黃 靜, 司夢雪, 楊 戈, 賀 輝, 周 鵬

?

SIM模塊質(zhì)量分析系統(tǒng)①

黃 靜1, 司夢雪2, 楊 戈1, 賀 輝1, 周 鵬1

1(北京師范大學(xué)珠海分校信息與技術(shù)學(xué)院, 珠海 519087)2(北京師范大學(xué)研究生院珠海分院, 珠海 519087)

針對智能卡片生產(chǎn)制造過程中的質(zhì)量檢測問題, 提出一種基于SIM的質(zhì)量的在線視覺檢測方案, 通過對采集圖像光源設(shè)計、模塊定位以及檢測算法的研究, 利用圖像處理技術(shù)中的邊緣檢測、特征提取、開閉運(yùn)算和對象識別等關(guān)鍵技術(shù), 將打光方案和算法設(shè)計相結(jié)合, 實現(xiàn)了一種利用幾何特征匹配的定位算法, 用以檢測模塊中是否有芯片、是否有污物、生銹、條帶嚴(yán)重彎曲、花紋斷裂、折痕、背面硅膠偏移、硅膠偏厚、報廢模塊背面硅膠異常凸出、模塊條帶的定位孔破損等問題. 測試結(jié)果表明, 該系統(tǒng)有效的實現(xiàn)了對SIM卡的質(zhì)量檢測.

SIM模塊; 機(jī)器視覺; 在線檢測; 硅膠質(zhì)量; 圖像處理

SIM卡(Subscriber Identity Module)是保存移動電話服務(wù), 用于客戶身份識別的智能卡. 目前, 隨著互聯(lián)網(wǎng)時代的蓬勃發(fā)展, 手機(jī)得到普遍的應(yīng)用, SIM卡的作用也日益突出. 每一張智能卡在封裝啟用之前都需要對其質(zhì)量進(jìn)行測試, 因而對其檢測的要求越來越嚴(yán)格. 目前, 在我國企業(yè)主要依靠人眼檢測, 工作量大、生產(chǎn)效率低、成本高. 因此, 迫切需要尋找高效、快速的檢測手段[1].

基于機(jī)器視覺的檢測中, 國外主要在工農(nóng)業(yè)檢測領(lǐng)域中取得了廣泛應(yīng)用[2-5], 國內(nèi), 吳舜娟等人主要對智能卡性能檢測的方法做了深入的研究, 提出了智能卡在各種環(huán)境下的檢測方法[6]. 胡科杰, 劉強(qiáng)對智能卡生產(chǎn)過程中焊點位置的檢測提出了一套基于焊點距芯片邊緣距離的自動測量系統(tǒng)[7]. 程秀芹等針對ISO7816智能卡電氣特性和邏輯特性檢測的原理設(shè)計了一款新型的智能卡檢測儀器, 主要應(yīng)用于智能卡生產(chǎn)線的微電流及邏輯特性參數(shù)的測試[8]. 這些研究成果對于智能卡的檢測提供了一定的程度的幫助.

然而, 在我國目前還沒有研發(fā)出一套關(guān)于SIM卡表面缺陷檢測的成熟系統(tǒng). 臺灣力丞儀器科技有限公司曾研制出一款設(shè)備, 但其檢測的內(nèi)容只有劃痕和污點, 內(nèi)容少, 達(dá)不到對SIM卡質(zhì)量控制的要求.

本文針對SIM卡質(zhì)量檢測問題進(jìn)行了研究, 提出了一種完整的檢測方案, 與其他傳統(tǒng)的質(zhì)量檢測系統(tǒng)相比, 本系統(tǒng)使用的非接觸式的機(jī)器視覺檢測, 分析了SIM模塊表面缺陷成像的難點, 克服了由于SIM模塊體積小、花紋精細(xì)、表面缺陷復(fù)雜等特點造成的定位不準(zhǔn)確且速度低的困難, 大大的提高了檢測速率和精準(zhǔn)度, 降低了生產(chǎn)成本, 并改進(jìn)了過程控制.

