一种基于机器视觉的黑胶模组外观检测方法及系统与流程

本发明属于机器视觉领域，特别涉及一种基于机器视觉的黑胶模组外观检测方法及系统。

背景技术：

1、目前的电子设备屏幕大部分采用液晶作为调光元件显示图像的手段，在液晶显示面板的制造过程中，由于量产的品控问题，生产的显示面板可能会出现漏光、显示不均等缺陷，为此，面板生产商都会对屏幕的质量进行检测，将不良品淘汰。

2、近年来，为了提高屏幕的屏占比，手机厂商不断提出更新颖的屏幕设计，如水滴屏、全面屏、圆孔屏等。所有不同背光源都会在玻璃屏下面使用一种遮光双面胶对玻璃板和下面的塑胶框进行连接固定，这种双面胶除了粘贴固定作用外还有防止漏光遮蔽的作用，一般称之为遮光双面胶，或者黑胶(因为中间基材是黑色pet膜材)，或者叫口子胶(因为显示屏的框架结构大多是长方形或者正方形的口子状)。目前屏幕外观检测主要检测黑胶与屏幕边缘、保护膜与屏幕边缘这两条线之间的间距。但是，复杂的工艺也会导致新型的不良产生，例如黑胶入侵、侧漏光不良项目，目前本领域尚未进行设置专门的不良品检测方案，还是采用原有的液晶显示面板检测方案加人工检查的方式，检测效率低，检出率不高。

技术实现思路

1、本发明提供一种基于机器视觉的黑胶模组外观检测方法，旨在解决现有技术对黑胶模组外观检测效率低及检出率不高的问题。

2、为解决上述技术问题，本发明提供如下技术方案：

3、一种基于机器视觉的黑胶模组外观检测方法，包括以下步骤：

4、s1：使用成像设备获取包含黑胶与保护膜间隙的图像。

5、s2：对所述图像进行通道分离，获得多个单通道图像，检测所有单通道图像的对比度，选择对比度最高的单通道图像作为待测图像。

6、s3：对所述待测图像进行高斯滤波去噪，将去噪后的待测图像以直方图均衡化的方式进行图像增强，获得增强图像。

7、s4：利用改进的边缘梯度提取法对所述增强图像进行边缘检测，检测所述增强图像中黑胶与屏幕的边缘及保护膜与屏幕的边缘，获得边缘图像。

8、所述改进的边缘梯度提取法根据增强图像的边缘特征设置一个大小为3×3的卷积核，使用所述卷积核计算增强图像中每个像素的平均灰度梯度，将每个像素的原始灰度梯度使用平均灰度梯度代替。选择一个平均灰度梯度最大值，结合每个像素的平均灰度梯度与预先指定的原始高阈值，重新计算得到新的高阈值。将新的高阈值结合预先指定的原始低阈值，对所述增强图像按像素进行遍历，将灰度梯度介于新的高阈值与原始低阈值之间的像素点进行提取，提取的像素点的集合即为黑胶与屏幕的边缘及保护膜与屏幕的边缘，得到边缘图像。

9、s5：根据所述边缘图像纹理特征结合增强图像灰度特征，使用极值法对边缘图像上的每一行或每一列上的像素按灰度梯度选择两个极值点，获得双极值点，再遍历图像，生成双极值点集。再使用最小二乘法对所述双极值点集分别拟合出两条边缘中心线，检测出两条边缘中心线，作为第一边缘中心线及第二边缘中心线，获得双边缘线图，计算双边缘线图中第一边缘中心线与第二边缘中心线的距离。

10、s6：根据步骤s5计算的距离，与预先指定的合格数值范围进行对比，根据对比结果输出黑胶模组外观的质量判定结果。

11、优选地，所述步骤s2计算对比度的公式为：

12、

13、式中，con为对比度，lmax为每张单通道图像中的最大亮度值，lmin为每张单通道图像中的最小亮度值。

14、优选地，所述卷积核的中心点作为原点建立平面直角坐标系，用于计算四个方向梯度：x方向梯度、45°方向梯度、y方向梯度及135°方向梯度。

15、所述x方向梯度、45°方向梯度、y方向梯度及135°方向梯度的计算公式分别为：

16、gx(i，j)＝i(i+1，j-1)-i(i-1，j-1)+2(i(i+1，j)-i(i-1，j))+i(i+1，j+1)-i(i-1，j+1)

