摘要：在近些年来，随着手机行业飞速发展，手机屏幕缺陷的检测方式有许多，但是采用最多的还是人工检测的方式。人工检测的方式效率低误差较大很难满足现在手机行业的发展形势。本文针对目前手机行业的发展形势，提出了一种基于机器视觉手机屏幕缺陷自动检测系统。此系统的工作流程依次是采集图像、对采集的图像进行裁剪、除去灰尘、滤波去噪、分割图像、初次识别缺陷区域、结合缺陷区域与其他部分对比分析、识别筛选出不合格的产品。只有当此系统的检测的合格率达到97.5%时，才会具有实用性，值得推广到实际的工业生产中去。
关键词：机器视觉；缺陷检测；手机屏幕
引言
随着全球经济的发展，各国的通信产业也都发展到一定的高度，高质高效的智能手机虽然价格不断增高，但是仍然备受人们的喜欢。手机屏幕作为手机的重要组成部分，是人与信息打交道的桥梁，手机屏幕的质量的优劣将会直接影响到用户的体验。在现在的手机发展现状看来，手机屏幕缺陷检测主要依靠人工。人工检测工作难度大，工作量大，导致工作者对工作产生厌倦和身体疲劳。这种方式可能会使大量劣质产品流入消费者手中，不适用于如今的实际工业生产中。针对目前手机行业的发展形势，提出了一种基于机器视觉手机屏幕缺陷自动检测系统。
1.机器视觉检测技术
目前，因为机器视觉检测技术实用性强、效率高、具有高精确度，所有受到了人们的一致好评，并且备受工业生产的欢迎。全球有许多机器检测技术被应用于实际的手机屏幕缺陷检测流程中。Kim团队提出了一种降低灰度不均匀等级的阈值方式，这种方式可以通过识别出多种线缺陷完成缺陷的排除；Lee and Yoo等首先会绘制二维曲线，再使用背景差异法检测mura缺陷以及不同形状和方向的缺陷，但是对窗口的大小有局限性。You-Ching Lee和Cheng-EnShie等提出一种能识别各种缺陷的累计差异和多分辨率背景的检测方法，但是对移动的装置要求较高;Tsai和Tseng等利用傅立叶变换和阈值方式消除背景干扰，但时效性差；易松松使用了级联检测方式；高如新采用了快速匹配差分法检测方式；徐祖鑫提出了一种数学形态学的检测方法，他们所采用的和提出的手机屏幕检测方式对点、线等明显的缺陷有着较高和精准的识别率，但是对于一些特殊的缺陷还是有待完善。基于机器视觉的手机屏幕缺陷检测方法研究，本文提出了一套完整的自动检测控制系统，这套系统的结构分明、操作简单、工作效率高、具有高精确度，能够高效实时检测和筛选出具有缺陷的屏幕。
2.系统硬件
系统硬件的构成主要由相机、显示屏和主机；治具台是部分系统硬件，治具台上可以安装各种各样的治具，用于与其匹配的手机进行点亮，而手机的相机和光源的固定都可以用一些简单的器械完成，适当的调节角度和方向。所以此系统硬件满足工业生产的需求，只要更换治具就可以实现各种型号手机的检测，而且操作简单。简单的操作流程只是把检测物品放到治具台。其工作原理依次是系统接收传感器信号、光栅门自动关闭、营造密闭检测环境、显示标记缺陷。
3.算法流程
这里主要介绍的是屏幕块状检测方法，因为在手机屏幕缺陷中块缺陷最难识别。由于块缺陷的形状复杂、亮度不均匀、对比度低和边缘不清晰，影响到屏幕缺陷的识别。
3.1图像预处理
在手机屏幕缺陷检测前必须要对屏幕的图像进行预处理，这样可以有效的提高算法检测的速率，而且还可以避免无关干扰因素对检测过程的影响和提高检测的精确度。第一步，检测屏幕边缘和二值化法确定手机屏幕的大概位置；第二部，采用几何校正法使目标区域保持水平，以便于目标区域的提取；最后一步，进行颜色空间转换使屏幕缺陷区域与周围区域的对比度更加明显。图像预处理大大提高了算法流程的效率。
3.2图像剪切
图像剪切的目的是减小检测区域提高检测的速率。其工作原理是使用自动阈值方式识别到待测区域，根据待测区域的倾角使图像旋转校正，根据待测区域边缘的信息拟合直线规划处切割的区域。如果使用阈值的方式切割，图像的信息保存会不完整，经过多次的实验分析，图像剪裁大约在150ms，这种方式快速高效、操作简单、精确度高适用于工业生产。
期刊文章分类查询,尽在期刊图书馆
3.3除去灰尘影响
