中国知网查重 高校在线论文查重入口

立即检测
  • 58 元/篇
    系统说明: 知网职称论文检测AMLC/SMLC是杂志社专用系统,针对投稿论文、评审论文、学校、单位职称论文的学术不端重复率检测系统。
  • 298 元/篇
    系统说明: 知网本科论文检测PMLC是最权威的大学生毕业论文检测系统,含“大学生论文联合对比库”,国内95%以上高校使用。检测结果和学校一致!
  • 498 元/篇
    系统说明: 此系统不支持验证!可用作研究生初稿检测,相比知网VIP5.3缺少“学术论文联合对比库”,检测结果有5%左右的误差!(论文中若参考往届研究生论文,重复率误差会较大)
  • 128 元/篇
    系统说明: 大分解论文检测系统,对于想检测学术不端文献检测系统,而又价格便宜的同学可以选择,限每篇2.9万字符,结果与大学生PMLC、硕博VIP定稿系统有出入!
  • 68 元/篇
    系统说明: 知网论文小分解检测系统,适合中国知网初稿查重,数据库和定稿查重不同。结果与本科PMLC,研究生VIP5.3有出入,限每篇1.4万字符!
  • 3 元/千字
    系统说明: 学术家论文重复率检测系统,支持学位论文、毕业论文、投稿论文、职称评审论文,提供全文对照,word标红报告,性价比超高!
论文案例实践-柔性电路板金手指刮伤和压伤凹陷缺陷视觉检测
时间:2021-05-13 11:51:38

  随着FPC产业的迅猛发展,市场上对具有自动化性质的检测装备的需求越来越大,这样一来,给予了很多生产商市场激励去研发和发展智能化的高技术设备。纵观柔性电路板缺陷检测的发展历程,以前都是通过大量富有检测经验的检查员进行人工检测。但是,这样一来,就会造成很多缺陷和不足。与此同时,客户对产品质量的要求越来越高,而许多柔性电路板在生产过程中会产生很多质量问题,比如刮伤、压伤凹陷等表面缺陷,这些表面缺陷一方面影响外观质量,另一方面也反映了内部质量问题,所以,这个问题刻不容缓,需要有效得到改善和解决。

  本文的研究对象主要是柔性电路板金手指的刮伤和压伤缺陷。这两种电路板缺陷在一定程度上会降低FPC金手指的表面质量和使用效果。我们通过缺陷的视觉检测技术把存在缺陷的该种电路板检测出来,并识别出缺陷类型(刮伤或压伤),从而达到筛选出同类缺陷产品,提高生产效率和降低成本的目的。

  图像处理技术为缺陷检测提供了必要条件和实现方法。我们通过基于MATLAB的缺陷检测系统,以导入图像的方式,能够成功检测出柔性电路板金手指有没有表面缺陷以及这种表面缺陷是什么类型的。

  随着当今经济的飞速发展、科技的日益进步以及生产力的逐步提高,工业产品的产量越来越大,以满足消费者的需要。然而,伴随着产量的快速增大和产品覆盖面的迅速扩张,新一轮的质量问题也将出现。在大规模的生产过程中,难免会有一定数量的产品存在一些瑕疵。要知道,这样的次品流入市场必将会引起消费者的不满,同时降低产品的使用效率,所以,质量是衡量一个企业是否能持续生存发展的重要指标。制造业企业首先要确保的就是产品的质量必须合格,只有这样才能在与同行激烈的竞争中取得优势,才能赚取可观的利润,从而长久立足于市场。那么,如何避免这样的次品流入市场就需要在生产过程中及时将它们检测出来,因此,设计出一个具有可行性的缺陷检测系统是必不可少的。

  在此之前,国内人们大多数都是采用人工检测,但是,人工检测的速度很慢,从而效率非常低下,并且人工检测还需要大量的劳动力、资金、设备,成本过高。

  除此之外,在大规模生产的检测过程中,人工检测会产生大量的漏检、误判,检查的质量无法得到保障,检查人员很容易受到自身或外界因素的干扰。最后,人工检测很难在生产的过程中把废品问题检测出来,只能等产品成型之后再去检验。长此以往,会造成不少的生产浪费。

