一種手機(jī)底板連接器缺陷檢測方法
【專利摘要】本發(fā)明提供一種手機(jī)底板連接器缺陷檢測方法，包括以下步驟：步驟1，制作標(biāo)準(zhǔn)的手機(jī)底板連接器灰度圖像模板；步驟2，對待測試圖像進(jìn)行預(yù)處理和灰度變換；步驟3，分別對測試圖像和模板進(jìn)行SURF算法處理獲取特征點(diǎn)和仿射變化，用最近鄰匹配法匹配特征點(diǎn)；步驟4，用RANSAC模型來消除誤匹配特征點(diǎn)；步驟5，根據(jù)仿射矩陣將待測試圖像轉(zhuǎn)換到模板尺度空間上，得到一副新圖像；步驟6，分別對矯正后的測試圖像和標(biāo)準(zhǔn)圖像進(jìn)行二值化，并將二值化圖像進(jìn)行相減；步驟7，對差值圖像進(jìn)行形態(tài)學(xué)處理，判斷測試圖像是否為合格，如果有缺陷，標(biāo)記缺陷位置。該方法能夠有效地檢測出待測樣品中的缺陷，并準(zhǔn)確地定位缺陷位置。
【專利說明】
一種手機(jī)底板連接器缺陷檢測方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及一種缺陷檢測技術(shù)，特別是一種手機(jī)底板連接器缺陷檢測方法。
【背景技術(shù)】
[0002]隨著信息社會的不斷發(fā)展，手機(jī)成為人們獲取信息的常用工具。在手機(jī)的生產(chǎn)過程中，connector (連接器)起著連接手機(jī)各個(gè)模塊的作用。連接器主要是通過特定地模具生產(chǎn)出來的，不可避免地會出現(xiàn)污漬、漏印、掉銅等問題，傳統(tǒng)的人工檢測由于其檢測量大、人力成本高、速度慢、不可避免的出現(xiàn)漏檢錯(cuò)檢等問題不能得到令人滿意的結(jié)果。
[0003]近年來，隨著計(jì)算機(jī)技術(shù)和圖像處理技術(shù)的發(fā)展，基于PC機(jī)的圖像檢測技術(shù)越來越多的應(yīng)用到工業(yè)生產(chǎn)的各個(gè)環(huán)節(jié)。其檢測方法是圖像傳感器采集到待測圖像與模板圖像通過匹配濾波后進(jìn)行相減得到差值圖像，最后判斷缺陷圖像。這種檢測方法也為手機(jī)連接器的缺陷檢測提供了可能。但由于受到環(huán)境的限制，采集到的圖像難免會出現(xiàn)小范圍的偏移、旋轉(zhuǎn)和縮放，如果不能有效的處理這些問題，就會造成錯(cuò)誤的匹配和檢測。在傳統(tǒng)的檢測系統(tǒng)中，檢測算法是在PC上運(yùn)行和顯示，這種檢測系統(tǒng)存在設(shè)備成本高、體積大和便攜性差等缺點(diǎn)。因此，提供一種便攜式、操作簡單、價(jià)格低廉和高效的檢測算法的缺陷檢測裝置是急需解決的冋題。
[0004]本發(fā)明是一種基于ARM+DSP架構(gòu)的檢測系統(tǒng)，采用SURF(Speeded Up RobustFeature，快速魯棒特征)和RANSAC(RANdom SAmple Consensus ,RANSAC)模型算法的手機(jī)底板連接器缺陷自動檢測方法，該系統(tǒng)通過ARM觸發(fā)DSP處理器來控制圖像的采集，采集到的圖像通過模數(shù)轉(zhuǎn)換后輸入到DSP圖像處理單元進(jìn)行算法處理，以標(biāo)準(zhǔn)樣品為模板，利用SURF快速特征點(diǎn)檢測算法分別檢測出特征點(diǎn)，再通過RANSAC模型算法消除誤匹配特征點(diǎn)，通過匹配后的矯正圖像與標(biāo)準(zhǔn)模板圖像相減得到差值圖像，最后通過形態(tài)學(xué)處理消除孤立點(diǎn)，對最終的差值圖像進(jìn)行判斷并標(biāo)記。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于針對基于ARM+DSP架構(gòu)的手機(jī)提供一種手機(jī)底板連接器缺陷檢測方法，該方法能夠有效地檢測出待測樣品中的缺陷，并準(zhǔn)確地定位缺陷位置。該方法包括以下步驟:
