一种基于机器视觉的屏幕检测系统技术方案

本发明专利技术公开了一种基于机器视觉的屏幕检测系统。本发明专利技术中，在图像预处理模块中，采用不同类型预处理方法进行实验对照，包括不同的滤波平滑方法、形态学操作等，经过实验对比后，选用中值滤波和闭运算操作进行预处理分析；从而提高了后续图像处理的精度，为屏幕检测系统提高了精度，提高了检测时的准确性。训练集构建模块使用了训练集和检测的手机屏幕瑕疵检测方案。对数据进行了扩充，完成了图像预处理的相关算法研宄。针对模型超参数进行了调节，使系统达到了最佳状态。对比了不同的方法下手机屏幕瑕疵的检测结果，表明本文所提出的网络模型在分类准确率上有较大提升。型在分类准确率上有较大提升。型在分类准确率上有较大提升。

【技术实现步骤摘要】
一种基于机器视觉的屏幕检测系统


[0001]本专利技术属于屏幕检测
，具体为一种基于机器视觉的屏幕检测系统。

技术介绍

[0002]在移动终端设备越来越普及的发展趋势下，数码产品如笔记本电脑、相机、平板电脑等使用频率越来越高，手机更是在人们日常生活中占有不可或缺的重要地位。触摸屏作为手机的重要构成部分，屏幕玻璃的质量好坏直接关系到手机的正常使用，玻璃盖板上的缺陷会影响其机械特性及光学性质，严重破坏产品使用价值。因此，对玻璃盖板生产环节中的瑕疵缺陷检测是十分重要的。
[0003]但是常见的检测系统精确度不够高，影响使用时的便利性。