  所以,我们可以设计并研制检测速度快、准确率高、稳定的全自动金手指外观精密检测设备,实现机器换人,进而降低生产成本、缩短生产周期、提高生产效率和产品质量。

  1.1.2课题的科学依据及意义

  众所周知,在人的感官系统中,眼睛,充当着不可或缺的作用。眼睛是获取信息最直接的途径。根据一些权威的大学调查报告显示,视觉信息是人类在日常生活中获取并依赖的主要信息,其占比达到百分之六十。进而,图像的处理就显得至关重要了,因为图像在生活中、在学术研究中、在工业生产中无处不在,所以我们的视觉技术主要就是针对图像的。现在是信息时 黄,我们获取很多信息都需要通过原始图像或处理过的图像。图像处理(image processing),即用计算机对图像进行分析,以达到所需结果的技术。它能给我们提供所需的视觉信息从而利于我们对事物做出客观的判断。随着现 黄科技的不断进步、计算机领域的应用逐步推广、测量与控制水准的稳健提高,机器视觉技术的飞速发展可见一斑,其应用涉及到了工业、农业、制造业、学术研究和军工等各个领域。与此同时,计算机编程语言的种类层出不穷,尤其是在高级语言这块,越来越先进和便利,其功能非常强大和多样。作为一种高级编程语言和数学软件,MATLAB提供了一个可以便于我们开发算法、分析数据、计算数值的交互式环境。将这些技术应用于机器视觉系统可大大提高系统的灵活性、可操作性、功能多样性和执行效率。

  综上所述,用图像处理技术 黄替人工检查是十分明智的选择,而MATLAB又给我们提供了一个强大而便利的软件层面支持。所以本研究课题决定开发“基于MATLAB的柔性电路板金手指缺陷检测系统”,以确保在生产过程中有表面缺陷的这种电路板能及时准确地被检测出来。人工检测已经跟不上时 黄的步伐和工业的标准需要,使计算机视觉检测技术来替 黄它,极大程度上地解决了之前的种种问题。其最大的优势在于:1、大大节约了多方面的成本。首先是劳动力成本,其次是时间成本,然后就是设备成本和原材料成本,这些都不可被忽视。2、产品的优异性和质量档次得到了质的提升。FPC缺陷视觉检测系统能达到早期检测方式所无法企及的检测效果,比如被大幅提高的精准度、平衡性、彻底性、数据可靠性,从而大大提高了资源的利用率。3、检测效率的提高也意味着产品的生产效率的提高。

  1.2基于图像处理的视觉检测技术应用现状

  图像处理技术又称“机器视觉”,基于图像处理的表面缺陷检测技术是一种很有前景的检测技术,它具有智能、无损、快速和低成本的优点。从20世纪到现在,计算机和其系统一直在更新换 黄,这给了开发人员越来越广阔的发挥空间,那么,图像技术也在蓬勃发展,尤其是数字图像技术的日新月异,让我们能在一次动态响应中,清晰明确、完整无缺地实现位置结构信息的记录和复现。随着计算机的不断更新,数字图像技术的飞速发展,图像技术能够完整记录结构位置信息从而复现出结构的动态响应。传统测量存在很多的不足,这就需要智能化、自动化的视觉检测技术对其进行补充,计算机硬件性价比的增长和相关技术的提高为此提供了便利和基础。

  我们倡导的机器视觉检测技术,拥有以下传统检测方式所无法具备的优势特点:

  可不必接触性。这个特点是一个无可替 黄的优势,因为这样能较好地保护到受检测的物体,提高了检测的可行性,要知道,如果按照之前的人工检测方式来检测,有可能本来一开始物体是没有缺陷的,但由于过度的接触破坏了物体,这时物体又有缺陷了,出现这种情况的概率并不会很低。

  灵活操作性。为了满足越来越多的用户和厂家的需求,图像处理技术顺着趋势持续发展,21世纪以来至今,其处理方式已经层出不穷,存储方便和可远程操作的优势渐渐为用户所青睐,因为检测的灵活性不能太低,否则过于死板会导致很多不必要的麻烦和问题。

  实时观测性。视觉检测系统能以一个高速的状态去处理我们需要检测的对象,这个速度可以快到每检测一个对象只需要几百毫秒。因此,通过它几乎能达到实时观测的效果,当然,这也受益于先进的硬件和软件设备。

  我们这次研究的主题是柔性电路板的表面缺陷检测。这次课题研究的重要意义之一是改变传统的工业制造生产模式,因为人工检测的科学性不高,相对落后,这主要体现在速度、质量和成效上,并且这种方式的容错性也十分低,不利于被使用在大规模生产的情形。如何有效解决这个难题是该毕业设计的背景初衷。