1 SIM模塊檢測系統(tǒng)整體設(shè)計

1.1 平臺架構(gòu)

SIM卡視覺檢測系統(tǒng)由工控機(jī)、芯片讀寫器、掃描相機(jī)、視覺軟件、控制軟件和I/O控制卡等元器件組成, 其中系統(tǒng)的圖像采集模塊由照明光源、圖像傳感器和1394接口卡等元器件共同組成.

1.2 打光方案設(shè)計

SIM卡正面為金屬貼片模塊, 背面為半透明和反光的硅膠模塊. 根據(jù)此特征, 對其正反面分別進(jìn)行打光設(shè)計, 正面采用采用同軸光源, 觸點在圖像中表現(xiàn)為亮區(qū); 背面采用低角度環(huán)形光源, 硅膠在圖像中表現(xiàn)為環(huán)形暗區(qū).

1.3 系統(tǒng)檢測方案設(shè)計

該系統(tǒng)如圖1所示, 由SIM模塊生產(chǎn)流水線1, 同軸光源2, 低角度環(huán)形光源3、照相機(jī)4、5和計算機(jī)圖像處理系統(tǒng)6組成. 系統(tǒng)將SIM模塊檢測設(shè)計成一種在線模式, 并采用光源對所述SIM模塊的正面和背面進(jìn)行照射, 當(dāng)模塊條帶進(jìn)給到工作位置, 觸發(fā)兩個相機(jī)分別抓圖, 并采集所述SIM模塊的正面圖像和背面圖像, 送入計算機(jī)進(jìn)行處理, 處理時分別對正面圖像和背面圖像進(jìn)行不同的圖像處理和分析工作, 最終得出檢測結(jié)論.

2 各個模塊詳細(xì)設(shè)計

SIM模塊的檢測要求為: 正面模塊上是否有污物、生銹、條帶嚴(yán)重彎曲、花紋斷裂、折痕; 背面模塊中硅膠是否偏移、偏厚、異常凸出, 是否有芯片, 芯片位置是否發(fā)生偏移、模塊條帶的定位孔是否破損等.

圖2中分別展示了SIM模塊的正面圖像和SIM模塊的背面圖像.

圖1 打光方案設(shè)計實體檢測設(shè)備示意圖

(a) 模塊正面

(b) 模塊背面

圖2 SIM卡正反面圖像

2.1 SIM卡正面檢測方法設(shè)計

2.1.1 正面模塊定位算法

由于SIM卡正面模塊觸點為固定的幾何花紋圖案, 因此本文采取基于幾何特征的匹配算法, 優(yōu)先選擇Canny算子邊緣檢測算法[9]提取圖像邊緣, 把其中的交叉點和線作為特征, 再由相關(guān)特征進(jìn)行模塊定位, 具體步驟如下, 流程圖如圖3所示.

(1) 選取二維高斯濾波模板, 通過模板對圖像進(jìn)行平滑, 以便抑制噪聲; 其中高斯函數(shù):

(2) 用梯度算子求兩個方向的偏導(dǎo)數(shù), 計算梯度的大小和方向; 使用微分算子求出偏導(dǎo)數(shù):

(3) 邊緣點由在梯度方向上的梯度局部極大值來確定, 其它非局部極大值的點置0(此過程稱為“非極大值抑制”);

(4) 確定兩個閾值1,2,(1<2), 梯度局部極大值大于2的點稱為強(qiáng)邊緣點, 局部極大值大于1, 而小于2的點稱為弱邊緣點. 最后將強(qiáng)邊緣點和那些能連通(8連通)到強(qiáng)邊緣的弱邊緣點合并,(舍去那些不能連通到強(qiáng)邊緣的弱邊緣點), 形成圖像的邊緣圖.

