CN205643194U - 一种基于机器视觉的触控ito薄膜导电层缺陷检测系统 - Google Patents
一种基于机器视觉的触控ito薄膜导电层缺陷检测系统 Download PDFInfo
- Publication number
- CN205643194U CN205643194U CN201620498614.1U CN201620498614U CN205643194U CN 205643194 U CN205643194 U CN 205643194U CN 201620498614 U CN201620498614 U CN 201620498614U CN 205643194 U CN205643194 U CN 205643194U
- Authority
- CN
- China
- Prior art keywords
- touch
- machine vision
- layer defect
- system based
- thin film
- 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.)
- Expired - Fee Related
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本实用新型公开了一种基于机器视觉的触控ITO薄膜导电层缺陷检测系统,包括由传送带组成的检测台,检测台上设有红外探测器、旋转编码器、照明装置、图像采集装置和分拣器;还包括图像处理装置;红外探测器发送端和接收端对称设置于检测台进样口,旋转编码器与传送带传动连接,照明装置包括LED灯组和电源控制器,图像采集装置与图像处理装置连接,分拣器位于检测台的尾部;图像采集装置包括多个并行拼接的CCD图像传感器;还包括中央处理单元,红外探测器、电源控制器、CCD图像传感器、图像处理装置、旋转编码器和分拣器均与中央处理单元连接。本实用新型触控ITO薄膜导电层缺陷检测系统大大提高了检测结果的可靠性和精度。
Description
技术领域
本实用新型涉及一种ITO薄膜导电层缺陷检测系统,尤其涉及一种基于机器视觉的触控ITO薄膜导电层缺陷检测系统。
背景技术
对ITO导电膜而言,缺陷检测包含透明区域与周围金属电极两个部分。目前,在国内,基于视觉的高分辨率ITO薄膜自动缺陷检测研究主要针对薄膜周围金属电极或透明区域外观(如划痕、裂纹等)检测。对透明区域内的不可见电路图案仍以评估该区域的电容或电阻值来判定其不良率,视觉的方法极少。然而,电容测试是一种整体功能评判方法,存在一些问题。例如,无法保证因细微加工缺陷带来的对定位精度和使用寿命存在的潜在影响,无法将测试结果与缺陷类别建立起相互关系,优化生产过程与合格率等,在一定程度上影响了整个检测结果的可靠性和精度。因此一种基于机器视觉的触控ITO薄膜导电层缺陷的检测系统的开发很有必要。
实用新型内容
实用新型目的:本实用新型所要解决的技术问题是提供一种基于机器视觉的触控ITO薄膜导电层缺陷检测系统,该检测系统不仅能提高检测结果的可靠性和精度,还大大解放了劳动力,从而降低生产成本。
为解决上述技术问题,本实用新型所采用的技术方案为:
一种基于机器视觉的触控ITO薄膜导电层缺陷检测系统,包括由传送带组成的检测台,所述检测台上设有红外探测器、旋转编码器、照明装置、图像采集装置和分拣器;还包括图像处理装置;所述红外探测器发送端和接收端对称设置于检测台进样口,所述旋转编码器与传送带传动连接,所述照明装置包括LED灯组和电源控制器,所述图像采集装置与图像处理装置连接,所述分拣器位于检测台的尾部;所述图像采集装置包括多个并行拼接的CCD图像传感器;还包括中央处理单元,所述红外探测器、电源控制器、CCD图像传感器、图像处理装置、旋转编码器和分拣器均与中央处理单元连接。
其中,所述LED灯组包括多个呈线阵式排布的LED灯以及设置在LED灯周围的散热板,还包括设置在LED灯上的漫射板。
其中,所述LED灯为波长940nm的LED灯。
其中,所述图像采集装置包括多个并行拼接的CCD图像传感器以及设置在CCD图像传感器探测方向上的透镜组。
其中,还包括与图像处理装置连接的服务器,所述服务器包含信息存储模块,所述服务器连接客户端。
其中,所述服务器还连接有打印机。
其中,还包括用于驱动传送带传动的驱动装置。
本实用新型触控ITO薄膜导电层缺陷检测系统具有的有益效果为:
相比于传统ITO检测是通电后人工检测电容和电阻,通过抽检一定数量样品测试功能合格率,存在检测结果可靠度低的问题,本实用新型基于机器视觉的触控ITO薄膜导电层缺陷检测系统,不仅可以将导电层的缺陷转化为直观的图像,还可以确定该缺陷的具体位置,大大提高了检测结果的可靠性和精度,从而有效提高了产品的质量,并且解放了生产中的劳动力,进而降低了生产成本。
附图说明
图1为本实用新型基于机器视觉的触控ITO薄膜导电层缺陷检测系统的系统原理图;
图2为本实用新型基于机器视觉的触控ITO薄膜导电层缺陷检测系统的结构原理图;
图3为本实用新型基于机器视觉的触控ITO薄膜导电层缺陷检测系统中图像处理装置的图像处理流程图。
