一種觸摸屏電極薄膜定位與缺陷檢測方法

周伯萌,潘淼,高開印,王鋒

(1.泉州師范學院物理與信息工程學院,福建 泉州 362000;2.黎明職業大學信息與電子工程學院,福建 泉州 362000)

近20年以來,隨著信息產業和集成電路行業的快速發展,觸摸屏已被廣泛應用于工業設備和個人智能設備中[1]。電極薄膜是觸摸屏的重要組件之一,在其生產過程中,不論如何改進工藝,薄膜表面仍然會被油漬污染。電極薄膜表面的印刷電路被污染后出現油污、缺印、裂紋等現象,會導致導電故障、成品率降低,及時檢測和識別它們十分重要。在中小企業的生產過程中,成品膜的污漬和電路的缺陷檢測依靠人工來完成,人工檢測耗費精力大、效率低、存在一定誤檢;而成套檢測設備價格昂貴,增加了企業負擔。鑒于這種問題的存在,本文提出了用數字圖像處理技術對其缺陷和污漬進行檢測和定位,對原有設備進行簡單升級,提供一套檢測準確率高、成本低的解決方案,既緩解了企業的資金困難,又提高了產品的合格率。

1 電容屏電極薄膜及其缺陷檢測系統

系統(如圖1)采用特定波長的高亮LED工業線性聚光光源照射產品表面(如圖2),在生產線正常運轉的狀態下,同時通過工業CCD相機實時掃描并采集光源照射處的產品圖像。系統將相機采集到的薄膜圖像用軟件算法進行缺陷識別處理。由于缺陷的成像圖片與正常產品的成像圖片存在灰階差異,檢測系統能夠精準發現產品的缺陷,從而實現了缺陷的在線檢測、定位與后續處置[2]。

圖1 缺陷檢測系統

圖2 電極薄膜成品

生產過程中,無論如何改進硬件或生產工藝,油漬污染總是存在的。在產出環節,及時檢測、識別和定位它們是必要的一道程序,其結果直接影響后續成品良率。缺陷(如圖3)主要來源于生產過程中薄膜表面的細微油漬。

圖3 薄膜表面圖像及細微油污的示例

2 電極薄膜的區域劃分及定位

每片電極薄膜成品由8個方塊構成(如圖2),每塊的結構完全相同,可以取其中一塊進行處理,其余部分處理過程相同。單個方塊又可以分為2種情況:1)油漬與電路走線重合,則與底色反差較小,不易識別;2)油漬未與電路走線重合,則與薄膜顏色反差較大,易于識別。因此,先對薄膜進行定位和分割,根據電路走線情況,區分處理,提高檢測效率。

2.1 圖像預處理

將載入圖像進行歸一化和平滑處理[3]。歸一化本質是將需要處理的數據量限制在一定范圍內,采用高斯濾波減少薄膜表面反光引起的差異,進一步轉化為灰度圖像(如圖4),得到圖像的二值化結果[4]。

圖4 圖像的預處理

2.2 圖像邊緣檢測與區域標識

進行整個薄膜的定位必須先獲得圖像的邊緣信息,其中包含整個薄膜上表面的電路走線邊緣信息。Canny邊緣檢測算法利用的是先平滑再求導數的方法來進行邊緣檢測[5]。該算法具有3個方面的優勢:1)低錯誤率,受圖像噪聲影響小,標識出的邊緣信息比較貼近實際情況,準確性好;2)高定位性,實際圖像中的邊緣和處理得到的邊緣接近度很高;3)最小響應。在被處理圖像中,圖像的邊緣只能被標識一次[6]。經調試Canny算子閾值設為0.115最為合適,圖5是二值化函數和經過邊緣處理的圖像信息對比。

圖5 經二值化函數和邊緣處理的圖像信息對比(局部)

為了識別出薄膜的特征,我們選擇薄膜的4條邊線作為其主要特征,這4條框圈起來的范圍作為薄膜單一的主體。這4條直線的判斷可以用霍夫變換來檢測出來?；舴蜃儞Q作為一種廣泛應用在圖像處理領域的一種特征檢測手段,最經典的用途就是在偵測圖片中的直線?；舴蚓幋a檢測直線相比其他方法受噪聲的干擾更小[7]?；舴驒z測得到所需結果之后,就可以將其特征區域標識出來。區域標識的主要目的是確定薄膜的4條邊線,便于后期的劃分和檢測。區域標識的過程是在霍夫變換之后[8],其圖像的標識圖像如圖6所示。