[0006]步驟I，制作標(biāo)準(zhǔn)的手機(jī)底板連接器灰度圖像模板；
[0007]步驟2，對待測試圖像進(jìn)行預(yù)處理和灰度變換；
[0008]步驟3，分別對測試圖像和模板進(jìn)行SURF算法處理獲取特征點(diǎn)和仿射變化，用最近鄰匹配法匹配特征點(diǎn)；
[0009]步驟4，用RANSAC模型來消除誤匹配特征點(diǎn)；
[0010]步驟5，根據(jù)仿射矩陣將待測試圖像轉(zhuǎn)換到模板尺度空間上，得到一副新圖像；
[0011]步驟6，分別對矯正后的測試圖像和標(biāo)準(zhǔn)圖像進(jìn)行二值化，并將二值化圖像進(jìn)行相減；
[0012]步驟7，對差值圖像進(jìn)行形態(tài)學(xué)處理，判斷測試圖像是否為合格，如果有缺陷，標(biāo)記缺陷位置。
[0013]采用上述方法，步驟3中所述的對測試圖像和模板進(jìn)行SURF算法處理獲取特征點(diǎn)的具體過程為:
[OOM] 步驟3.1，構(gòu)建Hessian矩陣，基于Hessian矩陣行列式的局部最大值來篩選在I =(x，y)處的極值；
[0015]步驟3.2，于所有極值點(diǎn)中挑選特征點(diǎn)；
[0016]步驟3.3，采用基于半徑為6s的領(lǐng)域內(nèi)像素值的χ方向和y方向的haar小波響應(yīng)值描述特征點(diǎn)向量，s為特征點(diǎn)所在的尺度值；
[0017]步驟3.4，設(shè)置一個(gè)閾值T，基于歐氏距離匹配特征點(diǎn)，當(dāng)歐氏距離〈T時(shí)，該對特征點(diǎn)做為一對匹配特征點(diǎn)。
[0018]本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點(diǎn):(I)本發(fā)明提供的基于SURF算法的手機(jī)底板連接器缺陷自動檢測方法，能夠快速準(zhǔn)確地檢測缺陷并定位位置；(2)本發(fā)明提供的基于SURF算法的手機(jī)底板連接器缺陷自動檢測方法，對發(fā)生旋轉(zhuǎn)、偏移和縮放的測試圖像同樣具有很好的處理效果。
[0019]下面結(jié)合說明書附圖對本發(fā)明作進(jìn)一步描述。
【附圖說明】
[0020]圖1是本發(fā)明實(shí)施方式提供的一種手機(jī)底板連接器缺陷檢測示意圖。
[0021]圖2是本發(fā)明提供的一種基于SURF和RANSAC模型算法提取特征點(diǎn)并匹配的具體過程不意圖。
【具體實(shí)施方式】
[0022]圖1是本發(fā)明實(shí)施方式提供的一種手機(jī)底板連接器缺陷檢測示意圖，包括圖像采集器、DSP圖像處理器14、ARM處理器15、觸摸顯示器11、共享RAM17以及存儲16，圖像采集器包括CCD12和A/D轉(zhuǎn)換13。所述ARM處理器15分別和所述DSP圖像處理器14、觸摸顯示器11、共享RAM17、存儲16相連，所述DSP圖像處理器14與(XD12、A/D轉(zhuǎn)換13相連。
[0023]所述DSP圖像處理器14根據(jù)ARM處理器15的啟動指令來控制圖像采集器的啟動;所述DSP圖像處理器14將處理的結(jié)果放入共享RAMl 7中，并觸發(fā)ARM處理器15;所述ARM處理器15根據(jù)DSP圖像處理器14的觸發(fā)信號讀取共享RAM17中的數(shù)據(jù);所述ARM處理器15通過觸摸顯示器11顯示結(jié)果和存儲16。