  从20世纪至今,计算机的软硬件设备越来越先进,程序员的研发技术越来越高超,人工智能也在兴起,这些都利好检测技术的发展,人们愿意接受机器视觉检测技术作为表面缺陷检测的主导力量。无可厚非,由于生产环境、操作人员主观因素、机器损耗等因素的限制,一个没有智能化检测技术的工厂企业难以保证生产效率和生产质量,缺陷的快速、精准识别离不开这项技术。

  众所周知,人类的视觉敏锐性和观察力是有限的,无法对产品做出最直接、最可靠的判断,将机器视觉缺陷检测应用在产品的表面缺陷的检验是明智的选择,然而,这两种方式既有较大的差距又有一定的共性,机器视觉技术有点像是模仿我们人类的眼睛的视觉功能,只不过这个功能更加强大了,变得智能化、自动化、精确化。要知道,厂家的检测结果是否准确,会间接影响工艺品的质量,一旦次品流入了市场,可能会造成不小的损失,不仅是经济损失更是信誉损失。首先,我们要采集物品的图像,然后利用算法对其进行计算,最终,要能成功筛选出伪劣品,为厂家阻断缺陷产品的不慎流入。

  为了适应现今这个发展越来越快的社会,机器视觉检测技术是必不可少的。在一些不合适人类工作的环境场所机器视觉就可以 黄替人类进行。

  机器视觉检测技术在于消除瑕疵,含糊,碎屑或凹陷等商品缺点,以保证商品的功用和性能。现已被广泛用于各大行业的商品缺点检测、尺度检测中。

  机器视觉检测技术在交通职业的车牌辨认和流量检测、药品职业的包装检测、饮料职业的容量检测和外包装检测、烟草职业的烟标检测和外包装检测、汽车职业的安装检测、打印职业的打印质量检测、纺织职业的布疋瑕疵检测、五金职业的螺丝钉检测、运输职业的货品分拣、食品职业的生果分拣、电子职业的焊接检测和安装定位、钢铁职业的钢板外表缺点检测、智能读表、智能抄表等都有应用。

  这项技术能对商品全体进行自动检测,在控制商品品质、保障商品质量等方面有着非常显著的效果,能够避免不合格商品的外流,从而提升公司的核心竞争力。公司取得的不仅仅是社会效益,持续获得实质性的经济效益也受益于机器视觉检测技术。

  1.3图像处理技术的发展现状

  数字图像处理是将图像信号转换成数字信号并用计算机进行处理的过程,20世纪20年 黄以来,随着计算机技术和数字电视技术的普及和发展,数字图像处理技术得到了迅猛的发展。数字图像处理的目的是提高图像的质量。除此之外,它也旨在提高人们的视觉冲击力。目前,技术被广泛应用于很多领域,比如科研、工农业、生物医学技术、航天、军事、机器人技术,政府在文化艺术等领域的职能机构,在其中发挥着越来越重要的作用。渐渐地,它已经成为一门具有吸引力和广阔的发展前景的新学科。现今是计算机技术、网络技术以及多媒体技术高速发展的时 黄,更多高科技技术正在全面发展,数字图像处理技术作为一种新式技术,如今已经广泛地应用于人们的生产生活中。数字图像处理技术的应用和发展为人们的生活发展带来了很多的便利,除了能在上述的领域中大放光彩,在遥感技术、工业检测方面也是发展迅速,同时在医学领域,气象通信领域也有很大的成就。

  图像是对物体的描述信息。数字图像是物体的数字表示。图像处理是对图像信息的处理,以满足人类视觉心理和应用的需要。我个人对数字图像处理的解释是使用计算机,或者其他的数字设备(不仅仅局限于是计算机),这是一门新兴的应用学科,其发展速度极快,应用领域极为普遍。

  图像处理技术发展至今,仍有诸多问题有待研究和探讨,比如其算法如何更加新颖不重复、怎样确保图像处理系统的更新换 黄,逐渐强大。

  首先,理论研究必须要持续且加强,这是基础,但也是后续创新的必要前提,为了图像处理的发展,必须建立一个相关的理论体系,这个问题刻不容缓。第二,我们必须重视图像处理的速度,当然,提速必须要在保证精度的前提上。由此一来,其突破点就在于如何快速有效平衡数据量的大小与图像处理速度之间的关系。紧接着,在图像处理技术的体系中,建立一个标准化可以利于攻克很多难题。因为图像信息的种类和数量非常庞大,所以这就给对它们建库、交流和检索带来了一定程度上的麻烦。除此之外,大量不相同的软件和硬件也是个棘手的问题,因为这样会导致使用上、交流上和资源共享上的不便利。我认为,可以通过建立相关的信息库来统一存放格式。另外,将检索方法统一可以通过建立一套标准的子程序来实现。

