基于机器视觉的手机玻璃丝印在线检测方法研究

（成都天奥测控技术有限公司，成都 611731）

手机玻璃是对触摸屏的测控模组、显示屏进行保护的透明或丝印镜片。玻璃在生产过程中经过研磨、抛光工序后，还需利用全自动丝印、移印对玻璃进行深加工处理，增加其油墨区显示功能。由于丝印环节加工精度高、工艺难度大，并且客户对玻璃外形尺寸、内部孔径、油墨均匀度、贴合面对位线以及LOGO的印刷质量有严格的要求，因此玻璃在生产工程中需要检验人员定时从流水线中取出玻璃，进行品质抽检，但是人员抽检的效率较低，容易有混料、漏印、缺印等缺陷产品。

本文提出基于机器视觉的检测方法，该方法作为非接触式表面检测的技术具有速度快、精度高的特点，可以对生产过程中的产品缺陷进行实时检测和标记报警，从而帮助操作人员及时发现缺陷品，杜绝缺陷品流入下道工序。检测与现有生产线节拍匹配，较人工检测具有效率高、标准统一、不污染产品、能持续工作等优势。

1 检测流程设计

手机玻璃经过丝印工序后，按序放置于料盘托架上，然后经传送皮带运输到垛料区，每个料盘上有10 片玻璃放置位。本文采用检测方法是在皮带运输路径中加入在线检测系统。首先通过图像采集系统获取料盘图像，然后处理计算机分割提取出玻璃进行图像检测，检测出的缺陷产品用标记机标注红色油墨，并通过报警灯提醒机台人员挑选出相应产品。

其中图像采集系统包含检测台、相机、光源等部件，采用大靶面光源对料盘产品进行清晰照明，采集过程如图1所示，料盘经过拍摄位置时触发工业线阵相机采集产品图像，然后通过计算机计算输出处理结果。

图1 图像采集系统Fig.1 Image acquisition system

2 具体检测算法设计

通过图像采集获取料盘图像数据后，还需进一步分割出单片玻璃图像。通过预设的2*5个单元格坐标范围分割料盘图像，然后检测算法对每片图像进行预处理、旋转和平移校正、霍夫曼匹配检测、模型相似度度量等步骤，以此对产品缺陷进行检测和质量评估。

2.1 图像预处理

单片玻璃二维图如图2（a），三维图如图3（a）所示，因为底部有托架干扰，侧壁有料盘架和光照角度引起的阴影，在直方图分布上不呈双峰的图像，并且图像上有较多毛刺和凸起区域，将严重影响图像分割的效果。如果采用基于一阶微分的多尺度边缘检测Canny算法[1]，需要选用较大的滤波尺度，会丢失边缘细节。使用改进的Otsu 法[2]自动获取分割阈值，仍存在背景区分不开的缺点。

本文采用中值滤波、多段阈值、以及小连通域滤波的方式进行处理。中值滤波[3]相较于高斯滤波更能够抑制孤立的噪声点，且不破坏图像的边缘信息，然后根据玻璃成像上从头到位变亮的趋势，采用多段阈值的方式进行阈值处理，设上中下三段阈值，假设三段的纵坐标从上到下为d1、d2、d3，那么三段的阈值Th（y）分别为T1、T2、T3，如式（1）所示：

每一段阈值处理后图像拼接如图2（b），三维图如图3（b）所示，可以看出通过多段阈值处理后图像中消除背景干扰较为干净，但是还存在少量较为接近的背景干扰，这部分干扰特点都是小型连通域，通过连通域面积衡量的方式进行滤除。连通域算法采用八邻域的行程标记算法[4]，通过定位连通区域的内外轮廓来标记整个图像。算法步骤如下：

