CN110018178B - 一种手机曲面玻璃典型缺陷在线检测装置与方法 - Google Patents
一种手机曲面玻璃典型缺陷在线检测装置与方法 Download PDFInfo
- Publication number
- CN110018178B CN110018178B CN201910347948.7A CN201910347948A CN110018178B CN 110018178 B CN110018178 B CN 110018178B CN 201910347948 A CN201910347948 A CN 201910347948A CN 110018178 B CN110018178 B CN 110018178B
- Authority
- CN
- China
- Prior art keywords
- computer
- curved glass
- detection device
- light source
- camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000011521 glass Substances 0.000 title claims abstract description 91
- 230000007547 defect Effects 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 127
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000003708 edge detection Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000005498 polishing Methods 0.000 claims description 4
- 230000036544 posture Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000013003 hot bending Methods 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8901—Optical details; Scanning details
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
- G01N21/896—Optical defects in or on transparent materials, e.g. distortion, surface flaws in conveyed flat sheet or rod
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8901—Optical details; Scanning details
- G01N2021/8908—Strip illuminator, e.g. light tube
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
- G01N2021/8924—Dents; Relief flaws
Landscapes
- Engineering & Computer Science (AREA)
- Textile Engineering (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种手机曲面玻璃典型缺陷在线检测装置与方法，所述在线检测装置包括：工件传输装置，包括传送导轨、若干透明载物台、运动控制卡及电机、旋转台；沿所述工件传输装置的传输方向依次设置分别形成三个工位的平面部分检测装置、曲边部分检测装置和R角部分检测装置；所述在线检测方法通过预先通过卷积神经网络对背景及划痕、烧伤、崩边、麻点典型缺陷样本图像进行训练学习，并将三个工位采集的原图像分割成若干与训练样本大小一致的子图像，分别对分割后的子图像进行快速识别，从而判断原图像有无缺陷以及缺陷种类。本发明能实时在线检测手机曲面玻璃的划痕、烧伤、崩边、麻点等典型缺陷，具有快速、高效、精准、稳定的特点。
Description
技术领域
本发明涉及自动化检测领域，尤其涉及一种手机曲面玻璃典型缺陷在线检测装置与方法。
背景技术
近些年，互联网技术发展迅猛，智能手机作为第一大上网终端设备，集上网、娱乐、办公于一体，受到越来越多消费者的青睐。各大手机厂商在逐步完善功能、提升性能的同时，开始采用质感和握感更佳的曲面玻璃作为手机屏或手机后壳。玻璃后壳利于手机散热，且不会对手机信号产生抑制作用，更利于5G时代的到来和无线充电功能的实现。然而，手机上采用曲面玻璃设计仍是一种大胆的尝试和创新，因为目前的技术尚且不能解决生产中出现的所有问题。生产曲面玻璃需要经过以下操作流程：切割、热弯、冷却、CNC加工等，受技术条件、生产环境或环境因素影响，各个加工工序中均可能出现缺陷，如划痕、麻点、气泡、崩边、烧伤、擦伤、压痕等。缺陷的存在，严重影响了曲面玻璃的机械刚度，降低了产品的使用价值。因此，生产过程中对曲面玻璃进行缺陷检测显得十分重要。