圖3 Canny算子邊緣檢測算法流程圖

在采集所述SIM模塊的正面圖像后, 首先對圖像進(jìn)行去噪處理, 通過提取圖像的邊緣來進(jìn)行閾值分割, 然后, 選擇基于灰度圖像的角點檢測方法[10]來獲取特征值, 本文選取Harris 算子來進(jìn)行特征值的提取. 具體實現(xiàn)步驟如下:

(1) 利用水平、豎直差分算子對圖像(,)每個像素進(jìn)行濾波以求得I,I,進(jìn)而求得中四個元素的值:

,,

(2) 對的四個元素進(jìn)行高斯平滑濾波, 得到新的. 離散二維零均值高斯函數(shù)為:

(3) 利用計算對應(yīng)于每個像素的Harris響應(yīng)值, 并對小于某一閾值的置為0.

其中,為矩陣的行列式,為的直跡,為經(jīng)驗常數(shù), 范圍在0.04~0.06.

(4) 進(jìn)行5×5鄰域非極大值抑制, 圖像中的角點用局部極大值的點表示.

(5) 記錄角點在原圖像中的位置, 即圖像角點的位置所在, 也是本文所提取的特征點.

在經(jīng)過角點檢測提取圖像特征點后, 通過選取每一個模塊單元的輪廓來實現(xiàn)正面模塊的定位.

傳統(tǒng)的圖像匹配方法是將模板的每一個像素點和標(biāo)準(zhǔn)圖像求互相關(guān), 這種方法計算量大, 計算時間長, 很難滿足實時性要求高的系統(tǒng). 因此基于直方圖二維圖像變成一維信息的特點, 檢測系統(tǒng)中通過匹配直方圖特征先篩選出一些模板匹配可能性較大的區(qū)域, 這樣就大大減少了計算量, 節(jié)省了系統(tǒng)資源, 具體實施方案如下:

(1) 選取合適的模板, 計算并保存模板的直方圖特征;

(2) 從目標(biāo)圖像的零點起, 截取與模板同樣大小的子圖, 計算其直方圖特征;

(3) 設(shè)定一個合適的閾值, 計算模板直方圖與已檢測的子圖的互相關(guān), 達(dá)到閾值要求, 則保存該子圖的坐標(biāo)信息;

(4) 選取一個合適的步長, 同樣截取與模板同樣大小的子圖, 并計算其直方圖特征, 然后與模板特征進(jìn)行匹配, 直至目標(biāo)圖像掃描完畢;

(5) 保存整個檢測過程中符合要求的子圖信息, 進(jìn)入精匹配.

由于直方圖僅僅統(tǒng)計了不同灰度值出現(xiàn)的次數(shù)而不能反映各個具體像素點在源圖像中的真實位置, 因此引入圖像的另一個特征——投影特征.

常用的投影方法有水平方向投影與垂直方向投影. 水平方向投影即橫向投影是指將每一行圖像中的像素點的灰度值進(jìn)行累加, 累加值除以行寬就得到了該行的投影特征; 而垂直方向投影即縱向投影是指將每一列圖像中的像素點的灰度值進(jìn)行累加, 累加的結(jié)果除以列寬, 得到的結(jié)果作為該列的投影特征, 具體方案如下:

(1) 選取合適的模板(大小為*單位為像素), 計算并保存模板的橫向與縱向投影H(T),W(T);

(2) 以待檢測圖像的左下角頂點作為起點, 截取與模板同等大小的子圖像S, 計算子圖像的橫向與縱向投影H(S),W(S);

(3) 設(shè)定合適的閾值, 利用投影相關(guān)函數(shù)計算模板與子圖像的相關(guān)值, 如果兩者之間的相關(guān)值滿足閾值要求, 則投影特征匹配成功, 記錄子圖的坐標(biāo)信息, 停止該圖的檢測, 進(jìn)入下一張圖; 否則進(jìn)入步驟4;

(4) 選定合適的步長, 移動相應(yīng)的步長之后, 繼續(xù)截取與模板同等大小的子圖, 重復(fù)步驟3, 直至待檢測圖像匹配完成.

定位結(jié)果如圖4所示, 基于直方圖與投影特征的匹配算法的執(zhí)行流程如圖6所示.