具体实施方式
以下结合附图和具体实施例对本实用新型的技术方案做进一步说明。
如图1~2所示,本实用新型基于机器视觉的触控ITO薄膜导电层缺陷检测系统,包括由传送带12组成的检测台(滚轮6带动传送带12滚动,滚轮6通过系统的驱动装置进行驱动),检测台上设有红外探测器、旋转编码器7、照明装置、图像采集装置和分拣器9;还包括图像处理装置10;红外探测器发送端4和接收端5对称设置于检测台进样口,红外探测器用于检测待测样品8到位信号;旋转编码器7与传送带12传动连接,旋转编码器7用于探测样品8的移动距离;照明装置包括相互连接的LED灯组1和电源控制器2,电源控制器2用于调节LED灯组1的光照亮度;图像采集装置包括多个并行拼接的CCD图像传感器3,图像采集装置连接图像处理装置10;分拣器9位于检测台的尾部,分拣器9将样品8分类后,样品8落入检测台下方对应的收纳盒13中;本实用新型基于机器视觉的触控ITO薄膜导电层缺陷检测系统还包括中央处理单元,红外探测器、电源控制器2、CCD图像传感器3、图像处理装置10、旋转编码器7和分拣器9均与中央处理单元连接。
LED灯组1包括多个呈线阵式排布的LED灯以及设置在LED灯周围的散热板,散热板用于光照冷却,还包括设置在LED灯上的漫射板,漫射板调制出均匀光照,以免形成光斑影响成像结果,LED灯为波长940nm的LED灯;由于ITO(铟锡氧化物半导体透明导电膜)和PET(聚酯膜)对红外光的反射率存在很大差异,光线经ITO以及下面PET的反射后,能使电路图案和背景在CCD图像传感器3上产生一定的灰度差异,形成对比度。
多个CCD图像传感器3并行拼接,根据实际检测幅宽和生产线速度选择CCD图像传感器3的个数和参数,CCD图像传感器3探测方向上设有多个透镜组,用于控制光路的方向和均匀性,透镜组可以减少像差,提高成像质量。
本实用新型基于机器视觉的触控ITO薄膜导电层缺陷检测系统还包括与图像处理装置10连接的服务器14,服务器14包含信息存储模块,服务器14连接人机交互界面15,还连接有打印机11。
系统工作流程:手动将待检ITO样品8放在传送带12进样口(固定位置),中央处理单元将红外传感器采集到的ITO样品8到位信号和旋转编码器7采集到的ITO样品8移动距离信号,来控制CCD图像传感器3的采样频率,使得图像采集的触发信号和ITO样品8的运行速度精确同步;CCD图像传感器3将采集到的图像发送给图像处理装置10,图像处理装置10对图像进行处理后,将信号反馈给中央处理单元,中央处理单元根据对应信号驱动分拣器9进行样品8分类,如果对应的样品8为不合格产品,图像处理装置10在将信号反馈给中央处理单元的同时将图像信息发送给服务器14,服务器14将图像信息存储并显示在人机交互界面15上,并将不合格样品图片通过打印机11打印出来。
如图3所示,本发明检测系统图像处理装置的图像处理步骤包括图像采集、可疑区检测、图像预处理、图像分割、缺陷提取、分析对比单元以及图像识别,采集的图像经过计算机可疑区检测,检测图像是否存在缺陷,如果没有缺陷,则不保存这幅图像以减少系统负载,有可疑区的图像存入CPU芯片存储缓冲区,先进行图像预处理,采用中值滤波去噪和基于小波变换的非线性增强处理增加对比度;图像分割采用大津法(Otsu)最大类间方差法阈值处理,提高ITO图案与基底的对比度;在缺陷特征提取的部分,首先对图像进行二值化、膨胀运算、腐蚀运算和边缘检测的处理,分别实现了目标与背景分离、噪声消除、边界锐化与轮廓提取的功能,缺陷的特征得到了较好的展示且较为突出;分析对比单元是标准图像经过一系列平滑处理、图像增强、图像二值化、边缘特征提取后建立标准模板,待检测的图像进行模板匹配,判断样品与标准模板是否在误差范围内一致;缺陷识别采用一种基于规则表分类器、模糊算法及人工神经网络的组合式多级分类器,根据特征提取得到的特征参数对缺陷进行识别和分类。
显然,上述实施例仅仅是为清楚地说明本实用新型所作的举例,而并非是对本实用新型的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而这些属于本实用新型的精神所引伸出的显而易见的变化或变动仍处于本实用新型的保护范围之中。
Claims (7)
1.一种基于机器视觉的触控ITO薄膜导电层缺陷检测系统,其特征在于:包括由传送带组成的检测台,所述检测台上设有红外探测器、旋转编码器、照明装置、图像采集装置和分拣器;还包括图像处理装置;所述红外探测器发送端和接收端对称设置于检测台进样口,所述旋转编码器与传送带传动连接,所述照明装置包括LED灯组和电源控制器,所述图像采集装置与图像处理装置连接,所述分拣器位于检测台的尾部;所述图像采集装置包括多个并行拼接的CCD图像传感器;还包括中央处理单元,所述红外探测器、电源控制器、CCD图像传感器、图像处理装置、旋转编码器和分拣器均与中央处理单元连接。
2.根据权利要求1所述的基于机器视觉的触控ITO薄膜导电层缺陷检测系统,其特征在于:所述LED灯组包括多个呈线阵式排布的LED灯以及设置在LED灯周围的散热板,还包括设置在LED灯上的漫射板。
