并定义了玻璃基板的气泡缺陷及判断方法，在获取玻璃基板轮廓特征的基础上，实现了对玻璃基板气泡缺陷的自动化识别。
本发明提出利用改进后的轮廓提取算法来提取玻璃基板的轮廓，相比于传统的轮廓检测算法，本发明改进后的算法，对显微镜相机获取的高分辨率玻璃基板图像有着更好的特征提取效果；此外，本发明提出的玻璃基板气泡缺陷的判断方法，相比于霍夫检测算法计算量及内存使用量更小，计算速度也更快。
附图说明
图1是本发明的玻璃基板缺陷识别流程示意图；
图2是本发明的玻璃基板圆形气泡缺陷示意图；
图3是本发明的玻璃基板椭圆形气泡缺陷示意图。
具体实施方式
为了使本发明的目的、特征能够更加的明显和易懂，下面通过实施例并结合附图对本技术方案进行详细说明。
如图1所示，一种玻璃基板气泡缺陷的识别系统，包括：一个图像采集装置、一个光源装置、一个识别服务器和缺陷显示装置，其中，图像采集装置用于采集图像；光源装置用于辅助图像采集，识别服务器用于识别图像中的气泡缺陷；缺陷显示装置用于显示玻璃基板气泡缺陷的识别结果，该系统工作过程包括：
步骤S1，所述光源装置安装在与所述玻璃基板所在平面平行的正上方，将所述图像采集装置安装在与所述光源装置处于同一平面的位置，其中，所述光源是氙灯作为光源，具体规格为：光源颜色为红光，波长625~740nm，色温为5000~6000K，照度为1500~2500LUX。
步骤S2，所述图像采集装置采集玻璃基板图像，并将采集到的的玻璃基板图像发送给所述识别服务器，其中，所述图像采集装置为高分辨率的显微镜相机，镜头为显微镜物镜，分辨率为2592x1944，具体采集参数是：图像通道为RGB，图像采集频率为S张/秒，具体地，N的取值范围为[10，30]，S的计算公式为：
其中，
表示当前采集到图像的实际尺寸，V表示玻璃基板运动的速度。
步骤S3，所述识别服务器接收所述图像采集装置发送的玻璃基板图像，对玻璃基板图像进行气泡缺陷识别，并把气泡缺陷识别的结果发送给所述缺陷显示装置。
步骤S301，对输入的玻璃基板图像进行边缘特征提取，得到玻璃基板图像中所有的边缘轮廓，具体步骤为：
首先，将输入的玻璃基板图像由边缘特征提取卷积网络进行边缘特征提取，获取边缘特征图，计算公式为：
其中，image表示输入的图像，
表示融合后的特诊图，/>
表示各个分支的特征图，CNN表示表示中间的卷积模块，W表示网络中的参数值，w和h分别表示输入图像的宽和高；
具体地，边缘特征提取卷积网络其结构如下：
边缘特征提取卷积网络输入是尺寸为640*640*3的RGB图像。
边缘特征提取卷积网络中间由5个卷积模块构成，每个卷积模块包括2个卷积层、1个最大池化层和1个分支模块，其中：
卷积层中卷积核的尺寸为（3，3），激活函数为Relu，填充方式为Same，即保持输入尺寸与输出尺寸相同。
池化层中卷积核的尺寸为（3，3），步长为（2，2），填充方式为Same，即保持输入尺寸与输出尺寸相同。
分支模块中包含1个卷积层和1个反卷积层，其中：
卷积层中卷积核的尺寸为（1，1），激活函数为None，填充方式为Same，即保持输入尺寸与输出尺寸相同。
反卷积层中卷积核的尺寸为（2*Factor，2*Factor）步长为Factor，填充方式为Same，即保持输入尺寸与输出尺寸相同，其中，Factor的计算方式为：
式中，v表示卷积模块的编号，
边缘特征提取卷积网络输出为融合后的特征图各个分支的特征图，融合后的特征图是将5个分支模块经过Sigmoid激活函数后，再进行特征融合后得到特征融合后的特征图。
然后，对玻璃基板图像的边缘特征图进行推理计算得到所有输出的边缘，计算公式为：
其中，
表示输出的边缘，Average表示求平均函数，/>
表示各个分支的特征图；
接着，调用轮廓检测函数从提取出所有的边缘中检测出所有的轮廓，得到所有轮廓的坐标值。
最后，对所有的轮廓进行遍历，对于小于阈值的轮廓、非封闭轮廓和不规则的轮廓进行剔除。
步骤S302，根据边缘特征提取器检测到的所有边缘轮廓，判断边缘轮廓是否为气泡缺陷，具体判断方式为：
条件一，判断轮廓是否为圆形，具体是通过检测出的轮廓和标准圆的轮廓作匹配度计算，来估计当前轮廓为圆形的概率，计算公式为：
其中，Pr表示轮廓为圆形的概率，n和m分别表示标准圆形轮廓坐标值和检测出的轮廓坐标值，cov表示计算协方差，E(n)表示标准圆形轮廓n坐标值的数学期望，E(m)表示检测出轮廓m坐标值的数学期望，
表示标准圆形轮廓n坐标值的标准差，/>
表示检测出轮廓m坐标标值的准差；
条件二，判断轮廓是否为椭圆形，具体是首先通过在轮廓上随机选取m个点，m的取值范围为[8，20]，并从m个点中选取部分的点进行椭圆拟合，计算公式为：
其中，
表示像素值的坐标，/>
表示椭圆的6个参数，得到椭圆的参数后，便可以得到该轮廓的拟合椭圆，然后再从m上诉点中选取部分点进行验证，计算公式为：
