玻璃基板AOI系统中若干图像处理技术研究
发布时间：2021-06-08 22:28
玻璃基板是平板显示制造产业重要的上游产品,随着平板显示技术在当今社会中的广泛应用,玻璃基板的市场需求量大为提高,因此玻璃基板的缺陷检测技术也越来越受到重视。传统的人工目视玻璃基板缺陷检测方法由于技术落后已经无法满足当代大规模生产的要求,AOI（自动光学检测）和图像处理技术在玻璃基板缺陷检测中的应用变得越来越广泛。本文主要对玻璃基板自动光学检测中的缺陷图像预处理、不同类型缺陷图像的特征参数提取以及缺陷识别与分类中的相关图像处理技术进行了系统研究。在对玻璃基板缺陷图像进行预处理算法的研究时,分别研究了均值滤波、高斯滤波及中值滤波算法对图像噪声的滤除效果,提出一种基于几何均值滤波与自适应中值滤波算法相结合的综合滤波方法,有效过滤了玻璃基板缺陷图像中存在的噪声;在图像增强算法中,采用直方图均衡化方法增强了缺陷位置区域的图像对比度;在图像分割算法中,引入OTSU分割法,实现了对缺陷图像的分割。在玻璃基板缺陷特征参数提取部分,首先针对图像预处理后的缺陷二值图像进行了特征参数的分析,选取几何特征、形状特征以及图像不变矩特征作为不同缺陷类型的分类依据,对不同位置区域的缺陷进行连通域标记时,对两次扫描法...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
玻璃基板实物图
第二章玻璃基板缺陷检测的基本处理算法7（e）颗粒内容物图2.1缺陷实际示意图Figure2.1Actualschematicdiagramofdefects2.2玻璃基板缺陷检测基本流程本论文在对玻璃基板缺陷检测中的相关图像处理技术进行研究时，采用的编程环境为64位Windows10平台下的VisualStudio2010及OpenCV2.4.9，计算机CPU为Inteli5-4200M,2.50GHz。2.2.1缺陷图像预处理获取原始缺陷图像图像滤波图像增强图像预处理算法图像分割预处理操作后缺陷图像图2.2缺陷图像预处理流程图Figure2.2Flowchartofpreprocessingofdefectiveimages图像预处理算法的选择与设计是否恰当、合理将会直接影响玻璃基板自动光学检测的准确性和可靠性[14]。在图像预处理算法的选择上主要从以下几个方面进行考虑：在相机图像传感器获取玻璃基板图像的过程中由于环境和设备自身因素可能会掺杂各种噪声，会对最终缺陷识别与分类的结果准确性造成影响，因此第一步需要考虑进行图像滤波操作以便消除噪声的影响[15]；经过滤波后的图像可能会
高斯噪声缺陷图像
【参考文献】：
期刊论文
[1]TFT-LCD技术发展趋势浅析[J]. 刘莎,王丹,杨照坤,冯翔,孙晓,邱云,董学. 液晶与显示. 2018(06)
[2]基于OpenCV机器视觉的玻璃缺陷检测系统的研究[J]. 赵涟漪. 宁夏师范学院学报. 2018(04)
[3]液晶显示器（LCD）产业的迭代演进[J]. 吕延晓. 精细与专用化学品. 2018(02)
[4]基于支持向量机的枪弹外观缺陷识别与分类[J]. 王鹏,郭朝勇,刘红宁. 计算机工程与科学. 2016(09)
[5]大尺寸LCD玻璃基板多视觉缺陷检测系统研究[J]. 李力,王耀南,陈铁健. 控制工程. 2016(02)
[6]TFT-LCD表面缺陷检测方法综述[J]. 简川霞. 电视技术. 2015(09)
[7]玻璃生产缺陷在线检测技术研究[J]. 余发山,田西方,韩超超,娄慧明. 河南理工大学学报(自然科学版). 2013(04)
[8]图像分割算法研究综述[J]. 何俊,葛红,王玉峰. 计算机工程与科学. 2009(12)
[9]基于Sobel算子的图像边缘检测研究[J]. 袁春兰,熊宗龙,周雪花,彭小辉. 激光与红外. 2009(01)
[10]自动光学检测技术的发展现状[J]. 卢荣胜. 红外与激光工程. 2008(S1)
硕士论文
[1]基于机器视觉的缝迹几何量检测与缺陷识别研究[D]. 杨帆.西安理工大学 2019
[2]TFT-LCD面板缺陷成像、提取、识别和分类方法研究[D]. 王宏硕.合肥工业大学 2019
[3]基于机器视觉的防火板表面质量检测技术研究[D]. 张起.山东理工大学 2018
[4]基于机器视觉的风力发电机叶片表面缺陷检测研究[D]. 张建斐.兰州理工大学 2018
[5]TFT-LCD点线缺陷检测图像处理算法研究[D]. 闫真真.合肥工业大学 2017
