基于结构光的偏光片外观缺陷检测技术研究
本文关键词:基于结构光的偏光片外观缺陷检测技术研究
更多相关文章: 偏光片缺陷检测 结构光 过度曝光 透明缺陷 机器视觉
【摘要】:作为液晶面板重要组成部分,偏光片的外观缺陷对液晶面板质量有直接的影响。现阶段,偏光片外观缺陷主要依赖人工检测方法,人工检测主观性强,检测效率低。目前广泛使用的AOI(Automatic Optic Inspection)偏光片在线检测系统,检测精度不能满足要求。因此研究精度高、速度快的离线自动检测技术,对相关产业发展有重要的意义。偏光片内部透明缺陷在传统的均匀光照明条件下,成像对比度很低甚至难以成像,因而难以检测,目前尚无有效的检测方法。针对这些特殊的缺陷,本文采用结构光照明方法,使得透明缺陷成像对比度得到了大幅度提高,从而大大简化了后续的图像处理算法。本文基于APG(Accelerated Proximal Gradient)算法和IALM(Inexact Augmented Lagrange Multiplier method)算法,分别实现了RPCA(Robust Principal Component Analysis)图像处理算法与缺陷识别与提取。并且开展了APG加速算法的研究,使得经典的APG算法速度提升了一倍,达到了和最新的IALM算法相同的运行速度,在图像秩为600以下的情况下,加速的APG比IALM算法还要快。首次将过度曝光技术应用于偏光片透明外观缺陷检测,缺陷成像对比度有了提高。针对结构光过度曝光图像的特点,即白条纹灰度值更高而黑条纹灰度更低,缺陷的灰度值同样会更高,反应在其灰度直方图呈现明显的双峰特征,本文设计并实现了列均值阈值法、列均值异常波形检测法、孔洞填充模板法。这三种算法针对性较强,算法简单,对于2592*1942大小的图像检测时间均在1s左右。基于LabVIEW和Vision Development Module(VDM)平台,编程实现了上述图像处理算法,分别对采用结构光成像和结构光过度曝光法获取的缺陷图像进行了自动识别与缺陷特征信息提取。实验测试了104个偏光片透明缺陷样品,自动曝光图片使用RPCA算法检测准确率达到100%,过度曝光使用相应的三种图像处理算法检测准确率为99%,虽然后者的准确率不如前者,但是过度曝光以及相应算法使用的运行时间具有较大优势,过度曝光的相应算法比RPCA算法速度快10倍左右。实验结果表明本文使用的结构光与结构光过度曝光检测法,以及相应的图像处理算法,有效解决了偏光片透明缺陷检测的难题。并且本文所用的所有检测方法同样适用于其它类似薄膜产品的缺陷检测。
【关键词】:偏光片缺陷检测 结构光 过度曝光 透明缺陷 机器视觉
【学位授予单位】:深圳大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP391.41;TH74
【目录】:
- 摘要3-4
- Abstract4-8
- 第1章 绪论8-14
- 1.1 偏光片简介8-9
- 1.2 偏光片应用与行业发展9
- 1.3 偏光片外观缺陷9-11
- 1.4 缺陷检测难点11-14
- 第2章 偏光片外观缺陷检测技术研究进展14-22
- 2.1 机器视觉检测技术14-15
- 2.2 在线检测技术-AOI15-16
- 2.3 偏光片外观缺陷离线检测技术16-19
- 2.4 结构光检测技术19-22
- 第3章 偏光片检测系统设计22-31
- 3.1 透明缺陷成像增强光源照明设计22-23
- 3.2 照明系统实现23
- 3.3 相机的选型23-24
- 3.4 镜头的选型24-25
- 3.5 检测系统实物25-27
- 3.6 结构光条纹宽度27-28
- 3.7 主动光扫描法28-31
- 第4章 基于RPCA的缺陷图像分析与处理31-47
- 4.1 偏光片结构光缺陷图片的特点31
- 4.2 RPCA原理31-33
- 4.3 RPCA的求解方法33-36
- 4.3.1 APG算法33-35
- 4.3.2 IALM算法35-36
- 4.4 APG算法的优化36-38
- 4.5 基于RPCA的偏光片缺陷检测38-42
- 4.6 缺陷识别与提取42-46
- 4.6.1 二值化42-43
- 4.6.2 开运算43-44
- 4.6.3 缺陷二维信息提取44-46
- 4.7 总结46-47
- 第5章 基于过度饱和成像检测技术47-67
- 5.1 结构光过度曝光47-50
- 5.2 偏光片的结构光过度曝光图片特点50-51
- 5.3 列均值阈值法51-57
- 5.4 列均值异常波峰检测法57-62
- 5.5 孔洞填充模板法62-67
- 第6章 总结与展望67-70
- 6.1 总结67-69
- 6.2 论文创新点69
- 6.3 展望69-70
- 参考文献70-74
- 致谢74-75
- 攻读硕士学位期间的研究成果75
【相似文献】
中国期刊全文数据库 前10条
