近年來,智能手機行業(yè)迅猛發(fā)展,不同手機生產企業(yè)之間的競爭越發(fā)激烈,企業(yè)為了提升產品自身競爭力,對于手機殼體表面質量要求也越來越高。傳統(tǒng)手機殼體表面缺陷檢測方法采用人工檢測法,檢測效率低,成本高。機器視覺用于缺陷檢測具有檢測效率高、實時性好等優(yōu)點。因此,手機殼體表面缺陷視覺檢測已成為未來發(fā)展的重要方向。由于手機殼體表面的缺陷尺寸小,且殼體表面,尤其是其側面往往由不同形狀的平面和曲面構成,而這些平面和曲面的表面加工工藝也不盡相同,因此被檢測區(qū)域的光照反射類型差異大,導致對缺陷的識別造成干擾,影響最終缺陷檢測結果的正確性。針對上述問題,本文以目前手機殼體中常見的兩種表面（高光表面、亞光表面）的劃痕缺陷以及亞光表面孔洞邊緣的磕碰缺陷為檢測對象,開展了手機殼體表面缺陷視覺檢測技術的研究。在此基礎上,主要進行了缺陷檢測系統(tǒng)總體功能設計、成像系統(tǒng)設計以及缺陷檢測算法設計。其中成像系統(tǒng)的設計內容主要是針對被檢測殼體表面的反射特性,設計了相應的照明方式,以達到突出缺陷同時抑制反射光干擾的目的,并通過實驗驗證了該照明方式的可行性。在缺陷檢測算法方面,對于高光表面,采用了局部自適應閾值分割算法來提取劃痕缺陷... 

【文章來源】：南京航空航天大學江蘇省 211工程院校

【文章頁數(shù)】：90 頁

【學位級別】：碩士

【部分圖文】：

手機殼體表面缺陷檢測系統(tǒng)

手機殼體表面缺陷視覺檢測技術研究 像采集時以面為單位，從而使目標圖像比較完量。面陣 CCD 相機缺點是雖然像元總數(shù)多，到限制。 用面陣 CCD 相機作為圖像采集設備。本文在.4mm 以上劃痕缺陷的檢測，而為了準確檢測出來表示 0.4mm 長度，才能很好的區(qū)分劃痕缺陷工位相機需要檢測的手機殼體側表面尺寸為 400 60pixel，因此本文選用的相機如圖 2.3 所需要。表 2.1 是該工業(yè)相機的主要性能參數(shù)。

1 1 1u v f 為物距、像距和鏡頭焦距。 成像好壞的內在指標，與相機的靶面以及傳感器的分辨率相關。 01 1 1 s rN N N 分辨率，0N 代表鏡頭的分辨率，N系統(tǒng)的視場與鏡頭的視場角有關，鏡系。 光量由焦距與通光孔孔徑的比值來決大，光圈越小。 文針對手機殼體高光表面和亞光表面4-MP2 鏡頭作為圖像采集所需鏡頭，幕范圍內呈現(xiàn)出高對比度及清晰的圖

【參考文獻】：
期刊論文
[1]基于多方向Gabor濾波器的圖像分割[J]. 李云紅,魏妮娜,張曉丹.  國外電子測量技術. 2017(03)
[2]基于自適應四階偏微分方程的圖像去噪算法[J]. 白云蛟,張權,劉祎,焦楓媛,桂志國.  計算機工程與設計. 2017(02)
[3]數(shù)碼產品外殼表面的適應性智能檢測技術[J]. 鄺泳聰,張坤,謝宏威.  華南理工大學學報(自然科學版). 2015(01)
[4]機器視覺系統(tǒng)中光源的選擇[J]. 侯遠韶.  洛陽師范學院學報. 2014(08)
[5]基于Gabor和紋理抑制的手機配件劃痕檢測[J]. 宋迪,張東波,劉霞.  計算機工程. 2014(09)
[6]基于八方向Sobel算子的邊緣檢測算法[J]. 鄭英娟,張有會,王志巍,張靜,范勝娟.  計算機科學. 2013(S2)
[7]基于機器視覺的凸輪軸表面缺陷檢測系統(tǒng)[J]. 孫雪晨,姜肖楠,傅瑤,韓誠山,文明.  紅外與激光工程. 2013(06)
[8]基于視覺檢測技術的機器人自動貼片系統(tǒng)設計[J]. 胡輝,譚小群.  機械制造. 2013(02)
[9]基于中值濾波和小波變換圖像降噪的新算法[J]. 張昊慧.  電子科技. 2012(12)
[10]一種微小表面缺陷的機器視覺檢測方法[J]. 何志勇,孫立寧,芮延年.  應用科學學報. 2012(05)

碩士論文
[1]手機外殼表面缺陷檢測系統(tǒng)的研究與設計[D]. 任威.北京郵電大學 2015
[2]基于視頻特征的圖像配準算法的研究[D]. 王聰.北京理工大學 2015
[3]基于機器視覺的目標表面瑕疵檢測系統(tǒng)研究[D]. 許麗君.杭州電子科技大學 2015
[4]基于機器視覺的表面缺陷檢測算法研究[D]. 李玉寶.中南大學 2013
[5]表面光潔的注塑制品外觀缺陷視覺檢測方法研究[D]. 麥國銘.華南理工大學 2012
[6]基于偏微分方程的圖像增強算法研究[D]. 王翠翠.南京郵電大學 2012
[7]基于各向異性高斯濾波的圖像邊緣檢測方法[D]. 王丹.西安電子科技大學 2010
[8]基于差動像散原理的FPC質量檢測光學測頭的研究[D]. 袁志偉.廈門大學 2008
[9]圖像的特征提取與描述的研究[D]. 徐小明.重慶大學 2007
[10]基于人工神經網絡的車牌識別系統(tǒng)的研究[D]. 李飛.中北大學 2007



本文編號：3253725