（1）逐行扫描图像，每行连续白色像素组成一个序列，记录起点、终点以及行号；

（2）当前行与上一行所有序列都没有重合区域则赋予一个新的标号，如果有重合区域则这几个序列的标号写入等价对；

（3）遍历所有等价对，将相同标号转换为等价序列，填入标记图像中。

连通域滤波后图像如图2（c）所示，背景残留区域已经全部清除。计算连通域的内部和外部最小外接矩形的长、宽，与产品标准进行比对，满足则为正常产品，不满足为混料。

图2 单片玻璃二维图Fig.2 2D diagram of single glass

图3 单片玻璃三维图Fig.3 3D diagram of single glass

2.2 旋转和平移校正

产品因为放置和移动中颠簸，在图像上有倾斜和形变的变化。需将产品校正到图像中央，建立统一的参照系方便后续对检测玻璃和标准模型进行比对。假设画布长h，宽w，玻璃中心坐标（x0，y0），与纵轴倾斜角度α（右倾斜为正，左倾斜为负）。假设玻璃上某一点坐标（x，y），经过旋转和平移变换计算后，新坐标（x′，y′）。按式（2）对图像坐标进行遍历运算得到校正后的图像参与检测。

2.3 霍夫曼匹配检测

产品上IR 孔、摄像孔是圆形结构，可以通过霍夫曼变换快速找出圆形信息检测。根据霍夫变换检测圆的数学原理[5]，圆上任意一点的极坐标可以表示为式（3）。假设圆中心像素点p（x0，y0）已知，圆半径r预先录入已知，则旋转360°由极坐标方程可以得到每个点上的坐标。同样，通过图像上像素点和圆半径信息，旋转360°后中心点处的坐标值必定最强。

把图像每个白色像素点转换到极坐标对应圆的中心极坐标强度累计，在极坐标空间中，对强度值归一化后寻找强度最大的点，即为圆形中心点。然后根据极坐标的R值与输入参数（圆的半径）相等，寻找2D 空间的像素点。返回结果2D 空间像素集合即找到的圆形。计算圆内部灰度的最大值、最小值以及平均值，再结合圆心位置坐标、半径等参数，与模板参数进行比对，如果满足则为正常产品，不满足判为缺陷品。

2.4 模型相似度度量

产品上的对位线、Logo 字符等信息采用模型比对方法检测，检测流程如图4所示。录入部分模型，根据连通域的长、宽、圆形度、矩形度、内部亮度建立模型数据；然后把目标检测区域当做是整个一连串的轮廓集合，经过阈值处理和形态学闭操作分离出独立的信息；接着将信息与模板进行比对。

图4 模板比对流程Fig.4 Template comparison flow chart

评价图像相似度方法中，欧式距离度量方法[7]较非几何相似性度量和统计学方法能够有效地缩短时间。Minkowsky Distance（闵可夫斯基距离）是基于范数Kp定义的，如式（4）所示，其中检测图像为A，模板图像B，Kp（A，B）表示两者之间的距离，x 和y表示两幅图的特征向量，

若p=2，那么其距离为欧式距离，当两者之间的欧式距离最小时，相似度最高，如若满足判定条件则录入数据库，对模型参数进行补充，参与后续检测。如果超出模板允许范围的认为是产品缺陷异常。

3 软件设计及实验分析

用Visual C#语言编程设计在线检测软件，所用计算机软硬件配置为：处理器为Intel Core I7-6700；主频为3.4 GHz；内存为16 GB；操作系统为Microsoft Windows 7。检测软件界面如图5所示，包含了图像显示区，按钮操作区以及检测结果列表。当检测出错误时，软件会使用红叉/红框标记错误区域，如图6所示。

图5 检测软件界面Fig.5 Test software interface

图6 错误区域标记Fig.6 Error area mark

为了验证方法的有效性，设计比对实验。选取合格品和几类不合格品各100 片进行检测，试验统计结果如表1所示。

表1 比对试验统计表Tab.1 Statistical of comparative test

分析结果表明，经过批量产品测试，该方法检测正确率100%，单个料盘通行和检测时间仅仅需约2 s，而人工检测约140 s，该方法是人工效率的70倍，且具有稳定性和高鲁棒性的优势，符合工业生产的检测需要。

4 结语

本文以丝印后的手机玻璃为研究对象进行在线检测方法的研究，提出手机玻璃丝印在线检测方法，采用机器视觉成像平台和软件算法设计得出检测结果，实验结果表明该方法相较于人工检测具有检测准确、快速的优势，从而为手机玻璃在线检测应用提供了参考经验。