17、g45(i，j)＝2(i(i-1，j+1)-i(i+1，j-1))+i(i-1，j)-i(i，j-1)+i(i，j+1)-i(i+1，j)

18、gy(i，j)＝i(i-1，j+1)-i(i-1，j-1)+2(i(i，j+1)-i(i，j-1))+i(i+1，j+1)-i(i+1，j-1)

19、g135(i，j)＝2(i(i-1，j+1)-i(i+1，j-1))+i(i-1，j)-i(i，j-1)+i(i，j+1)-i(i+1，j)

20、式中，gx为x方向梯度，g45为45°方向梯度，gy为y方向梯度，g135为135°方向梯度，i为对应像素的灰度值，i为3×3像素的核中单个像素的行号，j为3×3像素的核中单个像素的列号。

21、优选地，所述平均灰度梯度的计算公式为：

22、

23、式中，ge(i,j)为第i行j列像素的平均灰度梯度，gx(i,j)第i行j列像素的x方向梯度，g45(i,j)第i行j列像素的45°方向梯度，gy(i,j)第i行j列像素的y方向梯度，g135(i,j)第i行j列像素的135°方向梯度。

24、优选地，所述新的高阈值计算方法为：

25、

26、式中，h为新的高阈值，ho为设定的原始高阈值，gmax为每张增强图像的最大灰度梯度值，ge(i,j)为第i行j列像素的平均灰度梯度。

27、优选地，所述最小二乘法将双极值点集拟合为两条直线，在平面直角坐标系中设置一直线y＝bx+a，其中b为斜率，a为截距。最小二乘法根据双极值点集中每个点到所述一直线的垂直误差最小的原则，计算斜率与截距。

28、所述斜率与截距的最佳估计值计算方法为：

29、

30、

31、式中，为截距的最佳估计值，为斜率的最佳估计值，n待拟合为一条直线的坐标点数量，xi为点i的x坐标值，yi为点i的y坐标值。

32、相应的，本发明还提出一种基于机器视觉的黑胶模组外观检测系统，包括：成像模块、图像处理模块、图像识别模块及判定模块，所述检测系统被配置为执行上述的基于机器视觉的黑胶模组外观检测方法。

33、所述成像模块用于获取包含黑胶与保护膜间隙的图像。

34、所述图像处理模块用于对成像模块获取的图像进行通道分离、去噪及图像增强。

35、所述图像识别模块使用改进的边缘梯度提取法对图像处理模块生成的增强图像进行边缘梯度提取，然后通过极值法获得双极值点集，通过最小二乘法对双极值点集进行拟合，生成两条边缘中心线，计算两条边缘中心线的距离。

36、所述判定模块将图像识别模块输出的距离信息与预先指定的合格数值范围进行对比，根据对比结果输出黑胶模组外观的质量判定结果。

37、优选地，所述成像模块的光源采用同轴光源。

38、与现有技术相比，本发明具有以下技术效果：

39、1.本发明所述的一种基于机器视觉的黑胶模组外观检测方法，对传统的边缘梯度提取法进行改进，使用3×3像素的卷积核进行边缘提取，在保证能够提取丰富的边缘信息的同时，减少在边缘梯度提取的过程中获得的冗余信息，有效地降低了传统的边缘梯度提取法的定位误差，提高边缘检测的检出率。

40、2.本发明所述的一种基于机器视觉的黑胶模组外观检测方法，采用机器视觉对黑胶模组外观进行检测，采用改进的边缘梯度提取法，通过对高阈值进行重新计算，克服了常规提取方法对一张增强图像所有像素采用相同的高阈值进行边缘提取造成的丢失边缘信息的问题，保留了较多的边缘信息，更全面地反应增强图像的细节信息，提高了边缘提取的准确率。

41、3.本发明所述的一种基于机器视觉的黑胶模组外观检测系统，采用的成像系统的光源为同轴光源，提供了比传统光源更均匀的照明，能够凸显物体表面不平整，克服表面反光造成的干扰，增强黑胶与屏幕边缘、保护膜与屏幕边缘的对比度。使得成像系统更加适合检测包括液晶屏幕面板在内的反光程度比较严重的平面物体，提高了机器视觉的准确性和重现性。