點膠缺陷中的(de)機器視覺檢測應用

随着工業自動化控制技術和(hé / huò)計算機技術的(de)飛速發展，工業自動化已經滲透到(dào)各個(gè)行業的(de)生産中。以(yǐ)3C電子(zǐ)産品中的(de)點膠爲(wéi / wèi)例，現在(zài)大(dà)多采用自動點膠機完成産品的(de)連接、注塗和(hé / huò)密封，都發揮着重要(yào / yāo)作用。但在(zài)實際的(de)應用場景中，受機器工藝水平、膠水溫度等情況的(de)影響，點膠過程中使用的(de)膠水可能出(chū)現氣泡、膠條斷裂、膠條太粗或太細等缺陷。因此在(zài)工業生産需要(yào / yāo)點膠的(de)場合中，控制點膠的(de)質量至關重要(yào / yāo)。在(zài)自動點膠機完成點膠後，憑借人(rén)工檢測工作量大(dà)、效率低、檢測精度不(bù)高。已經不(bù)能滿足實際的(de)生産需求。爲(wéi / wèi)了(le／liǎo)解決上(shàng)述問題，基于(yú)機器視覺的(de)點膠缺陷檢測技術得到(dào)廣泛的(de)應用。

1、基于(yú)機器視覺檢測技術現狀

機器視覺是(shì)以(yǐ)普通計算機視覺研究爲(wéi / wèi)基礎，并且同時(shí)涉及到(dào)光源照明技術、高速圖像采集等方面實用技術的(de)研究。在(zài)工業中，利用機器視覺構建一(yī / yì ／yí)個(gè)完整的(de)工業視覺應用系統需要(yào / yāo)結合多種技術，其中涵蓋了(le／liǎo)機械工程、傳感器、光學成像、運動控制、圖像處理等方面。國(guó)内外的(de)相關從業人(rén)員研發出(chū)基于(yú)圖像處理的(de)的(de)視覺算法，其中典型的(de)有：MatroxImaging Library(MIL)、Halcon、Matlab以(yǐ)及開源庫OpenCV 等。目前，在(zài)點膠缺陷檢測領域有兩種最常用的(de)算法，其分别是(shì)：

基于(yú)數字圖像處理的(de)方法

傳統的(de)基于(yú)數字圖像處理的(de)方法具有操作簡單，參數較少的(de)優勢，但也(yě)存在(zài)易受光照等客觀因素影響，膠層分割效果差、缺陷分類差、通用性較差等缺點。

深度學習算法

随着大(dà)數據時(shí)代的(de)來(lái)臨，各類信息資源的(de)輕易獲取使得深度學習的(de)應用也(yě)越來(lái)越廣泛。特别是(shì)在(zài)卷積神經網絡中，圖片被深度卷積和(hé / huò)池化之(zhī)後，隐含層能夠表現出(chū)比手動獲取更加具有泛化性和(hé / huò)抽象性的(de)特征，從而(ér)在(zài)識别分類上(shàng)取得了(le／liǎo)很好的(de)效果。深度學習的(de)出(chū)現爲(wéi / wèi)點膠缺陷的(de)識别帶來(lái)了(le／liǎo)更大(dà)的(de)可行性。

2、點膠檢測系統的(de)光學檢測方案

考慮到(dào)膠條爲(wéi / wèi)透明膠，存在(zài)反光現象，所以(yǐ)要(yào / yāo)求光源在(zài)各個(gè)角度的(de)光照程度較爲(wéi / wèi)均勻，而(ér)同軸光具有高密度排列，成像清晰，亮度均勻等特點。此外，在(zài)要(yào / yāo)求光照亮度均勻的(de)同時(shí)，由于(yú)部分膠條中存在(zài)氣泡，在(zài)實際的(de)使用場景中，同軸光源和(hé / huò)待檢樣品之(zhī)間一(yī / yì ／yí)定的(de)距離，最終獲取的(de)圖片中軟件無法識别到(dào)氣泡特征，這(zhè)時(shí)我們需要(yào / yāo)在(zài)加上(shàng)一(yī / yì ／yí)條條形光源在(zài)膠條上(shàng)方進行照射，使得氣泡特征可見。由于(yú)垂直照射方式具有照射面積大(dà)、光照均勻性好等優點，故同軸光源選擇垂直照射方式。同時(shí)。我們采用條形光源針對待檢樣品進行補光，并且将條形光源從側面照射，不(bù)會影響到(dào)同軸光源的(de)照射效果。

3、點膠檢測系統的(de)算法方案

膠缺陷的(de)類别定義

在(zài)實際的(de)點膠過程中，往往因爲(wéi / wèi)點膠量的(de)大(dà)小、 點膠壓力、針頭大(dà)小、膠水的(de)粘度以(yǐ)及膠水溫度等因素，導緻生産的(de)膠條會存在(zài)各種各樣的(de)缺陷，從而(ér)影響産品的(de)質量。工業生産中比較常見的(de)幾種缺陷種類：

多膠：膠條中間部分寬度大(dà)于(yú)其他(tā)部分，

少膠：膠條中間部分寬度小于(yú)其他(tā)部分

斷膠：膠條出(chū)現一(yī / yì ／yí)次或多次的(de)斷裂

扭曲：膠條整體存在(zài)多處彎曲現象

氣泡：膠條中含有數目較多的(de)氣泡

對于(yú)點膠缺陷檢測有兩點要(yào / yāo)求:

(1)由于(yú)缺陷檢測的(de)點膠圖像數量多，用時(shí)長，精度要(yào / yāo)求高；

(2)點膠缺陷圖片受環境影響存在(zài)質量上(shàng)的(de)不(bù)同，在(zài)進行檢測的(de)過程中，不(bù)同檢測場景和(hé / huò)需求對軟件算法的(de)準确性和(hé / huò)魯棒性也(yě)有不(bù)同的(de)要(yào / yāo)求。

基于(yú)數字圖像處理的(de)算法

在(zài)對膠條進行缺陷檢測之(zhī)前，必須先得到(dào)膠條的(de)圖片，而(ér)在(zài)實際的(de)生産加工中，會将工件上(shàng)的(de)某塊區域作爲(wéi / wèi)Mark定位點，采用圖像匹配算法來(lái)尋找該Mark點的(de)位置，從而(ér)得到(dào)膠條的(de)具體位置，由此在(zài)工業攝像頭得到(dào)工件圖片後，無需對整幅圖片進行缺陷分析，同時(shí)也(yě)去除了(le／liǎo)一(yī / yì ／yí)些幹擾區域，方便了(le／liǎo)視覺算法的(de)後續處理。以(yǐ)下爲(wéi / wèi)針對點膠缺陷相應的(de)基于(yú)數字圖像處理的(de)方法：

多膠少膠：

對于(yú)膠條多膠少膠的(de)缺陷檢測，首先 對圖片進行相應的(de)預處理操作，得到(dào)二值化圖像後進行膠條兩側輪廓的(de)獲取，對提取到(dào)的(de)輪廓區域進行水平和(hé / huò)垂直方向的(de)投影，通過計算像素值數量的(de)最大(dà)值和(hé / huò)最小值的(de)差值以(yǐ)及像素值投影圖中曲線形狀來(lái)判斷是(shì)否存在(zài)缺陷和(hé / huò)具體類型。

斷膠：

對于(yú)膠條斷膠缺陷檢測，根據膠條斷裂圖片的(de)特征，對獲取到(dào)的(de)圖像進行整體預處理，然後将處理後的(de)圖片和(hé / huò)标準樣品之(zhī)間進行對比，判斷各個(gè)輪廓之(zhī)間是(shì)否存在(zài)缺陷。

扭曲：

針對膠條扭曲缺陷檢測，通過計算尋找到(dào) 的(de)輪廓的(de)凸缺陷的(de)面積(即輪廓面積與其凸包面積的(de)差值)來(lái)作爲(wéi / wèi)判斷是(shì)否存在(zài)扭曲缺陷的(de)标準。

深度學習檢測系統搭建流程

深度學習模型的(de)選擇一(yī / yì ／yí)般在(zài)利用深度學習算法進行缺陷檢測時(shí)，首先要(yào / yāo)确定的(de)是(shì)網絡模型。因爲(wéi / wèi)膠條種類分爲(wéi / wèi)6類，類别數量不(bù)是(shì)很多，可選擇AlexNet、MobileNet 以(yǐ)及Lenet-5、U-net等網絡深度不(bù)同的(de)或者更優質的(de)網絡模型。

在(zài)工業領域中，可以(yǐ)在(zài)人(rén)爲(wéi / wèi)制造缺陷、數據增廣、生成對抗網絡、遷移學習等手段解決相應的(de)訓練數據問題。在(zài)訓練過程中進行相應微調是(shì)必不(bù)可少的(de)。過拟合現象在(zài)深度學習中屢見不(bù)鮮，如果網絡模型出(chū)現此類問題，那麽該網絡就(jiù)無法正常使用，爲(wéi / wèi)了(le／liǎo)解決這(zhè)個(gè)問題，一(yī / yì ／yí)般會使用模型集成的(de)方法，即訓練多個(gè)模型進行組合。

4、結論

在(zài)實際的(de)點膠過程中，由于(yú)多種因素的(de)影響容易出(chū)現各種缺陷，因此在(zài)對膠條進行缺陷檢測時(shí)，更多的(de)是(shì)采用機器視覺的(de)方法，從而(ér)達到(dào)提高生産效率和(hé / huò)降低成本的(de)目的(de)，進而(ér)使得産品更加具有競争力。

深圳遠森光電科技有限公司是(shì)一(yī / yì ／yí)家以(yǐ)機器視覺爲(wéi / wèi)技術核心，自主技術研究與應用拓展爲(wéi / wèi)導向的(de)高科技企業。公司自成立以(yǐ)來(lái)不(bù)斷創新，在(zài)智能自動化領域研發出(chū)視覺對位系統、視覺定位、視覺檢測、圖像處理庫等爲(wéi / wèi)核心的(de)多款自主知識産權産品。涉及自動貼合機、絲印機、曝光機、疊片機、貼片機、智能檢測、智能鐳射等衆多行業領域。雙翌視覺系統最高生産精度可達um級别，圖像處理精準、速度快，将智能自動化制造行業的(de)生産水平提升到(dào)一(yī / yì ／yí)個(gè)更高的(de)層次，改進了(le／liǎo)以(yǐ)往落後的(de)生産流程，得到(dào)廣大(dà)用戶的(de)認可與肯定。随着智能自動化生産的(de)普及與發展，雙翌将爲(wéi / wèi)廣大(dà)生産行業帶來(lái)更全面、更精細、更智能化的(de)技術及服務。