在正常的检测过程中，如果屏幕上有灰尘会使屏幕检测数据产生误差检验结果不准确。此检测试验一定要先开启系统光源和采集图像后，再点亮手机屏幕，然后识别灰尘的位置，计算灰尘面积大小，最后将灰尘区域与缺陷区域比较作分析，减小灰尘对检测实验带来的影响。然后再执行系统的自动控制流程。
3.4图像滤波
本文采用组合铝箔的方式为图像滤波，这种方式是为了解决块缺陷的对比度和边缘模糊容易受到图像的纹理和背景的亮度不均匀引起的难题。组合滤波的方式是用高斯滤波的图像作为初次的图像，为了降低纹理和亮度不均匀引起的影响。组合铝箔的方式与普通的滤波方式相比，普通的滤波方式背景图像不均匀，而且不利于图像的切割。不同的滤波图像是不同的，但组合铝箔的方式的背景图更均匀，实用性强。
3.5图像的分割
此文章所涉及的图像分割方式是一种局部阈值分割与区域对比度相结合的联合检测方式。这种分割的方式很简单，其流程主要是提取缺陷、判断缺陷是否合理和完成缺陷的提取。这种方式简单高效快速实用性强。
为了使检验精确度更高，采用不同方向的中值滤波处理完成后的图像，完成组合滤波处理，处理过后的组合滤波图像与高斯均值滤波后的图像相结合亮度均匀，但是缺陷部分的灰度有明显的差异，根据这一特性筛选出定模区域灰度大于标准值的区域，综合实验分析完成图像的分割。这种的算法方式采用的是同一幅图在不同的滤波方式中计算出来的结果。与普通的检测算法相比，这种方法不需要模板建设和配准流程，而且过程简单，所以可以快速高效完成图像分割，还可以节省大量的时间和存储的空间，也可以减小缺陷检验的误差。然后，接着对提取出的图像进行形态学的原理分析，识别提取部分附近的区域并求出这两部分的平均灰度，同理，筛选出定模区域灰度大于标准值的区域。这个过程是对缺陷区域的二次筛选，但都是基于原图上的，这会降低检测误差，避免图像亮度对检测结果的影响。
4.实验结果及分析
在工业生产的过程中，对于手机屏幕缺陷检测的控制系统的应用具有非常严格的要求，对于检测的速度要快，精确度要高，只有这样才能够被推广和应用。本文的实验挑出1000件缺陷产品，其中块缺陷产品占500件，线缺陷产品占250件，点缺陷产品占250件。然后再随机挑选出2000件产品，由视觉屏幕自动检测筛选后再由人工复检求出漏检和虚检率。实验结果数据为点缺陷漏检个数为0，线缺陷漏检个数为0，块缺陷漏检个数为10.随机样品缺陷漏检个数为20，点漏检率为0%，线漏检率为0%，块漏检率为2%，随机样品漏检率为1.5%。综上，其合格率为97.5。由此可见其精确性强。
结束语
为了提高手机屏幕的检测效率和高准确性，此文章提供了一套适用于手机生产行业的屏幕检测系统的方法。在系统硬件方面，不同种型号的手机可以通过匹配合适的治具进行高效精确的检测，这大大提升了该系统的实用性；在算法方面，主要通过图像剪切、除灰、图像滤波和图像分割四个流程完成。
最后在实验分析方面，可以看出这套基于机器视觉的手机屏幕缺陷检测方法具有高效性和精准性。非常适用于现在这个科技迅速发展的时代。但也有一定的局部缺陷待完善。
参考文献
[1]魏民. 在职业教育应用视角下的VR/AR技术[J].中国电化教育,2017(03):10-15.
[2]朱秀昌,唐贵进. 屏幕内容视频编码的技术与标准[J].南京邮电大学学报(自然科学版),2017,37(03):26-36.
[3]孙卓华.“互联网+”时代公共部门屏幕官僚建设研究[J].中国人力资源开发,2017(10):121-128.
[4]景义新,沈静. 屏幕媒介的变迁:渊源、衍变与未来——移动智媒时代“从屏幕到界面”的思考[J]. 当代传播,2017(06):26-28+46.
[5]熊雪芹,刘佳,石菡,王荣,任丹,刘晓,刘娟,雷腾,成素望. 屏幕时间与亲子关系及学龄前儿童社会能力和行为问题的关系[J]. 重庆医学,2018,47(14):1917-1921.
论文作者:李久林
论文发表刊物:《电力设备》2019年第6期
论文发表时间:2019/7/9
标签：缺陷论文; 图像论文; 方式论文; 区域论文; 手机屏幕论文; 屏幕论文; 高效论文; 《电力设备》2019年第6期论文;