手機、電腦等電子設備一般通過膠水使其各組件連接，工業生產中一般采用自動點膠機進行點膠，但由于點膠機工藝水平的限制往往會導致不合格品產生，如少膠(jiao)、斷(duan)膠(jiao)、無膠(jiao)等(deng)。如果不(bu)(bu)能及時檢測(ce)出這些不(bu)(bu)合格品，將會嚴(yan)重影響產(chan)品最終應(ying)用性能。

       傳統的點膠質量檢測主要依靠人工進行，不僅耗費大量的人力物力，而且效率低下，檢測精度往往不足。隨著機器視覺的(de)(de)不斷興起，視覺檢(jian)測(ce)技術已經成為(wei)國(guo)內(nei)外研(yan)究的(de)(de)熱點(dian)。本(ben)文提出一種(zhong)基于(yu)亞像(xiang)素邊緣檢(jian)測(ce)的(de)(de)視覺點(dian)膠質量(liang)檢(jian)測(ce)方(fang)法，通過細化圖像(xiang)邊緣像(xiang)素，結合模板匹配方(fang)法，實現更加高(gao)效、快速的(de)(de)點(dian)膠質量(liang)檢(jian)測(ce)。

1. 檢測系統方案設計

       一個完整的檢測系統由硬件和軟件兩部分組成，硬件部分主要由工業相機、光源、鏡頭和計算機等部件組成，主要負責采(cai)集待檢測產品(pin)的圖像(xiang)信息，其整體(ti)結構(gou)如圖 1 所(suo)示。

圖1視覺檢測系統

       軟件部分主要是對圖像進行分析，通過對采集到的圖像進行處理，最終確定待檢測產品點膠質量及不合格原因。常用的圖像分析軟件主要有 Halcon、Opencv 等。其中，Halcon 代碼精簡，運行效率高，擁有廣泛的集成開發環境，是世界上公認具有最佳效能的商用機器視覺軟件之一，因此，本文選用 Halcon 完成點膠(jiao)質量(liang)檢測的圖(tu)像處理任務。

2.檢測系統實現

       本文針對點膠質量檢測方法步驟可歸納如下:Step1: 分別拍攝得到標準合格產品與待檢測產品圖像。Step2: 選取標準合格產品圖像，對圖像進行預處理后劃分目標區域( 包含點膠區域和溢膠區域) 并通過亞像素提取法分割點膠區域與溢膠區域。Step3: 在標準合格產品圖像中選定模板區域( 所有產品圖像中相同且與目標區域無關的區域) 創建模板進行匹配，并根據匹配結果計算相各待檢產品圖像與標準合格產品圖像間仿射變換矩陣。Step4: 根據仿射變換矩陣搜索每一待檢測產品圖像中目標區域。Step5: 判(pan)斷(duan)待檢測產品點膠質量，若不(bu)合格，則進一步判(pan)斷(duan)不(bu)合格原因。

2.1 圖像預處理

       在(zai)圖(tu)(tu)像采(cai)集的(de)(de)過(guo)程(cheng)中(zhong)由于(yu)環境以及待(dai)檢(jian)(jian)測(ce)產品自(zi)身特性(xing)等(deng)因素影響，往(wang)(wang)往(wang)(wang)會使得采(cai)集得到的(de)(de)圖(tu)(tu)像包含(han)噪(zao)聲，這些噪(zao)聲的(de)(de)存在(zai)往(wang)(wang)往(wang)(wang)會對點(dian)膠(jiao)質(zhi)量檢(jian)(jian)測(ce)結果的(de)(de)準確性(xing)造成影響。為(wei)了解決此類問題，在(zai)對待(dai)檢(jian)(jian)測(ce)產品點(dian)膠(jiao)質(zhi)量檢(jian)(jian)測(ce)前(qian)，通常(chang)需要對所采(cai)集到的(de)(de)圖(tu)(tu)像進行降噪(zao)處(chu)理(li)。常(chang)用的(de)(de)圖(tu)(tu)像噪(zao)聲處(chu)理(li)方法(fa)有均(jun)值(zhi)濾(lv)波(bo)(bo)、中(zhong)值(zhi)濾(lv)波(bo)(bo)等(deng)。由于(yu)均(jun)值(zhi)濾(lv)波(bo)(bo)具有運算簡單、速度(du)快(kuai)、降噪(zao)效果好等(deng)優點(dian)而被廣泛應用，因此在(zai)本(ben)文中(zhong)采(cai)用均(jun)值(zhi)濾(lv)波(bo)(bo)去除待(dai)檢(jian)(jian)測(ce)產品圖(tu)(tu)像噪(zao)聲，其處(chu)理(li)前(qian)后結果如圖(tu)(tu) 2 所示。

