荀康迪， 李興成， 劉凱磊， 周 豪， 梁 棟

(江蘇理工學(xué)院 機械工程學(xué)院， 江蘇 常州 213001)

當(dāng)前手機制造技術(shù)快速發(fā)展，手機內(nèi)置的CPU運行功率也隨之增加，導(dǎo)致手機工作溫度過高，破壞了內(nèi)部電子元件工作所需的常溫環(huán)境，也縮短了手機的使用壽命。為了解決手機運行過程中溫度過高的問題，科研人員利用導(dǎo)熱性和可塑性比較出色的石墨制造成散熱片，在手機內(nèi)部金屬板貼置石墨散熱片，可以迅速將手機中的熱量散出，延長手機的使用壽命。手機石墨散熱片制造流程：首先用涂膠機對石墨片涂膠，然后對涂膠后的石墨片覆膜，隨后用模切機切割覆膜后的石墨片，最后對切割后的石墨片進行包邊處理。手機石墨散熱片在制造過程會出現(xiàn)一些缺陷，例如涂膠時在散熱片表面殘留氣泡包，在覆膜時石墨片表面會有掉粉，模切機的刀具使散熱片表面出現(xiàn)劃痕或崩邊等。手機石墨散熱片的表面缺陷會限制其散熱效能，甚至?xí)?dǎo)致手機無法使用，所以檢測手機石墨散熱片是否有缺陷極為重要。在手機石墨散熱片生產(chǎn)企業(yè)中依然采用人工檢測法，即工作人員在室內(nèi)明光照明的輔助下，裸眼檢測生產(chǎn)線上的散熱片產(chǎn)品，而產(chǎn)品是否有缺陷全由工作人員憑主觀意識去判斷；在檢測散熱片是否有缺陷的過程中，工作人員的勞動強度過大，不但損傷眼睛還無法保證較高的準(zhǔn)確率，同時誤檢率也高。采用機器視覺對手機散熱片的缺陷進行檢測，將會有效減輕檢測人員的勞動強度，提高企業(yè)的生產(chǎn)效率，降低生產(chǎn)成本。

Zhang等[1]在對核燃料芯片端面檢測中利用數(shù)學(xué)形態(tài)學(xué)去除復(fù)雜特征，提高了芯片端面缺陷的檢測精度；Wang等[2]在對外包裝表面缺陷檢測的過程中改進了差分匹配方法，從而能精準(zhǔn)檢測出外包裝的表面缺陷；陳春謀[3]融合最大類間閾值分割和形態(tài)學(xué)處理對工件表面進行缺陷識別。王宇等[4]利用變異系數(shù)法和改進的動態(tài)閾值法對太陽電池硅片進行缺陷檢測，算法可靠并且具有通用性。簡川霞等[5]為了實現(xiàn)模板圖像和待測圖像的像素對齊，采用了互信息配準(zhǔn)方法，然后利用差影法實現(xiàn)了對手機玻璃屏表面的缺陷檢測。陳坤等[6]在Faster RCNN的基礎(chǔ)上，以殘差網(wǎng)絡(luò)代替VGG16網(wǎng)絡(luò)提取圖像特征，采用特征金字塔網(wǎng)絡(luò)提取并融合多尺度的特征圖，設(shè)計了一種改進Faster RCNN方法對鋁型材表面進行缺陷檢測。桑宏強等[7]提出了一種改進的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks，CNN)模型檢測工件表面缺陷，改進了CNN的分類器，構(gòu)建AdaBoost-SVM級聯(lián)分類器代替原來的AdaBoost分類器，利用支持向量機(Support Vector Machines，SVM)作為AdaBoost的弱分類器，最后將訓(xùn)練后的弱分類器組合成強分類器，有效地提高了檢測準(zhǔn)確率。Li等[8]利用主成分分析法對工件表面缺陷快速識別。