其中，x,y表示选取的该点的坐标值，a,b分别表示拟合椭圆的长轴的值和短轴的值，只有当选取的点在椭圆上的占比大于70%时，则认为检测出的轮廓为椭圆，否则认为检测出的轮廓为非椭圆；
条件三，判断轮廓区域内的光度值，计算公式为：
其中，
为该区域内像素的光度值，x,y表示像素值的坐标，I(x,y)表示该坐标下像素值的光照强度，/>
表示该坐标下像素均值为0，标准差为1的高斯噪声，
表示该坐标下像素值的标准差；
当检测出的轮廓满足条件一或者条件二，且区域内像素的光度值在设定的阈值空间内，则认为检测到了气泡缺陷，否则认为检测到的轮廓为非气泡缺陷。
步骤S303，由识别服务器把气泡缺陷识别的结果发送给所述缺陷显示装置。
步骤S4，所述缺陷显示装置接收所述识别服务器发送的气泡缺陷识别结果，并将接收到的气泡缺陷识别结果进行显示，具体显示方式为：
当接收到识别服务器输出的玻璃基板气泡缺陷识别结果的消息后，解析出消息中皮袍缺陷结果的字段，如果字段为“Circle”或者“Ellipse”，则屏幕显示红色，并在屏幕上打印“气泡缺陷”信息；字段为“Normal”，则屏幕显示绿色，并在屏幕上打印“正常”。
至此，按照本发明公开的方法，已实施完一次本发明的工作过程。
需要说明的是，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。并且本文中的术语“包括”、“包含”或者其任何其他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、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种玻璃基板气泡缺陷的识别系统，包括：一个图像采集装置、一个光源装置、一个识别服务器和缺陷显示装置，其中，所述图像采集装置，用于采集图像；所述光源装置，用于辅助图像采集，所述识别服务器，用于识别图像中的气泡缺陷；所述缺陷显示装置，用于显示玻璃基板气泡缺陷的识别结果，其特征在于，
该系统工作过程包括：
步骤S1，所述光源装置安装在与所述玻璃基板所在平面平行的正上方，将所述图像采集装置安装在与所述光源装置处于同一平面的位置；
步骤S2，所述图像采集装置采集玻璃基板图像，并将采集到的的玻璃基板图像发送给所述识别服务器；
步骤S3，所述识别服务器接收所述图像采集装置发送的玻璃基板图像，对玻璃基板图像进行气泡缺陷识别，并把气泡缺陷识别的结果发送给所述缺陷显示装置；
步骤S4，所述缺陷显示装置接收所述识别服务器发送的气泡缺陷识别结果，并将接收到的气泡缺陷识别结果进行显示。
2.根据权利要求1所述的一种玻璃基板气泡缺陷的识别系统，其特征在于，所述步骤S1中所述光源设备，是氙灯作为光源，具体规格为：光源颜色为红光，波长625~740nm，色温为5000~6000K，照度为1500~2500LUX。
3.根据权利要求1所述的一种玻璃基板气泡缺陷的识别系统，其特征在于，所述步骤S2中所述的图像采集装置采集玻璃基板图像包括：所述图像采集装置为高分辨率的显微镜相机，镜头为显微镜物镜，分辨率为2592x1944，其中，采集参数是：图像通道为RGB，图像采集频率为S张/秒，N的取值范围为[10，30]，S的计算公式为：
其中，
表示当前采集到图像的实际尺寸，V表示玻璃基板运动的速度，L表示玻璃基板图像尺寸。
4.根据权利要求1所述的一种玻璃基板气泡缺陷的识别系统，其特征在于，所述步骤S3包括步骤：
步骤S301，对输入的玻璃基板图像进行边缘特征提取，得到玻璃基板图像中所有的边缘轮廓；
步骤S302，根据边缘特征提取器检测到的所有边缘轮廓，判断边缘轮廓是否为气泡缺陷；
步骤S303，由识别服务器把气泡缺陷识别的结果发送给所述缺陷显示装置。
5.根据权利要求4所述的一种玻璃基板气泡缺陷的识别系统，其特征在于，所述步骤S301中所述的对输入的玻璃基板图像进行边缘特征提取，具体步骤为：
步骤A1，将输入的玻璃基板图像由边缘特征提取卷积网络进行边缘特征提取，获取边缘特征图，计算公式为：
其中，image表示输入的图像，
表示融合后的特诊图，/>
表示各个分支的特征图，CNN表示表示中间的卷积模块，W表示网络中的参数值，w和h分别表示输入图像的宽和高；
步骤A2，对玻璃基板图像的边缘特征图进行推理计算得到所有输出的边缘，计算公式为：
其中，
表示输出的边缘，Average表示求平均函数，/>
表示各个分支的特征图；
步骤A3，调用轮廓检测函数从提取出所有的边缘中检测出所有的轮廓，得到所有轮廓的坐标值；
步骤A4，对所有的轮廓进行遍历，对于小于阈值的轮廓、非封闭轮廓和不规则的轮廓进行剔除。
6.根据权利要求5所述的一种玻璃基板气泡缺陷的识别系统，其特征在于，所述边缘特征提取卷积网络，具体结构为：
边缘特征提取卷积网络输入是尺寸为640*640*3的RGB图像，
