本发明专利技术适用于音孔缺陷检测技术领域，提供了一种手机玻璃面板的音孔缺陷检测方法及系统，包括：步骤S1，对玻璃面板表面的灰度图像进行预处理；步骤S2，对预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值在预设第一阈值范围内，则提取轮廓特征中的音孔轮廓的二值化图像；步骤S3，从音孔轮廓的二值化图像中提取音孔内轮廓和外轮廓；步骤S4，计算音孔外轮廓的各像素点(i,j)到内轮廓的最短距离D(i,j)，并计算所有最短距离D(i,j)的平均值d；步骤S5，比较|D(i,j)-d|与预设的第二阈值Δd的大小，进而判断音孔是否存在缺陷。本发明专利技术提供的音孔缺陷检测方法及系统，解决了现有技术中只能通过人工肉眼去检测手机玻璃面板的音孔缺陷问题。
【技术实现步骤摘要】
本专利技术属于音孔缺陷检测
，尤其涉及一种手机玻璃面板的音孔缺陷检测 方法及系统。
技术介绍
目前，对于手机玻璃面板音孔缺陷检测，国内外大部分企业，尤其是中小企业，使 用的是人工肉眼检测；即在光源照射下，肉眼检查音孔是否存在缺陷。这种检测方法优点是 比较灵活，可以多角度检测，但是由于受人主观性影响，检测结果不能量化，效率不稳定，而 且这种检测方法对人的眼睛伤害较大，劳动强度高，不能长时间工作。而目前市面上存在的 手机玻璃面板缺陷检测设备，检测对象主要是针对玻璃面板的表面划痕、凹凸点等缺陷，而 对于音孔缺陷，如孔崩（CNC即数控机床切出音孔形状时轮廓所受应力较大，再加上面板较 薄，造成轮廓上崩掉一小块，其在缺陷形态上表现为轮廓凸起一马刺缺陷，轮廓凹进一鼠咬 缺陷）没有涉及。
技术实现思路
本专利技术所要解决的技术问题在于提供一种手机玻璃面板的音孔缺陷检测方法及 系统，旨在解决现有技术中只能通过人工肉眼去检测手机玻璃面板的音孔缺陷问题。 本专利技术是这样实现的，一种手机玻璃面板的音孔缺陷检测方法，包括下述步骤： 步骤S1，对玻璃面板表面的灰度图像进行预处理； 步骤S2,对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特 征，若二值化分割后的各轮廓特征的值在预设第一阈值范围内，则提取所述轮廓特征中的 音孔轮廓的二值化图像； 步骤S3,从音孔轮廓的二值化图像中提取音孔内轮廓和外轮廓； 步骤S4,计算音孔外轮廓的各像素点（i，j)到内轮廓的最短距离D(i，j)，并计算 所有最短距离D (i，j)的平均值d ; 步骤S5,比较ID (i，j) -d I与预设的第二阈值Δ d的大小，若ID (i，j) -d I小于第二 阈值A山则代表音孔合格；若|D (i，j)_d I不小于第二阈值Ad，则代表音孔存在缺陷。 进一步地，所述步骤Si中，所述预处理具体为滤波、去噪。 进一步地，所述步骤S2中，所述预设的第一阈值包括所述音孔轮廓长度Ll的极大 值Ll max、极小值Llmin和首孔轮廓所围面积Al的极大值Al _、极小值Almin; 所述步骤S2具体为： 对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二 值化分割后的各轮廓特征的值满足： 则提取所述轮廓特征中音孔轮廓的二值化图像。 进一步地，所述步骤S4中， 外轮廓的各像素点（i，j)到内轮廓的最短距离D (i，j)为： 其中，外轮廓上点的坐标为Q1, J1),内轮廓上点的坐标为（i2, j2); 所述最短距离D (i，j)的平均值d为： d = Σ D(i, j)/N ； 其中，N为提取的外轮廓上的像素点的个数。 进一步地，所述步骤S5还包括：若D (i，j)不大于d- Δ d，则为鼠咬缺陷；若D (i，j) 不小于d+Ad，则为马刺缺陷；其中，d-Ad为D(i，j)的极小值，d+Ad为D(i，j)的极大值。 本专利技术还提供了一种手机玻璃面板的音孔缺陷检测系统，包括： 预处理模块，用于对玻璃面板表面的灰度图像进行预处理； 音孔轮廓提取模块，用于对玻璃面板表面的预处理后的灰度图像进行二值化分割 得到若干轮廓特征，若二值化分割后的各轮廓特征的值在预设第一阈值范围内，则提取所 述轮廓特征中的音孔轮廓的二值化图像； 内外轮廓提取模块，用于从音孔轮廓的二值化图像中提取音孔内轮廓和外轮廓； 最短距离计算模块，用于计算音孔外轮廓的各像素点（i，j)到内轮廓的最短距离 D (i，j)，并计算所有最短距离D (i，j)的平均值d ; 音孔缺陷判断模块，用于比较|D(i，j)_d|与预设的第二阈值Ad的大小，若 ID (i，j)-d I小于第二阈值Δ山则代表音孔合格；若ID (i，j)-d I不小于第二阈值Δ山则代 表音孔存在缺陷。 