圖2 降噪前后產品圖像(xiang)對比

2.2 點膠區域提取

2.2.1 目標(biao)區域確定

       為準(zhun)確提取合格產品標(biao)準(zhun)圖(tu)像(xiang)中目標(biao)區(qu)(qu)域(yu)(yu)( 點膠區(qu)(qu)域(yu)(yu)與溢(yi)膠區(qu)(qu)域(yu)(yu)) ，需要在(zai)標(biao)準(zhun)合格圖(tu)像(xiang)中提取包含(han)目標(biao)區(qu)(qu)域(yu)(yu)最小范圍區(qu)(qu)域(yu)(yu)。并剔除干擾背景。如圖(tu)3所示(shi)。

圖3包含目(mu)標區域最小(xiao)區域

       采用閾(yu)值分(fen)割(ge)方法對(dui)目(mu)標區域進(jin)行(xing)圖像分(fen)割(ge)，利(li)用圖像在目(mu)標與(yu)背景處的(de)(de)灰度值差異設置分(fen)割(ge)閾(yu)值，從而(er)實現對(dui)圖像目(mu)標區域的(de)(de)提取(qu)。其算法表(biao)達(da)式為:

       其中，f 表示待分割的圖像中目標區域的灰度值，gmin和 gmax分(fen)別表(biao)示目(mu)標(biao)區域灰度閾值上下限。Ｒ 表(biao)示提取出(chu)來的目(mu)標(biao)區域。

       標準(zhun)合格(ge)產(chan)品圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)目(mu)(mu)(mu)標區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)中(zhong)所包(bao)(bao)含的(de)(de)(de)(de)(de)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)有點(dian)(dian)膠(jiao)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)與溢膠(jiao)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)，通過輪(lun)廓選(xuan)擇(ze)以及(ji)形態學處(chu)理后可初(chu)步定(ding)位(wei)(wei)標準(zhun)合格(ge)產(chan)品圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)中(zhong)的(de)(de)(de)(de)(de)點(dian)(dian)膠(jiao)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)，目(mu)(mu)(mu)標區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)中(zhong)的(de)(de)(de)(de)(de)其(qi)他部分(fen)即(ji)為(wei)溢膠(jiao)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)。2.2.1 亞(ya)(ya)像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)邊緣(yuan)提(ti)取圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)是由像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)點(dian)(dian)構成，這些像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)決定(ding)了圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)所呈現(xian)出(chu)的(de)(de)(de)(de)(de)效果。通過上述圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)分(fen)割可初(chu)步定(ding)位(wei)(wei)標準(zhun)合格(ge)產(chan)品圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)目(mu)(mu)(mu)標區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)中(zhong)的(de)(de)(de)(de)(de)點(dian)(dian)膠(jiao)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)，由于(yu)得(de)到的(de)(de)(de)(de)(de)點(dian)(dian)膠(jiao)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)( 邊緣(yuan)) 精(jing)(jing)(jing)度(du)也為(wei)像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)級別，無(wu)法(fa)適(shi)應(ying)工業(ye)應(ying)用中(zhong)高(gao)(gao)精(jing)(jing)(jing)度(du)的(de)(de)(de)(de)(de)檢測(ce)要(yao)求，此時就需要(yao)提(ti)取點(dian)(dian)膠(jiao)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)的(de)(de)(de)(de)(de)亞(ya)(ya)像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)精(jing)(jing)(jing)度(du)輪(lun)廓。亞(ya)(ya)像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)精(jing)(jing)(jing)度(du)是指(zhi)在兩個相鄰像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)之(zhi)間細分(fen)，將每個像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)分(fen)為(wei)更(geng)小單元(yuan)，從而(er)在軟件層面提(ti)高(gao)(gao)圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)分(fen)辨率，以滿足更(geng)高(gao)(gao)的(de)(de)(de)(de)(de)精(jing)(jing)(jing)度(du)要(yao)求。本文以初(chu)定(ding)位(wei)(wei)目(mu)(mu)(mu)標區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)中(zhong)點(dian)(dian)膠(jiao)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)的(de)(de)(de)(de)(de)外(wai)邊界和邊界像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)中(zhong)心作為(wei)亞(ya)(ya)像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)輪(lun)廓點(dian)(dian)生成圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)亞(ya)(ya)像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)邊緣(yuan)。在外(wai)界因素(su)(su)(su)(su)及(ji)圖(tu)(tu)像(xiang)(xiang)(xiang)(xiang)噪(zao)聲等影響下，生成的(de)(de)(de)(de)(de)亞(ya)(ya)像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)輪(lun)廓中(zhong)通常包(bao)(bao)含偽(wei)邊緣(yuan)及(ji)不必要(yao)輪(lun)廓，因此需要(yao)根(gen)據(ju)長度(du)等特征進行區(qu)(qu)(qu)分(fen)，得(de)到點(dian)(dian)膠(jiao)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)亞(ya)(ya)像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)輪(lun)廓。亞(ya)(ya)像(xiang)(xiang)(xiang)(xiang)素(su)(su)(su)(su)輪(lun)廓的(de)(de)(de)(de)(de)應(ying)用，提(ti)高(gao)(gao)了產(chan)品點(dian)(dian)膠(jiao)質量的(de)(de)(de)(de)(de)檢測(ce)精(jing)(jing)(jing)度(du)，滿足工業(ye)使用要(yao)求，如圖(tu)(tu) 4 所示。

