一种触摸屏电极薄膜定位与缺陷检测方法

2024-01-10 06:16周伯萌潘淼高开印王锋
南昌大学学报(工科版) 2023年4期
关键词:油渍走线像素点

周伯萌,潘淼,高开印,王锋

(1.泉州师范学院物理与信息工程学院,福建 泉州 362000;2.黎明职业大学信息与电子工程学院,福建 泉州 362000)

近20年以来,随着信息产业和集成电路行业的快速发展,触摸屏已被广泛应用于工业设备和个人智能设备中[1]。电极薄膜是触摸屏的重要组件之一,在其生产过程中,不论如何改进工艺,薄膜表面仍然会被油渍污染。电极薄膜表面的印刷电路被污染后出现油污、缺印、裂纹等现象,会导致导电故障、成品率降低,及时检测和识别它们十分重要。在中小企业的生产过程中,成品膜的污渍和电路的缺陷检测依靠人工来完成,人工检测耗费精力大、效率低、存在一定误检;而成套检测设备价格昂贵,增加了企业负担。鉴于这种问题的存在,本文提出了用数字图像处理技术对其缺陷和污渍进行检测和定位,对原有设备进行简单升级,提供一套检测准确率高、成本低的解决方案,既缓解了企业的资金困难,又提高了产品的合格率。

1 电容屏电极薄膜及其缺陷检测系统

系统(如图1)采用特定波长的高亮LED工业线性聚光光源照射产品表面(如图2),在生产线正常运转的状态下,同时通过工业CCD相机实时扫描并采集光源照射处的产品图像。系统将相机采集到的薄膜图像用软件算法进行缺陷识别处理。由于缺陷的成像图片与正常产品的成像图片存在灰阶差异,检测系统能够精准发现产品的缺陷,从而实现了缺陷的在线检测、定位与后续处置[2]。

图1 缺陷检测系统

图2 电极薄膜成品

生产过程中,无论如何改进硬件或生产工艺,油渍污染总是存在的。在产出环节,及时检测、识别和定位它们是必要的一道程序,其结果直接影响后续成品良率。缺陷(如图3)主要来源于生产过程中薄膜表面的细微油渍。

图3 薄膜表面图像及细微油污的示例

2 电极薄膜的区域划分及定位

每片电极薄膜成品由8个方块构成(如图2),每块的结构完全相同,可以取其中一块进行处理,其余部分处理过程相同。单个方块又可以分为2种情况:1)油渍与电路走线重合,则与底色反差较小,不易识别;2)油渍未与电路走线重合,则与薄膜颜色反差较大,易于识别。因此,先对薄膜进行定位和分割,根据电路走线情况,区分处理,提高检测效率。

2.1 图像预处理

将载入图像进行归一化和平滑处理[3]。归一化本质是将需要处理的数据量限制在一定范围内,采用高斯滤波减少薄膜表面反光引起的差异,进一步转化为灰度图像(如图4),得到图像的二值化结果[4]。

图4 图像的预处理

2.2 图像边缘检测与区域标识

进行整个薄膜的定位必须先获得图像的边缘信息,其中包含整个薄膜上表面的电路走线边缘信息。Canny边缘检测算法利用的是先平滑再求导数的方法来进行边缘检测[5]。该算法具有3个方面的优势:1)低错误率,受图像噪声影响小,标识出的边缘信息比较贴近实际情况,准确性好;2)高定位性,实际图像中的边缘和处理得到的边缘接近度很高;3)最小响应。在被处理图像中,图像的边缘只能被标识一次[6]。经调试Canny算子阈值设为0.115最为合适,图5是二值化函数和经过边缘处理的图像信息对比。

图5 经二值化函数和边缘处理的图像信息对比(局部)

为了识别出薄膜的特征,我们选择薄膜的4条边线作为其主要特征,这4条框圈起来的范围作为薄膜单一的主体。这4条直线的判断可以用霍夫变换来检测出来。霍夫变换作为一种广泛应用在图像处理领域的一种特征检测手段,最经典的用途就是在侦测图片中的直线。霍夫编码检测直线相比其他方法受噪声的干扰更小[7]。霍夫检测得到所需结果之后,就可以将其特征区域标识出来。区域标识的主要目的是确定薄膜的4条边线,便于后期的划分和检测。区域标识的过程是在霍夫变换之后[8],其图像的标识图像如图6所示。

图6 薄膜图像的区域标识

由于生产过程中,运动的传送带与相机采样的机位不完全平行,会导致得到的图像中直线的位置并不会处于竖直或水平的状态,因此需要对其调整,可以用自带的矫正函数测其倾斜的角度并将对其作垂直矫正[7]。矫正之后的图像将会使薄膜的主要电路走线处于水平或垂直的状态,便于后期的处理。

