梁冬迎，张 峰

LIANG Dong-ying, ZHANG Feng

（北京远东罗斯蒙特仪表有限公司，北京 100013）

0 引言

图像识别技术已经广泛应用于现代制造业并且拥有的良好稳定性和准确性，本文探讨了在生产线如何利用图像识别技术代替人工检验液晶显示屏品质的方法，设计并开发变送器液晶显示屏光学自动检测系统。

此系统针对生产线液晶显示屏图像特征，采用图像模式匹配算法以及边缘检测算法。该系统的引入，避免了原有人工操作对液晶电路板的潜在伤害，并有效保证了生产测试流程的完整执行。

1 NI视觉系统

NI视觉是美国国家仪器公司针对半导体自动化测试、汽车和电子产品等领域开发的具有图像采集和处理功能的整体解决方案。本文中所探讨的图像处理算法源自此系统。通过使用该系统提高了整个测试系统的开发进度。

2 图像边缘检测算法

边缘检测的目的是辨别出数字图像中发生显著变化的点。图像属性中点的显著变化通常反映了属性的重要事件和变化。这些变化包括表面方向不连续性、物质属性变化以及场景照明变化。

边缘检测算法是图像识别技术中的基础算法，广泛应用于图像自动检测领域。其大幅度降低运算数据量，保留了图像重要的结构属性，适合用于决策物件的外形尺寸以及辨别物件是否存在外在损伤场合。

3 图像模式匹配检测算法

模式匹配是图像检测技术中的核心基础算法。整个模式匹配算法分为两个阶段：学习和匹配。

在学习阶段，算法在模板图像中提取理想图像的灰度值以及边缘梯度的信息，并存储该学习过程中模板图像的关键信息。

在匹配阶段，模式匹配算法提取被检测图像的灰度值以及边缘梯度信息，并且与在学习阶段存储的标准模板信息进行对比。其通过寻找被检测图像里的最高相关交叉区域，搜索被检测图像可能匹配的图像资源。

4 变送器液晶屏检测系统设计

4.1 检测系统模块功能及应用

系统组成如图1所示，其中自动控制软件实现图像处理算法，并且控制相机调节系统以及工装硬件控制系统；相机调节系统用来控制相机位置、曝光强度等硬件参量；工装控制系统负责构建自动控制软件与待测液晶屏组件的信息交互以及保证液晶板正常工作；工作台支架系统负责消除硬件坐标误差。此支架系统，利于简化图像处理算法参数（待测图片旋转、位移），并且利于提高测试过程的一致性。

4.2 图像处理算法分析及应用

4.2.1 边缘检测算法选择原因及分析

图2 待检测图像

图2中是待检测的液晶屏图像，可以看出图像整体由规则字段码构成，剩余小部分是不规则的图像信息。针对此测试图像的特征，采取了对规则字码段采用边缘检测算法处理的思路。

边缘检测能够很好地捕捉规则字段的边缘特性，其相对模板图像匹配，关注点少，计算量小，效率高。又由于其关注小区域边缘特性，缩小了检测范围，从而降低了误判率。因此边缘检测更适合进行规则字段码图形检测。

本测试系统采用了对每一个字段分别进行边缘检测算法的思路。由图3中可以看出，经过放大后的字段边缘存在微小模糊，因此需要多次试验算法参数实现边缘的准确识别。

图3 单一字段边缘检测及算法参数

模板图像匹配算法也可检测规则字码段，但仅使用模板图像匹配会导致检测效率降低以及错误判断出现。因为真实的工况条件下采集的液晶屏图像的字段码亮度是有区别的，如果大区域使用同一个图像模板进行匹配，将导致LCD误判率明显上升。

4.2.2 图像匹配检测算法选择原因及分析

图2中，对于不规则的平方根号，YES等图像符号，考虑到边缘检测算法需要涉及多个边缘点，导致算法处理相对复杂困难。模板模式匹配非常适合此类无规则曲线图像。模板匹配检测算法通过学习并分析模板中的关键点的特征，描述整个模板特征轮廓。从待测液晶屏图像中匹配模板特征轮廓，实现图像分析检测。

图4展示了YES符号经过采用图像模板匹配算法后的检测结果。由此图可以发现由于测试系统周围光照强度变化，导致整体图像产生了微小模糊，因此也需要多次试验算法参数实现符号的准确识别。

图4 模板匹配检测及算法参数

4.2.3 图像算法参考坐标系选择原因及分析

工作台支架系统消除操作人员人为坐标误差。但考虑到相机及待测液晶屏位置的细微位移，整个图像处理算法需要通过软件进一步消除坐标误差。

在图像处理的初始阶段，测试系统识别并定位液晶屏幕YES符号，并将此作为后续所有图像识别的参考坐标原点。通过其与模板图像中YES图像符号坐标位置对比，计算得出待测图像后续所有符号相对坐标位移，从而在图像软件算法角度进一步消除系统坐标误差，提升图像识别准确性。

5 试验验证

图5 图像检测结果

第一步，测试系统通过图像模板匹配算法检测YES符号，并将其作为相对坐标原点与模板图像中YES符号坐标位置对比，计算出相对位移。第二步，测试系统使用图像模板匹配算法结合第一步中相对位移检测平方根符号。如图5所示，测试系统识别出了待测图像中的YES符号及平方根符号，测试结果符合设计期望。第三步，测试系统使用边缘检测算法结合第一步中相对位移检测规则字段显示。如图5所示，测试系统识别出了待测图像中所有应用边缘检测算法的字段码，测试结果符合设计期望。

6 结束语

本文在研究NI视觉处理软件算法特点的基础上，结合公司实际业务需求分析并选择了边缘检测以及图像模式匹配两种图像检测算法，开发符合生产线工艺的软件系统及硬件测试平台。经过实验和实际应用，验证了图像自动识别方案的可行性和高效性。

[1]NI vision builder automation inspection tutorial[Z].38-49.

[2]Milan Sonka.Image Processing[J].Analysis and Machine Vision.102-185.

[3]边肇琪, 张学工.模式识别.第三版[M].北京：清华大学出版社,2010.