CN105866136A - 摄像头模组滤光片涂胶检测装置和方法 - Google Patents

Abstract

本发明公开了一种摄像头模组滤光片涂胶检测装置和方法。其方法包括如下内容：针对摄像头模组滤光片表面涂抹胶水的形态和反射特点，使用低角度环形光源以获得明显的胶水图像；使用动态阈值算法，提取胶水目标；然后使用形态学操作进行预处理，并通过连通操作分割区域；最后提取胶水基本参数后使用支持向量机分类判断是否正常，如果异常则给出异常类型。使用该方法能够保证在开放式的情况下，进行高速的涂胶检测。本方法采用非接触式的检测方式，实时性高，能够有效检测出各类涂胶问题，识别准确率高达99％以上。

Description

摄像头模组滤光片涂胶检测装置和方法

技术领域

本发明涉及光学检测技术应用领域，具体涉及一种摄像头模组滤光片涂胶检测装置和方法。

背景技术

摄像头模组滤光片的涂胶的工艺很多，装置也各不相同，比较常见的涂胶方式是使用喷嘴给予一定的压力后使其附着在摄像头模组滤光片的表面。涂胶工艺的好坏将对摄像头模组滤光片的牢固其决定性作用，均匀、准确的涂胶可以有效减少因摄像头模组滤光片问题造成的产品的损坏和遗失。由于胶水是液态的，在现有的涂胶工艺中对胶量的控制中，仅仅是假设每次胶枪喷嘴喷出的胶量相同。并且由于涂胶位置不仅仅是一个单一的点，涂胶过程需要有一系列的机械运动。因此，在实际涂胶过程中，这种开环的控制方式难免会造成涂胶时胶量的不均匀、误涂、胶量过多、位置不准确等等问题。

由于胶水是液态的，其独特的特性要求检测设备尽可能采用非接触式的，检测手段。并且胶水暴露在空气中时间过长容易凝固，因此检测过程需要快速。使用光学检测方法能够有效避免检测设备与摄像头模组滤光片的接触，然而由于摄像头模组滤光片表面光滑，具有反射光干扰。并且胶水可能为透明、半透明或者不透明三种情况，因此其颜色可能跟摄像头模组滤光片相类似，因此给光学检测造成了一定的难度。

由此可见，使用光学检测方法对摄像头模组滤光片涂胶质量进行检测首先需要获得明显的胶水轮廓图像，并且采用对应的检测算法进行检测，这对打光和检测算法都有较高要求。通常，涂胶后的摄像头模组滤光片盒在传送带上高速运行，因此也难以使用肉眼进行观察，因此当前还没有针对性的方案。因此，针对这类问题，急需具有高鲁棒性、高实时性的检测方法。

发明内容

本发明目的是：针对上述问题，提供一种摄像头模组滤光片涂胶检测装置以及利用该装置来检测摄像头模组滤光片涂胶质量的方法，该方法克服了对摄像头模组滤光片背景颜色、胶水种类的依赖性，准确有效，具有较高的鲁棒性。

本发明的技术方案是：一种摄像头模组滤光片涂胶检测装置，包括：

用于输送待检测的摄像头模组滤光片的传送带，

布置在所述传送带上方、用于对所述摄像头模组滤光片进行拍摄的CCD相机，

布置在所述CCD相机附近的低角度环形光源，

布置在所述传送带上方、与所述CCD相机相连、以控制该CCD相机对所述摄像头模组滤光片进行抓拍的光电触发器，以及

与所述CCD相机相连、能够对所述CCD相机所拍摄的图像进行分析处理的服务器。

本发明这种装置在上述技术方案的基础上，还包括以下优选方案：

所述服务器为计算机，该服务器与所述CCD相机之间是通过以太网相连的。

所述光电触发器为漫反射型激光触发器。

一种运用上述装置来检测摄像头模组滤光片涂胶质量的方法，包括以下步骤：

a.待检测的摄像头模组滤光片在传送带带动下向前运行，当所述摄像头模组滤光片经过CCD相机下方时，光电触发器感应到因摄像头模组滤光片的经过而引起的光线变化，进而控制所述CCD相机对其下方的摄像头模组滤光片的待检测部位进行抓拍；

