識別算法進行解釋。RGB顏色空間W-個單 位長度的立方體來表示，過原點的Ξ條邊r、g、b構(gòu)成了顏色空間的單位正交基，設(shè)C為可見 光譜里面的任一種顏色，其可W等價為RGB顏色空間的任一向量C，則有：
[0033]
[0034] 其中，λτ、λ8、λ6分別表示向量C在顏色空間r、g、b^個正交基上的分量。設(shè)白色與淺 藍色光譜對應(yīng)的RGB顏色空間向量分別為W、b。對于向量W，有、:Ag:Ab= 1:1:1，向量b有、= 0，Ag:Ab= 0.5:1。為了使白色的壓點、劃傷缺陷與藍色片體在向量空間具有較大區(qū)分度，可 將W和b向量向r軸投影，b在r軸的投影為一個點，貝化r= 0;而W在r軸的投影為一定長度的線 段，由投影幾何關(guān)系可知向量間夾角余弦值約為0.8,故Wr= 0.8X|w|，定義向量W和b在r軸 投影分量比值η來描述運種區(qū)分度，如下式所示：
[0035] n=Wr/br
[0036] 理論上br趨近于0,則區(qū)分度η趨近無窮大，說明在r通道壓點、劃傷特征與背景才 具有最大的區(qū)分度，同時CCD傳感器對紅外光較其他光譜更敏感，因此r軸投影的區(qū)分效果 最理想。其流程如下:首先把實時采集并預(yù)處理后的圖像與內(nèi)部掩膜進行數(shù)學(xué)運算，得到輪 廓內(nèi)部感興趣區(qū)域圖像，然后提取R通道的圖像，選擇闊值化=60對其二值化處理。
[0037] FPC上，膠體呈粉色，在RGB顏色空間用向量P表示，其對應(yīng)的λτ、λ8、λ6都有一定分 量，Ρ不能用RGB顏色空間中的任意兩個正交基完全線性表示，故單純在RGB顏色空間膠體難 W取得較好的提取效果，于是選擇HSV顏色空間。將彩色圖像從RGB空間轉(zhuǎn)換到HSV空間，能 夠有效地提取出更加豐富的彩色圖像顏色信息，特別是其色調(diào)分量化)能夠描述不同波段 的顏色光譜的變化信息，該分量不易受到光照條件變化的影響，其描述特征具有很強的魯 棒性。基于色調(diào)分量良好的描述特性，經(jīng)過大量實驗比對發(fā)現(xiàn)，Η分量更適合分離膠體與其 他圖像特征。各特征在服V顏色空間的色調(diào)Η離散分布如圖4所示，將顏色空間模型的連續(xù)角 度參數(shù)離散成ο到255的數(shù)值區(qū)間。片體的分布區(qū)間為[130-140]，背景約為[160-171]，膠體 為[220-234]。從數(shù)據(jù)可W看出，膠體顏色與其他顏色特征在HSV的Η通道具有很大的區(qū)分 度，當闊值The[175-215]任意一個值，都可W將膠體提取出來。其流程如下:通過預(yù)處理圖 像與外部掩膜的數(shù)學(xué)運算，得到輪廓外部感興趣區(qū)域圖像;然后將其變換到HSV顏色空間， 提取Η通道的圖像，對其作闊值化處理，取闊值區(qū)間的中值Th=195。
[0038] 步驟5:缺陷識別與分類
[0039] 進行缺陷種類數(shù)據(jù)統(tǒng)計是工業(yè)生產(chǎn)一個重要的環(huán)節(jié)，通過該數(shù)據(jù)反饋，可W更好 地指導(dǎo)生產(chǎn)，改進加工工藝。經(jīng)過缺陷提取算法處理后的圖像若無W上特征，貝化PC沒有運 Ξ種缺陷，否則存在。WFPC輪廓為界，依據(jù)缺陷的空間信息可把缺陷分為內(nèi)部缺陷和外部 缺陷。溢膠全部在輪廓外側(cè)屬于外部缺陷，壓點與劃傷為內(nèi)部缺陷。檢測要求對內(nèi)部缺陷作 進一步分類，依據(jù)內(nèi)部缺陷的幾何特征將其區(qū)分為壓點與劃傷，且采用缺陷輪廓面積S。。。與 其最小外接矩形面積Srect的比值來描述運種區(qū)分，將其定義為填充度，如下式所示：
[0040] R=Scon/Srect
[0041] 壓點的填充度化k較大，實驗發(fā)現(xiàn)都在0.7W上，而劃傷成條狀，填充度R較小，均在 0.3W下。綜合W上分析，缺陷分類準則為：
[0042] (1)若輪廓外部有寬度大于限定闊值Tw的白色區(qū)域，則為溢膠。
[0043] (2)若輪廓內(nèi)部存在面積大于限定闊值Ts的白色區(qū)域，依據(jù)式R=Scon/Srect計算該 區(qū)域的輪廓填充度R。若R〉〇. 5，則為壓點；否則為劃傷。