边缘特征提取卷积网络中间由5个卷积模块构成，每个卷积模块包括2个卷积层、1个最大池化层和1个分支模块，其中：
卷积层中卷积核的尺寸为（3，3），激活函数为Relu，填充方式为Same，即保持输入尺寸与输出尺寸相同，
池化层中卷积核的尺寸为（3，3），步长为（2，2），填充方式为Same，即保持输入尺寸与输出尺寸相同；
分支模块中包含1个卷积层和1个反卷积层，其中：
卷积层中卷积核的尺寸为（1，1），激活函数为None，填充方式为Same，即保持输入尺寸与输出尺寸相同，
反卷积层中卷积核的尺寸为（2*Factor，2*Factor）步长为Factor，填充方式为Same，即保持输入尺寸与输出尺寸相同，其中，Factor的计算方式为：
式中，v表示卷积模块的编号，
边缘特征提取卷积网络输出为融合后的特征图各个分支的特征图，融合后的特征图是将5个分支模块经过Sigmoid激活函数后，再进行特征融合后得到特征融合后的特征图。
7.根据权利要求4所述的一种玻璃基板气泡缺陷的识别系统，其特征在于，步骤S302中所述的判断边缘轮廓是否为气泡缺陷，具体判断方式为：
条件一，判断轮廓是否为圆形，具体是通过检测出的轮廓和标准圆的轮廓作匹配度计算，来估计当前轮廓为圆形的概率，计算公式为：
其中，N表示当前区域内所有检测出的轮廓个数，Pr表示轮廓为圆形的概率，n和m分别表示标准圆形轮廓坐标值和检测出的轮廓坐标值，cov表示计算协方差，E(n)表示标准圆形轮廓n坐标值的数学期望，E(m)表示检测出轮廓m坐标值的数学期望，
表示标准圆形轮廓n坐标值的标准差，/>
表示检测出轮廓m坐标标值的准差；
条件二，判断轮廓是否为椭圆形，具体是首先通过在轮廓上随机选取K个点，K的取值范围为[8，20]，并从K个点中选取部分的点进行椭圆拟合，计算公式为：
其中，M表示当前区域内所有检测出的轮廓个数，
表示像素值的坐标，
表示像素值坐标对应的椭圆拟合6个参数，得到椭圆的参数后，便可以得到该轮廓的拟合椭圆，然后再从上诉点中选取部分点进行验证，计算公式为：
其中，x,y表示选取的该点的坐标值，a,b分别表示拟合椭圆的长轴的值和短轴的值，只有当选取的点在椭圆上的占比大于70%时，则认为检测出的轮廓为椭圆，否则认为检测出的轮廓为非椭圆；
条件三，判断轮廓区域内的光度值，计算公式为：
其中，
为该区域内像素的光度值，/>
和/>
分别表示像素值的坐标，/>
表示该坐标下像素值的光照强度，/>
表示该坐标下像素均值为0，标准差为1的高斯噪声，
表示该坐标下像素值的标准差；
当检测出的轮廓满足条件一或者条件二，且区域内像素的光度值在设定的阈值空间内，则认为检测到了气泡缺陷，否则认为检测到的轮廓为非气泡缺陷。
8.根据权利要求1所述的一种玻璃基板气泡缺陷的识别系统，其特征在于，所述步骤S4中所述的缺陷显示装置接收气泡缺陷识别结果并进行显示，具体方式为：
当接收到识别服务器输出的玻璃基板气泡缺陷识别结果的消息后，解析出消息中皮袍缺陷结果的字段，如果字段为“Circle”或者“Ellipse”，则屏幕显示红色，并在屏幕上打印“气泡缺陷”信息；字段为“Normal”，则屏幕显示绿色，并在屏幕上打印“正常”。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310203424.7A CN115880301B (zh) | 2023-03-06 | 2023-03-06 | 一种玻璃基板气泡缺陷的识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310203424.7A CN115880301B (zh) | 2023-03-06 | 2023-03-06 | 一种玻璃基板气泡缺陷的识别系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115880301A true CN115880301A (zh) | 2023-03-31 |
| CN115880301B CN115880301B (zh) | 2023-06-06 |
Family
ID=85761971
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310203424.7A Active CN115880301B (zh) | 2023-03-06 | 2023-03-06 | 一种玻璃基板气泡缺陷的识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115880301B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116295133A (zh) * | 2023-05-17 | 2023-06-23 | 四川都得利管业有限公司 | 一种用于塑料管生产的监测预警方法及系统 |
