论文部分内容阅读
触摸屏是手机、平板电脑等现代智能终端的关键零部件。随着信息技术和平面显示技术的迅速发展,全球触摸屏市场以年均47%的增长率迅猛增长。中国作为触摸屏的生产制造大国,触摸屏品质和生产效率是其触摸屏生产企业最核心的竞争力之一。然而,市场需求的不断增大,竞争的加剧以及客户对触摸屏质量要求的提高,导致传统的人工检测难以满足生产企业的触摸屏品质检测和检测效率的要求。触摸屏表面缺陷自动检测成为提高产品质量和产量的唯一途径。本文阐述了触摸屏结构和生产工艺,分析了产品生产过程中可能出现的表面缺陷及其图像特征,深入研究了无底纹和有底纹两类图像的稀疏特性,相应地提出了基于PCA算法的无底纹盖板玻璃表面缺陷检测与识别算法,基于冗余字典的有底纹触摸屏表面缺陷检测算法及其基于低秩矩阵重构的表面缺陷提取算法。此外,论文还提出了触摸屏表面缺陷自动光学检测系统的设计思路。论文主要创新点如下:(1)针对无底纹盖板玻璃表面缺陷类型识别率不高的问题,提出了基于主成分分析的表面缺陷检测与识别算法。该算法提取训练样本集中的“缺陷特征”作为缺陷图像的基向量,得到各类缺陷图像适用的特征缺陷子空间,将待检测图像投影到该特征空间,并与训练集中已知样本在特征空间中的投影相比较,实现缺陷检测与缺陷类型的识别。该算法将表面缺陷检测与识别过程合二为一,简化了图像表面缺陷检测与识别过程。实验结果表明,当训练集中的图像数量达到90幅时,缺陷检测漏检率与虚警率分别为12%和6%,缺陷类型识别率达到90%以上。(2)针对不同光照条件下,低分辨率的触摸屏图像背景底纹和缺陷区域容易产生混叠导致表面缺陷检测准确率不高的问题,提出了基于冗余字典稀疏表示的触摸屏图像表面缺陷检测算法。算法首先利用不同光照与不同分辨率下的无缺陷触摸屏图像构造原子库,优选构建过完备冗余字典,通过l1极小化计算待检测图像在冗余字典下线性表出系数的方法,将缺陷检测问题转化为图像在冗余字典下能否被稀疏表示的问题,并提出了稀疏率作为待检测图像在字典下线性表出系数的稀疏度评价函数,实现了不同光照条件下触摸屏低分辨率图像表面缺陷的有效快速检测。实验结果表明,利用100幅无缺陷图像和100幅带缺陷图像进行实验,漏检率及虚警率分别为7%和11%。(3)针对触摸屏低分辨率表面缺陷图像的缺陷前景和背景底纹分割效果不佳导致识别困难的问题,提出了基于低秩矩阵重构的结构性纹理产品表面缺陷提取算法。论文利用触摸屏图像具有结构性底纹的特性,提出采用低秩矩阵重构方法将缺陷触摸屏图像的缺陷区域提取问题转化为低秩矩阵和稀疏矩阵的分离问题,并利用APG凸优化算法进行求解,最后提出了利用低秩矩阵与原始图像的相关度来作为评价缺陷提取效果的指标。实验结果表明该算法对不同分辨率、不同光照条件以及不同缺陷类型均有较好的缺陷提取效果,同时可以推广到其它低秩结构性纹理的工业产品表面缺陷提取。论文充分利用了无底纹盖板玻璃和有底纹触摸屏图像的“稀疏特性”,深入研究了不同光照、不同缺陷种类以及不同工艺过程下具有鲁棒性的快速准确的产品低分辨率图像的表面缺陷检测与识别算法。实验结果验证了论文提出算法的有效性和实时性,为触摸屏实际生产过程表面缺陷自动检测提供了有效的算法和参考。