一种电子产品外壳丝印缺陷的检测方法与流程

本发明涉及缺陷检测领域，尤其涉及到一种电子产品外壳丝印缺陷的检测方法，本发明主要在丝印工艺后外壳模块的质量检测环节、或者产品成品收发货环节的质量检测环节，替代人眼进行丝印外观的缺陷检测，其中缺陷包括：漏印、错印、残缺、粘连、模糊、毛边、位置偏移、色差。

背景技术：

目前，电子产品的塑料外壳的丝印检测目前主要采用人工目检，对于外观品质要求很高的一些客户，要求制造企业必须导入的aoi(光学自动检测)设备替代人眼进行检测，人机双重检测确保产品的出厂良率，随着人工成本的逐渐上升以及客户度产品品质要求的逐渐提高，越来越多的工厂迫切希望导入aoi检测设备提升企业竞争力，aoi设备的功能从最开始的外壳上的丝印出现错漏混等明显的缺陷检测要求，到越来越精细的缺陷检测要求，如轻微残缺，粘连、模糊、色差、位置偏移等，超过了已有的行业检测设备的检测能力

现有电子产品外壳上丝印缺陷检测主要采用一个碗光源、或者是一个同轴光源，配一套500万-1000万分辨率的高清工业相机对产品表面进行拍照，如图1所示。由于光路都是均匀的从上向下照射，因此可以满足平面外壳表面的丝印检测，但是对于更多具有一定弧度的外壳，在其侧面边缘处的打光效果会较差，而且为了适应尺寸相对较大的产品外壳，现有的相机的分辨率不足对精细的丝印缺陷进行清晰的成像。另外对于高光类的产品外壳或者对比较差与外壳背景比较接近的丝印图文，现有的产品无法进行判定，仍然只能全部通过人工判定。

由于设备的检测功能仅为明显的错漏混功能，所以算法的复杂度也较低，一般对丝印的图文与模板图文进行比较，进行统计学的特征分析以判定丝印是否存在缺陷。因为明显的错漏混的丝印缺陷在统计学上的特征与模板的丝印差异会很大，因此技术方案是可行的，但是对于轻微的残缺、模糊等小缺陷，统计性差异并不明显，检出率和误检率达不到产线要求。另外丝印图文的种类非常丰富，产线的产品换型也会十分频繁，因此无法为单个图案建立单独的数学模型进行缺陷分析，唯一能使用的有效信息就是模板丝印的图案，要检测出精细的缺陷，必须要对模板进行分辨率更高成像，更加精准的配准对齐后，才可能有效判定。

对于丝印出来的字符是否有错误或者漏印，现有的字符识别技术对字体、字符的种类等特征都有特定的要求，即使能识别出字符，但是也无法判定该字符是否存在轻微的模糊或残缺等缺陷，字符识别算法无法识别各种图标图案，因此不能适用于丝印的图文缺陷检测。

针对图文类的缺陷判定在出版印刷行业也有类似的缺陷检测应用，类似于报业、印钞等、但是印刷行业的设备一般采用大幅宽的线扫解决方案，针对的是纸质的材质表面的标准的印刷图文，不仅设备庞大，而且价格昂贵，其结构和算法方案都很难直接应用于小尺寸的电子产品外壳的丝印缺陷检测。

技术实现要素：

由于电子产品外壳上的丝印缺陷检测具有所处的外壳的纹理多样，包括高光洁度、磨砂、普通，外壳的颜色、形状尺寸也是种类繁多，不同的款式丝印的内容、版式也各有不同，实际生产线上换型频繁，检测精度要求变高，针对上述技术问题，本发明的目的在于提供一种电子产品外壳丝印缺陷的检测方法，本发明根据实际应用需求重新设计出一套能够适应产线要求的检测方法，在实际产线中得到良好的应用。