传统的检测方法是人工肉眼检测，依靠质检人员的主观视觉感受判断缺陷的存在与否。目前，该方法被大多数手机制造厂商所采用。该方法不仅效率低下，检测成本高，而且受主观因素影响较大，检测人员对检测标准的理解程度不一致，最终检测结果与质检人员的经验和熟练程度有关，并且在长时间工作之后会出现视觉疲劳，导致产品误检和漏检，这不利于供不应求的需求现状。此外，人工肉眼检测的检测结果和数据不利于保存，不便于后续对数据结果查找和再分析，同时很难利用检测出的数据结果对后面的生产起指导作用。
发明内容
本发明针对人工肉眼检测中的弊端，提出了一种高效、准确、快速、稳定的手机曲面玻璃典型缺陷在线检测装置与方法。该装置分平面部分、曲边部分、R角部分三个工位对手机曲面玻璃进行图像获取，并基于卷积神经网络对其快速识别，判断工件有无缺陷以及缺陷种类，如划痕、麻点、崩边、烧伤等典型缺陷。该装置与方法适用于大批量手机曲面玻璃在线质量检测。
为实现本发明的目的，本发明采用以下技术方案实现：
一种手机曲面玻璃典型缺陷在线检测装置，包括：
工件传输装置，用于输送待测的曲面玻璃工件，包括传送导轨、若干透明载物台、运动控制卡及电机、旋转台，所述传送导轨与运动控制卡及电机驱动连接，所述旋转台与透明载物台驱动连接，所述透明载物台间隔设置在所述传送导轨上；
沿所述工件传输装置的传输方向依次设置分别形成平面检测工位、曲边检测工位、R角检测工位的平面部分检测装置、曲边部分检测装置和R角部分检测装置，
所述平面部分检测装置包括载物台位置检测装置、第一计算机、带有镜头的线扫相机、线性同轴光源、光源控制器和图像采集卡，所述光源控制器用于调节线性同轴光源的亮度，所述线性同轴光源照射在曲面玻璃工件的平面部分；所述图像采集卡用于采集所述线扫相机获取的曲面玻璃工件平面部分的图像；所述载物台位置检测装置用于检测透明载物台的当前位置；所述第一计算机通过数据线分别与图像采集卡、运动控制卡及电机、旋转台、载物台位置检测装置连接，用于完成对平面部分检测的控制及平面部分在线缺陷识别；
所述曲边部分检测装置包括设有第二镜头的第一面阵相机、条形光源、光源控制器和第二图像采集卡、第二计算机、载物台位置检测装置，所述光源控制器用于控制条形光源，所述条形光源照射在曲面玻璃工件的曲边部分，所述第二图像采集卡用于采集第一面阵相机获取的曲面玻璃工件曲边部分的图像；所述载物台位置检测装置用于检测透明载物台当前位置；所述第二计算机通过数据线分别与电机运动控制卡、第二图像采集卡、载物台位置检测装置以及旋转台相连接，用于完成对曲边部分检测的控制及曲边部分在线缺陷识别；
所述R角部分检测装置包括第三计算机、载物台位置检测装置、设有远心镜头的第二面阵相机、平行光源、光源控制器和第三图像采集卡，所述光源控制器控制平行光源的亮度，所述第三图像采集卡用于采集第二面阵相机获取的曲面玻璃工件的R角部分图像；所述载物台位置检测装置用于检测透明载物台当前位置；所述第三计算机通过数据线分别与运动控制卡及电机、第三图像采集卡、载物台位置检测装置以及旋转台相连接，用于完成对R角部分检测工位的控制及R角部分在线缺陷识别。
进一步地，所述线扫相机垂直地对着所述曲面玻璃工件的平面部分，其线扫视场大于曲面玻璃样本宽度，所述线性同轴光源发射的光线与所述线扫相机成一定夹角，光条亮度均匀且能覆盖所述曲面玻璃工件。
进一步地，所述第一面阵相机为高分辨率CMOS面阵相机，相机轴线经过曲面玻璃工件的曲边的曲率中心且与水平方向形成一定夹角α，两个条形光源对称设置在第一面阵相机两侧且其打光角度β保证经曲边反射后落入所述第一面阵相机的靶面范围内以形成清晰图像。
进一步地，所述平行光源与第二面阵相机垂直对着曲面玻璃工件的R角部分，所述第二面阵相机为高分辨率面阵相机，通过远心镜头，以平行光源打背光的方式获取图像。
进一步地，所述载物台位置检测装置采用光电传感器，分别安装在传送导轨上相应位置。
一种手机曲面玻璃典型缺陷在线检测方法，包括步骤：
S1、将曲面玻璃工件放在以固定间隔依次放在传送导轨上的透明载物台上；
S2、第一计算机给运动控制卡及电机发送指令，使得运动控制卡及电机带动传送导轨和透明载物台向前匀速运动；
当透明载物台运动至平面检测工位时，对应的载物台位置检测装置给第一计算机发送信号，第一计算机通过第一图像采集卡从线扫相机采集图像；当对应的载物台位置检测装置检测到载物台完全通过后，给第一计算机再次发送信号，停止图像采集；
当透明载物台运动至曲边检测工位时，对应的载物台位置检测装置给第二计算机发送信号，第二计算机通过第一图像采集卡从第一面阵相机采集图像，同时第二计算机给旋转台发送指令，旋转台带着透明载物台旋转度后，给第二计算机反馈信号，该信号触发第二计算机再次采集一次图像，之后则停止采集；
当透明载物台运动至R角检测工位时，对应的载物台位置检测装置给第三计算机发送信号，第三计算机通过第二图像采集卡从第二面阵相机采集图像，同时第三计算机给旋转台发送指令，所述旋转台带着载物台旋转度后，给第三计算机反馈信号，该信号触发第三计算机再次采集图像，旋转次，共采集四张R角部分图像；