[6]基于图像处理技术的AOI系统的研究[D]. 全正相.浙江理工大学 2017
[7]基于机器视觉玻璃缺陷在线检测系统的研究[D]. 罗超.山东理工大学 2016
[8]TFT面板表面缺陷检测高速图像采集与处理方法研究[D]. 汤捷.合肥工业大学 2016
[9]基于机器视觉的玻璃表面质量检测若干技术问题的研究[D]. 谢世斌.浙江大学 2016
[10]TFT-LCD面板缺陷分类方法研究[D]. 李小娟.合肥工业大学 2015
本文编号：3219329
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
玻璃基板实物图
第二章玻璃基板缺陷检测的基本处理算法7（e）颗粒内容物图2.1缺陷实际示意图Figure2.1Actualschematicdiagramofdefects2.2玻璃基板缺陷检测基本流程本论文在对玻璃基板缺陷检测中的相关图像处理技术进行研究时，采用的编程环境为64位Windows10平台下的VisualStudio2010及OpenCV2.4.9，计算机CPU为Inteli5-4200M,2.50GHz。2.2.1缺陷图像预处理获取原始缺陷图像图像滤波图像增强图像预处理算法图像分割预处理操作后缺陷图像图2.2缺陷图像预处理流程图Figure2.2Flowchartofpreprocessingofdefectiveimages图像预处理算法的选择与设计是否恰当、合理将会直接影响玻璃基板自动光学检测的准确性和可靠性[14]。在图像预处理算法的选择上主要从以下几个方面进行考虑：在相机图像传感器获取玻璃基板图像的过程中由于环境和设备自身因素可能会掺杂各种噪声，会对最终缺陷识别与分类的结果准确性造成影响，因此第一步需要考虑进行图像滤波操作以便消除噪声的影响[15]；经过滤波后的图像可能会
高斯噪声缺陷图像
【参考文献】：
期刊论文
[1]TFT-LCD技术发展趋势浅析[J]. 刘莎,王丹,杨照坤,冯翔,孙晓,邱云,董学. 液晶与显示. 2018(06)
[2]基于OpenCV机器视觉的玻璃缺陷检测系统的研究[J]. 赵涟漪. 宁夏师范学院学报. 2018(04)
[3]液晶显示器（LCD）产业的迭代演进[J]. 吕延晓. 精细与专用化学品. 2018(02)
[4]基于支持向量机的枪弹外观缺陷识别与分类[J]. 王鹏,郭朝勇,刘红宁. 计算机工程与科学. 2016(09)
[5]大尺寸LCD玻璃基板多视觉缺陷检测系统研究[J]. 李力,王耀南,陈铁健. 控制工程. 2016(02)
[6]TFT-LCD表面缺陷检测方法综述[J]. 简川霞. 电视技术. 2015(09)
[7]玻璃生产缺陷在线检测技术研究[J]. 余发山,田西方,韩超超,娄慧明. 河南理工大学学报(自然科学版). 2013(04)
[8]图像分割算法研究综述[J]. 何俊,葛红,王玉峰. 计算机工程与科学. 2009(12)
[9]基于Sobel算子的图像边缘检测研究[J]. 袁春兰,熊宗龙,周雪花,彭小辉. 激光与红外. 2009(01)
[10]自动光学检测技术的发展现状[J]. 卢荣胜. 红外与激光工程. 2008(S1)
硕士论文
[1]基于机器视觉的缝迹几何量检测与缺陷识别研究[D]. 杨帆.西安理工大学 2019
[2]TFT-LCD面板缺陷成像、提取、识别和分类方法研究[D]. 王宏硕.合肥工业大学 2019
[3]基于机器视觉的防火板表面质量检测技术研究[D]. 张起.山东理工大学 2018
[4]基于机器视觉的风力发电机叶片表面缺陷检测研究[D]. 张建斐.兰州理工大学 2018
[5]TFT-LCD点线缺陷检测图像处理算法研究[D]. 闫真真.合肥工业大学 2017
[6]基于图像处理技术的AOI系统的研究[D]. 全正相.浙江理工大学 2017
[7]基于机器视觉玻璃缺陷在线检测系统的研究[D]. 罗超.山东理工大学 2016
[8]TFT面板表面缺陷检测高速图像采集与处理方法研究[D]. 汤捷.合肥工业大学 2016
[9]基于机器视觉的玻璃表面质量检测若干技术问题的研究[D]. 谢世斌.浙江大学 2016
[10]TFT-LCD面板缺陷分类方法研究[D]. 李小娟.合肥工业大学 2015
本文编号：3219329
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3219329.html
最近更新
教材专著