为实现上述目的，本发明是根据以下技术方案实现的：

一种电子产品外壳丝印缺陷的检测方法，包括如下步骤：

步骤s1：对丝印合格的电子产品外壳进行拍照，采集一张能作为丝印缺陷判定标准的模板图像；

步骤s2：打开模板设置软件进行设置，加载模板图像进行处理并保存为模板文件；

步骤s3：对待检测的电子产品外壳进行拍照，采集一张待检测电子产品外壳的待检图像；

步骤s4：加载模板文件，根据模板文件保存的模板图像对待检图像进行处理，提取待检图像丝印区域的连通域的特征；

步骤s5：将待检图像丝印区域的各个连通域分别和所对应的模板图像丝印区域的各个连通域相互计算基于位置关系的欧式距离进行一对一匹配；

步骤s6：将与模板图像丝印区域的连通域与待检图像丝印区域的连通域进行逐一匹配配对，并检测待检图像连通域所对应的丝印图案是否存在丝印缺陷。

上述技术方案中，步骤s2具体包括如下步骤：

步骤s201：通过模板设置软件对模板图像中的丝印区域进行框选，将框选区域拷贝出来并转变成为灰度图；

步骤s202：对灰度图进行二值化处理，通过调节二值化算法参数，得到符合要求的二值化图；

步骤s203：对二值化图进行形态学滤波去除二值化图中的小块噪声；

步骤s204：提取二值化图中的各个连通域，并且计算各个连通域的基本特征；

步骤s205：将对模板图像处理的过程中涉及的步骤、参数、图片、数据保存成模板文件。

上述技术方案中，步骤s4具体包括如下步骤：

步骤s401：根据模板文件保存的模板图像丝印区域的框选位置和范围对待检图像中的丝印区域进行框选，

步骤s402：将待检图像的框选区域拷贝出来并转变为灰度图；

步骤s403：根据模板文件中的二值化参数对待检图像的灰度图进行二值化并得到二值化图；

步骤s404：根据模板文件中的形态学滤波参数对二值化图进行形态学滤波去除二值化图中的小块噪声；

步骤s405：提取二值化图中的各个连通域，并且计算各个连通域的基本特征。

上述技术方案中，在步骤s6中，与模板图像丝印区域的连通域匹配成功的待检图像丝印区域的连通域，通过以下方法进行检测的：

步骤s601：以待检图像连通域的中心点为区域中心、以待检图像连通域的长宽为区域基本长宽、在设定的步长和缩放倍数范围内相对区域中心对区域进行缩放，每缩放一次就能得到一个候选比较区域；

步骤s602：分别找出各个候选比较区域在待检图像丝印区域灰度图上所对应的区域图像；

步骤s603：将各个区域图像分别归一化至相匹配的模板图像连通域在模板图像丝印区域灰度图上所对应的图像区域的大小并且归一化后在与图像区域内的图像进行做差来得到差值图；

步骤s604：以设定的最小差异阈值作为各个差值图的二值化阈值对各个差值图进行二值化运算来得到二值化图；

步骤605：对计算得到的各个二值化图进行前景总面积的统计，接着取前景总面积最小的二值化图所对应的那个候选比较区域作为最佳配准位置，并且提取前景总面积最小的二值化图的各个连通域，并计算各个连通域的特征；

步骤s606：判断提取的各个连通域的特征中是否存在超过设定的最小丝印缺陷特征的对象；如果存在，将超过的各个连通域所对应的缺陷区域在待检图像连通域所对应的丝印图案上标识出来。

上述技术方案中，在步骤s6中，与模板图像丝印区域的连通域无法匹配的待检图像丝印区域的连通域，则通过以下方法进行检测的：

步骤s6011：根据待检图像连通域在待检图像丝印区域二值化图上的位置在模板图像丝印区域二值化图的相对位置上生成与待检图像连通域所占区域大小一样的搜索区域；

步骤s6021：将搜索区域分别上下左右各按照设定的像素距离移动一次，从而在得到四个不同位置的搜索区域，每个搜索区域均在设定的步长和缩放倍数范围内相对区域中心对区域进行缩放，每个搜索区域每缩放一次就能得到一个候选搜索区域；

步骤s6031：分别找出各个候选搜索区域在模板图像丝印区域灰度图上所对应的区域图像，将各个区域图像分别归一化至待检图像上未匹配成功的那个连通域在待检图像丝印区域灰度图上所对应的图像区域的大小并且归一化后在与图像区域内的图像进行做差来得到差值图；

步骤s6041：以设定的最小差异阈值作为各个差值图的二值化阈值对各个差值图进行二值化运算来得到二值化图；

步骤s6051：对计算得到的各个二值化图进行前景总面积的统计，接着取前景总面积最小的二值化图所对应的那个候选搜索区域作为最佳配准位置，并且提取前景总面积最小的二值化图的各个连通域，并计算各个连通域的特征；

步骤s6061：判断提取的各个连通域的特征中是否存在超过设定的最小丝印缺陷特征的对象；如果存在，那么将超过的各个连通域所对应的缺陷区域在待检图像连通域所对应的丝印图案上标识出来。

上述技术方案中，在步骤s6中，模板图像丝印区域的连通域无法与待检图像丝印区域的任何一个连通域相匹配，则通过以下方法进行检测的：

步骤s61：根据模板图像连通域在模板图像丝印区域二值化图上的位置在待检图像丝印区域二值化图的相对位置上生成与模板图像连通域所占区域大小一样的搜索区域；

步骤s62：将搜索区域分别上下左右各按照设定的像素距离移动一次，得到四个不同位置的搜索区域，每个搜索区域均在设定的步长和缩放倍数范围内相对区域中心对区域进行缩放，每个搜索区域每缩放一次就能得到一个候选搜索区域；