S3、所述第一计算机、第二计算机、第三计算机分别获取线扫相机、第一面阵相机、第二面阵相机的图像数据后，分别将原图分割成若干与训练样本图像尺寸一致的子图像，再基于对应的卷积神经网络模型对所述子图像进行快速识别，判断其所属原图像有无缺陷以及缺陷种类，从而完成手机曲面玻璃典型缺陷的在线检测；
S4、所述第一计算机、第二计算机、第三计算机完成一个曲面玻璃工件检测后，继续循环步骤S2和S4，形成流水线检测。
进一步地，将曲面玻璃工件放在以固定间隔依次放在传送导轨上的透明载物台上之前，还包括步骤：
依次调整三个检测工位中线扫相机、第一面阵相机、第二面阵相机与线性同轴光源、条形光源、平行光源的位置和姿态，确保三个检测工位中均能清晰成像。
进一步地，所述手机曲面玻璃典型缺陷包括麻点、划痕、崩边、烧伤。
进一步地，所述基于对应的卷积神经网络模型对所述子图像进行快速识别之前，还包括步骤：
建立对应的卷积神经网络模型；
采用背景、划痕、麻点、崩边、烧伤图像样本对卷积神经网络进行训练学习，获得训练好的卷积神经网络模型。
本发明提出了一种手机曲面玻璃典型缺陷在线检测装置与方法，解决和克服了人工肉眼检测中的弊端，能快速、高效、精准、稳定地实时在线检测手机曲面玻璃中划痕、烧伤、崩边、麻点等典型缺陷，具体优点包括：
(1)分三个检测工位对曲面玻璃进行检测，避免了检测盲区，同时多工位流水线检测提高了检测效率。
(2)能确保检测结果客观、准确，且非接触式检测可避免对曲面玻璃产生二次污染或破损。
(3)能实时在线检测，适用于大批量样本的检测。
(4)采用卷积神经网络学习、训练、识别的检测方式，有效提升了检测效率。
(5)针对不同型号的曲面玻璃样本，可调整相机、光源的位置和姿态，实现对不同手机曲面玻璃的检测。
附图说明
图1是本发明手机曲面玻璃典型缺陷在线检测装置总示意图。
图2是本发明平面部分检测工位的结构示意图。
图3是本发明曲边部分检测工位的结构示意图。
图4是曲边检测工位中相机靶面、曲边玻璃、光源角度之间位置关系。
图5是本发明R角部分检测工位的结构示意图。
图中标号说明如下：
1-传送导轨；2-透明载物台；3-曲面玻璃工件；4-运动控制卡及电机；5-线扫相机；6-第一镜头；7-线性同轴光源；8-光源控制器；9-第一图像采集卡；10-光电传感器；11-第一计算机；12-旋转台；13-第一面阵相机；14-第二镜头；15-条形光源；16-第二图像采集卡；17-第二计算机；18-第二面阵相机；19-远心镜头；20-平行光源；21-第三图像采集卡；22-第三计算机。
具体实施方式
为了更好地理解本发明，下面结合具体实施例对本发明作进一步具体详细描述。
实施例
如图1所示，一种手机曲面玻璃典型缺陷在线检测装置，包括：
工件传输装置，用于输送待测的曲面玻璃工件3，包括传送导轨1、若干透明载物台2、运动控制卡及电机4、旋转台12，所述传送导轨1与运动控制卡及电机4驱动连接，所述旋转台12与透明载物台2驱动连接，所述透明载物台2间隔设置在所述传送导轨1上；
沿所述工件传输装置的传输方向依次设置分别形成平面检测工位、曲边检测工位、R角检测工位的平面部分检测装置、曲边部分检测装置和R角部分检测装置，
如图2所示，所述平面部分检测装置包括光电传感器10、第一计算机11、带有镜头6的线扫相机5、线性同轴光源7、光源控制器8和第一图像采集卡9，所述光源控制器8用于调节线性同轴光源7的亮度，所述线性同轴光源7照射在曲面玻璃工件3的平面部分；所述第一图像采集卡9用于采集所述线扫相机5获取的曲面玻璃工件3平面部分的图像；所述光电传感器10安装在传送导轨1上相应位置，用于检测透明载物台2的当前位置；所述线扫相机5垂直地对着所述曲面玻璃工件3的平面部分，其线扫视场大于曲面玻璃样本宽度，所述线性同轴光源7发射的光线与所述线扫相机5成一定夹角，光条亮度均匀且能覆盖所述曲面玻璃工件3。所述第一计算机11通过数据线分别与第一图像采集卡9、运动控制卡及电机4、旋转台12、光电传感器10连接，用于完成对平面部分检测的控制及平面部分在线缺陷识别。
如图3所示，所述曲边部分检测装置包括设有第二镜头14的第一面阵相机13、条形光源15、光源控制器8和第二图像采集卡16、第二计算机17、光电传感器10，所述光源控制器8用于控制条形光源15，所述条形光源15照射在曲面玻璃工件3的曲边部分，所述第二图像采集卡16用于采集第一面阵相机13获取的曲面玻璃工件3曲边部分的图像；所述光电传感器10安装在传送导轨1上相应位置，用于检测透明载物台2当前位置；所述第二计算机17通过数据线分别与电机运动控制卡4、第二图像采集卡16、光电传感器10以及旋转台12相连接，用于完成对曲边部分检测的控制及曲边部分在线缺陷识别。
如图4所示，所述第一面阵相机13为高分辨率CMOS面阵相机，相机轴线经过曲面玻璃工件3的曲边的曲率中心且与水平方向形成一定夹角α，两个条形光源15对称设置在第一面阵相机13两侧且其打光角度β保证经曲边反射后落入所述第一面阵相机13的靶面范围内以形成清晰图像。所述打光角度β为光源与相机轴线的夹角，α和β的取值取决于曲面玻璃工件3的曲边半径和相机参数。A、B为相机成像视场的临界点，θ为1/2视场角，H为物距，F为相机焦距，a为相机靶面宽度，K1、K2、K3、K4分别表示入射光线和反射光线的斜率。