圖4圖像(xiang)邊緣

2.3 模板選定與匹配

       模板匹配是在待檢測產品圖像中根據已知的模板圖的某種特性進行匹配，從而得到模板圖像和待檢圖像之間的關系。模板匹配不僅可用于物品完整性檢測，也可用(yong)(yong)于物(wu)(wu)體(ti)識別(bie)，即區分不(bu)同(tong)類(lei)型物(wu)(wu)體(ti)，是(shi)最具代表性的(de)一種圖像識別(bie)方(fang)法。模(mo)板(ban)(ban)匹(pi)配(pei)方(fang)法一般包(bao)括(kuo)灰度值模(mo)板(ban)(ban)匹(pi)配(pei)和幾何(he)特(te)征模(mo)板(ban)(ban)匹(pi)配(pei)。由于不(bu)同(tong)產品(pin)(pin)圖像拍攝角度與點(dian)膠(jiao)質量的(de)不(bu)同(tong)，導(dao)致顯示在產品(pin)(pin)圖像中膠(jiao)水寬度、位置(zhi)均發生變化，因此選用(yong)(yong)與目標區域無關的(de)模(mo)板(ban)(ban)區域作為模(mo)板(ban)(ban)，進行待檢測產品(pin)(pin)圖像與標準(zhun)合格(ge)產品(pin)(pin)圖像匹(pi)配(pei)對(dui)提(ti)高檢測結果(guo)具有重(zhong)要(yao)意義。

       通過觀察(cha)圖(tu) 5 所示的(de)幾種典型待檢(jian)測產品(pin)圖(tu)像可知，每個圖(tu)像均包含與目(mu)標區域無(wu)(wu)關的(de)相同(tong)(tong)區域( 圖(tu)中紅(hong)/藍色框內(nei)區域) ，實驗表明，選取(qu)標準合格產品(pin)圖(tu)像中的(de)任意相同(tong)(tong)無(wu)(wu)關區域作為模板，能極大的(de)提高模板匹配的(de)效(xiao)率。

圖5典(dian)型(xing)待檢測(ce)產品圖像(xiang)