  然后,我们还要善于借鉴其他学科领域的科学技术、理论基础和应用成果来推动软件研究的进程,现在很多资源都是共享的,显然这点不难做到。最后,其边缘学术和应用领域的学习研究要继续下去,它们之间是相辅相成的,会一同促进图像处理技术的更新和改进。

  从20世纪第一台计算机的出现到现在,计算机设备和网络技术一直在快速发展,计算机的应用给人们的生产生活带来了很大的便利,人们应用计算机处理各种复杂的数据,几乎完美完成了很多依靠传统方式不能处理的难题。数字图像处理技术是应用较为广泛的一种技术,在具体应用过程中,能够经过增强、复原、分割等过程对数据进行处理。这项技术具有很多不可估量的优点,比如它的多样性明显、精度高、数据处理量大。

  数字图像处理技术是近年来发展较为迅速的一种技术,具体是指应用计算机对图像进行一系列的处理,最终达到人们要求的水平,在具体的处理过程中,以改善图像的视觉效果为核心,最终呈现出人们想要表达的意思。纵观其发展历程,人们对该技术的研究主要是在实现图像数字化,图像的增强与还原,另外,还有分割图像等等。在最近几年,这项技术的应用似乎无处不在了,在很多行业很多学科领域我们都能看到其身影。

  数字图像处理技术有以下几个特点:①多样性。图像处理的算法是我们人为设计的,根据不同的需求,我们能设计出不同的算法,运用不同的程序在这上面,这样能产生不一样的效果②图像处理精度高。应用数字图像处理技术处理的图像,其精度和再现性都提高了一个层次,尤其是在各种算法和程序的支撑下,进一步确保了计算的精度和正确性。③结合了多门学科和新技术。数字图像处理的应用基础涵盖了大量不尽相同的学科和技术,其中数学和物理是关键所在,而计算机、通信、电子等技术可以作为辅助,保证其处理的质量。

  1.4数字图像处理系统的发展现状和未来走向

  图像的输入、图像的处理分析和图像的输出是构成数字图像处理系统的三个最主要、最核心的部分。

  数字图像处理系统在传统领域有着很广泛的应用,非常有发展前景。在传统领域中,它能被应用在医学、空间应用、地理学、生物学、军事等,并且在不断地更新技术、提高使用效率。除此之外,数字图像处理系统在最新领域也依然大放光彩,例如数码相机(DC)、数码摄像机(DV),指纹识别、人脸识别,互联网、视频、多媒体等,基于内容的图像检索、视频检索、多媒体检索和水印、游戏、电影特技、虚拟现实、电子商务等。

  由此可见,数字图像处理系统将会一直朝着更加智能化的方向发展,通过更新换 黄提高速度、精度和分辨率,并且最终被更多行业的技术人员使用。

  1.5论文研究的主要内容

  本论文将阐述如何通过图像处理技术构建一个表面缺陷检测系统,它能对采集到的电路板图像进行图像增强(包括灰度化、平滑滤波、边缘检测、二值化等),再进行ROI提取,识别划痕和凹陷。再确保能实现基本功能的基础之上,我们将不断地对其算法进行优化,以达到使该系统更加标准化、智能化的目的。

  本论文主要研究以下几个方面的内容:

  1.了解我们将通过什么工具和手段,在一个什么样的平台和环境下,设计出一套能实现目标功能并且有条有理、清晰高效的的算法。

  2.概述或详述完成该研究课题必不可少的相关知识,并适当提炼其中心思想。

  3.通过研究柔性电路板金手指表面缺陷的特征设计出缺陷视觉检测系统的具体实现方法和步骤。

  3.综合利用视觉检测技术提出实现柔性电路板表面刮伤或压伤缺陷检测的算法,对采集到的图像运用滤波、边缘检测、二值化等图像增强方法尽量将其表面缺陷显现出来,然后再提取感兴趣区域和划痕、凹陷,最后优化算法。我们将选择MATLAB这款高级技术计算机语言和交互式环境作为技术载体,那么熟练掌握MATLAB软件、了解机器视觉技术和电路板元件检测原理就至关重要了,用MATLAB数学软件编写 黄码开发FPC表面缺陷的检测系统,该视觉检测系统能判断被测电路板是否有缺陷,并且识别该缺陷是刮伤划痕还是压伤凹陷。

  1.6论文的结构

  本论文的主要工作及结构安排如下:

  第一章:绪论,首先阐述了这项课题是在研究什么东西,涉及到什么领域,其科学依据是什么,我们通过这次研究所要达成的目的是什么。在柔性电路板表面质量检测中,我们需要一种低成本但高效率的检测技术来筛选出具有表面刮伤或压伤缺陷的视觉检测系统。随后,了解并介绍了国内外图像处理技术的发展现状和前景、机器视觉检测技术的应用和本次设计所依赖的技术支持——高级计算机语言MATLAB。最后,简单概述了本次论文的主要内容。

  第二章:图像处理算法研究,主要给出了实现表面磨砂缺陷检测的算法,运用了图像处理的各种技术:图像的灰度化、高斯滤波、序贯滤波、SOBEL边缘算子、拉普拉斯算子、比例二值化、线检测等。

  第三章:感兴趣区域提取及划痕提取,主要给出了ROI提取的主要过程即模型读取和掩膜生成,同时,对本课题所使用的划痕的检测及提取的方法做了介绍。

  第四章:系统设计与实验验证,给出了表面磨砂缺陷图像处理缺陷检测的开发与试验环境,根据现有条件,对采集到的工件缺陷图像进行处理与检测,实验结果证明本文的检测结果达到了预期的缺陷检测效果。

  第五章:全文的总结和进一步的工作与展望。总结是否成功完成了柔性电路板金手指缺陷检测系统的设计、算法是否合理、运行效果是否达到预期等等,并且对未来的展望进行探讨,能否规划对其更深层次的研究。

  第二章图像处理算法研究

  2.1柔性电路板表面缺陷的产生原因及特征

  柔性电路板配线密度高、重量轻、厚度薄、弯折性好。FPC的表面缺陷很可能是在机器打磨或组装工件的过程中产生的,机器的灵敏度不高或间歇性的失控等意外都可能导致对电路板表面的损坏。除此之外,在产品传送的过程中也可能会发生一些不必要的磕碰。最后,工作人员的操作不当、粗心失误也可能会损坏电路板表面,尤其是装连人员。刮伤缺陷的特征是:1、所占面积不大。2、形状呈细线状、条纹状,且无规则。压伤凹陷的特征是:1、所占面积相对比刮伤痕迹的大。2、形状呈块状或类似椭圆的形状,且无规则

  图2.1刮伤

  图2.2压伤

  2.2图像的灰度化处理

  灰度的取值范围在大多数情况下是0-255(255是白色,0是黑色),是图像上每个像素的颜色值。在黑白图像中,我们用灰度这个概念来衡量点的颜色的深浅。

  灰度,顾名思义,表达的是没有色彩。当在RGB模型中R=G=B时,图像只呈现灰度的变化,我们把R=G=B的这个值,叫做灰度值。当它的像素值只能为0或1,此时其灰度级为2,这就是一个二值化灰度图像。比如,这里有一个256级灰度的图像,当R=G=B,RGB(80,80,80)的意思是灰度值等于80,同理,RGB(10,10,10)的意思是灰度值等于10。

  之前我们有提到过,在进行视觉检测的过程中,对图像进行预处理是必不可少的环节,其中图像的灰度化就是本次设计所要求的图像预处理中的重要一步。要进行图像的灰度化操作,我们有以下几种方式可供选择:

  (1)用分量法进行灰度化

  对于一个彩色图像,可以把其中的R、G、B的亮度分别作为三个灰度图像的灰度。我们可以根据不同的需求,来选择其中的一种相应的灰度图像。

  (2)用最大值法进行灰度化

  最大值法指的是把彩色图像中的R、G、B的亮度的最大值作为灰度图像的灰度。

  3.用平均值法进行灰度化

  在平均值法下,彩色图像中的R、G、B的亮度的平均值为灰度图像的灰度。

  4.用加权平均法进行灰度化

  彩色图像中不同的分量其重要性可能会有所不同,这时我们可以将R、G、B用不一样的权重进行加权平均。如果按照下面这个算式对R、G、B进行加权平均,我们能得到一个相对正确、合适的灰度化图像(因为我们人类的眼睛对蓝色的灵敏度最低、不敏感,相反,对绿色的灵敏度最高、十分敏感):

  以上这四种处理方式需要根据实际情况,进行选择。我们这次采用的是加权平均法。

  2.3图像滤波

  什么是图像滤波?我们为什么需要进行图像滤波?对于这个概念,我们可以将其解释为一种用来消除、削弱混入图像中的噪声的技术。由于其处理的效果是好是坏能在一定程度上决定后续图像处理和分析过程的进展是否顺利,结果是否值得信赖,这无疑是图像预处理中必不可少的操作。同时这项操作要求不能损坏图像轮廓及边缘,并且事后图像的视觉效果能得到可观的提升。