本文根據(jù)手機石墨散熱片的實際生產(chǎn)需求，提出一種基于機器視覺的手機石墨散熱片缺陷檢測方法，最大程度地提高準(zhǔn)確率和降低誤檢率。

1 系統(tǒng)硬件設(shè)計

本文視覺檢測系統(tǒng)的硬件主要包括工業(yè)相機、鏡頭、光源、傳送帶、計算機。應(yīng)用比較廣泛的工業(yè)相機主要有CCD相機和CMOS相機，其中CCD相機在圖像傳輸方面的性能比其他工業(yè)相機要好，具有體積小、可靠性高等優(yōu)點[9]。本文采用深圳英視公司YVSION-OSR500系列CCD相機，靶面尺寸大小為1/2.5英寸，分辨率為2592×1944，其500萬像素的分辨率足以完成缺陷檢測任務(wù)。本文采用日本MYUTRON公司的HF-5MPB16鏡頭，保持工作距離150～250 mm，調(diào)整焦距25 mm，以其C型接口與相機組裝。由于手機石墨散熱片表面比較光滑，其材質(zhì)不具有透明性，經(jīng)過實驗后，采用LED環(huán)形光照射，以獲取清晰的圖像?；跈C器視覺的手機石墨散熱片缺陷檢測系統(tǒng)實物如圖1所示，當(dāng)手機石墨散熱片從傳送帶傳輸?shù)揭曈X檢測系統(tǒng)下方時，CCD相機采集圖像，計算機對圖像進行分析。

圖1 手機石墨散熱片缺陷檢測系統(tǒng)

2 系統(tǒng)軟件設(shè)計

2.1 手機石墨散熱片缺陷檢測流程

采用德國公司研發(fā)的HALCON圖像處理軟件對手機石墨散熱片的表面缺陷進行檢測，檢測流程如圖2所示，主要流程有CCD相機采集圖像、圖像去噪平滑、圖像校正、基于圖像匹配法判斷是否有缺陷、提取缺陷。為了去除噪聲的干擾，需要先采用去噪平滑操作對采集到的圖像進行處理。本文采用基于自適應(yīng)局部降噪的同態(tài)濾波器去噪平滑，使圖像表面光照均勻并且提高圖像對比度；利用仿射變換使圖像轉(zhuǎn)正定位，為后續(xù)的圖像匹配減少位置誤差；由于手機石墨散熱片的輪廓是規(guī)則的形狀，所以先用無缺陷的手機石墨散熱片輪廓形狀創(chuàng)建模板，訓(xùn)練形狀模板之后，將待測圖像與形狀模板圖像配準(zhǔn)，第一次匹配目的是先篩選出疑似有缺陷的圖像；將有缺陷圖像均等劃分，以其中無缺陷區(qū)域的灰度值創(chuàng)建模板，將其他小區(qū)域的灰度值與之匹配；在二次配準(zhǔn)的基礎(chǔ)上判斷缺陷，隨后將不匹配的圖像與模板圖像差分運算，二值化后提取缺陷。

圖2 手機石墨散熱片缺陷檢測流程圖

2.2 圖像去噪平滑

在圖像采集過程中，由于設(shè)備內(nèi)部工作或者設(shè)備本身材料都會產(chǎn)生一些影響圖像質(zhì)量的噪聲，如高斯噪聲、椒鹽噪聲和乘性噪聲等[10]，在這種情況下需要對圖像去噪平滑。常用的方法是均值濾波、中值濾波和同態(tài)濾波。

雖然均值濾波算法計算簡單且效率高，但是模糊了圖像的邊緣并且嚴(yán)重削弱了圖像的細(xì)節(jié)[11]；而同態(tài)濾波器是一種基于照射-反射模型的濾波器，能夠控制光照照射和反射成分的變化，既能壓縮圖像的灰度，又可以使圖像的對比度得到很大的提高。為此本文采用基于自適應(yīng)局部降噪的同態(tài)濾波器處理圖像的噪聲。

(1)

