论文部分内容阅读
摘 要：目前，自动光学检测技术已经在TFT-LCD制造、轧钢、印染等行业有了广泛的应用，其正朝着检测高速化、分辨率微小化、处理智能化和结构模块化的方向发展。基于VS1388图像采集卡的自动光学检测，技术核心在于大范围高精度三维显微成像的实现，以及基于工控PC的多处理器并行图像高速预处理和高级图像处理算法（主要是FFT和图像分割）的研究。
关键词：VS1388采集卡；自动光学检测技术；FFT算法；图像分割
0 引言
自动光学检测（AOI）技术，即采用光学成像技术获取待检物体的图像，再通过快速图像处理和图形识别等方法，从图像中提取缺陷或者获得目标的位置、尺寸、结构和光谱特征等信息，从而执行产品缺陷检测、流水线上的零部件鉴定和定位等任务。
近年来，随着半导体、液晶面板、PCB印刷、光通信以及精密组装等新兴产业的兴起，AOI技术的发展也十分迅猛。但就目前来讲，国内大多数企业使用的AOI设备，是购自国外的。其价格昂贵，维护保养困难，使企业迫于成本压力。无法扩大生产规模。即使国外虽然出售，但技术上也有所保留 [1，2]。
我国自己制造的AOI设备，不是精度或速度不够，就是核心算法技术仍被外国掌握，升级或保养维护仍然受制于技术提供方。我国迫切需要国产的高分辨率高速AOI设备。课题组依托VS1388图像采集卡，自主研发了一款基于该图像采集卡的AOI设备。本文重点介绍我们在该AOI仪器研发过程中所做的工作以及对该设备的原理、功能分析[3]。
1 系统基本架构及原理
VS1388自动光学检测设备由相机、配套镜头、LED白光光源、滚筒载物台和支架以及工控PC组成。图1是由工业相机和LED光源组成的图像采集系统结构图。
系统采集完成对待测物体表面图像的采集，在VS1388图像卡上对图像进行预处理后，利用检测算法对图像进行分析，最后显示检测结果。
成像系统获取的原始图像由于受到条件限制和随机干扰，必须对其进行增强、图像分割等预处理。在此，在VS1388缺陷检测系统的前端放置了一个预处理模式，此模式包含图像增强和图像分割的处理过程。
预处理后采集图像的各种特征，如灰度值特征、边缘特征以及缺陷特征，这些特征已经相当明显。使用算法对图像进行处理，主要有一维和二维离散傅立叶变换（DFT）、快速傅立叶变换（FFT）、离散余弦变换（DCT）及其反变换函数，以及连续小波变换（CWT）、离散小波变换（DWT）及其反变换。
2 缺陷类型分析
本文以常见的TFT-LCD为例，TFT屏幕的缺陷，根据其表现形式不同，大致可分为宏观型缺陷和微观型缺陷。其中宏观型缺陷，即Mura型缺陷主要表现为宏观上的视觉差异；微观型缺陷主要是由于TFT中的单个MOS管失效、损坏以及信号线电源线损坏导致像素显示问题。
图2为TFT屏幕的放大图片。图中黑色横条是行电极，为电源线；黑色竖条为信号电极。
3 检测算法
对宏观缺陷的检测只需进行最简单的灰度值分析和边缘提取即可，对AOI设备精度要求不高。
当缺陷为微观缺陷时，TFT-LCD上的扫描电极和信号电极在扫描图像中的颜色和暗点缺陷一致，将被当作缺陷一并检测出来，从而对检测结果造成极大的干扰。
为了消除这种干扰，就需要将扫描电极和信号电极的图像从扫描图像中剔除。常用的有两种方法，一种是模板匹配法，另一种是频域滤波法。模板匹配法，将扫描所得的表面图像和标准模板做精确对比，只要在对比过程中发现二者有不同之处，即判定检测的产品不合格；频域滤波法，由于模板匹配法对检测环境要求非常高，所以课题组选取频域滤波法作为检测算法。
4 结果分析
以常见的TFT-LCD屏幕为检测对象，课题组将图像采集系统所抓取的图像传输到VS1388图像处理卡中进行处理。
要检测出单个像素点的缺陷，除了用灰度值的判定方法，写入FPGA的检测算法中最主要的是FFT处理运算方法。扫描图片中电源线和信号线有规则地排列着，灰度值较小，有可能会对缺陷检测产生干扰。FFT运算将灰度图像由时域转为频域，再通过小波变换的滤波作用，将一些不必要的频谱滤除，再转化成时域状态，以消除纹理的干扰。
5 结论
原理样机的制作证明了在现有的条件下我国有能力完成相关技术样品的研制，说明了技术的可行性。在实际应用中会有许多特殊的情况，比如图像采集时光照度不均匀，环境中的灰尘对扫描图像的影响等。此外，载物台上待检测面板的运动速度在实际生产中也是无法保证的。由于是气浮平台，面板跟相机镜头的垂直距离也是变化的，这些都会对采集图像的均匀度产生影响。
针对以上情况，在实际检测过程中，可以对整条检测流水线进行封闭式无尘化遮光处理，以避免光照和灰尘等外界杂物的影响。同时在检测的算法中，加入一些滤波算法滤除前端干扰，在图像采集和处理阶段实施降噪处理，最大限度地保证缺陷检测的准确性。
参考文献
[1]董军，柴宝玉，田学彬.液晶显示技术产业发展概述 [J].西安邮电学院学报，2012，17（3）：102-104.
[2]卢锐，马军杰，曾明星.技术本土化、国际化与我国 TFT-LCD产业的发展[J].科技与经济，2011，24（5）：1-5.
