[发明专利]一种LCD导光板的表面缺陷检测方法

说明书

本发明涉及检测算法技术领域，具体公开了一种LCD导光板的表面缺陷检测算法，其中，所述LCD导光板的表面缺陷检测算法包括：S110、采集LCD导光板图像训练数据；S120、对所述LCD导光板图像训练数据进行纹理能量特征提取，获得训练数据的多通道纹理能量特征；S130、根据所述训练数据的多通道纹理能量特征建立高斯混合模型；S140、采集待检测的LCD导光板的图像；S150、对所述待检测的LCD导光板的图像重复步骤S130；S160、根据所述高斯混合模型识别所述待检测的LCD导光板的图像的多通道纹理能量特征中的缺陷区域，得到检测结果。本发明提供的LCD导光板的表面缺陷检测算法具有检测精度高且检测能力强的优势。

技术领域

本发明涉及检测算法技术领域，尤其涉及一种LCD导光板的表面缺陷检测方法。

背景技术

液晶显示屏-导光板(Liquid Crystal Display-Light Guide Plate LCD-LGP)是生产液晶显示器背光源模组中的重要部件，其表面缺陷将影响液晶屏的显示效果。基于机器视觉的LCD导光板表面缺陷自动光学检测(Auto Optical Inspection AOI)系统，相对人工视觉检测具有检出率高、误检率底、速度快、可全天无间断工作等优点。

其中LCD导光板图像复杂背景下的缺陷检测技术是AOI系统视觉检测部分的核心，其难点问题在于：1)由于LCD导光板表面导光颗粒大小和散布密度的不同导致的背景纹理异性较大；2)成像面积较小的缺陷缺乏纹理特征容易被复杂背景干扰；3)单个导光颗粒缺失的区域无法提取用于检测的特征；4)对系统的检出率和实时性等性能指标的要求。

根据LCD导光板表面常见缺陷的种类和缺陷特征提取的方式，传统的LCD导光板缺陷检测方法有：不变矩特征检测法和频域滤波检测法。不变矩特征检测法通过提取图像的矩不变量作为描述不同区域网点结构分布的特征量，但使用高阶矩表征图像细节信息时易受到噪声等因素的影响，而且难以对划痕、异物和点、线、面状等常见缺陷进行检测，而且矩不变量的计算较为复杂，难以达到检测系统实时性的要求。频域滤波检测法是生产中常用的检测方法，利用傅里叶变换从频域的角度对图像进行分割，剔除了具有周期性的背景图案，然后利用Otsu阈值法和形态学技术完成缺陷区域前景的提取。但是傅里叶变换是一种全局性的变化，缺乏局部化分析能力，易受到图像灰度局部分布不均的干扰。使用Gabor变换在频域中对多个固定的方向和尺度提取相关特征，Gabor滤波方法具有很好的频率选择性和方位选择性，克服了傅里叶变换的缺点，但其时频窗口的大小和形状不能随频率的变化而变化，不具备自适应能力。因此对于背景纹理变化和灰度分布易受光照影响的LCD导光板图像而言，常用的频域滤波检测法在重构图像的过程中容易出现缺陷信息丢失和背景去除不彻底的现象。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，提供一种LCD导光板的表面缺陷检测方法，以解决现有技术中的问题。

作为本发明的一个方面，提供一种LCD导光板的表面缺陷检测方法，其中，所述LCD导光板的表面缺陷检测方法包括：

S110、采集LCD导光板图像训练数据；

S120、对所述LCD导光板图像训练数据进行纹理能量特征提取，获得训练数据的多通道纹理能量特征；

S130、根据所述训练数据的多通道纹理能量特征建立高斯混合模型；

S140、采集待检测的LCD导光板的图像；

S150、对所述待检测的LCD导光板的图像重复步骤S130；

S160、根据所述高斯混合模型识别所述待检测的LCD导光板的图像的多通道纹理能量特征中的缺陷区域，得到检测结果。

优选地，所述对所述LCD导光板图像训练数据进行纹理能量特征提取，获得训练数据的多通道纹理能量特征包括：