而在同態(tài)濾波中，基于照射-反射模型將一幅圖像f(x,y)表示成照射成分i(x,y)和反射成分r(x,y)的乘積，模型公式為

f(x,y)=i(x,y)r(x,y)。

(2)

由于對照射和反射成分的乘積不能直接傅里葉變換，所以利用非線性的對數(shù)變換將乘性噪聲轉(zhuǎn)化為加性噪聲[12]，再進行傅里葉頻域變換，用H(u,v)濾波函數(shù)處理變換后的圖像，然后將此圖像傅里葉逆變換回空間域，利用圖像指數(shù)形式輸入濾波器。所以通過反指數(shù)處理后將圖像濾波后的結(jié)果輸出為

g(x,y)=es(x,y)=ei′(x,y)er′(x,y)=i0(x,y)r0(x,y)。

(3)

基于自適應(yīng)局部降噪的同態(tài)濾波器對圖像進行濾波處理，其流程如圖3所示。

圖3 基于自適應(yīng)局部降噪的同態(tài)濾波器處理流程

(3)采用離散傅里葉變換(Discrete Fourier Transform，DFT)將分解后的空間域圖像轉(zhuǎn)換為頻域圖像；

(4)采用高斯高通濾波器H(u,v)改善頻域圖像的對比度；

(5)使用離散傅里葉逆變換(Inverse Discrete Fourier Transform，IDFT)將改善對比度后的頻域圖像轉(zhuǎn)換為空間域圖像；

(6)最后采用指數(shù)反變換重建增強對比度后的圖像g(x,y)。

為了驗證本文提出的濾波方法的效果，對加了噪聲模型的圖像采用3種濾波方進行了處理，濾波效果如圖4所示。圖4(a)為添加噪聲圖，表面分布著噪聲；圖4(b)為(a)進行了均值濾波后的圖像，均值濾波后的圖像比較模糊且邊緣不清晰；圖4(c)為(a)中值濾波后的圖像，其去噪情況較好，但是圖像邊緣比較模糊；圖4(d)是采用自適應(yīng)局部降噪的同態(tài)濾波器對(a)圖像進行濾波處理的圖像，既去噪，又改善了圖像表面光照的均勻度，得到了一幅對比度較好的圖像。

(a)噪聲圖 (b)均值濾波 (c)中值濾波 (d)同態(tài)濾波圖4 圖像濾波效果圖

2.3 圖像校正

圖像經(jīng)過去噪平滑操作后，為了便于后續(xù)的圖像匹配，減小匹配誤差，需要對傾斜的圖像進行校正定位。本文采用仿射變換對濾波后的圖像進行校正。在校正過程中一般先定義仿射變換單位矩陣[13]，然后向單位變換矩陣中添加需要進行幾何變換的變換矩陣，最后再做仿射變換。仿射變換的一般表達式為

(4)

圖像仿射變換前后的對比如圖5所示。圖5(a)和(b)分別是校正前和校正后的圖像，圖像的轉(zhuǎn)正角度為0.78°。

(a)校正前 (b)校正后圖5 校正圖像

2.4 基于圖像匹配的缺陷判斷

圖像匹配是多幅圖像之間進行對比并且互相識別，尋找圖像之間公共目標(biāo)的過程。通常目標(biāo)物體類型特殊并且易變，為了提高目標(biāo)物體的識別度，可根據(jù)目標(biāo)物體的一些特征要素構(gòu)建多幅圖像之間的關(guān)系，以此尋找相似要素[14]。

圖像匹配方法主要有兩大類，一種是基于灰度的匹配方法，另外一種是基于特征的匹配方法。為了更加精確地檢測圖像的缺陷，本文提出一種基于形狀匹配和灰度匹配的二次匹配法，流程如圖6所示。