b.所述CCD相机将其抓拍的摄像头模组滤光片图像传输给服务器，由该服务器运行视觉监测算法对所述图像进行分析，进而对摄像头模组滤光片上的涂胶质量进行评价。

本发明这种检测方法在上述技术方案的基础上，还包括以下优选方案：

在所述步骤b中，所述服务器运行的视觉监测算法包括如下步骤：

b1.用户人工设置胶水正确的涂抹区域；

b2.使用动态阈值分隔算法对图像进行分割；

b3.对分割后的图像进行形态学处理，去除噪声和边缘毛刺；

b4.对形态学处理后的图像进行连通操作，区分不相连的区域，并根据用户预设的涂抹区域信息确定哪些分开的胶水区域原属于一个涂抹点；

b5.计算图像中各胶水目标的中心位置、长度、宽度和区域面积，如果涂胶位置产生多个分离的胶水区域，则计算区域间的间隙值；如果涂抹区域内胶水没有分离成多个区域，则该间隙值定为零；

b6.将步骤b5中计算得到的参数送入分类器进行决策判断，确定涂胶是否正常，如不正常，确定涂胶的异常类型。

在所述步骤b2中，使用动态阈值分隔算法对图像进行分割的步骤如下：

b21.已知胶水本应涂抹的宽度为w，构造w×w的邻域窗W₁，则窗内像素数量为w²，为方便后续表示，该数量w²用N表示，即w²＝N，现将该邻域窗内的灰度值统一设置成，然后计算邻域窗与原图的卷积，得到一副与原图大小相一致的图像M，图像M内像素值为m(x,y)；

b22.再构造一个w×w的滑窗W₂，对滑窗下的原图像素求标准差，公式如下：

$d(x,y)=\sqrt{\frac{\underset{u,v}{\mathrm{\&Sigma;}}{[g(u,v)-m(x,y)]}^2}{N}},0\&le;u,v<w$

其中，(u,v)表示窗内的坐标，g(u,v)表示窗内原图像素值，d(x,y)表示窗内原图像素的标准差；

b23.利用上述步骤b21和步骤b22得到的结果计算领域内的动态范围，动态范围定义为 $\begin{array}{c}t(x,y)=\max (s\&times;d(x,y),T),s\&GreaterEqual;0\\ m(x,y)-t(x,y)\&le;r(x,y)\&le;m(x,y)+t(x,y)\end{array}$

其中s为标准差权值，T为标准差的下限，

将原图中的灰度值g(x,y)与对应位置的动态范围r(x,y)进行比较，超出动态范围的像素置为1，动态范围内的像素置为0，则可以得到分割后的二值图像，为1的区域为分割得到的胶水轮廓。

在所述步骤b23中，所述s为0.5，所述T为15。

在所述步骤b3中，对分割后的图像进行形态学处理包括如下步骤：

b31.选择用半径为2.5的圆形掩膜进行形态学开操作，以滤除图像中噪点；

b32.使用半径为的圆形掩膜进行形态学闭操作，以平滑图像轮廓并连接不连续的轮廓边缘；

b33.形态学区域填充，以完善胶水图像的轮廓。

在所述步骤b5中，对各胶水目标的长度和宽度计算，采用最小外界矩形来确定；所述各胶水目标的中心位置为各胶水区域的几何中心；所述各胶水目标的区域面积为区域内像素总数；而胶水区域之间的间隙按照以下方法确定：

b51).首先，假设一个胶水被分割称为n个区域，n＞1，则计算所有区域间的欧式距离

$\mathrm{\&rho;}=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}$

得到个距离，定义为ρ_1,2,ρ_1,3,…,ρ_1,n,ρ_2,3,ρ_2,4,…,ρ_n-1,n，其中欧式距离的下表对应其两个区域的编号；

b52).取其中最小的n个值，根据其对应的区域编号，利用下列公式得到间隙e，

$\begin{array}{c}{\mathrm{\&beta;}}_m=\left\{\begin{array}{c}\sqrt{{(x_i-x_j)}^2}-w_i-w_j,{(x_i-x_j)}^2\&GreaterEqual;{(y_i-y_j)}^2\\ \sqrt{{(x_i-x_j)}^2}-h_i-h_j,{(x_i-x_j)}^2<{(y_i-y_j)}^2\end{array}\right.\\ e=\mathrm{\&Sigma;}{\mathrm{\&beta;}}_m\end{array}$