如图5所示，所述R角部分检测装置包括第三计算机22、光电传感器10、设有远心镜头19的第二面阵相机18、平行光源20、光源控制器8和第三图像采集卡21，所述光源控制器8控制平行光源20的亮度，所述平行光源20与第二面阵相机18垂直对着曲面玻璃工件3的R角部分，所述第三图像采集卡21用于采集第二面阵相机18获取的曲面玻璃工件3的R角部分图像；所述光电传感器10安装在传送导轨1上相应位置，用于检测透明载物台2当前位置；所述第三计算机22通过数据线分别与运动控制卡及电机4、第三图像采集卡21、光电传感器10以及旋转台12相连接，用于完成对R角部分检测工位的控制及R角部分在线缺陷识别。所述第二面阵相机18为高分辨率面阵相机，通过远心镜头19，以平行光源20打背光的方式获取图像。
第一计算机11、第二计算机17、第三计算机22均为高性能计算机，分别控制三个检测工位的运行，且分别对第一图像采集卡9、第二图像采集卡16、第三图像采集卡21中的图像进行有无缺陷判断及缺陷种类判断。
一种手机曲面玻璃典型缺陷在线检测方法，包括步骤：
S1、将曲面玻璃工件3放在以固定间隔依次放在传送导轨1上的透明载物台2上，透明载物台2与曲面玻璃工件3相对固定且保持水平；
S2、第一计算机11给运动控制卡及电机4发送指令，使得运动控制卡及电机4带动传送导轨1和透明载物台2向前匀速运动；
当透明载物台2运动至平面检测工位时，对应的载物台位置检测装置给第一计算机11发送信号，第一计算机11通过第一图像采集卡9从线扫相机5采集图像；当对应的载物台位置检测装置检测到载物台2完全通过后，给第一计算机11再次发送信号，停止图像采集；
当透明载物台2运动至曲边检测工位时，对应的载物台位置检测装置给第二计算机17发送信号，第二计算机17通过第一图像采集卡9从第一面阵相机13采集图像，同时第二计算机17给旋转台12发送指令，旋转台12带着透明载物台2旋转180度后，给第二计算机17反馈信号，该信号触发第二计算机17再次采集一次图像，之后则停止采集；
当透明载物台2运动至R角检测工位时，对应的载物台位置检测装置给第三计算机22发送信号，第三计算机22通过第二图像采集卡1从第二面阵相机18采集图像，同时第三计算机22给旋转台12发送指令，所述旋转台12带着载物台2旋转90度后，给第三计算机22反馈信号，该信号触发第三计算机22再次采集图像，旋转3次，共采集四张R角部分图像；
S3、所述第一计算机11、第二计算机17、第三计算机22分别获取线扫相机5、第一面阵相机13、第二面阵相机18的图像数据后，分别将收到的原图分割成若干与训练样本图像尺寸一致的子图像，再基于对应的卷积神经网络模型对所述子图像进行快速识别，判断其所属原图像有无缺陷以及缺陷种类，从而完成手机曲面玻璃典型缺陷的在线检测，所述手机曲面玻璃典型缺陷包括麻点、划痕、崩边、烧伤等缺陷，如第一计算机11将线扫相机5获取的原图进行图像分割，得到若干张子图像，并基于训练学***面部分在线缺陷检测；类似的，同平面检测工位一样，第二计算机17基于卷积神经网络对第一面阵相机13获取的子图像进行快速识别，判断其所属原图像中是否有缺陷以及缺陷种类，从而完成手机曲面玻璃曲边部分在线缺陷检测；同样，所述第三计算机22基于卷积神经网络对第二面阵相机18中获取图像的子图像进行快速识别，判断其所属原图像中是否有缺陷以及缺陷种类，从而完成手机曲面玻璃R角部分在线缺陷检测；
S4、所述第一计算机11、第二计算机17、第三计算机22完成一个曲面玻璃工件检测后，继续循环步骤S2和S3，形成流水线检测。
具体而言，将曲面玻璃工件3放在以固定间隔依次放在传送导轨1上的透明载物台2上之前，还包括步骤：
依次调整三个检测工位中线扫相机5、第一面阵相机13、第二面阵相机18与线性同轴光源7、条形光源15、平行光源20的位置和姿态，确保三个检测工位中均能清晰成像。
具体而言，所述基于对应的卷积神经网络模型对所述子图像进行快速识别之前，还包括步骤：
建立对应的卷积神经网络模型；
采用背景、划痕、麻点、崩边、烧伤图像样本对卷积神经网络进行训练学习，获得训练好的卷积神经网络模型。
也即，所述第一计算机11、第二计算机17、第三计算机22中的卷积神经网络在进行子图像进行快速识别，判断其所属原图像中有无缺陷以及缺陷种类之前，都需要采用背景、划痕、麻点、崩边、烧伤图像样本对其进行训练，以减少误差，提高卷积神经网络识别精度。
本发明针对手机曲面玻璃典型缺陷的在线检测及缺陷识别，其实现方法为：采用卷积神经网络对背景、划痕、麻点、崩边、烧伤图像样本进行训练学习，再对相机采集的原图分割后的子图像进行快速识别，判断其所属原图像中是否有缺陷以及缺陷种类，从而实现缺陷种类分类。
本发明的实施方式并不受上述实施例的限制，其他任何未背离本发明精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。
Claims (8)
1.一种手机曲面玻璃典型缺陷在线检测装置，其特征在于，包括：