[3]陈榕庭，彭美桂.图像传感器基础与应用[M].北京：科学出版社，2006.
（作者单位：合肥工业大学 仪器科学与光电工程学院）
关键词：VS1388采集卡；自动光学检测技术；FFT算法；图像分割
0 引言
自动光学检测（AOI）技术，即采用光学成像技术获取待检物体的图像，再通过快速图像处理和图形识别等方法，从图像中提取缺陷或者获得目标的位置、尺寸、结构和光谱特征等信息，从而执行产品缺陷检测、流水线上的零部件鉴定和定位等任务。
近年来，随着半导体、液晶面板、PCB印刷、光通信以及精密组装等新兴产业的兴起，AOI技术的发展也十分迅猛。但就目前来讲，国内大多数企业使用的AOI设备，是购自国外的。其价格昂贵，维护保养困难，使企业迫于成本压力。无法扩大生产规模。即使国外虽然出售，但技术上也有所保留 [1，2]。
我国自己制造的AOI设备，不是精度或速度不够，就是核心算法技术仍被外国掌握，升级或保养维护仍然受制于技术提供方。我国迫切需要国产的高分辨率高速AOI设备。课题组依托VS1388图像采集卡，自主研发了一款基于该图像采集卡的AOI设备。本文重点介绍我们在该AOI仪器研发过程中所做的工作以及对该设备的原理、功能分析[3]。
1 系统基本架构及原理
VS1388自动光学检测设备由相机、配套镜头、LED白光光源、滚筒载物台和支架以及工控PC组成。图1是由工业相机和LED光源组成的图像采集系统结构图。
系统采集完成对待测物体表面图像的采集，在VS1388图像卡上对图像进行预处理后，利用检测算法对图像进行分析，最后显示检测结果。
成像系统获取的原始图像由于受到条件限制和随机干扰，必须对其进行增强、图像分割等预处理。在此，在VS1388缺陷检测系统的前端放置了一个预处理模式，此模式包含图像增强和图像分割的处理过程。
预处理后采集图像的各种特征，如灰度值特征、边缘特征以及缺陷特征，这些特征已经相当明显。使用算法对图像进行处理，主要有一维和二维离散傅立叶变换（DFT）、快速傅立叶变换（FFT）、离散余弦变换（DCT）及其反变换函数，以及连续小波变换（CWT）、离散小波变换（DWT）及其反变换。
2 缺陷类型分析
本文以常见的TFT-LCD为例，TFT屏幕的缺陷，根据其表现形式不同，大致可分为宏观型缺陷和微观型缺陷。其中宏观型缺陷，即Mura型缺陷主要表现为宏观上的视觉差异；微观型缺陷主要是由于TFT中的单个MOS管失效、损坏以及信号线电源线损坏导致像素显示问题。
图2为TFT屏幕的放大图片。图中黑色横条是行电极，为电源线；黑色竖条为信号电极。
3 检测算法
对宏观缺陷的检测只需进行最简单的灰度值分析和边缘提取即可，对AOI设备精度要求不高。
当缺陷为微观缺陷时，TFT-LCD上的扫描电极和信号电极在扫描图像中的颜色和暗点缺陷一致，将被当作缺陷一并检测出来，从而对检测结果造成极大的干扰。
为了消除这种干扰，就需要将扫描电极和信号电极的图像从扫描图像中剔除。常用的有两种方法，一种是模板匹配法，另一种是频域滤波法。模板匹配法，将扫描所得的表面图像和标准模板做精确对比，只要在对比过程中发现二者有不同之处，即判定检测的产品不合格；频域滤波法，由于模板匹配法对检测环境要求非常高，所以课题组选取频域滤波法作为检测算法。
4 结果分析
以常见的TFT-LCD屏幕为检测对象，课题组将图像采集系统所抓取的图像传输到VS1388图像处理卡中进行处理。
要检测出单个像素点的缺陷，除了用灰度值的判定方法，写入FPGA的检测算法中最主要的是FFT处理运算方法。扫描图片中电源线和信号线有规则地排列着，灰度值较小，有可能会对缺陷检测产生干扰。FFT运算将灰度图像由时域转为频域，再通过小波变换的滤波作用，将一些不必要的频谱滤除，再转化成时域状态，以消除纹理的干扰。
5 结论
原理样机的制作证明了在现有的条件下我国有能力完成相关技术样品的研制，说明了技术的可行性。在实际应用中会有许多特殊的情况，比如图像采集时光照度不均匀，环境中的灰尘对扫描图像的影响等。此外，载物台上待检测面板的运动速度在实际生产中也是无法保证的。由于是气浮平台，面板跟相机镜头的垂直距离也是变化的，这些都会对采集图像的均匀度产生影响。
针对以上情况，在实际检测过程中，可以对整条检测流水线进行封闭式无尘化遮光处理，以避免光照和灰尘等外界杂物的影响。同时在检测的算法中，加入一些滤波算法滤除前端干扰，在图像采集和处理阶段实施降噪处理，最大限度地保证缺陷检测的准确性。
参考文献
[1]董军，柴宝玉，田学彬.液晶显示技术产业发展概述 [J].西安邮电学院学报，2012，17（3）：102-104.
[2]卢锐，马军杰，曾明星.技术本土化、国际化与我国 TFT-LCD产业的发展[J].科技与经济，2011，24（5）：1-5.
[3]陈榕庭，彭美桂.图像传感器基础与应用[M].北京：科学出版社，2006.
（作者单位：合肥工业大学 仪器科学与光电工程学院）