  为什么要用到图像滤波这一技术,因为处理的过程中有时存在很多实验人员所无法预料到的意外情况,譬如,成像系统的不足,传输介质的不稳定以及记录设备的不完善都有可能导致数字图像受到很多不同的噪声干扰。

  除了以上讲述的原因,还有一种情况也很有可能在结果图像中带来噪声干扰,那就是在图像处理的某一环节上,输入的图像对象不符合我们的预期。图像中能很清晰且强烈地呈现这些噪声,因为它们会以一种像素点或像素块的形态让我们看到,并且他们是孤立的。一般噪声信号与我们所要钻研的目标对象没有什么太大的关联,它会形成没有利用价值、没有研究价值的信息,进而打乱我们观测图像的思路。

  2.4边缘检测

  数字图像处理技术是信息科学中在近几十年来发展最为迅速的其中一门学科。众所周知图像有很多特征,而我即将要介绍的其中最基本的一种特征是图像边缘。边缘在图像处理中有不少的作用,比如图像识别和图像分割可以用到边缘,除此之外,边缘在图像的增强或压缩等不同的领域中也大放异彩。其实际的意图是准确定位边缘,与此同时,约束噪声干扰。由此可见,边缘这一概念在图像分析领域一定能占据一席之地,有着非常重要的辅助作用。目前,数字图像处理技术被广泛应用于航空航天、通信、医学及工业生产等领域中。图像边缘提取的手段多种多样,我们可以通过在用MATLAB语言进行合理编程的基础上以不同的算子来完成边缘检测(针对静态图像),并且和检测加入高斯噪声的图像进行多次比较。

  通过对边缘检测结果的分析,可以降低整体光照强度的变化对实验的干扰,同时,利用边缘信息容易突显目标信息和达到简化处理的目的,因此很多图像理解方法都以边缘为基础。图像对比度是边缘检测所一直强调的。那么,该如何去理解图像对比度?顾名思义,对比度衡量的是差异的大小,如果将这个概念指向灰度图像,那就是灰度值(亮度值)的差别,若对于彩色图像则是颜色的差异了。这些差异可以增强图像中的边界特征,因为这些边界就是图像对比度较大的体现。

  2.5二值化

  为了选取目标。相当于滤波一样的来。举例来说,一幅图是从0-255的,有所有的颜色,而我感兴趣的只是其中的一源种颜色,那知就把其他颜色变为0,我感兴趣的颜色范围定为1,这样就去掉了我不关心的,后续只需对感道兴趣的再进行处理。通过将图像上的点的灰度设置成0或255从而能将整个图像展示为鲜明的黑白呈色效果的操作叫做图像的二值化处理。其原理就是运用阈值的选取,控制0~255亮度级的图像使其能够展示我们所需分析的图像(整体+局部)特征。将图像二值化这个技术在图像处理中有着不可或缺的重要性,它可以让处理过程变得简洁明了不再繁琐,要知道,不少系统都是在二值化图像处理实现的基础上演变的,为了分析二值图像,必须将灰度图像二值化处理,当采集到被二值化的图像之后,其集合性质与像素值的关联性就会被限制在两个点的位置之间(像素值为0或255),避免了多级值像素给研究、分析带来的复杂性,除此之外,处理、压缩数据的工作量也得到了大幅度的减轻。

  我们可以选择MATLAB中的im2bw()函数对图片进行二值化。

  在MATLAB中,以阈值变换法来转化二值图像是可行的,它可以通过DIP工具箱函数im2bw的灵活使用来实现。注意,虽然我们所说的二值图像是黑、白的(黑0、白255),但其实也可以是其他两种颜色的相互组合。

  在命令行中键入doc im2bw或help im2bw即可获得该函数的帮助信息。

  im2bw()的语法如下(用level设置阈值):

  (1)BW=im2bw(I,level)

  (2)BW=im2bw(X,map,level)

  (3)BW=im2bw(RGB,level)

  Level在[0,1]这个区间取值。

  2.6本章小结

  本章先是讲述了柔性电路板金手指表面缺陷(刮伤、压伤凹陷)的产生原因及特征,之后主要简单介绍了一些图像预处理(图像的灰度化、图像滤波、边缘检测、二值化),我们将会在后续的课题研究中用到这些预处理算法,它们为我们达到实验预期效果提供了有利条件。另外,想要设计出一个最佳算法,对图像进行预处理也是必不可少的关键一步。