| CN116523906A (zh) * | 2023-06-28 | 2023-08-01 | 长沙韶光芯材科技有限公司 | 一种玻璃基板光学性能检测方法和系统 |
| CN117405734A (zh) * | 2023-12-15 | 2024-01-16 | 深圳市什方智造科技有限公司 | 气泡位置确定方法、装置、电子设备及存储介质 |
| CN117491391A (zh) * | 2023-12-29 | 2024-02-02 | 登景(天津)科技有限公司 | 基于芯片计算的玻璃基板光三维健康检测方法及设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009041930A (ja) * | 2007-08-06 | 2009-02-26 | Toppan Printing Co Ltd | カラーフィルタの外観検査方法 |
| JP2010008125A (ja) * | 2008-06-25 | 2010-01-14 | Toppan Printing Co Ltd | ガラス基板内の気泡選別処理法 |
| JP2011007728A (ja) * | 2009-06-29 | 2011-01-13 | Seiko Epson Corp | 欠陥検出方法、欠陥検出装置、および欠陥検出プログラム |
| CN104568989A (zh) * | 2014-12-30 | 2015-04-29 | 湖北优尼科光电技术股份有限公司 | 玻璃基板的缺陷检测方法 |
| WO2016043397A1 (ko) * | 2014-09-16 | 2016-03-24 | 한화테크윈 주식회사 | 초분광영상화 기법을 이용한 글라스 결함 검출 방법 및 장치 |
| CN110261410A (zh) * | 2019-05-24 | 2019-09-20 | 西安交通大学 | 一种玻璃透镜缺陷的检测装置及方法 |
| US20200150052A1 (en) * | 2018-11-12 | 2020-05-14 | Samsung Display Co., Ltd. | Apparatus and method for inspecting glass substrate |
| CN113899760A (zh) * | 2021-09-30 | 2022-01-07 | 长沙韶光铬版有限公司 | 一种玻璃基板的检测方法、装置、电子设备及存储介质 |
| CN114235847A (zh) * | 2021-12-20 | 2022-03-25 | 深圳市尊绅投资有限公司 | 一种液晶面板玻璃基板表面缺陷检测装置及检测方法 |
-
2023
- 2023-03-06 CN CN202310203424.7A patent/CN115880301B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009041930A (ja) * | 2007-08-06 | 2009-02-26 | Toppan Printing Co Ltd | カラーフィルタの外観検査方法 |
| JP2010008125A (ja) * | 2008-06-25 | 2010-01-14 | Toppan Printing Co Ltd | ガラス基板内の気泡選別処理法 |
| JP2011007728A (ja) * | 2009-06-29 | 2011-01-13 | Seiko Epson Corp | 欠陥検出方法、欠陥検出装置、および欠陥検出プログラム |
| WO2016043397A1 (ko) * | 2014-09-16 | 2016-03-24 | 한화테크윈 주식회사 | 초분광영상화 기법을 이용한 글라스 결함 검출 방법 및 장치 |
| CN104568989A (zh) * | 2014-12-30 | 2015-04-29 | 湖北优尼科光电技术股份有限公司 | 玻璃基板的缺陷检测方法 |
| US20200150052A1 (en) * | 2018-11-12 | 2020-05-14 | Samsung Display Co., Ltd. | Apparatus and method for inspecting glass substrate |
| CN110261410A (zh) * | 2019-05-24 | 2019-09-20 | 西安交通大学 | 一种玻璃透镜缺陷的检测装置及方法 |
| CN113899760A (zh) * | 2021-09-30 | 2022-01-07 | 长沙韶光铬版有限公司 | 一种玻璃基板的检测方法、装置、电子设备及存储介质 |
