浅析手机盖板玻璃检测难点收藏

    手机盖板玻璃的印刷工艺主要包括黑框印刷、镜面银印刷以及头色印刷等，每一次印刷之后均需对印刷质量进行检测，以免造成批次印刷不良盖板检测主要有哪些问题呢，其难点又在哪里，下面为大家一一介绍：    （1）缺陷品相繁多。

     印刷区边缘的长牙/芽缺/锯齿    所谓长牙/芽缺/锯齿通常是由于印刷过程中刮胶刀口不平、网版张力不均、油墨不均等导致的边缘溢墨、边缘缺失或者连续交替出现长牙芽缺的现象通常发生在视窗区边缘、黑框边缘、LOGO元素边缘、按键元素边缘、通透孔边缘等，其中LOGO元素以及按键元素边缘的长牙芽缺最为复杂。

因为这些元素边缘本身就很不规则，形状各异，其本身特征与长牙芽缺有很大的相似度，非常容易导致过检和漏检    印刷区域的透光、视窗区域的漏油    印刷区透光主要是由于网版粘尘、网版破损等导致玻璃盖板某些位置没有印刷上油墨的现象，印刷区的任何位置均可能发生透光。

漏油是指在非印刷区出现油墨的现象，通常是由于感光胶脱落、网版非印刷区破洞、张力不均等导致，油墨拉丝、弹油同样会导致漏油现象的发生    丝印元素的偏位    丝印元素偏位通常是由于机械装调不精确，关键机构位置发生变动导致印刷元素位置发生变动的现象。

以上缺陷品相在盖板检测中发生的概率最多，由于缺陷种类较多，且各种缺陷之间相互独立，从算法的角度来讲，通常需要单独设计不同的算法检测模块，增加了算法的复杂程度   （2）盖板尺寸较大，时间和精度要求高    手机盖板的尺寸大约为150mm X 75mm，而检测精度通常要求在3个丝（30微米）左右，为了不影响整机效率，设备需要在3秒内完成检测。

为了满足检测精度要求，通常选用高分辨率的线阵相机进行成像，图像大小约为120 M在如此大的图像上，精确定位到只有3个像素大小的缺陷，而且还要考虑其它因素导致的干扰，并非易事另外，3秒的时间要求，要完成如此多缺陷品相的检测也是一个很大的挑战，要知道，只是完成一次整幅图像的自适应阈值二值化就需要几十毫秒的时间。

    虽然如今的深度学习技术发展迅速，在特征提取上优于很多传统算法，但目前还主要应用在纹理丰富、尺寸较小的图像上，对于如此大尺寸且几乎没有纹理特征的手机盖板图像，直接利用深度学习显然是不现实的当然也并不是说深度学习不能用于盖板检测，只是需要找到传统算法与深度学习技术的结合点，比如利用传统算法先提取目标关键信息，然后再利用深度学习来获取目标的缺陷信息，最后再反算到原始图像中去，这就是深度学习与传统算法相结合的一种思路。

    （3）手机盖板成像一致性较差     盖板成像一直是盖板检测的一个最为关键的问题，由于手机盖板品牌繁多、颜色和形状差异较大，不同的盖板其成像效果均有所差异最大的差异主要体现在盖板外边缘和通孔处，这些地方的倒边容易造成伪透光，进而导致边缘定位不准确，很容易导致透光、以及长牙芽缺的过检等。

因此，对于任何一款视觉检测产品，打光和成像始终是一个绕不开的话题，成像质量严重影响检测效率和检测精度     目前手机盖板行业的相关从业人员大约15万，人员成本每年支出就在100亿元以上，且由于效率低下，严重制约产能，对于盖板生产厂商来讲，要在如此激烈的市场竞争中占领高地，必须进行产业升级，而盖板的自动检测更是迫在眉睫。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。