其中x_i,x_j,y_i,y_j,w_i,w_j,h_i,h_j，分别为区域i和区域j的几何中心的横坐标、纵坐标、长度、和宽度。

本发明的优点是：

1.本发明提出的方法能够有效提取涂抹胶水的轮廓。

2.本发明提出的方法对背景色不明感，能够有效抑制背景干扰。

3.本发明提出的方法具有较高的可靠性和实时性，实验结果显示，该方法能够有效检测出各类涂胶问题，识别准确率高达99％以上。

4.本发明提出的方法部署简单，不需要用户配置过多参数。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1为本发明实施例中摄像头模组滤光片涂胶检测装置的结构简图；

图2为发明实施例中低角度环形光源的照射原理图；

图3为本发明实施例中视觉监测算法的原理图；

其中：1-路由器，2-光电触发器，3-CCD相机，4-低角度环形光源，5-摄像头模组滤光片，6-传送带，7-服务器，8-胶水。

具体实施方式

实施例：图1为本发明摄像头模组滤光片涂胶检测装置的结构简图，该装置包括：用于输送待检测的摄像头模组滤光片5的传送带6，布置在所述传送带6上方、用于对所述摄像头模组滤光片5进行拍摄的CCD相机3，布置在所述相机3附近的低角度环形光源4，布置在所述传送带6上方、与所述CCD相机3相连、以控制该CCD相机3对所述摄像头模组滤光片5进行抓拍的光电触发器2，以及与所述CCD相机3相连、能够对所述CCD相机3所拍摄的图像进行分析处理的服务器7。低角度环形光源4贴近待测产品，从四周投射光线。

本例中，所述服务器7是一台计算机，而且该服务器7与所述CCD相机2之间是通过以太网相连的，采用以太网进行数据交换，图1中的附图标记1表示以太网中的路由器，该路由器为千兆位路由器。光电触发器2与CCD相机3通过IO直接连接，装配时，需调整合适的角度，使待测产品5经过CCD相机3下方时光电触发器2能够触发CCD相机3拍摄准确的图像。光电触发器2为漫反射型激光触发器。

图2为所述低角度环形光源4的照射原理示意图，低角度环形光源4照射摄像头模组滤光片5表面的胶水8时，由于其表面的反射和折射，会导致胶水边缘部位产生明显的明暗变化。本实施例使用的动态阈值算法就能够很好地对这类明暗变化进行分割提取，并且算法分割过程不受周围亮度影响。

参照图1～图3所示，现将利用上述检测装置来检测摄像头模组滤光片涂胶质量的方法介绍如下，该方法包括以下步骤：

a.待检测的摄像头模组滤光片5在传送带6带动下向前运行，当所述摄像头模组滤光片5经过CCD相机3下方时，光电触发器2感应到因摄像头模组滤光片5的经过而引起的光线变化，进而控制所述CCD相机3对其下方的摄像头模组滤光片5的待检测部位进行抓拍；

b.所述CCD相机3将其抓拍的摄像头模组滤光片图像传输给服务器7，由该服务器7运行视觉监测算法对所述图像进行分析，进而对摄像头模组滤光片上的涂胶质量进行评价。

在该步骤b中，所述服务器7运行的视觉监测算法包括如下步骤：

b1.用户人工设置胶水正确的涂抹区域。也就说是，在正式进入算法之前，首先需要用户人工设置胶水正确的涂抹区域(也即胶水本应涂抹的区域)，用于参数提取和分类前的参数处理。

