基于计算机视觉理论的光学薄膜缺陷检测方法.docxVIP

基于计算机视觉理论的光学薄膜缺陷检测方法 1 微织构在线检测 引入计算机视觉理论的光学薄膜缺陷检测，不仅保证了检测标准的稳定性，而且实现了检测任务的长期有效执行。它特别适用于在线检测薄膜缺陷，提供客观、准确的检测结果。随着科学技术水平的不断提高, 一些高端产品给光学薄膜提出了严格的质量要求。在这种背景下, 人工检测的方法渐渐无法满足实际的需要, 探寻一种高效的自动在线检测方法已经成为当下的迫切需要。本文将针对一种基于计算机视觉理论的光学薄膜在线检测方法展开讨论。 2 在线检测 2.1 在线检测系统的结构 2.1.1 fpga/d卡 系统主要部件包括:1) 辊轴;2) 编码器;3) 控制器;4) 图像采集卡;5) 线阵CC D相机;6) 相机冷却风扇;7) 侧光/背光LE D光源;8) 客户端;9) 以太网;10) 服务端;11) 服务端;12) 打印机;13) 报警器。 2.1.2 缺陷图像的采集与处理 子系统间的逻辑关系, 如图1所示。 在进行光源系统设计时, 通常将研究的重点放在光线对成像质量影响这一方面。光学薄膜由于具有透明的特性, 故将缺陷检测内容集中在以下几点:1) 气泡;2) 尘埃;3) 异物;4) 划痕;5) 皱褶。对于透明材质而言, 其反射率则较低, 所以, 一般不采用正面光产生的反射光照明成像。为了强化划痕及皱褶的立体效果, 在光源系统中融入了侧光和背光的元素。光的透射能力随着波长的增大而增强。在可见光中, 红光的波长最长, 即透射能力最强, 故选择红光作为照明光源。另外, 为了保证光源拥有足够的寿命且具有较强的稳定性, 故将LED用作发光光源。 对光学薄膜机械传动系统进行设计时, 首先要考虑的是如何提供一个平稳的运行环境, 避免新缺陷的产生。在本课题中, 对带动薄膜运动的几个辊轴采用了平行布置的方式。应保证薄膜和辊轴不存在相对滑动问题, 这样一方面可以避免张力变化, 另一方面可以消除对膜速检测的影响。辊轴之间应尽可能地保持平行, 另外各辊轴表面应具有不同旋向的螺纹 (如图2所示) , 能够将扭曲应力控制在一定的大小, 防止光学薄膜起皱。辊轴的螺纹线, 一端为左旋, 另一端为右旋, 这样设置可以保证运动中的薄膜两边均匀受力从而保持平整。除此之外, 辊轴间距应尽量小, 同时控制在允许的范围之内, 从而有效减小薄膜的振动。通过上述的一系列措施, 便可以采集到符合实验标准的光学薄膜缺陷图像。 所谓外触发同步控制是指处于触发状态的CCD相机在摄像频率方面能够和光学薄膜的运行速度保持协调一致。如果不然, 将会导致采样影响出现运动模糊的问题, 即失真, 具体情况如下:采样频率过慢, 则会导致“压缩”效应;采样频率过快, 则会导致“拉伸”效应。通讯系统主要包括以下几个部分:1) 客户端——服务端;2) 服务端——打标系统;3) 控制器——客户端。 图像采集与处理系统的功能在于将缺陷的具体特征提取出来。直接采集到的源图像属于256阶灰度图, 然后通过双峰法以实现最佳的分割阀值的求取, 接着根据自动阀值展开图像的二值化处理, 通过绝对值梯度对缺陷边缘进行提取, 最后利用链码特性原理对缺陷轮廓的形状以及相关结构特征进行提取。在上述一系列方法的综合运用下, 实现了对缺陷特征的实时提取以及精确提取。 图像识别系统的功能在于分类, 一方面区分产品的合格与否, 一方面对缺陷的类型进行分类。该系统能够反映实时生产状况, 帮助技术人员完成相关的工艺改进。 缺陷打标系统主要包括两大部分, 一是步进电机, 二是打标机。一旦检测到缺陷, 由服务器将信号传给控制器, 然后由控制器驱动步进电机带动打标机打标。 2.2 扫描ccd的标准 分辨率:能稳定检测出尺寸在50μm以上的缺陷。为了进一步提高可靠性, 实际采样精度确定为10μm。 图像采集速度和数据传输量:被检测对象 (光学薄膜) 的速度为20m/min。采用某8K线阵扫描C CD相机, 能达到采样精度在10μm以上, 数据传输量在266.4MB/S以上以及线扫描频率在33.3k HZ以上的标准。 多台相机数据融合:单台线阵扫描CC D相机仅仅拥有82mm的视场 (FOV) , 如果被检测幅宽为1.3m, 那么需要16台相机共同工作。 2.3 源图像的采集、预处理及神经网络cdk的实现 缺陷检测的步骤如下:1) 通过侧/背光光源 (由发红光LED组成) 去构造一个理想的成像环境, 作用在于适当加大前景和背景之间灰度级差。编码器根据辊轴转速, 向16台C CD相机发出脉冲信号 (该信号与生产线同步) 。相机接收到信号后便会被触发, 进行图像采集, 得到源图像;2) 客户端针对源图像展开同步分析及处理, 对缺陷特征进行提取, 归一化后将其送入神经网络的输入层;3) 训练并改进BP神经网络, 确认合格