工件传输装置，用于输送待测的曲面玻璃工件(3)，包括传送导轨(1)、若干透明载物台(2)、运动控制卡及电机(4)、旋转台(12)，所述传送导轨(1)与运动控制卡及电机(4)驱动连接，所述旋转台(12)与透明载物台(2)驱动连接，所述透明载物台(2)间隔设置在所述传送导轨(1)上；
沿所述工件传输装置的传输方向依次设置分别形成平面检测工位、曲边检测工位、R角检测工位的平面部分检测装置、曲边部分检测装置和R角部分检测装置，
所述平面部分检测装置包括载物台位置检测装置、第一计算机(11)、带有镜头(6)的线扫相机(5)、线性同轴光源(7)、光源控制器(8)和第一图像采集卡(9)，所述光源控制器(8)用于调节线性同轴光源(7)的亮度，所述线性同轴光源(7)照射在曲面玻璃工件(3)的平面部分；所述第一图像采集卡(9)用于采集所述线扫相机(5)获取的曲面玻璃工件(3)平面部分的图像；所述载物台位置检测装置用于检测透明载物台(2)的当前位置；所述第一计算机(11)通过数据线分别与第一图像采集卡(9)、运动控制卡及电机(4)、旋转台(12)、载物台位置检测装置连接，用于完成对平面部分检测的控制及平面部分在线缺陷识别；
所述曲边部分检测装置包括设有第二镜头(14)的第一面阵相机(13)、条形光源(15)、光源控制器(8)和第二图像采集卡(16)、第二计算机(17)、载物台位置检测装置，所述光源控制器(8)用于控制条形光源(15)，所述条形光源(15)照射在曲面玻璃工件(3)的曲边部分，所述第二图像采集卡(16)用于采集第一面阵相机(13)获取的曲面玻璃工件(3)曲边部分的图像；所述载物台位置检测装置用于检测透明载物台(2)当前位置；所述第二计算机(17)通过数据线分别与电机运动控制卡(4)、第二图像采集卡(16)、载物台位置检测装置以及旋转台(12)相连接，用于完成对曲边部分检测的控制及曲边部分在线缺陷识别；
所述R角部分检测装置包括第三计算机(22)、载物台位置检测装置、设有远心镜头(19)的第二面阵相机(18)、平行光源(20)、光源控制器(8)和第三图像采集卡(21)，所述光源控制器(8)控制平行光源(20)的亮度，所述第三图像采集卡(21)用于采集第二面阵相机(18)获取的曲面玻璃工件(3)的R角部分图像；所述载物台位置检测装置用于检测透明载物台(2)当前位置；所述第三计算机(22)通过数据线分别与运动控制卡及电机(4)、第三图像采集卡(21)、载物台位置检测装置以及旋转台(12)相连接，用于完成对R角部分检测工位的控制及R角部分在线缺陷识别；
采用所述装置对手机曲面玻璃典型缺陷进行在线检测时，包括步骤：
S1、将曲面玻璃工件(3)放在以固定间隔依次放在传送导轨(1)上的透明载物台(2)上；
S2、第一计算机(11)给运动控制卡及电机(4)发送指令，使得运动控制卡及电机(4)带动传送导轨(1)和透明载物台(2)向前匀速运动；
当透明载物台(2)运动至平面检测工位时，对应的载物台位置检测装置给第一计算机(11)发送信号，第一计算机(11)通过第一图像采集卡(9)从线扫相机(5)采集图像；当对应的载物台位置检测装置检测到透明载物台(2)完全通过后，给第一计算机(11)再次发送信号，停止图像采集；
当透明载物台(2)运动至曲边检测工位时，对应的载物台位置检测装置给第二计算机(17)发送信号，第二计算机(17)通过第一图像采集卡(9)从第一面阵相机(13)采集图像，同时第二计算机(17)给旋转台(12)发送指令，旋转台(12)带着透明载物台(2)旋转(180)度后，给第二计算机(17)反馈信号，该信号触发第二计算机(17)再次采集一次图像，之后则停止采集；
当透明载物台(2)运动至R角检测工位时，对应的载物台位置检测装置给第三计算机(22)发送信号，第三计算机(22)通过第二图像采集卡(16)从第二面阵相机(18)采集图像，同时第三计算机(22)给旋转台(12)发送指令，所述旋转台(12)带着透明载物台(2)旋转(90)度后，给第三计算机(22)反馈信号，该信号触发第三计算机(22)再次采集图像，旋转3次，共采集四张R角部分图像；
S3、所述第一计算机(11)、第二计算机(17)、第三计算机(22)分别获取线扫相机(5)、第一面阵相机(13)、第二面阵相机(18)的图像数据后，分别将原图分割成若干与训练样本图像尺寸一致的子图像，再基于对应的卷积神经网络模型对所述子图像进行快速识别，判断其所属原图像有无缺陷以及缺陷种类，从而完成手机曲面玻璃典型缺陷的在线检测；
S4、所述第一计算机(11)、第二计算机(17)、第三计算机(22)完成一个曲面玻璃工件检测后，继续循环步骤S2和S3，形成流水线检测。
2.根据权利要求1所述的手机曲面玻璃典型缺陷在线检测装置，其特征在于，所述线扫相机(5)垂直地对着所述曲面玻璃工件(3)的平面部分，其线扫视场大于曲面玻璃样本宽度，所述线性同轴光源(7)发射的光线与所述线扫相机(5)成一定夹角，光条亮度均匀且能覆盖所述曲面玻璃工件(3)。
3.根据权利要求1所述的手机曲面玻璃典型缺陷在线检测装置，其特征在于，所述第一面阵相机(13)为高分辨率CMOS面阵相机，相机轴线经过曲面玻璃工件(3)的曲边的曲率中心且与水平方向形成一定夹角α，两个条形光源(15)对称设置在第一面阵相机(13)两侧且其打光角度β保证经曲边反射后落入所述第一面阵相机(13)的靶面范围内以形成清晰图像。