b2.使用动态阈值分隔算法对图像进行分割。

在该在步骤b2中，使用动态阈值分隔算法对图像进行分割的具体步骤如下：

b21).已知胶水本应涂抹的宽度为w(也就说是说，在对滤光片进行涂胶加工时，加工工艺实际要求的胶水涂抹宽度为w，此值为已知值，也为工艺标准值)，构造w×w的邻域窗W₁，则窗内像素数量为w²，为方便后续说明，该数量w²用N表示，即w²＝N。现将该邻域窗内的灰度值统一设置成，然后计算邻域窗与原图的卷积，得到一副与原图大小相一致的图像M，图像M内像素值为m(x,y)。

b22).再构造一个w×w的滑窗W₂，对滑窗下的原图像素求标准差，该步骤计算可利用第一步求得的均值m(x,y)，公式如下：

$d(x,y)=\sqrt{\frac{\underset{u,v}{\mathrm{\&Sigma;}}{[g(u,v)-m(x,y)]}^2}{N}},0\&le;u,v<w$

其中，(u,v)表示窗内的坐标，g(u,v)表示窗内原图像素值，d(x,y)表示窗内原图像素的标准差。

b23).利用上述步骤b21和步骤b22得到的结果计算领域内的动态范围，动态范围定义为 $\begin{array}{c}t(x,y)=\max (s\&times;d(x,y),T),s\&GreaterEqual;0\\ m(x,y)-t(x,y)\&le;r(x,y)\&le;m(x,y)+t(x,y)\end{array}$

其中s为标准差权值，T为标准差的下限，对于s和T的取值问题，通常情况下分别取0.5和15就可以了。

将原图中的灰度值g(x,y)与对应位置的动态范围r(x,y)进行比较，超出动态范围的像素置为1，动态范围内的像素置为0，则可以得到分割后的二值图像，像素为1的区域为分割得到的胶水轮廓。

对于图像分割这一步，为了优化算法效率，针对程序进行优化，从公式上体现出来的结果就是将积分提取到外面，并使用Z字形扫描方式更新每次滑窗的运算结果。即将标准差的计算公式变更为：

$d(x,y)=\underset{u,v}{\mathrm{\&Sigma;}}\sqrt{\frac{{[g(u,v)-m(x,y)]}^2}{N}},0\&le;u,v<w$

这样在滑窗移动的时候积分结果就可以仅仅通过上一次结果减去移除的边缘像素和加上新增的边缘像素即可得到。经过优化，原本每次计算d(x,y)需要的运算复杂度就从w×w变成2×w，计算效率可以提高倍。

b3.对分割后的图像进行形态学处理，去除噪声和边缘毛刺。该步骤b3中，对分割后的图像进行形态学处理具体包括如下几步：

b31).选择用半径为2.5的圆形掩膜进行形态学开操作，这一步可以有效滤除噪点，并且执行效率很高。

b32).使用半径为的圆形掩膜进行形态学闭操作。由于边缘部分可能存在不连续，因此这一步可以平滑轮廓并连接不连续的轮廓边缘。

b33).形态学区域填充，因为胶水内部的暗点并非是由于没有胶水导致的，而是由于表面平滑导致中心区域在动态阈值分隔过程中可能产生的暗点。因此，使用区域填充可以完善胶水轮廓。

b4.对形态学处理后的图像进行连通操作，区分不相连的区域，并根据用户预设的涂抹区域信息确定哪些分开的胶水区域原本属于一个涂抹点。

b5.计算图像中各胶水目标的中心位置、长度、宽度和区域面积。如果涂胶位置产生多个分离的胶水区域，则计算区域间的间隙值；如果涂抹区域内胶水没有分离成多个区域，则该间隙值定为零。

