基于机器视觉的电容屏非可视区引线缺陷检测方法研究

摘要

随着移动通讯设备的快速增长，触摸屏作为人机交互中的重要环节，已经渗透到了人们生活的每个角落。电容屏质量的好坏直接影响到产品的市场竞争力，针对电容屏的质量检测也变得越来越重要。传统的电容屏缺陷检测主要靠人工实现，但是依靠人工检测已经很难满足目前高效的工业生产要求。本文以电容屏为研究对象，对基于机器视觉的电容屏非可视区缺陷检测与识别的方法进行研究。主要研究内容如下:
　　首先，对常见的电容屏缺陷及检测要求进行分析，确定缺陷检测流程，检测流程可分为图像预处理、缺陷检测、缺陷分割、特征提取和缺陷识别。其次，采用将中值滤波与梯度倒数加权法相结合的方法，对图像进行滤波操作，有效抑制了噪声干扰;对滤波后的图像进行直方图增强处理，提高了图像的对比度。再次，通过建立投影变换模型并采用双线性插值法对图像进行校正，有效地解决了图像的投影失真问题;在此基础上，采用基于SIFT算法的图像匹配算法对标准图像和待测图像进行匹配，找到匹配的特征点;利用匹配特征点对图像进行差分，通过分析差分结果实现缺陷检测。然后，研究并对比了基于相位一致性和基于梯度的边缘检测算法、Otsu区域分割算法及基于Hough变换的直线检测算法等图像分割方法，并结合缺陷特点将缺陷图像从背景中分割出来。最后，研究了基于轮廓跟踪原理的特征提取方法，在此基础上对KNN分类器作了改进并实现缺陷的分类识别。对KNN分类器的改进主要包括:在相似度计算方面，根据每个特征贡献的大小采用特征加权的方法;在分类效率方面，通过K-均值聚类法对样本实例进行聚类合并，减小计算量;在判断策略方面，采用加权思想，根据距离及分布密度对k个近邻赋予不同权值进行判别。
　　处理结果表明，图像预处理算法能够明显改善图片效果，缺陷检测能够准确的判断缺陷的存在性，图像分割算法可在尽量少损失缺陷信息的基础上将缺陷分割出来，基于KNN分类器的缺陷识别算法具有一定容错性和稳定性，识别准确率基本满足电容屏缺陷检测的要求。

目录

声明

摘要

1 绪论

1．1 研究背景与研究目的

1．2 国内外研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 电容屏缺陷检测研究方法

1．3．1 原理分析

1．3．2 主要检测流程

1．4 论文章节安排

2 图像预处理

2．1 图像滤波

2．1．1 均值滤波

2．1．2 高斯滤波

2．1．3 中值滤波

2．1．4 基于梯度倒数加权法的中值滤波

2．2 图像灰度化

2．3 图像增强

2．3．1 灰度变换

2．3．2 直方图增强

2．4 本章小结

3 缺陷检测

3．1 引线的投影失真校正

3．1．1 建立投影变换模型

3．1．2 根据模型实施变换

3．2 基于SIFT算法的图像匹配及其改进

3．2．1 SIFT特征点的检测

3．2．2 基于SIFT特征点的匹配及改进算法

3．3 基于差影法的缺陷检测

3．4 本章小结

4 缺陷分割

4．1 镀层缺失引线缺陷的分割

4．1．1 相位一致性原理

4．1．2 非极大值抑制及边缘连接方案

4．1．3 基于区域生长的分割

4．1．4 基于引线面积的缺陷检测及提取

4．2 有划伤引线缺陷的分割

4．2．1 基于梯度的边缘检测

4．2．2 基于Hough变换的缺陷检测

4．3 有短路引线缺陷的分割

4．3．1 图像二值化分割

4．3．2 缺陷区域检测

4．4 有黑点引线缺陷的分割

4．5 有断线引线缺陷的分割

4．6 本章小结

5 分类识别

5．1 特征提取

5．1．1 几何特征

5．1．2 形状特征

5．1．3 不变矩

5．2 缺陷识别

5．2．1 统计模式识别

5．2．2 基于改进的KNN分类器的缺陷识别

5．3 本章小结

6 总结与展望

6．1 工作总结

6．2 展望

致谢

参考文献