微觀檢測

針對此類型之塗佈不均，本研究是利用圖 4.15(b)所示之檢測流程做檢測。

首先，使用中值濾波消除影像中的雜訊。接著計算影像的灰階平均值與灰階標準 差，並利用這些統計資訊進行影像的分割。有鑑於此種塗佈不均具有較高的灰 階，因此影像分割的方式是將影像中每個像素之灰階值與整張影像之平均灰階值 做相減，當相減後的值大於零且差值大於灰階標準差時，則將該點之灰階設為 255；反之，則設為 0，如此即可達到突顯瑕疵的目的。之後透過形態處理中的 斷開運算做影像後處理即可將影像中的雜點消去，並使得影像的輪廓變的更平 滑。最後藉由抽取物體的最大直徑作為瑕疵判斷的依據。在此使用的判斷閥值 T1 為 240pixels，此判斷閥值是經由實驗求得，當物體的最大直徑小於 T1 時，

將其視為合格並加以排除；反之，則判定為瑕疵，並在螢幕上顯示塗佈不均。

經由上述之檢測流程(圖 4.15(a)及圖 4.15(b))可將塗佈不均偵測出，但仍無 法有效的偵測出拉線瑕疵。因此本研究接著使用圖 4.15(c)與圖 4.15(d)所示之檢 測流程進行拉線瑕疵的偵測。拉線有水平分佈與垂直分佈兩種型式，本研究依據 此特性使用修正式單調運算子( Modified Monotony Operator，MMO )進行特徵的 抽取，此步驟可抽取出影像中的水平與垂直特徵。接著將影像中面積小於50 像 素的物體去除，此步驟可視為雜訊的濾除，再經由形態處理中的閉合運算做影像 的修補。最後計算各個物體的最小圍繞矩形的寬度(∆ )與長度( YX ∆ )作為瑕疵判 斷的依據。對於水平拉線與垂直拉線分別使用∆ 與 YX ∆ 做判斷，在此使用的判 斷閥值 T2 為 100pixels，此判斷閥值是經由實驗求得，當物體的∆ 與 YX ∆ 小於 T2 時，視為合格並予以排除；反之，則判定為瑕疵，並在螢幕上顯示拉線。

pixels，影像解析度為 62 pixels/mm。依據檢測的區域可將檢測方式分為擴散片 內部的檢測及外框的檢測兩部份(圖4.17)，說明如下：

(a)異物 (b)白點

(c)缺角 (d)尺寸不良

(e)漆不均 (f)針孔 圖4.16 擴散片之微觀瑕疵

圖4.17 擴散片檢測區域示意圖

4.8.1

此部分僅針對微觀瑕疵中的異物及白點進行偵測，其檢測流程如圖 4.18 所 示，以下就各步驟中所使用的方法加以說明。首先將擴散片分割為數個子區域進 行取像，並對每個子區域做影像前處理以利後續的處理工作，在此使用直方圖均 值化與高斯濾波來減低光源及雜訊的影響。接著計算影像的灰階平均值與灰階標 準差，同樣的，利用這些統計資訊進行影像的分割，可達到突顯瑕疵的目的。然 而大部分影像經過影像前處理與影像分割後，仍會存有一些雜訊。針對此問題，

本研究是透過形態處理將這些雜訊去除。最後再抽取出各個物體之最大直徑作為 瑕疵判斷的依據，當物體的最大直徑大於定義的判斷閥值時，判定為瑕疵，並在 螢幕上顯示出瑕疵的類別。

開始

擷取影像

影像前處理

影像分割

型態處理

特徵抽取

是否有 瑕疵?

結束

是 否

瑕疵

圖4.18 擴散片內部檢測流程

4.8.1.1

第二站檢測的項目包含異物瑕疵，一般而言，傳統檢測異物的方式是將擴散 片對著光源，前後左右傾斜約 45∘做目視檢查，再根據檢測人員的主觀意識進 行瑕疵的判別。本研究則是採用機器視覺的方式，對擴散片進行取像及檢測的工 作，實驗結果顯示本研究所採用之方法能夠有效的偵測出異物瑕疵。以下就異物 之檢測流程進行說明。首先，使用影像前處理中的高斯濾波做影像平滑，接著計 算影像之灰階平均值與標準差，並利用這些統計資訊進行影像分割。有見於異物 瑕疵的灰階值較小，因此影像分割的方式是將影像中每個像素的灰階值與整張影 像的平均灰階值做相減，當相減後的值小於零且其絕對值大於灰階標準差，則將 該點之灰階設為255；反之，則將該點之灰階設為 0，如此即可達到突顯瑕疵的 目的。之後，將影像進行侵蝕，最後則抽取各物體之最大直徑作為瑕疵判斷的依 據。在此使用的判斷閥值T3 為 0.1mm，此判斷閥值為業界檢測異物瑕疵的標準，