[0024]其中ARM處理器搭載Linux系統(tǒng)，ARM處理器實(shí)時(shí)檢測觸摸顯示屏上的啟動命令作用于DSP圖像處理器，圖像采集器采集相應(yīng)的圖像，并將圖像發(fā)送給DSP圖像處理器，再由DSP圖像處理器進(jìn)行缺陷檢測處理，并將檢測結(jié)果信息發(fā)送至共享RAM并觸發(fā)ARM處理器，最后由ARM處理器將檢測結(jié)果觸摸顯示屏上，該系統(tǒng)集成度高、便攜性好、操作簡單。
[0025]基于上述系統(tǒng)的一種基于ARM+DSP的手機(jī)底板連接器自動缺陷檢測方法(如圖2所示)，包括如下步驟:
[0026]步驟101，實(shí)時(shí)采集的圖像作為輸入源；
[0027]步驟102，對待檢驗(yàn)樣品圖像進(jìn)行預(yù)處理，所述對待檢驗(yàn)樣品的預(yù)處理是采用直方圖均衡化方法對圖像進(jìn)行非線性拉伸，重新分配圖像像素值，使一定范圍內(nèi)(0-255)的像素值大致相同，即每一個(gè)像素值對應(yīng)像素個(gè)數(shù)相同。
[0028]步驟103，將預(yù)處理后的圖像通過灰度轉(zhuǎn)換算法轉(zhuǎn)換成256階的灰度圖像；
[0029]步驟104，輸入標(biāo)準(zhǔn)模板灰度圖像樣品，所述的模板圖是篩選的無缺陷的標(biāo)準(zhǔn)圖像；
[0030]步驟105，通過SURF算法分別求得模板圖和待測圖的特征點(diǎn)和仿射變化，并描述向量;然后利用最近鄰匹配法匹配特征點(diǎn)，具體實(shí)施步驟如下:
[0031 ] (I)構(gòu)建Hessian矩陣，并利用Hessian矩陣行列式的局部最大值來篩選在I = (χ，y)處極值，比較I處和周圍26點(diǎn)像素的極值，只有比周圍的26個(gè)像素都大，才確認(rèn)為極值點(diǎn)；
[0032](2)于所有極值點(diǎn)中挑選特征點(diǎn)；
[0033](3)確定特征點(diǎn)描述向量，采用基于半徑為6s(s為特征點(diǎn)所在的尺度值)的領(lǐng)域內(nèi)像素值的χ方向和y方向的haar小波響應(yīng)值來描述，按照主方向選取20s X 20s的正方形區(qū)域，將該區(qū)域劃分為16個(gè)子區(qū)域。分別對每個(gè)子區(qū)域計(jì)算25個(gè)空間歸一化的采樣點(diǎn)的haar小波響應(yīng)，并對每個(gè)子區(qū)域分別計(jì)算Σ dx、Σ dy、Σ dx U Σ dy，這樣每個(gè)特征點(diǎn)就將得到一個(gè)64維的矢量，最后對矢量進(jìn)行歸一化，其中Σ(1Χ、Σ(^、Σ |dx|、Σ |dy I分別為χ方向像素值之和、y方向像素值之和、χ方向像素值絕對值之和、y方向像素值絕對值之和；
[0034](4)利用歐氏距離匹配特征點(diǎn)，設(shè)置一個(gè)閾值T，當(dāng)歐氏距離〈T時(shí)，就把它們當(dāng)做一對匹配點(diǎn)；
[0035](5)所述仿射變化H的獲取方法為:設(shè)某一原始坐標(biāo)為Xo =(xo,yo),經(jīng)過某種仿射變換后變?yōu)閄= (x，y)，公式如X = HXo,從已經(jīng)匹配好的特征點(diǎn)中隨機(jī)抽取3對匹配樣本，并根據(jù)這三組的相互匹配好的特征點(diǎn)計(jì)算一組仿射變換H;
[0036]步驟106，RANSAC算法是采用迭代的方式從一組包含離群的被觀測數(shù)據(jù)中估算出數(shù)學(xué)模型的參數(shù)，RANSAC是一個(gè)非確定性算法，在某種意義上說，它會產(chǎn)生一個(gè)在一定概率下合理的結(jié)果，通過多次的迭代會使概率增加，該模型能很好的消除誤匹配；
[0037]步驟107，將待測試樣品圖像通過仿射矩陣H轉(zhuǎn)換到模板尺度空間上，得到一副新圖像；
[0038]步驟108，分別將變換后的待測試樣品圖像和標(biāo)準(zhǔn)模板圖像進(jìn)行二值化并將2圖相減得到差值圖像；