圖4 正面模塊定位圖

2.1.2 污染、生銹、花紋劃痕彎曲等的檢測方法

正面模塊定位后, 通過模板匹配檢測SIM卡正面是否有污染. 如圖5表示的是含有劃痕和生銹的次品.

圖5 模塊正面有劃痕和生銹的圖像

模板匹配(Template Matching)就是在待匹配圖像中嘗試著尋找特征相同形狀的過程. 因此, 將模板的中心放在圖像的一個點上, 然后通過計算圖像中有多少個點與該模板點匹配. 重復(fù)計算這些圖像中的點, 找到那個最佳匹配點, 即計數(shù)最大的點, 也就是形狀(通過模板給出)在圖像中所處的位置.

首先, 由SIM模塊正面圖的特點可知, 用表示整個圖像區(qū)域, 分割可以看作是把分成均勻大小的個子區(qū)域來處理. 每個區(qū)域投射一個“種子”, 利用區(qū)域生長法可以進(jìn)行分割, 并對分割的區(qū)域進(jìn)行標(biāo)注.

然后, 將用模板圖像和待匹配SIM模塊的正面圖像作卷積運(yùn)算, 便可以通過模板圖像在待匹配圖像中獲得匹配位置[11].

當(dāng)模塊正面出現(xiàn)劃痕或銹斑時, 模塊正面的二值分割也會相應(yīng)的出現(xiàn)不完整.

圖6 基于直方圖與投影特征的匹配算法的流程圖

2.2 SIM卡背面檢測方法設(shè)計

2.2.1 背面模塊定位方法

背面模塊需要對定位矩形方形孔、廢棄孔標(biāo)記圓、硅膠以及硅膠內(nèi)封裝的芯片進(jìn)行檢測, 并判斷其位置的正確與否.

由于背面模塊幾何形狀比較少, 硅膠的形狀不規(guī)則, 一致性差, 故不能使用正面模塊定位中的匹配算法. 因此, 本文通過實現(xiàn)檢測矩形孔和方形孔來定位模塊, 即采取依靠四邊形之間相互的距離來實現(xiàn). 其中主要方法是通過對角點提取后, 根據(jù)先驗理論運(yùn)用最小二乘法回歸擬合法來擬合.

首先, 對圖像進(jìn)行濾波去除噪聲處理, 然后通過OTSU二值分割[12]進(jìn)行閾值分割, 利用Canny算子進(jìn)行邊緣檢測, 再對圖像邊緣的若干直線的參數(shù)通過Hough變換[13]算法進(jìn)行檢測.

Hough變換的基本原理在于利用點與線的對偶性, 將原始圖像空間的給定的曲線通過曲線表達(dá)形式變?yōu)閰?shù)空間的一個點. 這樣就把原始圖像中給定曲線的檢測問題轉(zhuǎn)化為尋找參數(shù)空間中的峰值問題, 如圖7所示.

圖7 Hough變換

平面中任意一條直線可以用極坐標(biāo)方程來表示, 即可以用和兩個參數(shù)確定下來, 對于圖像空間任意點 , 其函數(shù)關(guān)系為:

其中為原點到直線的距離(即原點到直線的垂直線的長度),確定了直線的方向(即原點到直線的垂直線與軸方向的夾角).

如上圖7所示, 在圖像空間, 直線上一點()轉(zhuǎn)換到參數(shù)空間就是一條曲線, 而且圖像空間同一直線上的點轉(zhuǎn)換到參數(shù)空間的曲線一定相交于一點, 即參數(shù)空間各曲線的交點對應(yīng)著圖像空間的一條直線, 這樣, 檢測參數(shù)空間曲線交點就檢測出了圖像空間的直線.

根據(jù)所述直線參數(shù)計算4條相近或相交的直線是否構(gòu)成的直角, 并判斷所述4條相近或相交的直線是否構(gòu)成符合條件的四邊形, 通過該方法可以檢測出方形孔和矩形孔是否符合規(guī)范, 同時, 為了檢測方形孔和矩形孔是否規(guī)范, 還可以先由輪廓跟蹤算法計算圖形中的輪廓, 再對各個連續(xù)輪廓做四邊形擬合, 看是否為規(guī)范的四邊形, 如果是, 說明被檢測的方形孔和矩形孔的模型符合檢測規(guī)范. 從而可以通過分析圖像的方形孔和矩形孔的位置與關(guān)系來進(jìn)行定位.