       NCC 匹配(pei)方法(fa)是(shi)灰度(du)值模(mo)板匹配(pei)中最(zui)具代(dai)表性的(de)方法(fa)，最(zui)初由 Ｒosenfeld 等(deng)人提出，其主要原(yuan)理是(shi)根據圖像相似(si)度(du)值來判(pan)斷(duan)不同圖像間的(de)相似(si)度(du)特(te)性。在(zai)空間中，一維向(xiang)量相似(si)度(du)值計算方法(fa)如式( 2) 所示:

       通過 cosθ 的(de)(de)值來判斷兩(liang)個向量(liang) a 和(he) b 之間的(de)(de)相關性(xing)，當 cosθ 的(de)(de)值越接近 1 時，表(biao)明向量(liang) a 和(he) b 之間夾角越小，向量(liang) a 和(he) b 相似度越高。將該(gai)原理推廣到二維圖像(xiang)中，可(ke)得用于二維圖像(xiang)中，圖像(xiang)相似度系數(shu)( 圖像(xiang)歸一化(hua)相關系數(shu)) ，如式( 3) 所示:

       其中，mt表示模板(ban)圖像的(de)平均(jun)灰度(du)(du)值(zhi)，s2t表示模板(ban)圖像中所有像素灰度(du)(du)值(zhi)的(de)方(fang)差，t( u，v) 表示模板(ban)圖像 T 中點 ( u，v) 處的(de)灰度(du)(du)值(zhi)。即:

       通過(guo)計算 ncc 的(de)(de)(de)(de)值來確定模(mo)(mo)板(ban)(ban)(ban)(ban)圖(tu)(tu)像(xiang)(xiang)和待(dai)(dai)檢圖(tu)(tu)像(xiang)(xiang)之(zhi)間(jian)(jian)的(de)(de)(de)(de)匹(pi)配程度(du)(du)。其中(zhong)(zhong)，ncc( r，c) ∈ ［0，1］，其值越接近 1，表(biao)明待(dai)(dai)檢圖(tu)(tu)像(xiang)(xiang)與(yu)模(mo)(mo)板(ban)(ban)(ban)(ban)圖(tu)(tu)像(xiang)(xiang)相(xiang)(xiang)似度(du)(du)越高(gao)，且當ncc( r，c) = 1 時，可認為待(dai)(dai)檢圖(tu)(tu)像(xiang)(xiang)與(yu)之(zhi)間(jian)(jian)模(mo)(mo)板(ban)(ban)(ban)(ban)圖(tu)(tu)像(xiang)(xiang)完全一致。通過(guo) NCC 模(mo)(mo)板(ban)(ban)(ban)(ban)匹(pi)配找到(dao)待(dai)(dai)檢測(ce)產品圖(tu)(tu)像(xiang)(xiang)中(zhong)(zhong)與(yu)模(mo)(mo)板(ban)(ban)(ban)(ban)區(qu)域相(xiang)(xiang)對應的(de)(de)(de)(de)位(wei)(wei)置后(hou)(hou)，為擬合待(dai)(dai)檢測(ce)產品圖(tu)(tu)像(xiang)(xiang)與(yu)標(biao)(biao)準圖(tu)(tu)之(zhi)間(jian)(jian)的(de)(de)(de)(de)變(bian)(bian)(bian)(bian)換，可通過(guo)標(biao)(biao)準圖(tu)(tu)中(zhong)(zhong)的(de)(de)(de)(de)模(mo)(mo)板(ban)(ban)(ban)(ban)區(qu)域與(yu)待(dai)(dai)檢測(ce)圖(tu)(tu)中(zhong)(zhong)所找到(dao)的(de)(de)(de)(de)相(xiang)(xiang)對應的(de)(de)(de)(de)模(mo)(mo)板(ban)(ban)(ban)(ban)區(qu)域之(zhi)間(jian)(jian)的(de)(de)(de)(de)位(wei)(wei)置和角度(du)(du)關(guan)系(xi)，并計算得到(dao)相(xiang)(xiang)應的(de)(de)(de)(de)剛(gang)性(xing)仿射(she)(she)變(bian)(bian)(bian)(bian)換矩(ju)陣(zhen)(zhen)。其中(zhong)(zhong)剛(gang)性(xing)仿射(she)(she)變(bian)(bian)(bian)(bian)換由旋(xuan)轉變(bian)(bian)(bian)(bian)換和平移變(bian)(bian)(bian)(bian)換組成(cheng)，其本(ben)質是兩個(ge)矩(ju)陣(zhen)(zhen)在空(kong)(kong)間(jian)(jian)的(de)(de)(de)(de)映射(she)(she)。而圖(tu)(tu)像(xiang)(xiang)本(ben)質上(shang)是數字化的(de)(de)(de)(de)矩(ju)陣(zhen)(zhen)，因此剛(gang)性(xing)仿射(she)(she)變(bian)(bian)(bian)(bian)換能夠準確的(de)(de)(de)(de)反映待(dai)(dai)檢測(ce)圖(tu)(tu)像(xiang)(xiang)模(mo)(mo)板(ban)(ban)(ban)(ban)區(qu)域與(yu)模(mo)(mo)板(ban)(ban)(ban)(ban)在空(kong)(kong)間(jian)(jian)中(zhong)(zhong)的(de)(de)(de)(de)映射(she)(she)關(guan)系(xi)。令模(mo)(mo)板(ban)(ban)(ban)(ban)圖(tu)(tu)像(xiang)(xiang)中(zhong)(zhong)原始點的(de)(de)(de)(de)坐標(biao)(biao)為( row1，col1) ，待(dai)(dai)檢測(ce)圖(tu)(tu)像(xiang)(xiang)中(zhong)(zhong)與(yu)模(mo)(mo)板(ban)(ban)(ban)(ban)圖(tu)(tu)像(xiang)(xiang)對應點坐標(biao)(biao)為( row2，col2) ，則變(bian)(bian)(bian)(bian)換前后(hou)(hou)仿射(she)(she)變(bian)(bian)(bian)(bian)換矩(ju)陣(zhen)(zhen) HomMat2D 可表(biao)示(shi)為:

2.4 缺陷檢測結果

      通過(guo)標準合(he)格工件(jian)圖(tu)中的點膠區(qu)(qu)(qu)域(yu)、溢(yi)膠區(qu)(qu)(qu)域(yu)以及得到的剛性仿射變換矩陣確定待檢測(ce)產品圖(tu)像(xiang)中的點膠區(qu)(qu)(qu)域(yu)與溢(yi)膠區(qu)(qu)(qu)域(yu)位置信息，如圖(tu) 6 所示。

圖6待檢測圖像(xiang)檢測區域(yu)

2.4.1 溢(yi)膠(jiao)檢測

       對經由剛性仿射變換(huan)矩陣確定(ding)的(de)待(dai)檢測產品(pin)圖(tu)像溢膠區(qu)域(yu)，如圖(tu) 6a 所示，通過(guo)二(er)值化分割方法判(pan)斷該(gai)(gai)區(qu)域(yu)中是否(fou)存在(zai)膠水(shui)部分，若存在(zai)，則表明該(gai)(gai)產品(pin)存在(zai)溢膠。

2.4.2 其他缺陷(xian)檢測

       對(dui)經由(you)仿(fang)射變換矩陣確(que)定(ding)的(de)(de)(de)待(dai)檢(jian)測(ce)產品圖像點膠(jiao)(jiao)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)(yu)，如(ru)圖 6b 所(suo)示，利用(yong)二值(zhi)化分割(ge)方法提(ti)取(qu)待(dai)檢(jian)測(ce)膠(jiao)(jiao)水(shui)(shui)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)(yu)中白色膠(jiao)(jiao)水(shui)(shui)反光(guang)(guang)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)(yu)及黑色膠(jiao)(jiao)水(shui)(shui)不反光(guang)(guang)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)(yu)，并返回兩個區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)(yu)的(de)(de)(de)聯(lian)(lian)合(he)，通過開(kai)閉運算(suan)(suan)(suan)、孔洞填充及聯(lian)(lian)通域(yu)(yu)(yu)(yu)(yu)聯(lian)(lian)合(he)等(deng)(deng)一(yi)系列圖形處理后(hou)，根據當前產品面積(ji)特(te)征(zheng)設(she)定(ding)合(he)適閾(yu)值(zhi)，并提(ti)取(qu)待(dai)檢(jian)測(ce)圖像中膠(jiao)(jiao)水(shui)(shui)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)(yu)中面積(ji)大于(yu)該(gai)閾(yu)值(zhi)的(de)(de)(de)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)(yu)，若該(gai)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)(yu)個數(shu)大于(yu) 1 即(ji)斷膠(jiao)(jiao)，等(deng)(deng)于(yu) 0 即(ji)無膠(jiao)(jiao)，等(deng)(deng)于(yu) 1 則(ze)進一(yi)步判斷是(shi)否為少膠(jiao)(jiao)。