隨著工業自動化控制技術和計算機技術的飛速發展，工業自動化已經滲透到各個行業的生產中。以3C電子產品中的點膠為例，現在大多采用自動點膠機完成產品的連接、注涂和密封，都發揮著重要作用。但在實際的應用場景中，受機器工藝水平、膠水溫度等情況的影響，點膠過程中使用的膠水可能出現氣泡、膠條斷裂、膠條太粗或太細等缺陷。因此在工業生產需要點膠的場合中，控制點膠的質量至關重要。在自動點膠機完成點膠后，憑借人工檢測工作量大、效率低、檢測精度不高。已經不能滿足實際的生產需求。為了解決上述問題，基于機器視覺的點膠缺陷檢測技術得到廣泛的應用。

1、基于機器視覺檢測技術現狀

機器視覺是以普通計算機視覺研究為基礎，并且同時涉及到光源照明技術、高速圖像采集等方面實用技術的研究。在工業中，利用機器視覺構建一個完整的工業視覺應用系統需要結合多種技術，其中涵蓋了機械工程、傳感器、光學成像、運動控制、圖像處理等方面。國內外的相關從業人員研發出基于圖像處理的的視覺算法，其中典型的有：MatroxImaging Library(MIL)、Halcon、Matlab以及開源庫OpenCV 等。目前，在點膠缺陷檢測領域有兩種最常用的算法，其分別是：

基于數字圖像處理的方法

傳統的基于數字圖像處理的方法具有操作簡單，參數較少的優勢，但也存在易受光照等客觀因素影響，膠層分割效果差、缺陷分類差、通用性較差等缺點。

深度學習算法

隨著大數據時代的來臨，各類信息資源的輕易獲取使得深度學習的應用也越來越廣泛。特別是在卷積神經網絡中，圖片被深度卷積和池化之后，隱含層能夠表現出比手動獲取更加具有泛化性和抽象性的特征，從而在識別分類上取得了很好的效果。深度學習的出現為點膠缺陷的識別帶來了更大的可行性。

2、點膠檢測系統的光學檢測方案

考慮到膠條為透明膠，存在反光現象，所以要求光源在各個角度的光照程度較為均勻，而同軸光具有高密度排列，成像清晰，亮度均勻等特點。此外，在要求光照亮度均勻的同時，由于部分膠條中存在氣泡，在實際的使用場景中，同軸光源和待檢樣品之間一定的距離，最終獲取的圖片中軟件無法識別到氣泡特征，這時我們需要在加上一條條形光源在膠條上方進行照射，使得氣泡特征可見。由于垂直照射方式具有照射面積大、光照均勻性好等優點，故同軸光源選擇垂直照射方式。同時。我們采用條形光源針對待檢樣品進行補光，并且將條形光源從側面照射，不會影響到同軸光源的照射效果。

3、點膠檢測系統的算法方案

膠缺陷的類別定義

在實際的點膠過程中，往往因為點膠量的大小、 點膠壓力、針頭大小、膠水的粘度以及膠水溫度等因素，導致生產的膠條會存在各種各樣的缺陷，從而影響產品的質量。工業生產中比較常見的幾種缺陷種類：

多膠：膠條中間部分寬度大于其他部分，

少膠：膠條中間部分寬度小于其他部分

斷膠：膠條出現一次或多次的斷裂

扭曲：膠條整體存在多處彎曲現象

氣泡：膠條中含有數目較多的氣泡

對于點膠缺陷檢測有兩點要求:

(1)由于缺陷檢測的點膠圖像數量多，用時長，精度要求高；

(2)點膠缺陷圖片受環境影響存在質量上的不同，在進行檢測的過程中，不同檢測場景和需求對軟件算法的準確性和魯棒性也有不同的要求。

基于數字圖像處理的算法

在對膠條進行缺陷檢測之前，必須先得到膠條的圖片，而在實際的生產加工中，會將工件上的某塊區域作為Mark定位點，采用圖像匹配算法來尋找該Mark點的位置，從而得到膠條的具體位置，由此在工業攝像頭得到工件圖片后，無需對整幅圖片進行缺陷分析，同時也去除了一些干擾區域，方便了視覺算法的后續處理。以下為針對點膠缺陷相應的基于數字圖像處理的方法：

多膠少膠：

對于膠條多膠少膠的缺陷檢測，首先 對圖片進行相應的預處理操作，得到二值化圖像后進行膠條兩側輪廓的獲取，對提取到的輪廓區域進行水平和垂直方向的投影，通過計算像素值數量的最大值和最小值的差值以及像素值投影圖中曲線形狀來判斷是否存在缺陷和具體類型。

斷膠：

對于膠條斷膠缺陷檢測，根據膠條斷裂圖片的特征，對獲取到的圖像進行整體預處理，然后將處理后的圖片和標準樣品之間進行對比，判斷各個輪廓之間是否存在缺陷。

扭曲：

針對膠條扭曲缺陷檢測，通過計算尋找到 的輪廓的凸缺陷的面積(即輪廓面積與其凸包面積的差值)來作為判斷是否存在扭曲缺陷的標準。

深度學習檢測系統搭建流程

深度學習模型的選擇一般在利用深度學習算法進行缺陷檢測時，首先要確定的是網絡模型。因為膠條種類分為6類，類別數量不是很多，可選擇AlexNet、MobileNet 以及Lenet-5、U-net等網絡深度不同的或者更優質的網絡模型。

在工業領域中，可以在人為制造缺陷、數據增廣、生成對抗網絡、遷移學習等手段解決相應的訓練數據問題。在訓練過程中進行相應微調是必不可少的。過擬合現象在深度學習中屢見不鮮，如果網絡模型出現此類問題，那么該網絡就無法正常使用，為了解決這個問題，一般會使用模型集成的方法，即訓練多個模型進行組合。

4、結論

在實際的點膠過程中，由于多種因素的影響容易出現各種缺陷，因此在對膠條進行缺陷檢測時，更多的是采用機器視覺的方法，從而達到提高生產效率和降低成本的目的，進而使得產品更加具有競爭力。

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、視覺定位、視覺檢測、圖像處理庫等為核心的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。