其中, 在四邊形擬合的時候要考慮直線的參數(shù), 具體包括所述直線的位置、長度和斜率等.

本文中所用到的算法同樣的可以對廢棄孔標(biāo)記圓進(jìn)行判定. 由于在檢測到的圓中既包括廢棄孔標(biāo)記圓又包括芯片引腳的圓, 因此, 在識別的時候可以根據(jù)二者之間半徑的大小不同來進(jìn)行區(qū)分, 當(dāng)檢測圓半徑設(shè)置較小時, 檢測到的是芯片引腳的圓; 當(dāng)檢測圓半徑設(shè)置稍大的時候, 檢測到的圓才是我們需要檢測的廢棄孔標(biāo)記圓.

具體方法同檢測矩形孔的方法類似, 即檢測所述圖像邊緣中是否存在圓形, 如果是, 則說明正面圖像中存在廢孔.

效果如圖8所示, 其中引腳1為檢測到的廢孔, 引腳2為不需要檢測的芯片引腳.

圖8 廢棄孔標(biāo)記圓檢測圖

2.2.2 硅膠質(zhì)量分析

SIM卡背面中間部分在檢測之中封上透明硅膠主要作用有: ①起到保護(hù)作用, 使得卡中部的孔和芯片不受磨損; ②起到絕緣作用, 防止中心孔和芯片在檢測過程中漏點. 圖9中表示SIM卡中間芯孔有無貼上硅膠的圖像.

由圖9可以看出, 檢測SIM卡背面是否封上硅膠主要是檢測外圈是否存在圓形輪廓.

由于模塊中的硅膠形狀不規(guī)則(非完全對稱的圓形), 一致性差, 圓的輪廓不明顯, 且需要識別的圓形個數(shù)有限, 不能直接使用Hough變換提取硅膠輪廓. 因此, 在對硅膠的檢測實施中, 本文選取模糊識別圓的方法來實現(xiàn).

首先采用閾值分割法[14]對背面模塊的圖像作二值化處理, 然后采用邊界跟蹤算法提取出硅膠的輪廓邊緣, 提取出來的完整輪廓特征值為一系列有序的邊緣點集, 對所得到的邊緣點集進(jìn)行多邊形擬合, 然后歸一化處理已經(jīng)擬合好的多邊形, 由于圓具有旋轉(zhuǎn)、平移及尺度變換不變性的幾何特征, 根據(jù)多邊形的頂點為特征點求取硅膠圓的參數(shù). 如果待檢測硅膠的幾何特征參數(shù)大于預(yù)先給定的閾值, 則被標(biāo)記為硅膠圓, 如圖10所示.

圖9 模塊背面硅膠比較

圖10 硅膠檢測流程圖

檢測效果如圖11所示, 包括四個子圖, 左上角是模塊的模板背面原圖, 右上角為硅膠的邊緣檢測圖, 左下角為模板背面硅膠圓輪廓的檢測圖, 右下角為硅膠內(nèi)芯片的檢測圖像.

圖11 模板背面硅膠及芯片檢測圖

通過此算法可以檢測出沒有封住硅膠的模塊, 此時并自動分選做出標(biāo)記. 圖12為硅膠不正確時的檢測圖, 左上為無硅膠的原圖像, 右上為邊緣檢測圖像, 無法檢測出邊緣圓, 左下為檢測內(nèi)孔, 右下顯示硅膠內(nèi)無芯片時OTSU二值分割無圖像.