[0039]步驟109，差值圖像會有不同程度的噪聲，采用數(shù)學(xué)形態(tài)學(xué)處理(包括膨脹和腐蝕)用來消除一些孤立點(diǎn)；
[0040]步驟110，根據(jù)步驟109之后的圖像判斷該待測試樣品圖像是否為缺陷，若存在較大區(qū)域?yàn)榘咨c(diǎn)，說明樣品圖像存在缺陷。
【主權(quán)項(xiàng)】
1.一種手機(jī)底板連接器缺陷檢測方法，其特征在于，包括以下步驟: 步驟I，制作標(biāo)準(zhǔn)的手機(jī)底板連接器灰度圖像模板； 步驟2，對待測試圖像進(jìn)行預(yù)處理和灰度變換； 步驟3，分別對測試圖像和模板進(jìn)行SURF算法處理獲取特征點(diǎn)和仿射變化，用最近鄰匹配法匹配特征點(diǎn)； 步驟4，用RANSAC模型來消除誤匹配特征點(diǎn)； 步驟5，根據(jù)仿射矩陣將待測試圖像轉(zhuǎn)換到模板尺度空間上，得到一副新圖像； 步驟6，分別對矯正后的測試圖像和標(biāo)準(zhǔn)圖像進(jìn)行二值化，并將二值化圖像進(jìn)行相減； 步驟7，對差值圖像進(jìn)行形態(tài)學(xué)處理，判斷測試圖像是否為合格，如果有缺陷，標(biāo)記缺陷位置。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2中所述的預(yù)處理的過程為采用直方圖均衡化方法對測試圖像進(jìn)行非線性拉伸，重新分配圖像像素值，使一定范圍內(nèi)的像素值相同。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟3中所述的對測試圖像和模板進(jìn)行SURF算法處理獲取特征點(diǎn)的具體過程為: 步驟3.1，構(gòu)建Hessian矩陣，基于Hessian矩陣行列式的局部最大值來篩選在I = (x,y)處的極值； 步驟3.2，于所有極值點(diǎn)中挑選特征點(diǎn)； 步驟3.3，采用基于半徑為6s的領(lǐng)域內(nèi)像素值的X方向和y方向的haar小波響應(yīng)值描述特征點(diǎn)向量，s為特征點(diǎn)所在的尺度值； 步驟3.4，設(shè)置一個(gè)閾值T，基于歐氏距離匹配特征點(diǎn)，當(dāng)歐氏距離〈T時(shí)，該對特征點(diǎn)做為一對匹配特征點(diǎn)。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟3.1的具體過成為:比較I處和周圍26點(diǎn)像素的極值，當(dāng)I處極值比周圍的26個(gè)像素均大，才確認(rèn)為該I處的極值點(diǎn)。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟3.3的具體過程為: 步驟3.3.1，按照主方向選取20s X20s的正方形區(qū)域，將該區(qū)域劃分為16個(gè)子區(qū)域； 步驟3.3.2，分別對每個(gè)子區(qū)域計(jì)算25個(gè)空間歸一化的采樣點(diǎn)的haar小波響應(yīng)； 步驟3.3.3，對每個(gè)子區(qū)域分別計(jì)算Xdx、Xdy、Σ | dx |、Σ dy，使每個(gè)特征點(diǎn)獲得一個(gè)64維的矢量，最后對矢量進(jìn)行歸一化，其中Σ(1χ、Xdy、Σ | dx |、Σ |dy|分別為χ方向像素值之和、y方向像素值之和、χ方向像素值絕對值之和、y方向像素值絕對值之和。
【文檔編號】G06T7/00GK105976389SQ201610341430
【公開日】2016年9月28日
【申請日】2016年5月20日
【發(fā)明人】伏長虹, 羅云宜, 朱健, 豆彩霞, 左悅
【申請人】南京理工大學(xué)