圖6 基于形狀匹配和灰度匹配的二次匹配法

首先選取校正后無缺陷的圖像創(chuàng)建形狀模板；訓(xùn)練形狀模板，將待測圖像與形狀模板初次匹配，由于手機石墨散熱片良品是規(guī)則的，可以初次判斷圖像是否匹配，直接先篩選出無缺陷的圖像，剩下的是疑似有缺陷的圖像；對疑似有缺陷的圖像劃分為n等份小區(qū)域，統(tǒng)計每等份區(qū)域內(nèi)像素的灰度值Gi(i=1,2,…,n)；由于缺陷區(qū)域的灰度值近似于最小灰度值Gmin，而無缺陷區(qū)域的灰度值大于Gmin，統(tǒng)計灰度值大于Gmin的部分為m，計算出灰度值之和Gm及其平均灰度值T=Gm/m，以其平均灰度值創(chuàng)建模板；遍歷n等份小區(qū)域，進行灰度值匹配；若每個小區(qū)域的灰度值都和模板灰度值相匹配，則該手機石墨散熱片是無缺陷的，若出現(xiàn)一個小區(qū)域的灰度值不匹配，則該手機石墨散熱片是有缺陷的。判斷缺陷之后，將有缺陷的圖像與模板圖像進行差分運算以提取缺陷。

3 實驗與分析

經(jīng)過了圖像匹配和差分運算，二值化后提取得到的缺陷如圖7所示。圖7(a)為良品無缺陷圖像，將其濾波后再仿射變換轉(zhuǎn)正，用以創(chuàng)建形狀模板圖像。圖7(b)為濾波校正后有缺陷的圖像，圖7(c)是(b)與(a)進行形狀模板匹配提取得到的缺陷圖像，而圖7(d)則是以基于灰度匹配方法提取得到的缺陷圖像，最后圖7(e)是用本文提出的二次匹配方法提取得到的缺陷圖像。通過3種方法對比，可以從圖像中發(fā)現(xiàn)，采用基于形狀匹配的方法得到的缺陷比基于灰度匹配識別出的缺陷區(qū)域多一些，但是還有一小部分缺陷沒有找到，而本文提出的二次匹配法得到的缺陷比較準(zhǔn)確，可以識別出一些微小的缺陷區(qū)域。實驗表明，本文的二次匹配法較基于灰度匹配法和基于形狀匹配法準(zhǔn)確度更高。

圖7 3種匹配方法的缺陷提取

本文實驗中獲取圖像250幅，其中無缺陷的圖像150幅，有缺陷的圖像100幅。為了測試圖像的檢測情況，采用傳統(tǒng)的兩種匹配法和基于形狀和灰度的二次匹配法分別對250幅圖像檢測，結(jié)果見表1。

表1 傳統(tǒng)匹配法和二次匹配法獲得的準(zhǔn)確率和誤檢率

從表1的統(tǒng)計結(jié)果可知，本文提出的二次匹配法比基于灰度匹配法的準(zhǔn)確率高出4%，比基于形狀匹配法的準(zhǔn)確率高出1%；本文提出的方法比基于灰度匹配法的誤檢率低4.4%，比基于形狀匹配法的誤檢率低2%。通過傳統(tǒng)匹配法和本文的二次匹配法對比，本文的檢出率比傳統(tǒng)的兩種匹配法高，并且誤撿率也低。

4 結(jié)論

本文提出了一種基于機器視覺的手機石墨散熱片缺陷檢測方法，目的在于提高缺陷檢測準(zhǔn)確率，提高企業(yè)的出產(chǎn)率。先采用自適應(yīng)局部降噪的同態(tài)濾波器對圖像去噪平滑，利用仿射變換校正圖像，通過本文提出的二次匹配法判斷缺陷，將缺陷圖像與模板圖像差分運算，最后二值化后提取缺陷。實驗結(jié)果表明，本文提出的濾波方法較均值濾波、中值濾波更能得到對比度高的圖像，有效提高了手機石墨散熱片缺陷檢測的準(zhǔn)確率，同時降低了誤檢率，滿足了企業(yè)提高出產(chǎn)率的需求。