在该b5中，对图像中各胶水目标的长度和宽度的计算，采用最小外界矩形来确定。所述各胶水目标的中心位置为各胶水区域的几何中心，即所有胶水区域内所有坐标的均值。所述各胶水目标的区域面积为区域内像素总数。而胶水区域之间的间隙按照以下方法确定：

b51).首先，假设一个胶水被分割称为n个区域，n＞1，则计算所有区域间的欧式距离

$\mathrm{\&rho;}=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}$

得到个距离，定义为ρ_1,2,ρ_1,3,…,ρ_1,n,ρ_2,3,ρ_2,4,…,ρ_n-1,n，其中欧式距离的下表对应其两个区域的编号；

b52).取其中最小的n个值，根据其对应的区域编号，利用下列公式得到间隙e，

$\begin{array}{c}{\mathrm{\&beta;}}_m=\left\{\begin{array}{c}\sqrt{{(x_i-x_j)}^2}-w_i-w_j,{(x_i-x_j)}^2\&GreaterEqual;{(y_i-y_j)}^2\\ \sqrt{{(x_i-x_j)}^2}-h_i-h_j,{(x_i-x_j)}^2<{(y_i-y_j)}^2\end{array}\right.\\ e=\mathrm{\&Sigma;}{\mathrm{\&beta;}}_m\end{array}$

其中x_i,x_j,y_i,y_j,w_i,w_j,h_i,h_j，分别为区域i和区域j的几何中心的横坐标、纵坐标、长度、和宽度，e为胶水区域之间的间隙值。

b6.将步骤b5中计算得到的参数送入分类器进行决策判断，确定涂胶是否正常，如涂胶不正常，则确定涂胶的异常类型，如涂胶不均匀、误涂、胶量过多、位置不准确。决策判断采用支持向量机作为分类器来实现，由于分类简单，只需要少量测试样本分类器即可快速收敛，达到分类需求。采用分类器去鉴别能够有效降低配置难度，减少人为参数配置带来的干扰。

当然，上述实施例只为说明本发明的技术构思及特点，其目的在于让人们能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明主要技术方案的精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种摄像头模组滤光片涂胶检测装置，其特征在于该装置包括：

用于输送待检测的摄像头模组滤光片(5)的传送带(6)，

布置在所述传送带(6)上方、用于对所述摄像头模组滤光片(5)进行拍摄的CCD相机(3)，

布置在所述CCD相机(3)附近的低角度环形光源(4)，

布置在所述传送带(6)上方、与所述CCD相机(3)相连、以控制该CCD相机(3)对所述摄像头模组滤光片(5)进行抓拍的光电触发器(2)，以及

与所述CCD相机(3)相连、能够对所述CCD相机(3)所拍摄的图像进行分析处理的服务器(7)。

2.根据权利要求1所述的摄像头模组滤光片涂胶检测装置，其特征在于：所述服务器(7)为计算机，该服务器(7)与所述CCD相机(3)之间是通过以太网相连的。

3.根据权利要求1所述的摄像头模组滤光片涂胶检测装置，其特征在于：所述光电触发器(2)为漫反射型激光触发器。

4.运用如权利要求1或2或3所述的装置来检测摄像头模组滤光片涂胶质量的方法，其特征在于该方法包括以下步骤：

a.待检测的摄像头模组滤光片(5)在传送带(6)带动下向前运行，当所述摄像头模组滤光片(5)经过CCD相机(3)下方时，光电触发器(2)感应到因摄像头模组滤光片(5)的经过而引起的光线变化，进而控制所述CCD相机(3)对其下方的摄像头模组滤光片(5)的待检测部位进行抓拍；

b.所述CCD相机(3)将其抓拍的摄像头模组滤光片图像传输给服务器(7)，由该服务器(7)运行视觉监测算法对所述图像进行分析，进而对摄像头模组滤光片上的涂胶质量进行评价。

5.根据权利要求4所述的检测摄像头模组滤光片涂胶质量的方法，其特征在于，在所述步骤b中，所述服务器(7)运行的视觉监测算法包括如下步骤：

b1.用户人工设置胶水正确的涂抹区域；

b2.使用动态阈值分隔算法对图像进行分割；

b3.对分割后的图像进行形态学处理，去除噪声和边缘毛刺；

b4.对形态学处理后的图像进行连通操作，区分不相连的区域，并根据用户预设的涂抹区域信息确定哪些分开的胶水区域原属于一个涂抹点；

b5.计算图像中各胶水目标的中心位置、长度、宽度和区域面积，如果涂胶位置产生多个分离的胶水区域，则计算区域间的间隙值；如果涂抹区域内胶水没有分离成多个区域，则该间隙值定为零；