1 徐龙;瞿丹;钱钺;张文;周莉萍;;一种实现线性无衍射结构光的方法研究[J];光学仪器;2010年05期
2 梅天灿;仲思东;何对燕;;可变环境光照条件下的结构光条纹检测[J];仪器仪表学报;2011年12期
3 于晓洋;单鹂娜;曹沈楠;吴海滨;;结构光时间编码技术进展[J];哈尔滨理工大学学报;2010年01期
4 张万江;许敏;;基于结构光视觉的激光拼焊焊缝质量检测方法研究[J];仪表技术与传感器;2012年07期
5 王飞;周富强;;一种基于光纤传像束的可编程结构光投射器的设计[J];光电技术应用;2007年06期
6 夏艳;苏中;吴细宝;鄂盛国;;基于结构光的柱体工件直径测量[J];火力与指挥控制;2008年12期
7 许丽;张之江;;结构光测量系统的误差传递分析[J];光学精密工程;2009年02期
8 何德威;张志伟;于瀛洁;;嵌入式结构光投射系统设计[J];光学仪器;2011年04期
9 关丛荣;;基于结构光的颜色时间编码技术研究[J];黑龙江工程学院学报;2007年01期
10 杨萍;唐亚哲;;结构光三维曲面重构[J];科学技术与工程;2006年19期
中国重要会议论文全文数据库 前10条
1 李春艳;范生宏;王立;卢欣;陈继华;;月球车结构光视觉系统标定方法研究[A];第二十三届全国空间探测学术交流会论文摘要集[C];2010年
2 陶俊;;基于投影器和结构光的人脸曲面三维重建[A];第十三届全国图象图形学学术会议论文集[C];2006年
3 孙勇;李原;王庆林;陈辉;;基于主动投影的结构光视觉系统的标定[A];中国自动化学会控制理论专业委员会D卷[C];2011年
4 崔海华;王震;廖文和;戴宁;程筱胜;;一种新的基于结构光的三维测量模型[A];中国几何设计与计算新进展2007——第三届中国几何设计与计算大会论文集[C];2007年
5 卢鹏;刘小英;张武昕;;三维重建结构光边缘提取的方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
6 史玉升;李中伟;钟凯;王从军;;基于数字光栅投影的结构光三维测量技术[A];2009年促进中部崛起专家论坛暨第五届湖北科技论坛——装备制造产业发展论坛论文集(下)[C];2009年
7 史玉升;李中伟;钟凯;王从军;;基于数字光栅投影的结构光三维测量技术[A];科技支撑 科学发展——2009年促进中部崛起专家论坛暨第五届湖北科技论坛文集[C];2009年
8 孙良海;杨运强;黄洪昌;李杰;;激光结构光焊缝跟踪高效图像处理算法的研究[A];机械动力学理论及其应用[C];2011年
9 陶俊;;基于结构光的三维曲面建模及其纹理自动绘制[A];几何设计与计算的新进展[C];2005年
10 宋明;张云峰;;用简单的结构光测量高速车体的限界[A];第八届全国信息获取与处理学术会议论文集[C];2010年
中国博士学位论文全文数据库 前9条
1 张万祯;数字投影结构光三维测量方法研究[D];浙江大学;2015年
2 丛鹏宇;基于结构光的三维感知系统关键问题研究[D];北京理工大学;2015年
3 唐苏明;三维曲面测量的编码结构光技术研究[D];上海大学;2015年
4 李冠楠;直齿圆柱齿轮渐开线齿廓的结构光视觉测量技术[D];吉林大学;2014年
5 陈建玲;结构光照明超分辨微分干涉相衬显微成像技术[D];华中科技大学;2013年
6 范剑英;结构光深度图像获取和处理与三维重建研究[D];哈尔滨理工大学;2010年
7 李中伟;基于数字光栅投影的结构光三维测量技术与系统研究[D];华中科技大学;2009年
8 喻擎苍;基于符号M阵列二值结构光的三维检测方法的研究[D];浙江大学;2007年
9 李彩林;基于结构光的手持式摄影扫描系统关键技术研究[D];武汉大学;2011年
中国硕士学位论文全文数据库 前10条
1 郭敬;基于结构光和NRSFM的三维数字化技术研究[D];陕西科技大学;2015年
2 吴琳琳;基于结构光投影法的空间障碍物探测方法研究[D];西安工业大学;2015年
3 刘芳芳;基于伪随机编码结构光的三维重建技术研究[D];哈尔滨工业大学;2015年
4 俞宝清;基于双目结构光的快速三维成像系统研究[D];浙江大学;2015年
5 赵必玉;高精度面结构光三维测量方法研究[D];电子科技大学;2015年
6 程伟;基于结构光视觉的番茄果实识别定位系统设计[D];浙江工业大学;2014年
7 刘欢;实时彩色三维建模技术研究[D];电子科技大学;2015年
8 高山;基于相位编码结构光的深度获取研究[D];西安电子科技大学;2014年
9 丁洵;基于线结构光的单目视觉目标位姿测量研究[D];湖南科技大学;2015年
10 盛佳伟;大锻件在线测量系统中的三维重构研究[D];东华大学;2016年
,本文编号:582667
本文链接:https://www.wllwen.com/kejilunwen/yiqiyibiao/582667.html