【技术实现步骤摘要】
一种基于机器视觉的手机屏坏线缺陷诊断方法
本专利技术涉及缺陷诊断
，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。
技术介绍
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。本专利技术针对在生产手机屏幕时常常出现的坏线缺陷进行了深入...
【技术保护点】
1.一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：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；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；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：
【技术特征摘要】
1.一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：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；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；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，Vin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，Vout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Vout和所述Vin的取值范围均为[0,1]；S4：对所述手机屏图像P’进行缺陷检测。2.根据权利要求1所述的一种基于机器视觉的手机屏坏线缺陷诊断方法，其特征还在于：所述步骤S1还包括以下步骤：S11：计算所述CCD工业相机采集图像的面积；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；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；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；S15：基于Findcounts轮廓检索算法获得所述手机屏的轮廓位置信息，并将轮廓信息储存在位置数组中；所述手机屏的轮廓信息包括：手机屏的矩形区域左上角顶点的坐标(x,y)；手机屏的矩形区域的纵向长度h以及手机屏矩形区域的横向长度w；S16：读取并保存所述位置数组的位置信息，对所述CCD工业相机采集图像进行裁剪获得手机屏图像P；所述裁剪获得手机屏图像P为：(y+3：y+h-3，x+3：x+w-3)。3.根据权利要求1所述的一种基于机器视觉的手机屏坏线缺陷诊断方法，其特征还在于：所述步骤S2还包含以下步骤：S21：通过Gabor滤波，对所述手机屏图像P进行0°和90°方向的多尺度滤波，对干扰信息周期性纹理进行去除；S22：去除记号笔及黑条干扰因素。4.根据权利要求3所述的一种基于机器视觉的手机屏坏线缺陷诊断方法，其特征还在于：所述步骤S22还包含以下的步骤：S221：图像灰度化处理，转化成单通道图像，方便下一步的阈值分割；S222：通过对大量样本的数据统计，所述黑条和所述记号笔...
【专利技术属性】
技术研发人员：张衍超，张瑜，侯竞夫，宫俊，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21
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。