[发明专利]一种基于机器视觉的手机屏坏线缺陷诊断方法

说明书

本发明提供一种基于机器视觉的手机屏坏线缺陷诊断方法，包括以下步骤：通过CCD工业相机采集图像，对所述图像中手机屏的区域进行提取，去掉所述图像背景获取手机屏图像P；对所述手机屏图像P存在的干扰信息进行剔除。对所述去除干扰后的手机屏图像P’的暗部细节进行Gamma变换增强。对所述手机屏图像P’进行缺陷检测。传统的手机屏缺陷检测是基于人工的检测，人工检测具有主观性、效率低，工厂成本高，而本发明提出的基于机器视觉的手机屏坏线缺陷检测方法具有自动化程度高、检测准确率高，低成本的优点，适应我国智能制造的战略需求。

技术领域

本发明涉及缺陷诊断技术领域，具体而言，尤其涉及一种基于机器视觉的手机屏坏线缺陷诊断方法。

背景技术

在工业生产高速发展的今天，各种大小、各种型号的手机充斥着全球各地，产品更新换代速度之快也令人瞠目结舌。对于手机屏幕缺陷检测来说，人工检测耗时耗力，大部分基于机器视觉的自动化检测算法只能够针对几种类型屏幕进行检测，已经无法满足手机屏幕生产商的要求。对手机屏幕生产商而言，寻找一套高效的、准确的、通用的自动化检测设备以代替人工检测是当务之急。机器视觉(也称计算机视觉)技术早已有了30多年的积累和沉淀。这是一种依靠计算机与摄像头相结合的模拟生物视觉技术，涉及数学、图像采集、图像识别、计算机科学、光学、机器学习等多个专业领域。计算机对于摄像头采集发回的屏幕样本图像的各种参数进行计算分析并与给定的指标进行比对从而得出结论，可重复性大、结果准确、效率极高，并且其特色的非接触式检测可以从采集多个角度的图像进行三维数据交叉分析，提高准确率，还可以避免检测时造成划伤、破损等二次伤害。

本发明针对在生产手机屏幕时常常出现的坏线缺陷进行了深入研究，并且针对各种不同型号的屏幕在存在包括周期性纹理、有记号笔标记、坏线不明显等干扰情况下检测准确率都极高。

发明内容

根据上述提出的技术问题，而提供一种基于机器视觉的手机屏坏线缺陷诊断方法。本发明主要利用一种基于机器视觉的手机屏坏线缺陷诊断方法，其特征在于，包括以下步骤：

步骤S1：通过CCD工业相机采集图像，对所述图像中手机屏的区域进行提取，去掉所述图像背景获取手机屏图像P；

步骤S2：对所述手机屏图像P存在的干扰信息进行剔除，获取去除干扰后的手机屏图像P’；所述干扰信息包含：周期性纹理、记号笔以及黑条；

步骤S3：对所述去除干扰后的手机屏图像P’的暗部细节进行Gamma变换增强，增强所述去除干扰后的手机屏图像P’的对比度；所述Gamma变换对所述去除干扰后的手机屏图像P’灰度值进行的非线性变换，使输出图像的灰度值与所述去除干扰后的手机屏图像P’的灰度值呈指数关系，即：

其中，V_in表示所述去除背景后的手机屏图像P’的灰度值，A表示系数，γ表示Gamma值，V_out表示所述去除背景后的手机屏图像P’经Gamma变换后的灰度值；所述V_out和所述V_in的取值范围均为[0，1]；

步骤S4：对所述手机屏图像P’进行缺陷检测。

进一步地，所述步骤S1还包括以下步骤：

步骤S11：计算所述CCD工业相机采集图像的面积；

步骤S12：对所述CCD工业相机采集图像进行预处理；所述预处理首先对图像进行灰度化处理，再将所述输入的图像转化为单通道图像并进行二值化处理；

步骤S13：通过全局自适应阈值分割方法处理所述CCD工业相机采集图像，获取矩形轮廓明显的二值图像；

步骤S14：为去除图像的噪声点的干扰因素对所述步骤S13获取的二值图像进行包含腐蚀与膨胀的形态学处理；