1 兰州石化职业技术学院, 甘肃 兰州 730060
2 航天科工智能机器人有限责任公司, 北京 100070
针对7.62~20.3 cm (3~8 in)的手机液晶模组, 以机器视觉为基础, 图像处理为核心, 并集成视觉定位系统, 实现液晶模组各种类型缺陷的全自动化检测。使用定位视觉软件, 串联定位模块和运动控制模块工作, 精确控制模组连接器位置, 实现模组金手指的自动对接, 对准精度小于0.03 mm。使用面阵CCD采集液晶模组点亮后图像, 视觉检测软件提取ROI区域, 做Gabor滤波、双阈值二值化、图像去噪等预处理。采用二维直方图斜分法定位图形边缘区域进行模糊增强处理, 最后计算出缺陷属性, 缺陷检测次品识别率大于95%。所设计的液晶模组自动光学检测系统能够降低生产成本和退货率, 简化生产线应用, 对液晶模组组装产业开发缺陷检测系统具有一定参考价值。
自动光学检测 表面缺陷 机器视觉 液晶模组 automated optical inspection surface defects machine vision LCD module
1 合肥工业大学仪器科学与光电工程学院, 安徽 合肥 230009
2 河南农业大学机电工程学院, 河南 郑州 450002
以智能制造业表面缺陷在线自动检测为应用背景,系统地综述了自动光学(视觉)检测(以下统称自动光学检测,AOI)技术。内容涉及AOI技术的基本原理、光学成像方法、系统集成关键技术、图像处理与缺陷分类方法等。对AOI系统集成中的关键技术,如视觉照明技术、大视场高速成像技术、分布式高速图像处理技术、精密传输和定位技术和网络化控制技术等进行了概述;对表面缺陷AOI主要光学成像方法的基本光学原理、功能和应用场合进行了总结;对表面缺陷检测中的图像处理、缺陷几何特征定义、特征识别与分类算法进行了系统阐述,重点介绍了周期纹理表面缺陷图像中的纹理背景去除方法,复杂和随机纹理表面缺陷的深度学习检测、识别与分类方法。
机器视觉 表面缺陷 自动光学检测 视觉检测 图像处理 分类
1 南昌工程学院 江西省精密驱动与控制重点实验室,江西 南昌 330099
2 江西机电职业技术学院,江西 南昌 330013
针对TFT-LCD点缺陷自动光学检测时, 缺陷与背景对比度较低难以用传统阈值分割算法处理的难题, 提出一种改进的Otsu算法, 并构建了TFT-LCD 点缺陷自动光学检测系统。首先, 通过Gabor滤波去除了纹理背景的影响。然后, 利用威布尔函数形态参数分段取值时, 其分布函数呈现的不同分布特性, 改进了传统Otsu阈值提取函数。最后, 进行了离线测试试验和在线测试试验。试验表明, 改进的Otsu算法在点缺陷与背景对比度较低的情况下分割效果优于传统Otsu算法。将该算法移植到TFT-LCD 点缺陷自动光学检测硬件平台上进行在线测试, 正确检测率可达到94%, 单个样本最短检测时间可缩短至150 ms。降低了TFT-LCD人工检测点缺陷的工作量和劳动强度。
点缺陷检测 改进的Otsu算法 自动光学检测系统 spot-type defect detection TFT-LCD TFT-LCD improved Otsu algorithm automatic optical detection system
电子科技大学光电信息学院, 四川 成都 610054
随着机器视觉技术的发展,彩色线扫描系统在工业在线检测中的应用日趋广泛。在彩色线扫描视觉系统中,由于照明光源的照度非均匀性、光学镜头的渐晕和电荷耦合器件(CCD)相机的非均匀性响应等因素,导致系统采集图像出现灰度不均匀且颜色失真的情况,为后端图像处理带来困难,以致对系统稳定性造成影响。基于上述问题,提出了具有针对性的彩色线扫描系统图像校正方法,使该方法与多项式拟合方法对均匀目标进行对比实验,获取的校正后灰度均值与方差等统计结果更优,更接近目标真实灰度,并已将其应用于印刷电路板(PCB)外观缺陷自动光学检测系统,取得了较好的实际应用效果。
机器视觉 自动光学检测 彩色线扫描系统 白平衡 平场校正
电子科技大学光电信息学院现代光电测控及仪器实验室, 成都 610054
提出了一种在小型液晶屏盒内缺陷检测中消除纹理影响的方法, 并成功制作了国内首台小型液晶屏盒内缺陷自动光学检测仪。本方法的基本原理是: 采集标准液晶屏图像, 利用其图像数据建立补偿矩阵, 在检测的预处理过程中使用补偿矩阵消除纹理。这种方法有效解决了液晶屏纹理影响检测结果的难题。理论分析及现场实验结果表明, 该方法达到消除液晶屏纹理的同时完整保留缺陷的目的, 使液晶屏盒内缺陷自动检测的准确性大大提高。
液晶屏盒内缺陷 纹理消除 缺陷检测 自动光学检测 defects of LC cell texture eliminating defects inspection AOI
华南理工大学 机械与汽车工程学院,广东 广州 510640
为了提高在线自动光学检测系统(AOI)的自动化程度,提出了一种基于增量聚类的智能焊点检测方法。首先,设计了在线智能AOI的系统框架。然后,根据焊点外观进行归纳分类,将关键子区域的面积特征应用于焊盘特征的量化与提取,将每类样本聚类为若干子类从而实现对多批次焊点的检测。最后,提出一种增量聚类算法,在线检测过程中系统可根据人工维修站反馈信息自动学习新的样本并调整相关检测参数。为了提高增量学习的效率,每次增量学习之前选择少量代表样本用于增量学习。采用提出的AOI系统检测焊点,准确率可达96.5%,平均每个焊点耗费9.3 ms。结果表明,本文提出的检测方法不仅可以对多批次的焊点缺陷进行有效识别,且对生产中工艺条件的变化有自适应能力,智能化程度较高,具有较强的实用价值。
自动光学检测 增量聚类 分类器 印刷电路板 焊点检测 automatic optical inspection incremental clustering classifier printed circuit board solder joint inspection
1 汕头大学 机械电子工程系,广东 汕头 515063
2 华南理工大学 机械与汽车工程学院,广东 广州 510640
通过分析由三色LED环形结构光源和3-CCD彩色相机获取的印刷电路板(PCB)焊点图像特征,设计了一种PCB无铅焊点假焊的检测方法,以提高自动光学检测系统检测焊点质量的准确率,降低误判。该方法通过对焊点及其元器件的定位,采用重心法检测假焊;根据焊点及元器件的边缘确定焊点区域及元器件区域,采用面积法二次检测假焊;最后,采用提出的色彩梯度法,检测剩余的假焊焊点。基于以上三步骤,实现对整张PCB焊点假焊的检测。实验结果表明,采用重心法、面积法及色彩梯度法相结合的方法,可检测出PCB焊点的假焊,检测准确率为99.2%。
自动光学检测 焊点检测 假焊 印刷电路板 表面贴装 automatic optical inspection solder joint inspection pseudo solder Printed Circuit Board (PCB) Surface Mounted Technology (SMT)