圖6 薄膜圖像的區域標識

由于生產過程中,運動的傳送帶與相機采樣的機位不完全平行,會導致得到的圖像中直線的位置并不會處于豎直或水平的狀態,因此需要對其調整,可以用自帶的矯正函數測其傾斜的角度并將對其作垂直矯正[7]。矯正之后的圖像將會使薄膜的主要電路走線處于水平或垂直的狀態,便于后期的處理。

3 電極薄膜的缺陷區域差異化處置

由于電極薄膜的圖樣、薄膜尺寸大小相對固定,一面完整的電極薄膜可以分為8個小的長方形組成,薄膜電路走線位置固定?？蓪我婚L方形進行區域分割,在薄膜的電路走線內外采用不同的算法進行檢測提高效率。

3.1 無電路走線的薄膜表面缺陷檢測

由于薄膜在傳送帶上不斷運動且攝像頭安放位置固定,如成像更新速度快則硬件負荷大,容易出錯;反之則效率過低,通過反復調試獲得較好的成像效果。薄膜表面的電路走線背景變化不大且光照條件、圖像特征相對一致。綜合上述因素,考慮采用背景差分法比較合適,該算法的優點是計算量較小,可以達到實時計算的要求而無需特殊硬件。背景差分法選取預先儲存好多幅合格的成品薄膜的圖片,取其平均值作為背景圖片,將背景圖片與當前幀相減[9]。若差值大于某一閾值,則可以判定該區塊為油漬,否則可以判定該區塊為背景圖片的一部分,經過閾值分割處理后再進行二值化,其算法流程(如圖7)如下:

圖7 背景差分法流程圖

1)光照和攝像機抖動產生的噪聲,一般只是在圖像序列中連續幀的個別像素點上發生變化,經背景差分后被重置為白色的孤立像素點。對于這部分噪聲點的去除,可通過形態學圖像處理解決[8]。

2)當更新速度適中,成像較為清晰的情況下,將圖像序列中幀Pi(x,y)連續n幀圖像進行均值濾波,再將其與合格薄膜的圖像幀S(x,y),作為當前幀的背景圖像進行背景更新:

S(x,y)=[S1(x,y)+S2(x,y)+…+Sn(x,y)]

D=|S(x,y)-Pi(x,y)|,D≥T,O=(x,y,i)

式中:i為當前幀數;n為均值濾波取值幀數;T為閾值;O為輸出結果;(x,y)為坐標值;D為差值。

3.2 有電路走線的薄膜表面缺陷檢測

薄膜表面的電路走線與油漬混合后,油漬呈現為電路走線路徑中:條紋、帶狀和灰斑(如圖8)。這3種油漬均為生產過程中由環境漂浮污染物引起,不可避免。條紋和帶狀缺陷面積相對較大,灰度斑缺陷面積小且分布稀疏,且由于成像后與底部電路走線顏色接近,容易漏檢,故提取電路走線部分單獨進行檢測。本文提出一種局部區域增強的方法進行檢測,對不均勻的紋理因子進行增強,試圖找到與鄰域差異較大的區域,提高圖像的對比度[10-12]。

圖8 薄膜表面的電路走線與油漬混合示例圖

讀取當前幀的灰度圖,B(x,y)為其中的像素點,取Li(B)、Ij(C)為像素點的集合。因油漬污染的圖像灰度值與背景不同,對比計算進行區分:1)設B為中心像素,令i=0,L0(x,y),I0(x,y)各只包含一個像素;2)令i=i+1,L1(x,y)為L0(x,y)相鄰一個像素點的合集且其不包含I0(x,y)。再令i=1,定義I1(x,y)=L0(x,y)U1S(x,y)。則有I1(x,y)包含3×3個像素,L1(x,y)包含8個像素;3)此后依次類推,Ln(x,y)為Ln-1(x,y)相鄰一個像素點的合集且其不包含In-1(x,y)[13-16]。遍歷當前幀后,容易漏檢的污漬邊緣得到了增強,再通過設定閾值,與背景直接分離提取特征點(如圖9)?？傻?

圖9 區域增強算法示例

t=L0(x,y)-

式中:t為高斯加權平均量;r為半徑。

式中:C為閾值;Fi(x,y)為篩選值。

式中:F(x,y)為增強結果。

4 結論

通過分析電極薄膜自身的結構一致性,根據油漬缺陷圖像特征及其分布情況,把電極薄膜分割為兩部分使用不同算法進行缺陷檢測。對于前景與后景差異較大的薄膜方塊內部,采用差分算法,通過實時采集的圖像與合格圖像的均值進行對比,實現了缺陷的實時檢測,減少了污點的錯誤判斷率;對于方塊邊緣的部分存在油漬缺陷與電路走線重合的情況,提出了一種局部區域增強方法,在缺陷檢測過程中提高了識別的效率和準確性,克服了低對比度圖像的缺點并且對噪聲敏感。