b6.将步骤b5中计算得到的参数送入分类器进行决策判断，确定涂胶是否正常，如不正常，确定涂胶的异常类型。

6.根据权利要求5所述的检测摄像头模组滤光片涂胶质量的方法，其特征在于，在所述步骤b2中，使用动态阈值分隔算法对图像进行分割的步骤如下：

b21.已知胶水本应涂抹的宽度为w，构造w×w的邻域窗W₁，则窗内像素数量为w²，为方便后续表示，该数量w²用N表示，即w²＝N，现将该邻域窗内的灰度值统一设置成然后计算邻域窗与原图的卷积，得到一副与原图大小相一致的图像M，图像M内像素值为m(x,y)；

b22.再构造一个w×w的滑窗W₂，对滑窗下的原图像素求标准差，公式如下：

$d(x,y)\sqrt{\frac{\underset{u,v}{\mathrm{\&Sigma;}}{[g(u,v)-m(x,y)]}^2}{N}},0\&le;u,v<w$

其中，(u,v)表示窗内的坐标，g(u,v)表示窗内原图像素值，d(x,y)表示窗内原图像素的标准差；

b23.利用上述步骤b21和步骤b22得到的结果计算领域内的动态范围，动态范围定义为 $\begin{array}{c}t(x,y)=\max (s\&times;d(x,y),T),s\&GreaterEqual;0\\ m(x,y)-t(x,y)\&le;r(x,y)\&le;m(x,y)+t(x,y)\end{array}$

其中s为标准差权值，T为标准差的下限，

将原图中的灰度值g(x,y)与对应位置的动态范围r(x,y)进行比较，超出动态范围的像素置为1，动态范围内的像素置为0，则可以得到分割后的二值图像，为1的区域为分割得到的胶水轮廓。

7.根据权利要求6所述的检测摄像头模组滤光片涂胶质量的方法，其特征在于，在所述步骤b23中，所述s为0.5，所述T为15。

8.根据权利要求7所述的检测摄像头模组滤光片涂胶质量的方法，其特征在于，在所述步骤b3中，对分割后的图像进行形态学处理包括如下步骤：

b31.选择用半径为2.5的圆形掩膜进行形态学开操作，以滤除图像中噪点；

b32.使用半径为的圆形掩膜进行形态学闭操作，以平滑图像轮廓并连接不连续的轮廓边缘；

b33.形态学区域填充，以完善胶水图像的轮廓。

9.根据权利要求7所述的检测摄像头模组滤光片涂胶质量的方法，其特征在于，在所述步骤b5中，对各胶水目标的长度和宽度计算，采用最小外界矩形来确定；所述各胶水目标的中心位置为各胶水区域的几何中心；所述各胶水目标的区域面积为区域内像素总数；而胶水区域之间的间隙按照以下方法确定：

b51).首先，假设一个胶水被分割称为n个区域，n＞1，则计算所有区域间的欧式距离

$\mathrm{\&rho;}=\sqrt{{(x_1-x_2)}^2+{(y_1-y_2)}^2}$

得到个距离，定义为ρ_1,2,ρ_1,3,…,ρ_1,n,ρ_2,3,ρ_2,4,…,ρ_n-1,n，其中欧式距离的下表对应其两个区域的编号；

b52).取其中最小的n个值，根据其对应的区域编号，利用下列公式得到间隙e，

${\mathrm{\&beta;}}_m\left\{\begin{array}{c}\sqrt{{(x_i-x_j)}^2}-w_i-w_j,{(x_i-x_j)}^2\&GreaterEqual;{(y_i-y_j)}^2\\ \sqrt{{(x_i-x_j)}^2}-h_i-h_j,{(x_j-x_j)}^2<{(y_i-y_j)}^2\end{array}\right.$

e＝∑β_m

其中x_i,x_j,y_i,y_j,w_i,w_j,h_i,h_j，分别为区域i和区域j的几何中心的横坐标、纵坐标、长度、和宽度。