  第三章感兴趣区域提取与缺陷提取

  ROI是“region of interest”的缩写,如果用中文对其进行表述就是“感兴趣区域”。ROI(感兴趣区域)这一概念将会贯穿我们整个第三章的介绍和讲述。研究人员经常会用条形方框、圆(包括椭圆)或者其他一些不规则的图线来凸显他们要重点研究和分析的区域,这种方式方法会被频繁运用在图像处理中,至此一来,顾名思义,将这块区域称其为感兴趣区域ROI是合理的。在Halcon、OpenCV、MATLAB等机器视觉软件上常用到各种算子(Operator)和函数来求得ROI,这样会有利于方便进行图像处理的下一步,因为你有了你图像分析所关注的重点。毋庸置疑,使用ROI圈定你想读的目标,可以减少处理时间,增加精度。

  3.1感兴趣区域提取的特点

  感兴趣区域比较特殊,因为它是最吸引我们的一块区域,针对ROI的提取,首先有必要去了解其以下特点:

  (1)人们无法确切规定感兴趣区域是图像中的哪个部分。这个特点很好解释,因为首先人们研究的图像可能不同,所以无法对它进行精确定义,除此之外,即使是对于同一幅图像的分析,由于研究人员对该图像进行处理的出发点不同、其内在的应用背景不同,也不太可能去按照统一的标准对ROI进行有效划分。要知道,他们的关注点可能有所不同,诚然,他们会站在不同的角度去看待同一个事物,这也说明其具体的需求往往也不一样,那么,非要以一个完全一致的规定去勾勒出ROI是完全不切合实际的。

  (2)当今,人们需要通过图像的颜色、图像的形状或者图像的纹理等一系列最基本的特征来构思相应的算法去提取ROI,不可否认这样的算法可以做到有效、合理,但从技术层面来说,对这些底层特征的依赖确实禁锢了其算法设计的高效创新。但这种现状也是事出有因的,人们对图像的语义特征的提取存在算法上的缺陷与不足,这个问题一直没有得到有效的解决。对大多数研究人员来说,有两种提取图像ROI的方式、思路可供选择:1、实现一个能模拟人眼具备的视觉特点的技术,搜索指定的(视觉)敏感区,这些在后续被排序过的敏感区域就是我们所求的感兴趣区域。2、图像分割技术

  3.2感兴趣区域提取的实现

  两类提取ROI的方式在上一小节已经介绍过了,落实到具体的实操,我们可以采取差影法(对图像进行 黄数运算的一种不同的叫法)、交互式提取法、自动图像分割提取法。本次ROI的提取,我们将采取差影法。差影法:在这次课题研究的图像处理部分,我们将会以图像减法作为中心思路,设法将混合背景中的前景给分离出来,因为这是我们感兴趣的区域。假设背景图像为b(x,y),前景背景混合图像为f(x,y),则去除了背景的图像为:a(x,y)=f(x,y)-b(x,y)

  以下是差影法在ROI提取中的具体运用步骤和提取目的实现的简易过程:

  首先要用到strel函数,它可以创建我们指定的形状所对应的结构元素,然后选择disk作为形状参数,圆盘半径的选择要具体根据背景的复杂程度来敲定。background=imopen(I,strel(‘disk’,15));

  第二步,获得背景图像,具体的实现是通过对原始图像和上述由strel函数创建的结构元素进行开运算。

  最后一步,旨在获得去除背景后的ROI,其核心思路是对原始图像和上述的背景图像做减法运算,这个可以通过imsubtract函数来实现。I2=imsubtract(I,background);

  注:实验图片的背景复杂度不同,圆盘半径参数选取不同。

  3.3缺陷的检测及提取

  本次研究的柔性电路板金手指缺陷是刮伤导致的划痕和压伤导致的凹陷,所以要检测及提取该电路板缺陷,就是检测和提取划痕和凹陷。在第二章,我已经简单介绍了一些图像的预处理方式(图像的灰度化、图像滤波、边缘检测、二值化),在完成这些预处理后,图像能少受到噪音的干扰,并且凸现一些我们期待的特征。这次我们打算在MATLAB里做一个图像的减法,从而达到缺陷的提取。具体方式在上一部分我已经有所提到。

