[发明专利]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

说明书

技术领域

本发明涉及透明基片表面缺陷的检测与识别技术领域，具体涉及一种快速大面积透明基片双面表面缺陷的视觉检测方法及装置。

背景技术

大面积透明基片广泛应用于光学、光通信、激光技术、光学成像与检测等领域，在平面显示屏、微型摄像头、生物医学仪器、先进激光系统中起着重要作用。如平面显示屏领域中大面积透明基片的质量控制是平面显示的关键技术；类似光电产品中每一个都须配备一片基片，国内、国际市场对基片的需求巨大，国内的年需求量就有1，000,000,000片。

对基片的检测包括光谱检测及表面缺陷检测，其中表面缺陷目前普遍采用人工逐片检测的方法，在强光照射下通过显微镜观察作出判断，劳动强度大，误检漏检率高，也无法实现在线检测。视觉检测通过摄像机拍摄被测物图像，利用图像处理等技术能够实现对基片表面缺陷的在线智能检测，不仅保证每片基片的检测精度，还用于统计各类缺陷出现的概率，进行质量控制。

目前产品缺陷的自动检测对象多为钢板、焊缝等，主要步骤包括图像采集与缺陷检测、缺陷特征参数选择、缺陷识别与分类。其中特征参数选择即选取一组对各类缺陷区分能力最强的参数作为特征参数；缺陷识别与分类即根据某个缺陷的特征参数取值判断其类别，通常由分类器完成。分类器判定的缺陷类别越多，所须特征参数的数量随之增多，分类器结构及分类算法越复杂，误判率升高。以BP神经网络分类器为例，该网络分为输入层、隐含层、输出层，其中输入层的神经元数量n等于特征参数个数；输出层神经元数量m与缺陷类别个数有关，类别较少时等于类别个数；隐含层的神经元数量n1与n、m之间的经验关系满足[刘怀广. 浮法玻璃缺陷在线识别算法的研究及系统实现. 华中科技大学博士. 2011.]。可见缺陷类别越多BP神经网络各层神经元越多，而神经元数量决定了BP网络的复杂度。因此同等条件下二分类器(识别两个类别)的性能优于多分类器(识别两个以上类别)，应优先选用二分类器[汪云云. 结合先验知识的分类器设计研究. 南京航空航天大学博士. 2011.]。

基片表面缺陷检测对象包括外形尺寸、斜切缺陷、干涉色不均缺陷、崩缺陷、划伤缺陷、点缺陷、斑印缺陷。若基片的各类缺陷统一采用一个分类器进行识别，必然导致算法复杂、分类耗时长，难以保证分类正确率。分析基片的各类缺陷，发现它们具有如下特点：斜切缺陷导致外形尺寸不合格；膜色不均缺陷导致基片各区域内的颜色存在明显差别；崩缺陷与划伤缺陷的共同点是缺陷区域狭长，不同点是崩缺陷出现在基片外边缘处、划伤缺陷出现在基片中间区域；点缺陷与斑印缺陷的共同点是缺陷区域为矩形，不同点是点缺陷覆盖面积小、斑印缺陷覆盖面积大。

发明内容

本发明的目的是为解决上述不足，提供一种快速大面积透明基片双面表面缺陷的视觉检测方法及装置。

本发明的目的是通过以下技术方案实现的：

一种快速大面积透明基片双表面缺陷视觉检测方法，具体方法如下：

A对一种大面积透明基片按照检测精度和镜头范围分成n块区域；

B按区域配置2n套双面视觉检测装置，按照每个定位点的位置定位安装视觉检测装置；

C拍摄基片图像，对基片图像进行机器视觉检测，再拼合成大面积透明基片整体图像；

D提取基片外缘边缘，检测基片外形尺寸及定位；

E判断多块目标区域的表面缺陷数量平均值之间的标准偏差值是否小于标准偏差阈值，如果是，执行步骤F，否则判定为基片缺陷；

F判断图像中表面缺陷尺寸大小是否超过标准值，如果是，则判定为基片缺陷；如果否，则执行步骤G；

G提取缺陷区域数量加权值，计算区域及整体数量特征值，并将所述特征值分类计算参数值。

步骤D中提取基片基片外缘边缘为提取两个面的外缘边缘，所述基片外缘边缘包围尺寸无关表面缺陷边缘，根据边缘位置从所述边缘图像中提取基片定位参数；所述步骤D还包括判断基片外形尺寸是否满足公差要求，如果是，执行上述步骤E；否则判定为尺寸缺陷。

步骤E具体步骤如下：提取每个尺寸表面缺陷边缘的外接矩形，形成缺陷ROI，计算缺陷ROI的Curve-Rectangle特征值；将缺陷ROI的Curve-Rectangle特征值输入Curve-Rectangle分类器，判定尺寸表面缺陷的类型；将所述Curve-Rectangle分类器判定的不同类型尺寸无关表面缺陷的特征值分别输入不同的分类器；判定尺寸表面缺陷在类型组中的具体类型：提取各类型缺陷的数量参数。