圖12 無硅膠的模塊檢測圖

2.2.3 硅膠內(nèi)芯片有無及其位置的判定

SIM卡封裝的硅膠也會把SIM卡芯片封住. 硅膠位置和芯片位置是否準(zhǔn)確也是質(zhì)量檢測環(huán)節(jié)的一個重要部分. 如圖11左下角所示, 硅膠內(nèi)芯片為矩形區(qū)域部分, 由于圖像中芯片在硅膠中呈現(xiàn)為不同顏色區(qū)域(深色區(qū)域), 但由于有硅膠封住芯片, 會使得芯片的輪廓變得模糊.

本文檢測芯片的算法是先對背面圖像作開運(yùn)算使邊緣輪廓變得清晰, 再對其進(jìn)OTSU二值分割, 設(shè)置適當(dāng)?shù)拈撝岛蟊憧梢缘玫叫酒祷膱D像. 在硅膠質(zhì)量分析計算過程中可以得到硅膠檢測圓的圓心, 通過比較質(zhì)心和圓心的距離范圍即可判定芯片和硅膠是否都處于正確的位置, 如果距離范圍在預(yù)設(shè)的閾值內(nèi), 則檢測為良品. 算法流程如圖13所示.

圖13 芯片檢測算法流程

當(dāng)模塊背面沒有硅膠和芯片的時候, 通過此算法可以檢測為廢品, 其檢測效果如上圖12所示, 且模塊內(nèi)硅膠和芯片的位置也就無法確定, 此時系統(tǒng)就會自動分選做出標(biāo)記(以廢棄孔標(biāo)記圓的方式), 這樣就會增加產(chǎn)品的封裝成功率.

3 實驗分析

本文將視覺技術(shù)運(yùn)用到SIM模塊質(zhì)量檢測環(huán)節(jié), 所設(shè)計的技術(shù)方案檢測內(nèi)容多、效率較高. 針對SIM模塊的質(zhì)量要求, 通過模塊正反兩面不同的特性, 設(shè)計出了不同的打光方案, 并且綜合運(yùn)用多種圖像處理的算法. SIM模塊視覺檢測系統(tǒng)的測試結(jié)果表明檢測時間單枚小于0.5s, 檢出率>99%,誤檢率<0.3%, 漏檢率<0.9%. 使用多種圖像處理算法的復(fù)雜度, 使得設(shè)計和開發(fā)完整的視覺檢測系統(tǒng)需要的周期長、難度大. 表1為視覺檢測系統(tǒng)測試的結(jié)果.

4 結(jié)語

本文研究了基于機(jī)器視覺檢測SIM模塊質(zhì)量的算法, 所提供的方案首次將視覺技術(shù)運(yùn)用到SIM卡質(zhì)量檢測環(huán)節(jié). 本文所提供的技術(shù)方案具有以下幾個特點:

(1) 打光方案與算法設(shè)計相結(jié)合, 有效平衡光源方案的經(jīng)濟(jì)性和檢測算法的有效性;

(2) 系統(tǒng)的檢測效率高, 檢測速度快, 在節(jié)約成本的同時, 改進(jìn)了SIM模塊的質(zhì)量控制;

(3) 檢測流程和操作規(guī)范比較容易, 對操作人員的要求不會太高;

(4) 視覺檢測系統(tǒng)安裝配置簡單, 使得軟件系統(tǒng)的可移植性增強(qiáng);

(5) 有足夠強(qiáng)的魯棒性, 各個檢測算法分塊封裝, 具有良好的可擴(kuò)展性和重構(gòu)性.

表1 SIM模塊檢測合格率報表(首次視覺檢測測試)

針對SIM模塊質(zhì)量要求, 綜合運(yùn)用多種圖像處理算法, 檢測時間較短, 檢出率很高,誤檢率在正常生產(chǎn)范圍內(nèi). 其中所有的算法設(shè)計中的閾值均采用機(jī)器學(xué)習(xí)的辦法調(diào)試得到. 實驗效果表明檢測算法的有效性, 并通過SIM卡在線視覺檢測樣機(jī)將該系統(tǒng)作了相關(guān)的驗證, 達(dá)到了企業(yè)所提出的檢驗要求.

