论文部分内容阅读
本文主要应用自动光学方法检测物体表面缺陷，以TFT-LCD面板表面缺陷检测为例，讨论了低对比度条件下含有周期性纹理背景的表面缺陷检测问题，并对非周期性纹理背景的表面缺陷检测问题做了分析。为了提高检测速度，应用了GPU/CUDA对相关算法做并行加速优化。对于表面含有周期性纹理背景的LCD面板，通过研究发现了一维灰度图中空间域的周期性峰值的间距x与频率域中的周期性峰值的间距u之间的关系，根据该关系利用一维傅立叶变换在频域中将周期性纹理背景滤除。为了提高缺陷特征的对比度，在频域中将高频部分滤除，保留缺陷所在的低频部分，突出了缺陷的局部信息。在得到行扫描图像的傅立叶重构图像后，应用全尺寸Haar小波变换消除了光照不均匀的影响，利用阈值统计法进行阈值分割，将液晶面板表面缺陷分割出来，并对缺陷进行连通域提取和最小外接矩形标记，获得缺陷的Blob属性。最后对非周期性纹理背景的表面缺陷检测也做了简单的讨论。为了提高表面缺陷的检测速度，我们应用NVIDIA的GPU/CUDA对图像进行并行处理，对算法中耗时的傅立叶变换、小波变换、连通域提取和最小外接矩形4个算法做了并行加速优化，并根据算法的特点提出了相应的并行优化策略。实验中对阈值分割系数k的选择和滤除高频信息下限参数w做了分析，讨论了光照强度对检测结果的影响，并对GPU并行加速与CPU做了性能比较，根据所处理的图像大小不同，取得了20~50倍的加速效果，对表面缺陷的实时在线检测具有很好的参考价值。