  3.4本章小结

  本章节的内容大致可以分为两个部分,前一部分是讲述了“感兴趣区域”的含义,后面的小节则是以“感兴趣区域”的提取作为重点介绍的对象。ROI的释义和由来我已经在本章的开头简单陈述过了——图像中用户最关注的区域。由此可见,我们无法以一个确定性的定义来覆盖和约束ROI这一概念,因为不同的研究人员可能会有不同的实验需求,他们愿意给予更多关注的区域也可能大相径庭。关于ROI的提取还有一个不可忽视的特点就是其算法比较依赖于图像的颜色、形状、纹理等底层特征。之后,简单分析了实现感兴趣区域的提取的方式,我们选择了差影法。基于MATLAB,对图像做减法,从而达到更直观的检测效果。最后简单概述了柔性电路板缺陷的检测及提取。

  第四章系统软件设计及实验结果分析

  本文的柔性电路板金手指表面刮伤、压伤缺陷检测系统是在MATLAB R2013b交互式环境下实现的,综合运用了多种视觉检测技术,实现了柔性电路板金手指刮伤、压伤缺陷检测的功能,整个缺陷视觉检测系统最重要、最核心的就是软件部分,这是使用图像处理技术的前提条件。

  4.1软件开发环境

  Matrix Laboratory,也就是我们熟知的MATLAB的全称。MATLAB处理数据的形式与其他大部分的高级编程软件有所不同,其计算是通过矩阵来完成的。这款数学软件里面有很多内置函数供我们使用,并且具备性能优越的数值计算功能。该软件还有一个显著的优势是人们可以比较便利地扩展它的功能,因为其产品的结构是开放式的。由此可见,MATLAB的延续性和可创新性很强,这极大地提高了该产品在市场和计算机编程、数学建模领域的竞争力,也给开发人员提供了一个可以对MATLAB存在或可能存在的问题反复地审视和改善的机会。

  如果要问MATLAB的核心命脉是什么,那么一定是矩阵与数组,因为它们关系着“矩阵实验室”的数据处理,尤其是数据的展现形式和储存方式。之所以人们选择MATLAB,除了是因为它拥有独特的强大功能之外,还可能是因为它具备了一些与之不同的计算机编程语言的特性,比如图形用户界面,即人们常说的,便于研究人员进一步开发程序的GUI。

  如今,MATLAB已被应用在很多的领域,被越来越多的研究人员认可。历经多年磨练和考验的它正在以一种全新的姿态走入大量的高校和社会、工业部门,在国外,它甚至是很多名校的本科生和硕、博生的必修技能。MATLAB不仅能便利学术工作者的研究,还能便利教职人员的教学(例如线性 黄数、数理统计、数字图像处理等课程的教学)。最后,评价一款软件的好坏,不只是看它的功能有多么的绚丽,关键是看它能不能帮助人们发现问题、解决问题,显然,MATLAB做到了这一点。同样不可否认的是,MATLAB具有非常可观的发展前景,随着产品持续的更新进步,即使在遥远的未来,它也很难被淘汰。

  4.2软件系统框架

  图4.2系统软件结构图

  该检测系统软件的设计采用模块化的设计思想,在Windows 10环境下用MATLAB编程语言来开发,条理清晰、目的明确、执行高效,各模块均完成一个独立功能,使其不互相干扰,提高了视觉检测系统的工作效率。

  4.3系统模块的实现

  4.3.1灰度化模块

  图4.3灰度化算法模块图

  4.3.2高斯滤波模块

  图4.4高斯滤波模块图

  4.3.3线检测模块

  图4.5线检测模块图

  4.3.4比例二值化模块

  比例二值化需要两个模块,它们分别是直方图模块和二值化模块。

  1.直方图模块

  图4.6直方图模块图

  2.二值化模块

  图4.7二值化模块图

  4.4实验结果分析

  图4.5.1压伤凹陷检测结果

  图4.5.2刮伤划痕检测结果

  由图可见,实验达到了预期效果。图4.5.1可以显示柔性电路板金手指存在表面缺陷,缺陷的种类是压伤凹陷,压伤所占面积为5.63%,除此之外,可以很清楚地看到,缺陷被标记了出来。图4.5.2可以显示柔性电路板金手指存在表面缺陷,缺陷的种类是刮伤,刮伤一共有4条线,同样地,缺陷被标记了出来。

  4.5本章小结

  本章首先表明了这次的软件开发环境,即MATLAB。简单介绍了MATLAB的一些特性和发展现状、前景,阐明了我们为什么会选择MATLAB作为我们这次视觉检测系统开发的交互式环境。然后列出了主要模块的流程图,通过各流程图可以更容易知道划痕检测各步骤的实现过程,最后将所有的功能模块在PC机上进行了验证,通过结果图可以看出最终的检测效果很好,能够实现课题目的。