4.根据权利要求1所述的手机曲面玻璃典型缺陷在线检测装置，其特征在于，所述平行光源(20)与第二面阵相机(18)垂直对着曲面玻璃工件(3)的R角部分，所述第二面阵相机(18)为高分辨率面阵相机，通过远心镜头(19)，以平行光源(20)打背光的方式获取图像。
5.根据权利要求1所述的手机曲面玻璃典型缺陷在线检测装置，其特征在于，所述载物台位置检测装置采用光电传感器(10)，分别安装在传送导轨(1)上相应位置。
6.根据权利要求1所述的手机曲面玻璃典型缺陷在线检测装置，其特征在于，将曲面玻璃工件(3)放在以固定间隔依次放在传送导轨(1)上的透明载物台(2)上之前，还包括步骤：
依次调整三个检测工位中线扫相机(5)、第一面阵相机(13)、第二面阵相机(18)与线性同轴光源(7)、条形光源(15)、平行光源(20)的位置和姿态，确保三个检测工位中均能清晰成像。
7.根据权利要求1所述的手机曲面玻璃典型缺陷在线检测装置，其特征在于，所述手机曲面玻璃典型缺陷包括麻点、划痕、崩边、烧伤。
8.根据权利要求1所述的手机曲面玻璃典型缺陷在线检测装置，其特征在于，所述基于对应的卷积神经网络模型对所述子图像进行快速识别之前，还包括步骤：
建立对应的卷积神经网络模型；
采用背景、划痕、麻点、崩边、烧伤图像样本对卷积神经网络进行训练学习，获得训练好的卷积神经网络模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910347948.7A CN110018178B (zh) | 2019-04-28 | 2019-04-28 | 一种手机曲面玻璃典型缺陷在线检测装置与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910347948.7A CN110018178B (zh) | 2019-04-28 | 2019-04-28 | 一种手机曲面玻璃典型缺陷在线检测装置与方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110018178A CN110018178A (zh) | 2019-07-16 |
| CN110018178B true CN110018178B (zh) | 2024-06-07 |
Family
ID=67192640
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910347948.7A Active CN110018178B (zh) | 2019-04-28 | 2019-04-28 | 一种手机曲面玻璃典型缺陷在线检测装置与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110018178B (zh) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110570393B (zh) * | 2019-07-31 | 2023-06-23 | 华南理工大学 | 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 |
| CN110579485B (zh) * | 2019-09-30 | 2023-11-14 | 华南理工大学 | 一种智能手机玻璃盖板表面缺陷快速检测装置与方法 |
| CN110567977B (zh) * | 2019-10-11 | 2024-06-28 | 湖南讯目科技有限公司 | 曲面玻璃缺陷检测***及方法 |
| CN110726724A (zh) * | 2019-10-22 | 2020-01-24 | 北京百度网讯科技有限公司 | 缺陷检测方法、***和装置 |
| CN110987966A (zh) * | 2019-12-27 | 2020-04-10 | 上海天马微电子有限公司 | 曲面基板的检测方法及检测*** |
| CN111179248B (zh) * | 2019-12-27 | 2023-06-09 | 深港产学研基地 | 一种透明平滑曲面缺陷识别方法及检测装置 |
| CN111024722B (zh) * | 2019-12-31 | 2023-04-07 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于数据融合的木材缺陷检测***及方法 |
| CN111380579A (zh) * | 2020-04-30 | 2020-07-07 | 征图新视(江苏)科技股份有限公司 | 手机摄像头玻璃视觉检测方法及检测*** |
| CN111982921B (zh) * | 2020-05-21 | 2023-11-03 | 北京安视中电科技有限公司 | 孔缺陷的检测方法、装置、传送平台及存储介质 |
| CN111693535A (zh) * | 2020-06-19 | 2020-09-22 | 河北网视科技股份有限公司 | 基于机器视觉分析的触摸屏缺陷检测设备及方法 |