對(dui)通過面積(ji)特(te)征(zheng)提(ti)取(qu)出(chu)來的(de)(de)(de)膠(jiao)(jiao)水(shui)(shui)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)(yu)腐蝕(shi)指定(ding)寬度后(hou)再(zai)計(ji)算(suan)(suan)(suan)該(gai)區(qu)(qu)(qu)域(yu)(yu)(yu)(yu)(yu)個數(shu)，若個數(shu)為 1 則(ze)為合(he)格(ge)品，若大于(yu) 1 即(ji)少膠(jiao)(jiao)。為驗證算(suan)(suan)(suan)法的(de)(de)(de)有效性，隨機抽取(qu) 500 個工(gong)件進行實驗，檢(jian)測(ce)結(jie)果(guo)如(ru)表 1 所(suo)示，總體檢(jian)測(ce)成功率(lv)達99． 6% ，相(xiang)比不采用(yong)亞像素輪廓進行檢(jian)測(ce)，其檢(jian)測(ce)準確(que)率(lv)提(ti)高了 11．6%。

       在(zai)(zai)本文中，單幅圖(tu)像在(zai)(zai)配(pei)置(zhi)為 Core i5/2． 3GHz( CPU) 、8GB ＲAM 的計(ji)算機上最(zui)大耗時僅(jin)為354．6ms，滿足工(gong)業檢(jian)測效率要求，相對于傳統的人工(gong)檢(jian)測準確率和效率都(dou)有了很大的提高。

3. 結語

       根據(ju)工業生產需求，本文設計得到一種針(zhen)對產品點(dian)(dian)膠(jiao)質量檢(jian)測系統(tong)，該系統(tong)基于亞像素邊緣檢(jian)測方法(fa)，與傳統(tong)方法(fa)相比具(ju)有(you)精度高(gao)，效率高(gao)等優點(dian)(dian)。并(bing)且，采(cai)用該方法(fa)設計得到的(de)檢(jian)測系統(tong)對測量環境要(yao)求低，具(ju)有(you)很(hen)強的(de)自適應(ying)能力。實(shi)驗結果表明，該方案(an)能準(zhun)確(que)并(bing)快速的(de)檢(jian)測出合格品并(bing)判讀不合格品的(de)缺(que)陷類型(xing)，對實(shi)現點(dian)(dian)膠(jiao)質量工業化檢(jian)測有(you)重要(yao)意義，并(bing)為視覺檢(jian)測技術(shu)在其(qi)他檢(jian)測領域的(de)應(ying)用提(ti)供一定的(de)參考。

        深圳市雙翌光電科技有限公司是一家以機器視覺為技術核心，自主技術研究與應用拓展為導向的高科技企業。公司自成立以來不斷創新，在智能自動化領域研發出視覺對位系統、機械手視覺定位、視覺檢測、圖像處理庫等為核心的20多款自主知識產權產品。涉及自動貼合機、絲印機、曝光機、疊片機、貼片機、智能檢測、智能鐳射等眾多行業領域。雙翌視覺系統最高生產精度可達um級別，圖像處理精準、速度快，將智能自動化制造行業的生產水平提升到一個更高的層次，改進了以往落后的生產流程，得到廣大用戶的認可與肯定。隨著智能自動化生產的普及與發展，雙翌將為廣大生產行業帶來更全面、更精細、更智能化的技術及服務。