[0044] 本文取Tw=3，Ts= 5,單位為像素，按照上述分類準則，內(nèi)部缺陷的輪廓及其對應(yīng)的 最小外接矩形如圖5所示。其中，圖5(a)的R= 0.95;圖5(b)兩處缺陷的R值分別為0.04和 0.78;圖5 (C)為溢膠效果圖，其缺陷位置均在輪廓之外。
[0045] W上所述只是該發(fā)明的【具體實施方式】，上述舉例說明不對本發(fā)明的實質(zhì)內(nèi)容構(gòu)成 限制，所屬技術(shù)領(lǐng)域的普通技術(shù)人員在閱讀了本說明書后可W對上述的【具體實施方式】做修 改或變形，而不背離本發(fā)明的實質(zhì)和范圍。
【主權(quán)項】
1. 一種FPC表面質(zhì)量視覺智能檢測方法，其特征在于按照以下步驟進行： 步驟1:對采集的FPC圖像進行圖像預(yù)處理;采用窗口為3X3中值濾波器對FPC圖像進行 處理； 步驟2:FPC輪廓提取;采用RGB顏色空間，在B通道提取片體的輪廓并對片體與背景進行 分割； 步驟3:掩膜設(shè)計;將提取的FPC輪廓以像素精度畫在另一幅由內(nèi)存開辟的與采集圖像 相同大小且像素灰度全為0的圖像上，作為缺陷識別掩膜的母體，分別填充掩膜母體輪廓內(nèi) 部與外部區(qū)域，從而產(chǎn)生內(nèi)外兩個圖像掩膜，分別用內(nèi)外掩模與原圖像進行數(shù)學(xué)運算，得到 內(nèi)外感興趣區(qū)域圖像，以FPC輪廓為界，內(nèi)掩膜與采集圖像處理后使FPC輪廓內(nèi)部的圖像得 以全部保留，外部被忽略，若與外模板作用，處理效果正好相反； 步驟4:缺陷提取;在組合光源下，壓點和劃傷呈白色，采用RGB顏色空間投影閾值算法 對壓點與劃傷進行識別，得到輪廓內(nèi)部缺陷和輪廓外部缺陷； 步驟5:缺陷識別與分類； 依據(jù)內(nèi)部缺陷的幾何特征將其區(qū)分為壓點與劃傷，采用缺陷輪廓面積S_與其最小外 接矩形面積Sm的比值來描述這種區(qū)分，將其定義為填充度，如下式所示： R-Scon/Srect 壓點的填充度R比較大，實驗發(fā)現(xiàn)都在0.7以上，而劃傷成條狀，填充度R較小，均在0.3 以下;綜合以上分析，缺陷分類準則為： (1) 若輪廓外部有寬度大于限定閾值Iw的白色區(qū)域，則為溢膠； (2) 若輪廓內(nèi)部存在面積大于限定閾值Ts的白色區(qū)域，依據(jù)式RiSc^/Srd計算該區(qū)域 的輪廓填充度R，若R>〇. 5，則為壓點；否則為劃傷。2. 按照權(quán)利要求1所述一種FPC表面質(zhì)量視覺智能檢測方法，其特征在于：所述步驟4 中，缺陷提取的方法為對輪廓內(nèi)部感興趣區(qū)域圖像提取R通道的圖像，選擇閾值Th=60對其 二值化處理;對輪廓外部感興趣區(qū)域圖像變換到HSV顏色空間，提取Η通道的圖像，對其作閾 值化處理，取閾值區(qū)間的中值Th= 195。3. 按照權(quán)利要求1所述一種FPC表面質(zhì)量視覺智能檢測方法，其特征在于:所述組合光 源上端為紅色同軸光源，中間為白色環(huán)形光源，下端為白色條形光源。
【專利摘要】本發(fā)明公開了一種FPC表面質(zhì)量視覺智能檢測方法，采用窗口為3×3中值濾波器對FPC圖像進行處理；采用RGB顏色空間，在B通道提取片體的輪廓并對片體與背景進行分割；以FPC輪廓設(shè)計區(qū)域掩膜，從而產(chǎn)生內(nèi)外兩個圖像掩膜，分別用內(nèi)外掩模與原圖像進行數(shù)學(xué)運算，得到內(nèi)外感興趣區(qū)域圖像，采用RGB顏色空間投影閾值算法對壓點與劃傷進行識別，得到輪廓內(nèi)部缺陷和輪廓外部缺陷；最后進行缺陷識別與分類；本發(fā)明的有益效果是提供了一種FPC表面質(zhì)量視覺智能檢測方法，檢測效率高，能準確判斷FPC表面是否有質(zhì)量缺陷。
【IPC分類】G01N21/88, G01N21/956
【公開號】CN105445277
【申請?zhí)枴緾N201510775840
【發(fā)明人】孫國棟, 趙大興, 楊林杰, 張楊, 梅術(shù)正, 王璜, 艾成漢, 王博, 林松
【申請人】湖北工業(yè)大學(xué)
【公開日】2016年3月30日
【申請日】2015年11月12日