梁冬迎，張 峰

LIANG Dong-ying, ZHANG Feng

（北京遠東羅斯蒙特儀表有限公司，北京 100013）

0 引言

圖像識別技術(shù)已經(jīng)廣泛應(yīng)用于現(xiàn)代制造業(yè)并且擁有的良好穩(wěn)定性和準(zhǔn)確性，本文探討了在生產(chǎn)線如何利用圖像識別技術(shù)代替人工檢驗液晶顯示屏品質(zhì)的方法，設(shè)計并開發(fā)變送器液晶顯示屏光學(xué)自動檢測系統(tǒng)。

此系統(tǒng)針對生產(chǎn)線液晶顯示屏圖像特征，采用圖像模式匹配算法以及邊緣檢測算法。該系統(tǒng)的引入，避免了原有人工操作對液晶電路板的潛在傷害，并有效保證了生產(chǎn)測試流程的完整執(zhí)行。

1 NI視覺系統(tǒng)

NI視覺是美國國家儀器公司針對半導(dǎo)體自動化測試、汽車和電子產(chǎn)品等領(lǐng)域開發(fā)的具有圖像采集和處理功能的整體解決方案。本文中所探討的圖像處理算法源自此系統(tǒng)。通過使用該系統(tǒng)提高了整個測試系統(tǒng)的開發(fā)進度。

2 圖像邊緣檢測算法

邊緣檢測的目的是辨別出數(shù)字圖像中發(fā)生顯著變化的點。圖像屬性中點的顯著變化通常反映了屬性的重要事件和變化。這些變化包括表面方向不連續(xù)性、物質(zhì)屬性變化以及場景照明變化。

邊緣檢測算法是圖像識別技術(shù)中的基礎(chǔ)算法，廣泛應(yīng)用于圖像自動檢測領(lǐng)域。其大幅度降低運算數(shù)據(jù)量，保留了圖像重要的結(jié)構(gòu)屬性，適合用于決策物件的外形尺寸以及辨別物件是否存在外在損傷場合。

3 圖像模式匹配檢測算法

模式匹配是圖像檢測技術(shù)中的核心基礎(chǔ)算法。整個模式匹配算法分為兩個階段：學(xué)習(xí)和匹配。

在學(xué)習(xí)階段，算法在模板圖像中提取理想圖像的灰度值以及邊緣梯度的信息，并存儲該學(xué)習(xí)過程中模板圖像的關(guān)鍵信息。

在匹配階段，模式匹配算法提取被檢測圖像的灰度值以及邊緣梯度信息，并且與在學(xué)習(xí)階段存儲的標(biāo)準(zhǔn)模板信息進行對比。其通過尋找被檢測圖像里的最高相關(guān)交叉區(qū)域，搜索被檢測圖像可能匹配的圖像資源。

4 變送器液晶屏檢測系統(tǒng)設(shè)計

4.1 檢測系統(tǒng)模塊功能及應(yīng)用

系統(tǒng)組成如圖1所示，其中自動控制軟件實現(xiàn)圖像處理算法，并且控制相機調(diào)節(jié)系統(tǒng)以及工裝硬件控制系統(tǒng)；相機調(diào)節(jié)系統(tǒng)用來控制相機位置、曝光強度等硬件參量；工裝控制系統(tǒng)負責(zé)構(gòu)建自動控制軟件與待測液晶屏組件的信息交互以及保證液晶板正常工作；工作臺支架系統(tǒng)負責(zé)消除硬件坐標(biāo)誤差。此支架系統(tǒng)，利于簡化圖像處理算法參數(shù)（待測圖片旋轉(zhuǎn)、位移），并且利于提高測試過程的一致性。

4.2 圖像處理算法分析及應(yīng)用

4.2.1 邊緣檢測算法選擇原因及分析

圖2 待檢測圖像

圖2中是待檢測的液晶屏圖像，可以看出圖像整體由規(guī)則字段碼構(gòu)成，剩余小部分是不規(guī)則的圖像信息。針對此測試圖像的特征，采取了對規(guī)則字碼段采用邊緣檢測算法處理的思路。

邊緣檢測能夠很好地捕捉規(guī)則字段的邊緣特性，其相對模板圖像匹配，關(guān)注點少，計算量小，效率高。又由于其關(guān)注小區(qū)域邊緣特性，縮小了檢測范圍，從而降低了誤判率。因此邊緣檢測更適合進行規(guī)則字段碼圖形檢測。