3.根据权利要求2所述的基于机器视觉的触控ITO薄膜导电层缺陷检测系统,其特征在于:所述LED灯为波长940nm的LED灯。
4.根据权利要求1所述的基于机器视觉的触控ITO薄膜导电层缺陷检测系统,其特征在于:所述图像采集装置包括多个并行拼接的CCD图像传感器以及设置在CCD图像传感器探测方向上的透镜组。
5.根据权利要求1所述的基于机器视觉的触控ITO薄膜导电层缺陷检测系统,其特征在于:还包括与图像处理装置连接的服务器,所述服务器包含信息存储模块,所述服务器连接客户端。
6.根据权利要求5所述的基于机器视觉的触控ITO薄膜导电层缺陷检测系统,其特征在于:所述服务器还连接有打印机。
7.根据权利要求1所述的基于机器视觉的触控ITO薄膜导电层缺陷检测系统,其特征在于:还包括用于驱动传送带传动的驱动装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201620498614.1U CN205643194U (zh) | 2016-05-27 | 2016-05-27 | 一种基于机器视觉的触控ito薄膜导电层缺陷检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201620498614.1U CN205643194U (zh) | 2016-05-27 | 2016-05-27 | 一种基于机器视觉的触控ito薄膜导电层缺陷检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN205643194U true CN205643194U (zh) | 2016-10-12 |
Family
ID=57052610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201620498614.1U Expired - Fee Related CN205643194U (zh) | 2016-05-27 | 2016-05-27 | 一种基于机器视觉的触控ito薄膜导电层缺陷检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN205643194U (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106841211A (zh) * | 2016-12-30 | 2017-06-13 | 镇江苏仪德科技有限公司 | 一种运用机器视觉对电池片表面缺陷检测的平台及方法 |
CN107154042A (zh) * | 2017-05-18 | 2017-09-12 | 湖南大学 | 一种包衣机视觉检测方法与装置 |
CN107578433A (zh) * | 2017-08-17 | 2018-01-12 | 中南大学 | 一种用于识别电解槽极板温度的方法 |
CN109834063A (zh) * | 2019-04-11 | 2019-06-04 | 苏州嘉诺环境工程有限公司 | 垃圾分选系统及垃圾分选方法 |
CN110385889A (zh) * | 2018-04-20 | 2019-10-29 | 常州数控技术研究所 | 一种动态贴装视觉检测与纠偏的装置及方法 |
CN110487803A (zh) * | 2019-08-20 | 2019-11-22 | Oppo(重庆)智能科技有限公司 | 红外发光元件的缺陷检测方法和装置 |
CN110806736A (zh) * | 2019-11-19 | 2020-02-18 | 北京工业大学 | 一种模锻成形智能制造生产线锻件质量信息检测方法 |
CN112834518A (zh) * | 2021-01-06 | 2021-05-25 | 优刻得科技股份有限公司 | 颗粒缺陷检测方法、系统、设备和介质 |
CN114088591A (zh) * | 2021-12-06 | 2022-02-25 | 上海易清智觉自动化科技有限公司 | 细颗粒粒度检测装置及方法 |
-
2016
- 2016-05-27 CN CN201620498614.1U patent/CN205643194U/zh not_active Expired - Fee Related
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106841211A (zh) * | 2016-12-30 | 2017-06-13 | 镇江苏仪德科技有限公司 | 一种运用机器视觉对电池片表面缺陷检测的平台及方法 |
CN107154042A (zh) * | 2017-05-18 | 2017-09-12 | 湖南大学 | 一种包衣机视觉检测方法与装置 |
CN107154042B (zh) * | 2017-05-18 | 2020-02-21 | 湖南大学 | 一种包衣机视觉检测方法与装置 |
CN107578433B (zh) * | 2017-08-17 | 2020-04-21 | 中南大学 | 一种用于识别电解槽极板温度的方法 |
