手機(jī)玻璃屏表面缺陷機(jī)器視覺檢測與分類方法研究.pdf

1、手機(jī)玻璃屏(MPSG)作為手機(jī)的重要部件之一，其表面缺陷直接影響手機(jī)的質(zhì)量。目前手機(jī)玻璃屏表面缺陷視覺檢測因受圖像采集的振動、環(huán)境光照變化的影響使圖像移位和旋轉(zhuǎn)、圖像灰度變化和圖像缺陷邊界模糊等因素影響導(dǎo)致檢測準(zhǔn)確率低;此外，由于高維缺陷融合特征和缺陷數(shù)量不均衡等問題而導(dǎo)致少類缺陷的分類準(zhǔn)確率低，這制約了其自動化檢測進(jìn)程。本文針對MPSG表面缺陷視覺檢測與分類中存在的系列問題，從缺陷判別、缺陷分割、缺陷特征提取和不均衡缺陷分類等方面進(jìn)行

2、深入研究，提出基于輪廓相似度的圖像配準(zhǔn)方法、差投影的缺陷判別方法、基于空間關(guān)系和隸屬度修正的集成模糊C均值聚類缺陷分割方法、缺陷的多重分形譜特征提取方法和基于樣本貢獻(xiàn)差異的采樣方法，實(shí)現(xiàn)了手機(jī)玻璃屏表面缺陷的快速檢測和不均衡缺陷的分類。論文主要研究內(nèi)容概括如下:
　　1.深入開展手機(jī)玻璃屏MPSG缺陷視覺檢測及分類技術(shù)的調(diào)研，對其國內(nèi)外研究現(xiàn)狀及技術(shù)發(fā)展進(jìn)行綜述，明確MPSG缺陷檢測與分類中存在的關(guān)鍵技術(shù)問題。
　　2.針對

3、基于灰度的配準(zhǔn)方法配準(zhǔn)速度慢和基于Harris角點(diǎn)配準(zhǔn)方法存在的偽角點(diǎn)問題，提出基于手機(jī)玻璃屏表面輪廓相似度測度的圖像配準(zhǔn)方法，實(shí)現(xiàn)待測圖像和模板圖像之間的快速配準(zhǔn);同時，提出基于差投影聯(lián)合的缺陷判別方法，對差影運(yùn)算后的殘差圖像實(shí)施投影算法，消除外界光照變化對待測圖像灰度的影響。實(shí)驗(yàn)結(jié)果表明，提出的差投影聯(lián)合方法取得了較高的真正率和真負(fù)率。
　　3.針對模糊C均值聚類算法(FCM)存在分割含噪的邊界模糊缺陷不理想的問題，提出基于空

4、間關(guān)系和隸屬度修正的集成FCM方法(IFCM)，對原算法的目標(biāo)函數(shù)進(jìn)行修改，增加像素空間信息，同時根據(jù)鄰域像素的隸屬度，修改中心像素的隸屬度函數(shù)，使IFCM算法可同時利用圖像灰度信息和空間信息，提高其在含噪缺陷分割時的抗噪能力。
　　4.在缺陷特征提取過程中，過高的缺陷特征維數(shù)會給缺陷分類帶來準(zhǔn)確率和速度等問題，同時，存在單一分形維數(shù)難以刻畫缺陷的復(fù)雜性和不均勻性問題。為此，本文在提取缺陷多重分形譜特征的基礎(chǔ)上，采用多重分形譜差值

5、△f和多重分形譜的譜寬度△α描述缺陷的復(fù)雜性和不均勻性，并通過缺陷位置特征彌補(bǔ)多重分形譜特征難以區(qū)分臟污和崩邊的不足。實(shí)驗(yàn)表明，由多重分形譜特征和位置特征組成的四維缺陷特征能較好的區(qū)分缺陷。
　　5.在處理不均衡數(shù)據(jù)時現(xiàn)有的采樣方法會出現(xiàn)重要信息丟失、不重要信息增加和過擬合等問題，為此本文在重點(diǎn)分析數(shù)據(jù)分類過程中支持向量和非支持向量貢獻(xiàn)差異的基礎(chǔ)上，提出基于樣本貢獻(xiàn)差異的集成采樣方法，即對多類樣本（即數(shù)量較多的缺陷）中的非支持向量

6、采用多次隨機(jī)欠采樣，對少類樣本中的支持向量采用SMOTE過采樣，集成多個支持向量機(jī)模型形成支持向量機(jī)組合，采用投票規(guī)則，確定缺陷標(biāo)簽。實(shí)驗(yàn)證明，所提出的不均衡分類方法能在保證多類缺陷分類準(zhǔn)確率的前提下，提高少類缺陷的分類準(zhǔn)確率。
　　6.在上述相關(guān)理論算法研究的基礎(chǔ)上，搭建手機(jī)玻璃屏圖像采集實(shí)驗(yàn)平臺，設(shè)計并實(shí)現(xiàn)手機(jī)玻璃屏缺陷檢測與分類的相關(guān)算法與軟件開發(fā)，并通過手機(jī)玻璃屏真實(shí)圖像實(shí)例，驗(yàn)證本文所提出的手機(jī)玻璃屏表面缺陷快速準(zhǔn)確檢測