本測試系統(tǒng)采用了對每一個字段分別進行邊緣檢測算法的思路。由圖3中可以看出，經(jīng)過放大后的字段邊緣存在微小模糊，因此需要多次試驗算法參數(shù)實現(xiàn)邊緣的準(zhǔn)確識別。

圖3 單一字段邊緣檢測及算法參數(shù)

模板圖像匹配算法也可檢測規(guī)則字碼段，但僅使用模板圖像匹配會導(dǎo)致檢測效率降低以及錯誤判斷出現(xiàn)。因為真實的工況條件下采集的液晶屏圖像的字段碼亮度是有區(qū)別的，如果大區(qū)域使用同一個圖像模板進行匹配，將導(dǎo)致LCD誤判率明顯上升。

4.2.2 圖像匹配檢測算法選擇原因及分析

圖2中，對于不規(guī)則的平方根號，YES等圖像符號，考慮到邊緣檢測算法需要涉及多個邊緣點，導(dǎo)致算法處理相對復(fù)雜困難。模板模式匹配非常適合此類無規(guī)則曲線圖像。模板匹配檢測算法通過學(xué)習(xí)并分析模板中的關(guān)鍵點的特征，描述整個模板特征輪廓。從待測液晶屏圖像中匹配模板特征輪廓，實現(xiàn)圖像分析檢測。

圖4展示了YES符號經(jīng)過采用圖像模板匹配算法后的檢測結(jié)果。由此圖可以發(fā)現(xiàn)由于測試系統(tǒng)周圍光照強度變化，導(dǎo)致整體圖像產(chǎn)生了微小模糊，因此也需要多次試驗算法參數(shù)實現(xiàn)符號的準(zhǔn)確識別。

圖4 模板匹配檢測及算法參數(shù)

4.2.3 圖像算法參考坐標(biāo)系選擇原因及分析

工作臺支架系統(tǒng)消除操作人員人為坐標(biāo)誤差。但考慮到相機及待測液晶屏位置的細微位移，整個圖像處理算法需要通過軟件進一步消除坐標(biāo)誤差。

在圖像處理的初始階段，測試系統(tǒng)識別并定位液晶屏幕YES符號，并將此作為后續(xù)所有圖像識別的參考坐標(biāo)原點。通過其與模板圖像中YES圖像符號坐標(biāo)位置對比，計算得出待測圖像后續(xù)所有符號相對坐標(biāo)位移，從而在圖像軟件算法角度進一步消除系統(tǒng)坐標(biāo)誤差，提升圖像識別準(zhǔn)確性。

5 試驗驗證

圖5 圖像檢測結(jié)果

第一步，測試系統(tǒng)通過圖像模板匹配算法檢測YES符號，并將其作為相對坐標(biāo)原點與模板圖像中YES符號坐標(biāo)位置對比，計算出相對位移。第二步，測試系統(tǒng)使用圖像模板匹配算法結(jié)合第一步中相對位移檢測平方根符號。如圖5所示，測試系統(tǒng)識別出了待測圖像中的YES符號及平方根符號，測試結(jié)果符合設(shè)計期望。第三步，測試系統(tǒng)使用邊緣檢測算法結(jié)合第一步中相對位移檢測規(guī)則字段顯示。如圖5所示，測試系統(tǒng)識別出了待測圖像中所有應(yīng)用邊緣檢測算法的字段碼，測試結(jié)果符合設(shè)計期望。

6 結(jié)束語

本文在研究NI視覺處理軟件算法特點的基礎(chǔ)上，結(jié)合公司實際業(yè)務(wù)需求分析并選擇了邊緣檢測以及圖像模式匹配兩種圖像檢測算法，開發(fā)符合生產(chǎn)線工藝的軟件系統(tǒng)及硬件測試平臺。經(jīng)過實驗和實際應(yīng)用，驗證了圖像自動識別方案的可行性和高效性。

[1]NI vision builder automation inspection tutorial[Z].38-49.

[2]Milan Sonka.Image Processing[J].Analysis and Machine Vision.102-185.

[3]邊肇琪, 張學(xué)工.模式識別.第三版[M].北京：清華大學(xué)出版社,2010.