| CN112461854B (zh) * | 2020-11-03 | 2023-10-31 | 东莞市鼎力自动化科技有限公司 | 一种智能优化盖板终检aoi检测的方法及装置 |
| CN112630225A (zh) * | 2020-12-28 | 2021-04-09 | 南京信息工程大学 | 一种基于图像缺陷差异消除方法的光学检测仪 |
| CN114062375A (zh) * | 2021-11-23 | 2022-02-18 | 珠海高纳智能科技有限公司 | 一种电机视觉检测方法 |
| CN114111615B (zh) * | 2021-11-25 | 2023-09-05 | 邵东智能制造技术研究院有限公司 | 背光板翘曲自动检测设备 |
| CN114152628B (zh) * | 2021-12-03 | 2024-01-26 | 苏州清翼光电科技有限公司 | 一种产品弧面缺陷检测装置 |
| CN114348549A (zh) * | 2021-12-09 | 2022-04-15 | 苏州曼柯精密部件有限公司 | 曲面喷涂质量检测装置 |
| CN114708266A (zh) * | 2022-06-07 | 2022-07-05 | 青岛通产智能科技股份有限公司 | 一种卡片缺陷的检测工装、方法、装置以及介质 |
| CN115631197B (zh) * | 2022-12-21 | 2023-03-17 | 中科慧远视觉技术(北京)有限公司 | 一种图像处理方法、装置、介质、设备及*** |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464417A (zh) * | 2007-12-19 | 2009-06-24 | 东捷科技股份有限公司 | 玻璃检测方法及其设备 |
| CN201281691Y (zh) * | 2008-09-03 | 2009-07-29 | 华映视讯（吴江）有限公司 | Lcd面板异物检测*** |
| CN102735695A (zh) * | 2012-06-04 | 2012-10-17 | 华中科技大学 | 一种镜片瑕疵快速检测方法及装置 |
| CN203824928U (zh) * | 2014-04-01 | 2014-09-10 | 华南理工大学 | 一种基于机器视觉的产品外表面缺陷图像采集装置 |
| CN205003098U (zh) * | 2015-10-14 | 2016-01-27 | 中国计量学院 | 一种刹车片外观缺陷多工位在线检测装置 |
| CN105301009A (zh) * | 2015-10-14 | 2016-02-03 | 中国计量学院 | 刹车片外观缺陷多工位在线检测装置及方法 |
| CN106814084A (zh) * | 2016-06-08 | 2017-06-09 | 北京壹格科技有限公司 | 一种新型显示面板表面缺陷检测*** |
| CN107632025A (zh) * | 2017-09-21 | 2018-01-26 | 征图新视（江苏）科技有限公司 | 曲面高精度成像*** |
| CN107741427A (zh) * | 2017-11-30 | 2018-02-27 | 南京航空航天大学 | 汽车发动机涡轮壳表面缺陷的机器视觉检测装置及方法 |
| CN108709890A (zh) * | 2018-06-26 | 2018-10-26 | 华南理工大学 | 基于机器视觉的曲面玻璃缺陷检测装置及方法 |
| CN108956628A (zh) * | 2018-07-27 | 2018-12-07 | 苏州高视科技有限公司 | 塑料盖板缺陷成像检测*** |
| CN109406538A (zh) * | 2018-12-27 | 2019-03-01 | 银河水滴科技（北京）有限公司 | 手机外观检测*** |
| CN208689345U (zh) * | 2019-02-26 | 2019-04-02 | 征图新视（江苏）科技有限公司 | 全检仿形光源 |
| CN210604434U (zh) * | 2019-04-28 | 2020-05-22 | 华南理工大学 | 一种手机曲面玻璃典型缺陷在线检测装置 |
-
2019
- 2019-04-28 CN CN201910347948.7A patent/CN110018178B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464417A (zh) * | 2007-12-19 | 2009-06-24 | 东捷科技股份有限公司 | 玻璃检测方法及其设备 |
| CN201281691Y (zh) * | 2008-09-03 | 2009-07-29 | 华映视讯（吴江）有限公司 | Lcd面板异物检测*** |
| CN102735695A (zh) * | 2012-06-04 | 2012-10-17 | 华中科技大学 | 一种镜片瑕疵快速检测方法及装置 |
| CN203824928U (zh) * | 2014-04-01 | 2014-09-10 | 华南理工大学 | 一种基于机器视觉的产品外表面缺陷图像采集装置 |