进一步地，所述预处理具体为滤波、去噪。 进一步地，所述预设的第一阈值包括所述音孔轮廓长度Ll的极大值Llniax、极小值 Ll_和音孔轮廓所围面积Al的极大值Al _、极小值Al_; 所述音孔轮廓提取模块具体为： 对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二 值化分割后的各轮廓特征的值满足： 则提取所述轮廓特征中音孔轮廓的二值化图像。 进一步地，外轮廓的各像素点（i，j)到内轮廓的最短距离D (i，j)为： 其中，外轮廓上点的坐标为Q1, J1),内轮廓上点的坐标为（i2, j2); 所述最短距离D (i，j)的平均值d为： d = Σ D (i, j) /N ； 其中，N为提取的外轮廓上的像素点的个数。 进一步地，所述音孔缺陷判断模块还用于判断音孔的缺陷类型，具体为：若 D(i，j)不大于d-Ad，则为鼠咬缺陷；若D(i，j)不小于d+Ad，则为马刺缺陷；其中，d-Ad 为D (i，j)的极小值，d+ △ d为D (i，j)的极大值。 本专利技术与现有技术相比，有益效果在于：本专利技术提供了一种手机玻璃面板的音孔 缺陷检测方法及系统，通过提取音孔外轮廓的像素点到内轮廓的最短距离，并通过与阈值 比较去判断音孔是否存在缺陷；解决了现有技术中只能通过人工肉眼去检测手机玻璃面板 的音孔缺陷问题，对于手机玻璃面板检测行业实现快速、高效、智能化的音孔缺陷检测具有 重要意义。【附图说明】 图1是本专利技术实施例提供的手机玻璃面板的音孔缺陷检测方法流程图； 图2a、图2b是本专利技术实施例提供的音孔图像； 图3a是图2a对应的音孔外轮廓图，图3b是图2b对应的音孔外轮廓图； 图4a是图2a对应的音孔内轮廓图，图4b是图2b对应的音孔内轮廓图； 如图5a所示为图2a中音孔各像素点对应的内外轮廓距离值，如图5b所示为图2b 中音孔各像素点对应的内外轮廓距离值； 图6a为与图2a对应的标记有鼠咬缺陷的音孔图像，图6b为与图2a对应的标记 有马刺缺陷的音孔图像； 图7是本专利技术实施例提供的手机玻璃面板的音孔缺陷检测系统示意图。【具体实施方式】 为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并 不用于限定本专利技术。 本专利技术的主要实现思想为：通过对音孔缺陷采集装置采集到的图像进行分析处 理，得到音孔外轮廓和内轮廓，提取音孔外轮廓的像素点到内轮廓的最短距离并计算其平 均值，进一步地，通过与阈值比较的结果判断音孔是否存在缺陷。 下面具体介绍这种手机玻璃面板的音孔缺陷检测方法，如图1所示，其包括下述 步骤： 步骤S1，对玻璃面板表面的灰度图像进行预处理； 所述预处理具体为滤波、去噪。 步骤S2,对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特 征，若二值化分割后的各轮廓特征的值在预设第一阈值范围内，则提取所述轮廓特征中的 音孔轮廓的二值化图像； 所述预设的第一阈值包括所述音孔轮廓长度Ll的极大值Llniax、极小值Ll_和音 孔轮廓所围面积Al的极大值Al niax、极小值Al_; 所述步骤S2具体为： 对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二 值化分割后的各轮廓特征的值满足： 则提取所述轮廓特征中音孔轮廓的二值化图像。 步骤S3,从音孔轮廓的二值化图像中提取音孔内轮廓和外轮廓； 本文档来自技高网...
【技术保护点】
一种手机玻璃面板的音孔缺陷检测方法，其特征在于，包括下述步骤：步骤S1，对玻璃面板表面的灰度图像进行预处理；步骤S2，对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值在预设第一阈值范围内，则提取所述轮廓特征中的音孔轮廓的二值化图像；步骤S3，从音孔轮廓的二值化图像中提取音孔内轮廓和外轮廓；步骤S4，计算音孔外轮廓的各像素点(i,j)到内轮廓的最短距离D(i,j)，并计算所有最短距离D(i,j)的平均值d；步骤S5，比较|D(i,j)‑d|与预设的第二阈值Δd的大小，若|D(i,j)‑d|小于第二阈值Δd，则代表音孔合格；若|D(i,j)‑d|不小于第二阈值Δd，则代表音孔存在缺陷。
【技术特征摘要】
【专利技术属性】
技术研发人员：彭涛，程涛，冯平，孙高磊，刘新辉，
申请(专利权)人：彭涛，程涛，冯平，孙高磊，刘新辉，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。