CN107578433A (zh) * | 2017-08-17 | 2018-01-12 | 中南大学 | 一种用于识别电解槽极板温度的方法 |
CN110385889A (zh) * | 2018-04-20 | 2019-10-29 | 常州数控技术研究所 | 一种动态贴装视觉检测与纠偏的装置及方法 |
CN109834063A (zh) * | 2019-04-11 | 2019-06-04 | 苏州嘉诺环境工程有限公司 | 垃圾分选系统及垃圾分选方法 |
CN110487803A (zh) * | 2019-08-20 | 2019-11-22 | Oppo(重庆)智能科技有限公司 | 红外发光元件的缺陷检测方法和装置 |
CN110806736A (zh) * | 2019-11-19 | 2020-02-18 | 北京工业大学 | 一种模锻成形智能制造生产线锻件质量信息检测方法 |
CN110806736B (zh) * | 2019-11-19 | 2021-10-15 | 北京工业大学 | 一种模锻成形智能制造生产线锻件质量信息检测方法 |
CN112834518A (zh) * | 2021-01-06 | 2021-05-25 | 优刻得科技股份有限公司 | 颗粒缺陷检测方法、系统、设备和介质 |
CN114088591A (zh) * | 2021-12-06 | 2022-02-25 | 上海易清智觉自动化科技有限公司 | 细颗粒粒度检测装置及方法 |
CN114088591B (zh) * | 2021-12-06 | 2024-05-10 | 上海易清智觉自动化科技有限公司 | 细颗粒粒度检测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN205643194U (zh) | 一种基于机器视觉的触控ito薄膜导电层缺陷检测系统 | |
Tsai et al. | Defect detection in multi-crystal solar cells using clustering with uniformity measures | |
CN102998316B (zh) | 一种透明液体杂质检测系统及其检测方法 | |
CN107486415A (zh) | 基于机器视觉的篾片缺陷在线检测系统及检测方法 | |
CN107966454A (zh) | 一种基于fpga的端塞缺陷检测装置及检测方法 | |
CN111080691A (zh) | 一种光伏组件红外热斑检测方法、装置 | |
CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
CN107084992A (zh) | 一种基于机器视觉的胶囊检测方法及系统 | |
CN108664875A (zh) | 基于图像识别的井下皮带运输监控方法 | |
CN104614379A (zh) | 一种版材表面缺陷的检测系统和方法 | |
CN104952754B (zh) | 基于机器视觉的镀膜后硅片分选方法 | |
CN106872488A (zh) | 一种快速大面积透明基片双表面缺陷视觉检测方法及装置 | |
CN102507008B (zh) | 一种多模板颜色自动光学检测方法 | |
CN202351182U (zh) | 一种马口铁表面缺陷在线高速检测系统 | |
CN104048966A (zh) | 一种基于大律法的布面疵点检测及分类方法 | |
CN201575977U (zh) | 一种水果表面损伤热红外成像检测系统 | |
CN103293167A (zh) | 泡沫镍中铜颗粒自动检测方法及系统 | |
CN110376211A (zh) | 一种湿法涂胶的合成革卷边在线检测装置及方法 | |
Wu et al. | Design of online surface inspection system of hot rolled strips | |
Zhang et al. | Fabric defect detection based on visual saliency map and SVM | |
Lei et al. | Multiscale convolution-based probabilistic classification for detecting bare PCB defects | |
CN108288273A (zh) | 基于多尺度耦合卷积网的铁路接触网异常目标自动检测法 | |
CN116482104B (zh) | 热转印胶片检测方法 | |
CN107121063A (zh) | 检测工件的方法 | |
CN105973910A (zh) | 基于结构纹理特征的灯管质量检测与瑕疵分类方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161012 Termination date: 20190527 |