计算机科学››2018,第45卷››问题(6): 296-300.数字对象标识:10.11896/j.issn.1002-137X.2018.06.052

•图形、图像和模式识别• 以前的文章   下一篇文章

基于机器视觉的液晶显示器Mura缺陷检测方法

钱纪德1,5,陈斌2,5、钱继业、赵恒军4、陈刚1,5  

  1. 中国科学院成都计算机应用研究所,中国成都6100411
    中国科学院广州电子技术研究所,中国广州5100702
    国网重庆电力公司电力研究院,中国重庆401123
    重庆文理学院,中国重庆4021604
    中国科学院大学,北京1000495
  • 收到:2017-04-28 在线:2018-06-15 出版:2018-07-24

摘要:分析了液晶显示器(LCD)缺陷检测的必要性和手工检测的不足,研究了一种基于机器视觉的LCD穆拉缺陷在线检测系统。Mura具有对比度低、边缘模糊、形状不规则、亮度不均匀等特点。提出了单帧图像背景建模和背景减法。该方法可以有效抑制LCD的亮度不均匀,增强Mura缺陷信息的特征。然后,基于最大稳定极值区域(MSER),提出了Mura缺陷自适应阈值分割方法。综合上述方法,建立了自动检测机器视觉系统。实验结果表明,该检测算法能够有效抑制LCD亮度不均匀,准确分割出Mura缺陷,具有良好的鲁棒性。该系统具有人工干预少、精度高、在线自动检测等优点。

关键词: 背景差异, 背景建模, 机器视觉, MSER公司, 穆拉缺陷

CLC编号:

  • TP274型
[1] 崔永生,尹俊宇,朴素英.平板显示玻璃:现状与未来[J]。《非晶固体杂志》,2016431:2-7。
[2] BI X,DING H.TFT-LCD穆拉缺陷的机器视觉检测方法[J]。中国机械工程学报,2010,46(12):13-19
毕昕,丁汉.TFT-LCD穆拉缺陷机器视觉检测方法[J] 《工程报道》,2010,46(12):13-19。
[3] HE Z,SUN L.基于改进Otsu分割的玻璃基板表面缺陷检测方法[J]。应用光学,2015,54(33):9823。
[4] TSAI D M,TSENG Y H,CHIU W Y.使用基本图像表示法检测低对比度图像中的表面缺陷[C]//IAPR机器视觉应用国际会议.2015:186-189。
[5] 范世凯,庄永川.基于回归诊断的TFT-LCD穆拉缺陷自动检测[J]。模式识别快报,2010,31(15):2397-2404。
[6] YANG YB,LI N,ZHANG Y.基于图像重建和处理的TFT-LCD鼠标自动检测[C]//IEEE第三届国际消费电子会议-柏林.2013:240-244。
[7] 姜柏C,王柏C,刘海川.基于方差分析和指数加权滑动平均技术的液晶显示器表面均匀性缺陷检测[J]。国际生产研究杂志,2005,43(1):67-80。
[8] FORSSEN P E,LOWE D G.用于最大稳定极值区域的形状描述符[C]//IEEE国际计算机视觉会议。2007:1-8。
[9] YOSHINAGA S,SHIMADA A,NAGAHARA H,等.基于时空背景模型的目标检测[J]。计算机视觉和图像理解,2014122(5):84-91。
[10] 莫舍·Y,HELOR H,HELOR Y。利用时空投影核进行前景检测[C]//IEEE计算机视觉和模式识别会议。2012:3210-3217。
[11] Horprasert T,Harwood D,Davis L S.实时鲁棒背景减法和阴影检测的统计方法[C]//IEEE计算机视觉国际会议.1999:1-19。
[12] 刘永杰,翟明.一种基于码本和运行平均的两层背景建模方法[J]。计算机工程与科学,2016,38(6):1220-1224
刘妍江,智敏.基于码本和运行期均值法的双层背景建模方法[J] ●●●●。计算机工程与科学,2016,38(6):1220-1224.
[13] 斯塔夫·C,格里姆森·W·E·L。实时跟踪的自适应背景混合模型[C]//IEEE计算机视觉与模式识别国际会议。1999:246-252。
[14] 王世芳,颜建华,王志刚。基于局部联合特征的改进运动目标检测算法[J]。中国科学仪器学报,2015,36(10):2241-2248
王顺飞,闫钧华,王志刚.改进的基于局部联合特征的运动目标检测方法[J] .报告,2015,36(10):2241-2248。
[15] 马塔斯J,CHUM O,URBAN M,等.基于最大稳定极值区域的鲁棒宽基线立体声[J]。图像与视觉计算,2004,22(10):761-767。
[16] 丁文荣,康中乙,李海庚,等。基于MSER的无人机图像建筑面积提取[J]。北京航空航天大学学报,2015,41(3):383-390
丁文锐,康传波,李红光,等.基于MSER公司的无人机图像建筑区域提取[J] ●●●●。北京航空航天大学学报,2015,41(3):383-390.
[17] NISTéR D,STEWéNIUS H.线性时间最大稳定极值区域[C]//欧洲计算机视觉会议.2008:183-196。
[18] REN S G,MA C,XU H L.基于活动轮廓模型的改进骨架提取算法研究[J]。计算机科学中心,2013,40(7):289-292
任守纲,马超,徐焕良.基于改进主动轮廓模型的图像分割方法研究[J] .《中国日报》,2013,40(7):289-292。
[19] 史义庚,谭建生,刘志伟.基于图切割和水平集的肾皮质分割[J]。计算机科学,2016,43(7):290-293
时永刚,谭继双,刘志文.基于图割和水平集的肾脏医学图像分割[J] .阿联酋,2016,43(7):290-293。
[1] 胡聪、何晓辉、邵发明、张燕武、卢冠林、王金康。基于MSERs和SVM的交通标志检测[J] ●●●●。计算机科学,2022,49(6A):325-330。
[2] 王东、周大科、黄友达、杨欣。行人再识别的多尺度多粒度特征[J] ●●●●。计算机科学,2021,48(7):238-244。
[3] 王琪、齐勇。基于帧间差分和统计直方图的交通视频背景建模方法[J] ●●●●。计算机科学,2020,47(10):174-179。
[4] 韩克坤、胡桂川、任静、何红柳、刘嘉颖。图像处理在风力机叶片法兰面特征尺寸检测中的应用[J] ●●●●。计算机科学,2019,46(6A):562-565。
[5] 韩绍超、徐遵义、尹忠川、王俊雪。指针式仪表自动读数识别技术的研究进展[J] ●●●●。计算机科学,2018,45(6A):54-57。
[6] 张文阳,陈乐珠。基于LabVIEW机器视觉的餐具分类系统[J] ●●●●。计算机科学,2018,45(6A):595-597。
[7] 朱杭江、朱帆、潘振福和朱永利。基于运动估计和尺度估计的视觉目标跟踪方法[J] ●●●●。计算机科学,2017,44(Z11):193-198。
[8] 张文雅、徐华中、罗杰。基于ViBe的复杂背景下运动目标检测[J] ●●●●。计算机科学,2017,44(9):304-307。
[9] XUAN Han-you、刘洪哲、袁家正、李青和NIU Xiao-ning。鲁棒多波长检测算法[J] ●●●●。计算机科学,2017,44(11):305-313。
[10] 李飞、张晓红、赵晨秋、闫萌。基于自适应SILTP算法的车辆检测研究[J] ●●●●。计算机科学,2016,43(6):294-297。
[11] 姜永森、肖泉、王守觉。基于矢量方向特征的非参数动态背景建模[J] ●●●●。计算机科学,2016,43(3):291-295。
[12] 田和雷、丁胜、于昌伟和周丽。基于目标检测与跟踪的视频摘要研究[J] ●●●●。计算机科学,2016,43(11):297-299。
[13] 徐邦珍、唐一平和蔡国宁。基于机器视觉的轻型驾驶员辅助系统[J] ●●●●。计算机科学,2015,42(Z11):520-524。
[14] 徐振才、季磊、刘小龙和周小佳。基于蘑菇中杂质特征的识别[J] ●●●●。计算机科学,2015,42(Z11):203-205。
[15] 曹慧超和李伟。饱和约束下NNCS的不太保守准则和鲁棒容错设计[J] ●●●●。计算机科学,2015,42(Z11):247-252。
已查看
全文


摘要

引用

  共享   
  讨论   
找不到建议阅读的文章!