技术实现思路

[0004]本专利技术的目的在于：为了解决上述提出的问题，提供一种基于机器视觉的屏幕检测系统。
[0005]本专利技术采用的技术方案如下：一种基于机器视觉的屏幕检测系统，包括启动模块、训练集构建模块、图像预处理模块、屏幕检测模块、缺陷分类模块、图像校正模块、图像滤波模块、图像裁剪模块、伽马变换模块、图像増强模块，所述启动模块的输出端连接有所述训练集构建模块的输入端，所述训练集构建模块的输出端连接有所述图像预处理模块的输入端，所述图像预处理模块的输出端连接有所述屏幕检测模块的输入端，所述屏幕检测模块的输出端连接有所述缺陷分类模块的输入端。
[0006]在一优选的实施方式中，所述图像预处理模块的内部设置有图像校正模块、图像滤波模块、图像裁剪模块、伽马变换模块和图像増强模块，所述图像校正模块、图像滤波模块、图像裁剪模块、伽马变换模块和图像増强模块的输出端连接有所述图像预处理模块的输入端。
[0007]在一优选的实施方式中，所述训练集构建模块包括现场采集和数据集扩充；现场采集时将待采集的手机样本放置在传送带的固定槽内，设备启动将手机送入暗室中；然后屏幕控制模块按照指令让手机屏幕发亮，同时相机采集手机屏幕图像。
[0008]在一优选的实施方式中，所述图像校正模块通过相机描点的方式提前获取了相机的内参矩阵和畸变系数；这两项参数用于修正相机的畸变；后续利用空间变换和灰度差值两项操作对图像进行变换，获得基本符合矩形特征的图像。
[0009]在一优选的实施方式中，所述图像滤波模块采用双边滤波的方法进行图像图像滤波。
[0010]在一优选的实施方式中，所述图像裁剪模块首先使用自适应阈值大津法对图像进行处理；然后对二值化后的区域利用CANN算子求其外边缘；利用hough变换来提取边缘上的线段从而确定手机屏幕的四条边，进而确定其四个顶点；最后经过透视变换得到矩形的手机屏幕ROI区域。
[0011]在一优选的实施方式中，所述伽马变换模块采用伽马变换进行色调编辑，提升了暗部细节以平衡深浅信号之间的比例，包括归一化，指数化和反归化步骤。
[0012]在一优选的实施方式中，所述图像増强模块首先对图像进行离散傅里叶变换，将操作转换到频率域上进行，然后对图像低通滤波，去除瑕疵等高频信息，转换回原空间中与原图进行差分，从而得到增强后的图像。
[0013]在一优选的实施方式中，所述屏幕检测模块包括以下四个方面：特征空间、搜索空间、搜索策略和相似性度量。
[0014]在一优选的实施方式中，所述缺陷分类模块包括边缘缺陷检测模块和内部缺陷分类两个模块组成，其中，边缘检测模块针对玻璃边缘的崩边、爆边缺陷，包括参数设置、缺陷分布图示、缺陷放大显示和检测结果，对于边缘检测的参数。
[0015]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0016]1、本专利技术中，在图像预处理模块中，采用不同类型预处理方法进行实验对照，包括不同的滤波平滑方法、形态学操作等，经过实验对比后，选用中值滤波和闭运算操作进行预处理分析；从而提高了后续图像处理的精度，为屏幕检测系统提高了精度，提高了检测时的准确性。
[0017]2、本专利技术中，训练集构建模块使用了训练集和检测的手机屏幕瑕疵检测方案。对数据进行了扩充，完成了图像预处理的相关算法研宄。针对模型超参数进行了调节，使系统达到了最佳状态。对比了不同的方法下手机屏幕瑕疵的检测结果，表明本文所提出的网络模型在分类准确率上有较大提升。
附图说明
[0018]图1为本专利技术的系统框图；
[0019]图2为本专利技术中图像预处理模块系统框图。
[0020]图中标记：1
‑
启动模块、2
‑
训练集构建模块、3
‑
图像预处理模块、4
‑
屏幕检测模块、5
‑
缺陷分类模块、6
‑
图像校正模块、7
‑
图像滤波模块、8
‑
图像裁剪模块、9
‑
伽马变换模块、10
‑
图像増强模块。
具体实施方式
[0021]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用以解释本专利技术，并不用于限定本专利技术。
[0022]参照图1
‑
2，
[0023]一种基于机器视觉的屏幕检测系统，包括启动模块1、训练集构建模块2、图像预处理模块3、屏幕检测模块4、缺陷分类模块5、图像校正模块6、图像滤波模块7、图像裁剪模块8、伽马变换模块9、图像増强模块10，启动模块1的输出端连接有训练集构建模块2的输入端，训练集构建模块2的输出端连接有图像预处理模块3的输入端，图像预处理模块3的输出端连接有屏幕检测模块4的输入端，屏幕检测模块4的输出端连接有缺陷分类模块5的输入端。
[0024]图像预处理模块3的内部设置有图像校正模块6、图像滤波模块7、图像裁剪模块8、
伽马变换模块9和图像増强模块10，图像校正模块6、图像滤波模块7、图像裁剪模块8、伽马变换模块9和图像増强模块10的输出端连接有图像预处理模块3的输入端。
[0025]训练集构建模块2包括现场采集和数据集扩充；现场采集时将待采集的手机样本放置在传送带的固定槽内，设备启动将手机送入暗室中。然后屏幕控制模块按照指令让手机屏幕发亮，同时相机采集手机屏幕图像。当前样本采集完成后，屏幕熄灭，传送带将手机送出暗室，准备下一个样本的采集。手机屏幕图像采集完成后利用简单的机器视觉算法和人工复核的方法进行分类；数据集扩充将屏幕划分为正常样本和瑕疵样本两类来进行判断，瑕疵样本内部又分为了点瑕疵、线瑕疵、团瑕疵、漏光瑕疵以及微瑕疵五类。
[0026]图像校正模块6通过相机描点的方式提前获取了相机的内参矩阵和畸变系数。这两项参数用于修正相机的畸变。后续利用空间变换和灰度差值两项操作对图像进行变换，获得基本符合矩形特征的图像。
[0027]图像滤波模块7采用双边滤波的方法进行图像去噪。双边滤波对像素信息的处理是非线性的，将像素点在图像中的坐标纳入到考虑范围的同时，也将周围区域像素点的差异影响加入了计算范围中。这样对于灰度平缓区域的处理有类似高斯滤波的效果，而在异本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的屏幕检测系统，包括启动模块(1)、训练集构建模块(2)、图像预处理模块(3)、屏幕检测模块(4)、缺陷分类模块(5)、图像校正模块(6)、图像滤波模块(7)、图像裁剪模块(8)、伽马变换模块(9)、图像増强模块(10)，其特征在于：所述启动模块(1)的输出端连接有所述训练集构建模块(2)的输入端，所述训练集构建模块(2)的输出端连接有所述图像预处理模块(3)的输入端，所述图像预处理模块(3)的输出端连接有所述屏幕检测模块(4)的输入端，所述屏幕检测模块(4)的输出端连接有所述缺陷分类模块(5)的输入端。2.如权利要求1所述的一种基于机器视觉的屏幕检测系统，其特征在于：所述图像预处理模块(3)的内部设置有图像校正模块(6)、图像滤波模块(7)、图像裁剪模块(8)、伽马变换模块(9)和图像増强模块(10)，所述图像校正模块(6)、图像滤波模块(7)、图像裁剪模块(8)、伽马变换模块(9)和图像増强模块(10)的输出端连接有所述图像预处理模块(3)的输入端。3.如权利要求1所述的一种基于机器视觉的屏幕检测系统，其特征在于：所述训练集构建模块(2)包括现场采集和数据集扩充；现场采集时将待采集的手机样本放置在传送带的固定槽内，设备启动将手机送入暗室中；然后屏幕控制模块按照指令让手机屏幕发亮，同时相机采集手机屏幕图像。4.如权利要求1所述的一种基于机器视觉的屏幕检测系统，其特征在于：所述图像校正模块(6)通过相机描点的方式提前获取了相机的内参矩阵和畸变系数；这两项参数用于修正相机的畸变；后续利用空间变换...

【专利技术属性】
技术研发人员：刘家宁，马人意，
申请(专利权)人：河南鸿富祥智能科技有限公司，
类型：发明
国别省市：