[发明专利]基于机器视觉的智能手机玻璃盖板丝印区缺陷检测方法

说明书

本发明公开了一种基于机器视觉的智能手机玻璃盖板丝印区缺陷检测方法，包括如下步骤：采集手机屏图像；读取相关参数信息；视窗检测；对手机盖板丝印区轮廓进行大缺陷提取；分割检测区域为丝印区、孔与字符区、光带区与干扰区；获取各区域的缺陷；修正手机盖板的轮廓，获取崩边的缺陷信息；利用神经网络分类器，把缺陷进行点状、线状和面状缺陷的分类；根据缺陷定义的标准进行对缺陷的筛选；利用深度学习对线缺陷、IR孔缺陷和字符缺陷进行深层缺陷分类，线缺陷分类包括毛丝和划痕、IR孔缺陷等；统计各类缺陷的形貌信息。本发明能实现多种型号的通用性应用，针对不同的检测标准进行在线调整，能快速准确提取麻点、毛丝、划痕和脏污等缺陷。

技术领域

本发明涉及视觉检测领域，具体涉及一种基于机器视觉的智能手机玻璃盖板丝印区缺陷视觉检测方法。

背景技术

玻璃盖板具备高硬度、高强度、耐划伤、高透过率及优异的抗冲击等性能，广泛应用于智能手机、平板电脑等领域，其应用背景十分广阔，然而，在生产工艺或者运输过程中会在玻璃盖板上产生一些缺陷，降低了产品的品质，这些缺陷包括麻点、划痕、脏污、崩边、毛丝和灰尘等缺陷，在成品前，需要检测识别这些缺陷，再按照不同缺陷的特性采用对应的工艺进行修复或者直接报废，以免这些不良品流入市场。

目前，玻璃盖板的缺陷检测采用人工检测和AOI检测(AutomatedOpticalInspection，自动光学检测)，而人工无法实现精准测量，使用专业快速的检测设备能让检测结果更加稳定可靠；机器视觉不会出现疲劳误差，与此相反，即使产品是完全相同，人眼每次检测产品时都会有细微的不同；自动检测设备能够承担多个人的任务，检测效率高。尽管AOI设备的优势甚多，但是仍然存在较多的困难需要攻关，如检测标准的设定，设备的可靠性十分依赖于程序的编程，需要解决产品的通用性等问题。

发明内容

针对上述技术问题，本发明旨在提供一种基于机器视觉的智能手机玻璃盖板丝印区缺陷检测方法，用于检测手机盖板丝印区的缺陷。其主要特点在于能实现多种型号的通用性应用，能有效屏蔽干扰区域，根据不同的检测标准，来准确提取缺陷，并采用分类器与深度学习结合的方法，有效的识别缺陷的种类，获取缺陷的形貌信息。

本发明的目的至少通过如下技术方案之一实现。

基于机器视觉的智能手机玻璃盖板丝印区缺陷检测方法，包括步骤：

采集手机玻璃盖板图像；

读取相关参数信息，包括外轮廓的模板信息、全局阈值上下限、手机盖板的尺寸信息、干扰区信息、盖板的种类、丝印区的平均灰度值、像素当量、孔与字符等模板信息和丝印区缺陷筛选标准信息；

视窗检测，检测手机盖板是否超出窗口，如果在窗口范围内，则继续进行后续的操作，否则结束检测，输出报错信息；

对手机盖板丝印区轮廓进行大缺陷提取；

分割检测区域，包括丝印区、孔与字符区、光带区与干扰区；

获取各检测区域的缺陷；

修正手机盖板的轮廓，获取崩边的缺陷信息；

利用神经网络分类器，把缺陷进行点状、线状和面状缺陷的分类；

根据缺陷定义的标准进行对缺陷的筛选；

利用深度学习对线状缺陷、IR孔缺陷和字符缺陷进行深层缺陷分类，其中线状缺陷分类包括毛丝和划痕、IR孔缺陷和字符缺陷分类包括崩边和内部缺陷；

统计各类缺陷的形貌信息，包括面积、位置、长度、宽度、最小外接圆、最大内接圆和外接椭圆，让缺陷的特征更加数字化，直观化，也为缺陷的筛选提供一定的依据。