1 李運(yùn)志,Zhang Q,陳弘毅,黨曉輝,李新崗,胡耀華.基于機(jī)器視覺的半干棗病害和裂紋識別研究.農(nóng)機(jī)化研究, 2016,8(8):120–125.

2 Atas M, Yardimci Y, Temizel A. A new approach to aflatoxin detection in chili pepper by machine vision. Computers and Electronics in Agriculture, 2012, 87: 129–141.

3 Dowlati M, Mohtasebi SS, Omid M, et al. Freshness assessment of gilthead sea bream (Sparus aurata) by machine vision based on gill and eye color changes. Journal of Food Engineering, 2013, 119(2): 277–287.

4 EIMasry G, Cubero S, Moltó E, et al. In-line sorting of irregular potatoes by using automated computer-based machine vision system. Journal of Food Engineering, 2012, 112(1-2): 60–68.

5 Nashat S, Abdullah A, Abdullah MZ. Machine vision for crack inspection of biscuits featuring pyramid detection scheme. Journal of Food Engineering, 2014, 120: 233–247.

6 吳舜娟,尹文化,馮志新,陳燕.智能卡性能檢測方法研究.合成材料老化與應(yīng)用,2014,43(2):60–63.

7 胡科杰,劉強(qiáng).智能卡芯片焊點位置的檢測系統(tǒng).機(jī)電產(chǎn)品開發(fā)與創(chuàng)新,2014,9,27(5):94–96.

8 程秀芹,李永紅,王懷恩,翁志能.智能卡測試儀器的設(shè)計與開發(fā).技術(shù)與應(yīng)用,2010,6:12–14.

9 Worthington PL. Enhanced Canny edge detection using curvature consistency. Proc. International Conference on Pattern Recognition. Los Alamitos, CA, USA. IEEE. Computer SOC Press. 2002. 596–599.

10 鄔鐸.基于雙目視覺的手勢識別算法研究與實現(xiàn)[碩士學(xué)位論文].沈陽:東北大學(xué),2011.

11 曾文艷,王亞剛,蔣念平,邵惠鶴.基于機(jī)器視覺的香煙小包裝外觀質(zhì)量檢測系統(tǒng).信息技術(shù),2004,1.

12 崔濤,楊永樂.基于改進(jìn)的二維 OTSU 算法的圖像二值化分割.高教論述,2013,2.

13 朱桂英,張瑞林.基于Hough變換的圓檢測方法.計算機(jī)工程與設(shè)計,2008,6:1462–1464.

14 Nixon MS.特征提取與圖像處理.北京:電子工業(yè)出版社,2010.

Analysis System of SIM Module Quality

HUANG Jing1, SI Meng-Xue2,YANG Ge1, HE Hui1, ZHOU Peng1

1(Department of Information Technology, Beijing Normal University (Zhuhai), Zhuhai 519087, China)2(Zhuhai Branch, Graduate School of Beijing Normal University, Zhuhai 519087, China)

To resolve the problem of quality detection in the manufacturing process of smart card, an on-line visual inspection scheme based on SIM is proposed. We present a localization algorithm based on geometric feature matching combining the lighting scheme and algorithm design. It is implemented through the design of image’s light source collection and research of the positioning and detection algorithm of module. Some key technologies, such as edge detection, feature extraction, opening and closing operation and object recognition are used in this algorithm too. It is useful for detecting if there is the chips, and other problems like dirts, rusts, banding severe bending fracture, decorative pattern, crease, silica gel on the back of migration, silica gel thick, scrapped modules silicone abnormal bulge, module stripe location hole on the back of damage, et al. Test results show that the system is an effective implementation of the quality detection of SIM card.

SIM module; machine vision; online detection; silicone quality; image processing

國家自然科學(xué)基金(61272364);珠海科技計劃(2012D0501990006);廣東省學(xué)科建設(shè)專項資金(2013WYXM0122);廣東省大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃(201413177035,201513177028);珠海市哲學(xué)社科“十二五規(guī)劃”(2015YB016)

2016-04-14;收到修改稿時間:2016-05-19

[10.15888/j.cnki.csa.005526]