3 电极薄膜的缺陷区域差异化处置

由于电极薄膜的图样、薄膜尺寸大小相对固定,一面完整的电极薄膜可以分为8个小的长方形组成,薄膜电路走线位置固定。可对单一长方形进行区域分割,在薄膜的电路走线内外采用不同的算法进行检测提高效率。

3.1 无电路走线的薄膜表面缺陷检测

由于薄膜在传送带上不断运动且摄像头安放位置固定,如成像更新速度快则硬件负荷大,容易出错;反之则效率过低,通过反复调试获得较好的成像效果。薄膜表面的电路走线背景变化不大且光照条件、图像特征相对一致。综合上述因素,考虑采用背景差分法比较合适,该算法的优点是计算量较小,可以达到实时计算的要求而无需特殊硬件。背景差分法选取预先储存好多幅合格的成品薄膜的图片,取其平均值作为背景图片,将背景图片与当前帧相减[9]。若差值大于某一阈值,则可以判定该区块为油渍,否则可以判定该区块为背景图片的一部分,经过阈值分割处理后再进行二值化,其算法流程(如图7)如下:

图7 背景差分法流程图

1)光照和摄像机抖动产生的噪声,一般只是在图像序列中连续帧的个别像素点上发生变化,经背景差分后被重置为白色的孤立像素点。对于这部分噪声点的去除,可通过形态学图像处理解决[8]。

2)当更新速度适中,成像较为清晰的情况下,将图像序列中帧Pi(x,y)连续n帧图像进行均值滤波,再将其与合格薄膜的图像帧S(x,y),作为当前帧的背景图像进行背景更新:

S(x,y)=[S1(x,y)+S2(x,y)+…+Sn(x,y)]

D=|S(x,y)-Pi(x,y)|,D≥T,O=(x,y,i)

式中:i为当前帧数;n为均值滤波取值帧数;T为阈值;O为输出结果;(x,y)为坐标值;D为差值。

3.2 有电路走线的薄膜表面缺陷检测

薄膜表面的电路走线与油渍混合后,油渍呈现为电路走线路径中:条纹、带状和灰斑(如图8)。这3种油渍均为生产过程中由环境漂浮污染物引起,不可避免。条纹和带状缺陷面积相对较大,灰度斑缺陷面积小且分布稀疏,且由于成像后与底部电路走线颜色接近,容易漏检,故提取电路走线部分单独进行检测。本文提出一种局部区域增强的方法进行检测,对不均匀的纹理因子进行增强,试图找到与邻域差异较大的区域,提高图像的对比度[10-12]。

图8 薄膜表面的电路走线与油渍混合示例图

读取当前帧的灰度图,B(x,y)为其中的像素点,取Li(B)、Ij(C)为像素点的集合。因油渍污染的图像灰度值与背景不同,对比计算进行区分:1)设B为中心像素,令i=0,L0(x,y),I0(x,y)各只包含一个像素;2)令i=i+1,L1(x,y)为L0(x,y)相邻一个像素点的合集且其不包含I0(x,y)。再令i=1,定义I1(x,y)=L0(x,y)U1S(x,y)。则有I1(x,y)包含3×3个像素,L1(x,y)包含8个像素;3)此后依次类推,Ln(x,y)为Ln-1(x,y)相邻一个像素点的合集且其不包含In-1(x,y)[13-16]。遍历当前帧后,容易漏检的污渍边缘得到了增强,再通过设定阈值,与背景直接分离提取特征点(如图9)。可得:

图9 区域增强算法示例

t=L0(x,y)-

式中:t为高斯加权平均量;r为半径。

式中:C为阈值;Fi(x,y)为筛选值。

式中:F(x,y)为增强结果。

4 结论

通过分析电极薄膜自身的结构一致性,根据油渍缺陷图像特征及其分布情况,把电极薄膜分割为两部分使用不同算法进行缺陷检测。对于前景与后景差异较大的薄膜方块内部,采用差分算法,通过实时采集的图像与合格图像的均值进行对比,实现了缺陷的实时检测,减少了污点的错误判断率;对于方块边缘的部分存在油渍缺陷与电路走线重合的情况,提出了一种局部区域增强方法,在缺陷检测过程中提高了识别的效率和准确性,克服了低对比度图像的缺点并且对噪声敏感。

猜你喜欢
油渍走线像素点
基于局部相似性的特征匹配筛选算法
厨房里去油渍,我用小苏打粉
一种大承重集装袋
基于5×5邻域像素点相关性的划痕修复算法
假面
基于canvas的前端数据加密
清洗衣服上油渍的小窍门
基于逐像素点深度卷积网络分割模型的上皮和间质组织分割
浅析PCB中DDR3等长线的设计
纸质文物油渍的模拟及清洗剂的研究