步骤s63：分别找出各个候选搜索区域在待检图像丝印区域灰度图上所对应的区域图像，然后将各个区域图像分别归一化至模板图像上未匹配成功的那个连通域在模板图像丝印区域灰度图上所对应的图像区域的大小并且归一化后在与图像区域内的图像进行做差来得到差值图；

步骤s64：以设定的最小差异阈值作为各个差值图的二值化阈值对各个差值图进行二值化运算来得到二值化图，

步骤s65：对计算得到的各个二值化图进行前景总面积的统计，接着取前景总面积最小的二值化图所对应的那个候选搜索区域作为最佳配准位置，并且提取前景总面积最小的二值化图的各个连通域，并计算各个连通域的特征，

步骤s66：判断提取的各个连通域的特征中是否存在超过设定的最小丝印缺陷特征的对象；如果存在，那么将超过的各个连通域所对应的缺陷区域在待检图像丝印区域上与该模板图像丝印区域的连通域处在相对位置的区域上标识出来。

本发明与现有技术相比，具有如下有益效果：

本发明针对各种图文丝印都可以实现精细缺陷的检测，检测指标高。此外，本发明产品换型快，多种版式与多种外壳纹理都适应，产品适用范围广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为现有技术的检测装置示意图；

图2为本发明的检测方法示意图；

图3整体检测流程示意图；

图4为模板匹配流程图；

图5为多尺度搜索匹配流程；

图6为本发明的一个检测结果示意图；

图7为本发明的另一检测结果示意图；

图8为本发明的整体操作流程示例；

图9为本发明的检测指标表。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。

结合图2和图3所示，本发明提出了一种电子产品外壳丝印缺陷的检测方法，包括如下步骤：

步骤s1：对丝印合格的电子产品外壳进行拍照，采集一张能作为丝印缺陷判定标准的模板图像；

步骤s2：打开模板设置软件进行设置，加载模板图像进行处理并保存为模板文件；

步骤s3：对待检测的电子产品外壳进行拍照，采集一张待检测电子产品外壳的待检图像；

步骤s4：加载模板文件，根据模板文件保存的模板图像对待检图像进行处理，提取待检图像丝印区域的连通域的特征；

步骤s5：将待检图像丝印区域的各个连通域分别和所对应的模板图像丝印区域的各个连通域相互计算基于位置关系的欧式距离进行一对一匹配；

步骤s6：将与模板图像丝印区域的连通域与待检图像丝印区域的连通域进行逐一匹配配对，并检测待检图像连通域所对应的丝印图案是否存在丝印缺陷。

在本发明中，当保存所有的模板区域的设定到指定的模板文件中，则结束检测。

步骤s2具体包括如下步骤：

步骤s201：通过模板设置软件对模板图像中的丝印区域进行框选，将框选区域拷贝出来并转变成为灰度图；

步骤s202：对灰度图进行二值化处理，通过调节二值化算法参数，得到符合要求的二值化图；

步骤s203：对二值化图进行形态学滤波去除二值化图中的小块噪声；其中形态学滤波采用腐蚀膨胀算法。

步骤s204：提取二值化图中的各个连通域，并且计算各个连通域的基本特征；

步骤s205：将对模板图像处理的过程中涉及的步骤、参数、图片、数据保存成模板文件。

上述技术方案中，步骤s4具体包括如下步骤：

步骤s401：根据模板文件保存的模板图像丝印区域的框选位置和范围对待检图像中的丝印区域进行框选，

步骤s402：将待检图像的框选区域拷贝出来并转变为灰度图；

步骤s403：根据模板文件中的二值化参数对待检图像的灰度图进行二值化并得到二值化图；

步骤s404：根据模板文件中的形态学滤波参数对二值化图进行形态学滤波去除二值化图中的小块噪声；

步骤s405：提取二值化图中的各个连通域，并且计算各个连通域的基本特征。

如图4所示，在步骤s6中，与模板图像丝印区域的连通域匹配成功的待检图像丝印区域的连通域，通过以下方法进行检测的：

步骤s601：以待检图像连通域的中心点为区域中心、以待检图像连通域的长宽为区域基本长宽、在设定的步长和缩放倍数范围内相对区域中心对区域进行缩放，每缩放一次就能得到一个候选比较区域；