當物體的最大直徑大於T3 時，將其視為瑕疵，並在螢幕上顯示異物瑕疵。

4.8.1.2

白點瑕疵的取像是否成功，與擴散片的擺放方式息息相關。欲順利取得白點 瑕疵影像，必需將擴散片的光澤面朝上。由於第二站的取像方式無法取得有效的

白點瑕疵影像，因此第三站的取像方式是針對白點瑕疵檢測所設計。以下就白點 瑕疵的檢測方法及執行步驟做說明。首先，將影像施以直方圖均值化，以降低光 源變異的影響，並達到影像增強的目的；接著計算影像的平均灰階值與灰階標準 差，並利用這些統計資訊對影像進行分割。有見於白點瑕疵具有較高的灰階值，

因此影像分割的方式是將影像中每個像素的灰階值與整張影像之平均灰階值相 減，當相減後的值大於零且其絕對值大於灰階標準差，則將該點之灰階設為 255；反之，則設為 0，如此即可達到突顯瑕疵的目的。之後利用形態處理中的 斷開、補洞等影像後處理可將破損的瑕疵影像進行修補。最後則抽取物體的最大 直徑作為瑕疵判斷的依據。本研究所使用的判斷閥值 T4 為 20pixels，此判斷閥 值是經由實驗求得，當物體的最大直徑小於T4 時，將其視為合格並加以排除；

反之，則判定為瑕疵，並在螢幕上將白點瑕疵顯示出來。

4.8.2

第二站檢測的項目包含微觀瑕疵中的缺角、漆不均、尺寸不良、及針孔。以 下就檢測流程中的各個步驟作說明(圖 4.19)。首先，利用歐蘇二值化法將影像二 值化，以便將待測物與背景分離，如此可簡化後續的處理工作，接下來使用中值 濾波去除雜訊，其次抽取出物體的最大直徑，並利用此特徵值將容許範圍內的物 體排除（此容許範圍可由檢測參數設定視窗加以修改，本研究所使用之參數預設 值T5 為 0.1mm，此判斷閥值為業界檢測針孔瑕疵的標準）。

針孔瑕疵是利用印刷油墨透空點直徑方向最大值(A)是否小於所定義的標 準值來判定(圖 4.20(d))，當 A 大於 T5 且小於影像高度時，判定有針孔瑕疵存在；

反之，則就缺角、尺寸不良、或漆不均等瑕疵進行判斷。本研究是利用物體邊界 的最大偏差量，是否在定義的標準範圍內來判定尺寸不良、缺角、或漆不均等瑕 疵(請參考圖4.20(a)(b)及(c))。首先使用邊界偵測中的 Laplacian 運算子找出物 體的邊界，接著以線性迴歸直線逼近法找出最貼近邊緣資料點的直線。由於物體 有左右兩個邊界，因此本研究將影像分為左右兩個區域，分別進行直線逼近。最 後藉由計算各檢測區域之資料點至最佳逼近直線之垂直距離，做為瑕疵的判斷標

準(亦即找出最大偏差量)，即可判定是否為瑕疵。本研究所使用的判斷閥值 T6 為0.1mm，經由比例因子的換算後相當於 6.25 pixels，此判斷閥值為業界檢測缺 角、尺寸不良、及漆不均瑕疵的標準，當最大偏差量大於T6 時，判定為瑕疵並 在螢幕上顯示瑕疵；反之，則在螢幕上顯示合格。

開始

擷取影像

影像分割 (歐蘇法)

影像前處理 (中值濾波)

特徵抽取 (最大直徑)

邊界偵測 (Laplacian)

曲線逼近 (線性迴歸直

線逼近法)

最大偏差 量>T6?

是

否

合格

瑕疵 最大直徑

>T5且<影像 高度?

瑕疵 是

否

圖4.19 外框檢測流程圖

(a)尺寸不良 (b)缺角 (c)漆不均 (d)針孔

圖4.20 外框瑕疵定義示意圖

影像高度