| CN114235847A (zh) * | 2021-12-20 | 2022-03-25 | 深圳市尊绅投资有限公司 | 一种液晶面板玻璃基板表面缺陷检测装置及检测方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116295133A (zh) * | 2023-05-17 | 2023-06-23 | 四川都得利管业有限公司 | 一种用于塑料管生产的监测预警方法及系统 |
| CN116295133B (zh) * | 2023-05-17 | 2023-08-15 | 四川都得利管业有限公司 | 一种用于塑料管生产的监测预警方法及系统 |
| CN116523906A (zh) * | 2023-06-28 | 2023-08-01 | 长沙韶光芯材科技有限公司 | 一种玻璃基板光学性能检测方法和系统 |
| CN116523906B (zh) * | 2023-06-28 | 2023-09-12 | 长沙韶光芯材科技有限公司 | 一种玻璃基板光学性能检测方法和系统 |
| CN117405734A (zh) * | 2023-12-15 | 2024-01-16 | 深圳市什方智造科技有限公司 | 气泡位置确定方法、装置、电子设备及存储介质 |
| CN117491391A (zh) * | 2023-12-29 | 2024-02-02 | 登景(天津)科技有限公司 | 基于芯片计算的玻璃基板光三维健康检测方法及设备 |
| CN117491391B (zh) * | 2023-12-29 | 2024-03-15 | 登景(天津)科技有限公司 | 基于芯片计算的玻璃基板光三维健康检测方法及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115880301B (zh) | 2023-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115880301A (zh) | 一种玻璃基板气泡缺陷的识别系统 | |
| CN111563889B (zh) | 基于计算机视觉的液晶屏幕Mura缺陷检测方法 | |
| CN110322522B (zh) | 一种基于目标识别区域截取的车辆颜色识别方法 | |
| US20160148063A1 (en) | Traffic light detection | |
| US11317067B2 (en) | Method and system for inspecting display image | |
| CN105352437A (zh) | 板卡位置检测方法及装置 | |
| JP2008170325A (ja) | シミ欠陥検出方法およびシミ欠陥検出装置 | |
| CN109166111B (zh) | 一种电子墨水屏缺陷检测方法及系统 | |
| JP2007285754A (ja) | 欠陥検出方法および欠陥検出装置 | |
| CN116152261B (zh) | 一种印刷制品质量的视觉检测系统 | |
| JP2009229197A (ja) | 線状欠陥検出方法および線状欠陥検出装置 | |
| JP2005345290A (ja) | 筋状欠陥検出方法及び装置 | |
| JP2004212311A (ja) | ムラ欠陥の検出方法及び装置 | |
| JP2006258713A (ja) | シミ欠陥検出方法及び装置 | |
| CN107248151B (zh) | 一种基于机器视觉的液晶片智能检测方法及系统 | |
| JP2005249415A (ja) | シミ欠陥の検出方法及び装置 | |
| JPH09126744A (ja) | 塗膜平滑性検査装置 | |
| CN112750113A (zh) | 基于深度学习和直线检测的玻璃瓶缺陷检测方法及装置 | |
| CN110148141B (zh) | 一种丝印滤光片小片检测计数方法及设备 | |
| WO2018068414A1 (zh) | 色环电阻的检测方法、装置和自动光学检测系统 | |
| CN111724375A (zh) | 一种屏幕检测方法及系统 | |
| CN111369513A (zh) | 一种异常检测方法、装置、终端设备及存储介质 | |
| JP2008070242A (ja) | ノイズ除去方法および装置、ムラ欠陥検査方法および装置 | |
| JP2005283197A (ja) | 画面のスジ欠陥検出方法及び装置 | |
| CN116503324A (zh) | 一种基于机器视觉的黑胶模组外观检测方法及系统 |
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 |