| CN205003098U (zh) * | 2015-10-14 | 2016-01-27 | 中国计量学院 | 一种刹车片外观缺陷多工位在线检测装置 |
| CN105301009A (zh) * | 2015-10-14 | 2016-02-03 | 中国计量学院 | 刹车片外观缺陷多工位在线检测装置及方法 |
| CN106814084A (zh) * | 2016-06-08 | 2017-06-09 | 北京壹格科技有限公司 | 一种新型显示面板表面缺陷检测*** |
| CN107632025A (zh) * | 2017-09-21 | 2018-01-26 | 征图新视（江苏）科技有限公司 | 曲面高精度成像*** |
| CN107741427A (zh) * | 2017-11-30 | 2018-02-27 | 南京航空航天大学 | 汽车发动机涡轮壳表面缺陷的机器视觉检测装置及方法 |
| CN108709890A (zh) * | 2018-06-26 | 2018-10-26 | 华南理工大学 | 基于机器视觉的曲面玻璃缺陷检测装置及方法 |
| CN108956628A (zh) * | 2018-07-27 | 2018-12-07 | 苏州高视科技有限公司 | 塑料盖板缺陷成像检测*** |
| CN109406538A (zh) * | 2018-12-27 | 2019-03-01 | 银河水滴科技（北京）有限公司 | 手机外观检测*** |
| CN208689345U (zh) * | 2019-02-26 | 2019-04-02 | 征图新视（江苏）科技有限公司 | 全检仿形光源 |
| CN210604434U (zh) * | 2019-04-28 | 2020-05-22 | 华南理工大学 | 一种手机曲面玻璃典型缺陷在线检测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110018178A (zh) | 2019-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110018178B (zh) | 一种手机曲面玻璃典型缺陷在线检测装置与方法 | |
| CN210604434U (zh) | 一种手机曲面玻璃典型缺陷在线检测装置 | |
| CN110567977B (zh) | 曲面玻璃缺陷检测***及方法 | |
| CN105548212B (zh) | 一种触摸屏玻璃表面瑕疵在线自动化检测***及方法 | |
| WO2021248554A1 (zh) | 高速高精度锂离子电池极片的毛刺检测方法及检测*** | |
| CN108709890B (zh) | 基于机器视觉的曲面玻璃缺陷检测装置及方法 | |
| CN102590218B (zh) | 基于机器视觉的金属零件光洁表面微缺陷检测装置及方法 | |
| CN110579485B (zh) | 一种智能手机玻璃盖板表面缺陷快速检测装置与方法 | |
| CN102621156B (zh) | 基于图像处理的微小零件自动分拣*** | |
| CN111768363A (zh) | 基于深度学习的电路板表面缺陷检测方法及检测*** | |
| CN105511123A (zh) | 一种基于机械手臂的高精度自动光学检测***及方法 | |
| CN210803323U (zh) | 曲面玻璃缺陷检测*** | |
| CN103837552A (zh) | 触摸屏保护玻璃外观缺陷检测*** | |
| CN110021012B (zh) | 基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法 | |
| CN109632007A (zh) | 一种边缘点提取方法及齿轮高精度视觉测量*** | |
| CN203745392U (zh) | 触摸屏保护玻璃外观缺陷检测*** | |
| CN110567965A (zh) | 一种智能手机玻璃盖板边缘视觉缺陷检测方法 | |
| CN108759676B (zh) | 基于棋盘格的传动箱端面大尺寸形位公差检测装置与方法 | |
| CN110044921A (zh) | 锂电池外观缺陷检测***和方法 | |
| CN201508454U (zh) | 基于摄像模块的光学自动调焦*** | |
| CN211827005U (zh) | 一种基于多目视觉的五轴数控机床多功能检测装置 | |
| CN113670923A (zh) | 一种笔记本电脑外壳缺陷的全方位高精度检测装置与方法 | |
| CN205786362U (zh) | 一种触摸屏玻璃表面瑕疵在线自动化检测*** | |
| CN103454283A (zh) | 线路检测***及其方法 | |
| CN105675622A (zh) | 一种工控玻璃检测*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |