IR46电能表液晶屏的坏点视觉检测

2022-08-03姜咪慧王黎欣汪万兴

无损检测 2022年4期

姜咪慧，王黎欣，汪万兴

(1.国网浙江省电力有限公司营销服务中心，杭州 311121；2.杭州德创电子股份有限公司，杭州 311121)

在恶劣的环境中，电能表液晶屏会产生视觉缺陷，同时，电能表液晶屏的生产工艺复杂，流水线工艺的差异也可能会造成液晶屏的缺陷，影响电能表的读数，因此，如何检测液晶屏的缺陷已经成为一个研究热点[1-5]。

国外有关液晶显示屏的研究起步较早，大多采用数字图像处理的方法提取液晶屏内出现的坏点区域，通过数值化处理图像层构建像素坏点的数值关系，搭建形成了适用于不同规格液晶屏的检测平台。而国内起步较晚，刘望等[6]运用了参数自适应的检测框架，通过提取屏幕区域、预处理、阈值分割以及坏点选择过程，设定了适用于不同检测环境的参数，并结合该参数，形成了多种坏点视觉检测方法。袁玉英等[7]结合物联网处理技术以及数值化电能表液晶屏的特点，设定了电能表液晶屏显示的阈值，优化了坏点检测过程。

电能表液晶屏内存在明暗差异区域，会对坏点检测产生干扰，导致检测得到的坏点数量较少。现投入使用的视觉检测方法存在一定的优化空间，为此，笔者设计了一种IR46电能表液晶屏坏点视觉检测方法并进行检测试验。首先采用定量化处理方式变换液晶屏内的像素点，运用相关函数关联处理灰度化的像素点，采用Harris角点提取像素点在液晶显示屏内产生的像素灰度偏移，配准液晶屏内的像素点；然后采用傅里叶变换数值关系，计算相位数值差，划分光束范围，控制约束其图像的振幅截止频率，使漏光区域最小，减少坏点检测的干扰；再根据坏点目标检测回归数值，构建坏点检测窗口；基于DOC原理构建坏点检测滤波器模型，对傅里叶变换后的图像进行坏点滤波，完成坏点视觉检测。

1 IR46电能表液晶屏的坏点视觉检测方法

1.1 配准IR46电能表液晶屏像素点

将IR46电能表内的液晶屏处理过程视为空间范围内的二维矩阵，采用定量化处理方式变换液晶屏内的像素点，处理过程可表示为

(1)

式中：I(x,y)为定量变化处理函数；f(x,y)为二维矩阵内的液晶屏像素点；g为像素点辐射关系；I1为液晶屏内的线性数值变换关系。

将以上述数值化后的像素点作为处理对象[8-9]，在配准处理前，将数值化的像素点转换为灰度直方图的形式，并运用相关函数关联处理灰度化的像素点，处理过程可表示为

(2)

式中：t为构建的处理函数；G为液晶屏的像素点样本；l为液晶屏内的子区域[10]；lw为液晶屏的特征维度。

为了控制灰度处理后像素点灰度的精度，采用Harris角点提取像素点在液晶显示屏内产生的像素灰度偏移，其数值关系可表示为

(3)

式中：E(t)为提取得到的像素灰度偏移；W(x,y)为设定的提取窗口。

根据上述计算得到的偏移参数可知，液晶屏可配准的区域边框为矩形，此时可将该边缘处的灰度定义为0，像素点的配准过程可表示为[11]

(4)

式中：M(x,y)为配准处理的像素点函数；A(i,j)为增加了偏移量的像素灰度数值。

为了增强液晶屏内像素点配准的自适应性[12]，在上述数值关系内设定一个灰度差阈值，阈值数值关系可表示为

|H(x,y)|≥F

(5)

式中：H(x,y)为含有灰度差的像素点样本;F为设定的自适应阈值。

以设定的阈值数值关系作为限制，配准液晶屏内的像素点后，划分液晶屏内视觉光束分束。

1.2 划分液晶屏内视觉光束分束

经配准处理的像素点有着特殊的相位分布，在光波调制后，其内部像素点衍射形成阵列形式的光束，在电能表已知衍射输出参数的控制下，电能表液晶显示屏在不同的振幅分布下，会产生光暗分布不均匀的现象，故采用傅里叶变换数值关系处理配准得到的像素点，处理过程可表示为

(6)

式中：Aout(i,j)为傅里叶输出的像素数值关系；A(fx,fy)表示振幅空间调制下的像素点。

统一液晶屏内的光束分布后，点阵液晶屏像素点的识别需要分辨率不低于300万像素的相机，因此，笔者选择了1 000万像素的相机，并设定液晶屏的光振幅数值，以像素点光点的相位数值差，调制液晶屏内的光束，计算得到的相位数值差可表示为

(7)

式中：Pk(x,y)为计算得到的相位数值差；Pi(x,y)为液晶屏的光振幅数值。

对应形成的数值差，划分光束分束过程示意如图1所示。

图1 划分光束分束过程示意

基于图1所示的划分光束分束过程，在预设的光束范围内[13]，控制其截止频率，形成一个约束数值关系后，构建坏点视觉检测过程。

1.3 实现坏点检测

1.3.1 构建坏点检测窗口

为了更清晰地标定坏点，在坏点检测前需要在得到的分束光检测区域内构建坏点检测窗口。

以上节计算得到的相位数值差作为支持系数，求坏点检测回归数值，该数值关系可表示为

(8)

式中：tw为计算得到的坏点检测回归数值；Gw为向量映射函数。

对应上述计算得到的不同大小的检测回归系数，基于回归系数采用R-CNN算法构建坏点检测窗口，形成的检测窗口如图2所示。

图2 构建形成的坏点检测窗口示意

为了控制坏点检测窗口的误差，定义坏点产生的位置回归，根据位置回归系数的数值，决定坏点检测窗口的尺寸。

1.3.2 采用DOG滤波器检测像素坏点

坏点的特征为图像颜色发生突变,因此可以采用效用较好的DOG(高斯差分)算法作为滤波器，根据图像的颜色特征，在检测窗口内检测坏点。

在DOG算法中，设待检测图像为f(x,y)，转换为高斯函数的表达式，即

(9)

式中：σ为高斯核函数的宽度。

将核宽度分别为σ1和σ2的高斯函数卷积处理得到高斯差分图像公式，再将式(9)代入，得到DOG算子，即

(10)

DOG算子根据σ1和σ2构成多种带通滤波器，当带通频率与像素坏点边缘频率一致时，这些边缘被较强地突出，同时灰度调节抑制了背景颜色，从而能够实现坏点检测。

基于该原理进行坏点检测，将上节获得的检测窗口灰度化，根据窗口尺寸优化傅里叶变换速度，图像由f(x,y)傅里叶变换为F(μ,ν)。

采用2个高斯滤波器根据公式(10)构建检测图像频域中的DOG算子D(μ,ν,σ1,σ2)，得到滤波器模型

G12(μ,ν)=D(μ,ν,σ1,σ2)F(μ,ν)

(11)

采用滤波器模型对傅里叶变换后的图像F(μ,ν)进行坏点滤波，并对滤波后的图像进行增强处理，根据相位数值差设定最大灰度值，突变的像素坏点区域颜色凸起，从原图像中被分割出来，以此标定液晶屏内的坏点。

2 检测试验

2.1 设定电能表参比条件和测量仪器参数

试验设备为最新版的有功准确度等级、基波有功准确度等级均为A级的新型IR46电能表，在规定的电流工作范围内，为了控制电能表液晶屏在不同试验环境下产生的参数误差，统一设定电能表的参比环境，设定的参比环境参数如表1所示。

在表1的参比环境下，设定电能表的工作温度为-25℃～55℃，并在通用的模组环境内工作。

表1 设定的参比环境参数

电能表的机械结构调试完毕后，采用中型LCD(液晶显示器)和LCM(液晶模块)光学测量仪测试屏幕坏点。中型LCD和LCM光学测量仪参数如表2所示。

表2 中型LCD和LCM光学测量仪参数

2.2 提取视觉坏点

在IR46电能表的液晶屏内，液晶屏可配准区域边缘处的灰度为0，通过式(5)计算得灰度差阈值为0.7，以设定的阈值数值关系作为限制，配准液晶屏内的像素点后，定义三原色的颜色坐标范围。根据电能表的像素允许偏差，定义坐标0.05的间隔。定义的液晶屏三原色坐标范围如图3所示。

图3 定义的液晶屏三原色坐标范围

根据图3定义的液晶屏三原色坐标范围，为了控制坐标范围内液晶屏亮度的均匀性，在设定的单位坐标范围内，将液晶屏内的视觉块转换为UV(纹理贴图坐标)色坐标，转换过程可表示为

(12)

式中：ui和vi分别为二维横、纵坐标；Xi,Yi分别为液晶屏三原色坐标；R、G、B分别为液晶屏内的三原色参数；U为引用的均匀参数。

根据上述整理得到的数值关系，当UV色坐标参数为负数时，则表示该视觉块为坏点，最终提取得到的液晶屏坏点图像如图4所示。

图4 提取得到的液晶屏坏点图像

以图4提取得到的屏幕坏点作为视觉检测对象，数值化处理液晶屏内存在的坏点，量化液晶屏中缺陷点的对比度，量化处理过程可表示为

Ba=c×(T0/Im)

(13)

式中：Ba为构建的量化函数；c为液晶屏坏点的对比度均值；T0为缺陷点的数量；Im为液晶屏的大小。

量化提取到的液晶屏坏点后，采用文献[6]、文献[7]的方法以及所设计的视觉检测方法进行测试，测试时应选用相同的测试指标，对比不同视觉检测方法的性能。

2.3 性能测试

在采用上述3种视觉检测方法获取视觉坏点后，为了控制获取坏点区域边界对检测结果的影响，采用阈值二值化处理量化后的液晶屏坏点图像，处理过程可表示为

(14)

式中：g(i,j)为构建形成的二值化函数；f(i,j)为液晶屏坏点图像；T为阈值。

处理完毕后，以设定的参比环境参数作为提取得到的液晶屏宽频固定参数。设液晶屏尺寸为d×h(长×宽)，在该参数的控制下，计算3种视觉检测方法产生的漏光区域，数值关系可表示为

(15)

式中：S为计算得到的漏光区域；P为电能表使用环境的大气压；D0为液晶屏内斜面锐化参数；q1为电能表的畸变参数。

对应上述计算得到的漏光区域数值，最终3种视觉检测方法检测得到的漏光区域如图5所示。

图5 3种视觉检测方法得到的漏光区域示意

对应上述设定的漏光区域数值关系，规定3种视觉检测方法处理相同数值的坏点检测区域。已知液晶屏幕内分布着均匀的液晶屏光点，当检测得到的漏光区域越大，漏光区域与实际产生的光度坏点产生重合，对最终坏点检测结果产生了干扰。由图5可知，文献[6]的方法实际产生的漏光区域最大，实际对坏点视觉检测产生的干扰最大。文献[7]方法产生的漏光区域较小，对实际视觉检测产生的干扰较小。笔者设计的视觉检测方法产生的漏光区域最小，实际对坏点检测结果产生的干扰最小。

根据上述检测结果，将计算得到的漏光区域作为坏点检测的算子，利用梯度图处理方法整理3种方法的检测结果，其结果如图6所示，实际坏点分布如图7所示。

图6 3种视觉检测方法的坏点检测结果

图7 实际坏点分布

由图6，7可知，受上述检测得到的漏光区域的影响，3种视觉检测方法表现出了不同的坏点检测结果。文献[6]方法检测得到的坏点较多，且在大漏光区域的影响下，检测得到的坏点数量过多，在液晶屏的边缘产生了面积较大的坏点，实际检测效果不佳。文献[7]方法产生的坏点数量较少，小于实际采集得到的标准坏点数量，检测效果亦不佳。笔者所设计的视觉检测方法得到的坏点数量与采集得到的实际坏点结果相差不大，与其他视觉检测方法相比，其检测结果最准确。