The invention relates to the technical field of detection algorithm, and specifically discloses a surface defect detection algorithm for LCD light guide plate, in which the surface defect detection algorithm for LCD light guide plate includes: S110, acquisition of LCD light guide plate image training data; S120, extraction of texture energy features from the training data of LCD light guide plate image, acquisition of multi-channel texture energy features of training data; According to the multi-channel texture energy characteristics of the training data, the Gauss mixture model is established; S140, the image of the LCD guide plate to be detected is collected; S150, the image of the LCD guide plate to be detected is repeated; S160, according to the Gauss mixture model, the defect areas in the multi-channel texture energy characteristics of the image of the LCD guide plate to be detected are identified, and the detection knot is obtained. Fruit. The surface defect detection algorithm of the LCD light guide plate provided by the invention has the advantages of high detection accuracy and strong detection ability.
【技术实现步骤摘要】
一种LCD导光板的表面缺陷检测算法
本专利技术涉及检测算法
,尤其涉及一种LCD导光板的表面缺陷检测算法。
技术介绍
液晶显示屏-导光板(LiquidCrystalDisplay-LightGuidePlateLCD-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(AutoOpticalInspectionAOI)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 ...
【技术保护点】
1.一种LCD导光板的表面缺陷检测算法,其特征在于,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。
【技术特征摘要】
1.一种LCD导光板的表面缺陷检测算法,其特征在于,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。2.根据权利要求1所述的LCD导光板的表面缺陷检测算法,其特征在于,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:采用相干增强扩散滤波对所述LCD导光板图像进行预处理;将预处理后的LCD导光板图像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。3.根据权利要求2所述的LCD导光板的表面缺陷检测算法,其特征在于,所述采用相干增强扩散滤波对所述LCD导光板图像进行预处理包括:构建依赖于结构张量的相干增强扩散模型,其中所述相干增强扩散模型为:其中,x、y表示LCD导光板图像像素的坐标,I(x,y,t)表示t时刻的LCD导光板图像数据,I0(x,y)表示t=0的LCD导光板图像的初始图像数据,D表示2×2的扩散矩阵,且为正定对称矩阵;表示结构张量;扩散矩阵D的特征向量与结构张量Jρ相同;构建结构张量,并计算所述结构张量的特征值,其中所述结构张量表示为:计算Jρ的两个特征值为λ1,λ2:其中,Kρ表示高斯半径为ρ的高斯卷积核,令Jρ的特征值λ1>λ2,λ1,λ2对应的特征向量分别为v1,v2,v1与所述LCD导光板图像梯度方向平行,v2与所述LCD导光板图像梯度方向垂直;当λ1≈λ2≈0时,所述LCD导光板图像的相应区域有光滑特性;当λ1>>λ2≈0时,所述LCD导光板图像的相应区域有边缘或流线状结构;通过相干性公式中的相干性测度C来定义所述LCD导光板图像局部区域的相干性,其中,所述相干性公式表示为:C:=(λ1-λ2)2;根据构建的所述相干增强扩散模型对所述LCD导光板图像进行滤波。4.根据权利要求2所述的LCD导光板的表面缺陷检测算法,其特征在于,所述将预处理后的LCD导光板图像进行纹理能量特征提取,获得训练数据的多通道纹...
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。