步骤s602：分别找出各个候选比较区域在待检图像丝印区域灰度图上所对应的区域图像；

步骤s603：将各个区域图像分别归一化至相匹配的模板图像连通域在模板图像丝印区域灰度图上所对应的图像区域的大小并且归一化后在与图像区域内的图像进行做差来得到差值图；

步骤s604：以设定的最小差异阈值作为各个差值图的二值化阈值对各个差值图进行二值化运算来得到二值化图；

步骤605：对计算得到的各个二值化图进行前景总面积的统计，接着取前景总面积最小的二值化图所对应的那个候选比较区域作为最佳配准位置，并且提取前景总面积最小的二值化图的各个连通域，并计算各个连通域的特征；

步骤s606：判断提取的各个连通域的特征中是否存在超过设定的最小丝印缺陷特征的对象；如果存在，将超过的各个连通域所对应的缺陷区域在待检图像连通域所对应的丝印图案上标识出来。

如图5所示，在步骤s6中，与模板图像丝印区域的连通域无法匹配的待检图像丝印区域的连通域，则通过以下方法进行检测的：

步骤s6011：根据待检图像连通域在待检图像丝印区域二值化图上的位置在模板图像丝印区域二值化图的相对位置上生成与待检图像连通域所占区域大小一样的搜索区域；

步骤s6021：将搜索区域分别上下左右各按照设定的像素距离移动一次，从而在得到四个不同位置的搜索区域，每个搜索区域均在设定的步长和缩放倍数范围内相对区域中心对区域进行缩放，每个搜索区域每缩放一次就能得到一个候选搜索区域；

步骤s6031：分别找出各个候选搜索区域在模板图像丝印区域灰度图上所对应的区域图像，将各个区域图像分别归一化至待检图像上未匹配成功的那个连通域在待检图像丝印区域灰度图上所对应的图像区域的大小并且归一化后在与图像区域内的图像进行做差来得到差值图；

步骤s6041：以设定的最小差异阈值作为各个差值图的二值化阈值对各个差值图进行二值化运算来得到二值化图；

步骤s6051：对计算得到的各个二值化图进行前景总面积的统计，接着取前景总面积最小的二值化图所对应的那个候选搜索区域作为最佳配准位置，并且提取前景总面积最小的二值化图的各个连通域，并计算各个连通域的特征；

步骤s6061：判断提取的各个连通域的特征中是否存在超过设定的最小丝印缺陷特征的对象；如果存在，那么将超过的各个连通域所对应的缺陷区域在待检图像连通域所对应的丝印图案上标识出来。

如图5所示，在步骤s6中，模板图像丝印区域的连通域无法与待检图像丝印区域的任何一个连通域相匹配，则通过以下方法进行检测的：

步骤s61：根据模板图像连通域在模板图像丝印区域二值化图上的位置在待检图像丝印区域二值化图的相对位置上生成与模板图像连通域所占区域大小一样的搜索区域；

步骤s62：将搜索区域分别上下左右各按照设定的像素距离移动一次，得到四个不同位置的搜索区域，每个搜索区域均在设定的步长和缩放倍数范围内相对区域中心对区域进行缩放，每个搜索区域每缩放一次就能得到一个候选搜索区域；

步骤s63：分别找出各个候选搜索区域在待检图像丝印区域灰度图上所对应的区域图像，然后将各个区域图像分别归一化至模板图像上未匹配成功的那个连通域在模板图像丝印区域灰度图上所对应的图像区域的大小并且归一化后在与图像区域内的图像进行做差来得到差值图；

步骤s64：以设定的最小差异阈值作为各个差值图的二值化阈值对各个差值图进行二值化运算来得到二值化图，

步骤s65：对计算得到的各个二值化图进行前景总面积的统计，接着取前景总面积最小的二值化图所对应的那个候选搜索区域作为最佳配准位置，并且提取前景总面积最小的二值化图的各个连通域，并计算各个连通域的特征，

步骤s66：判断提取的各个连通域的特征中是否存在超过设定的最小丝印缺陷特征的对象；如果存在，那么将超过的各个连通域所对应的缺陷区域在待检图像丝印区域上与该模板图像丝印区域的连通域处在相对位置的区域上标识出来。

本发明中，步骤s6中所设定的步长为0.05，设定的缩放倍数为0.8至1.3，设定的像素距离为10个像素距离。

检测结果图如图6、图7，已经把图文上的轻微缺陷框出，证明该方法能检测出图文上的细微缺陷。

整体的流程如图8所示，采集合格样品图作为模板，制作模板，采集待检测图像，判定但检测图是否有缺陷，批量测试结果如图9，检测115个合格品和105个缺陷品，未产生误报和漏报。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。