点胶缺陷中的机器视觉检测应用具体有哪些？

随着工业自动化控制技术和计算机技术的飞速发展，工业自动化已经渗透到各个行业的生产中。以3C电子产品中的点胶为例，现在大多采用自动点胶机完成产品的连接、注涂和密封，都发挥着重要作用。但在实际的应用场景中，受机器工艺水平、胶水温度等情况的影响，点胶过程中使用的胶水可能出现气泡、胶条断裂、胶条太粗或太细等缺陷。因此在工业生产需要点胶的场合中，控制点胶的质量至关重要。在自动点胶机完成点胶后，凭借人工检测工作量大、效率低、检测精度不高。已经不能满足实际的生产需求。为了解决上述问题，基于机器视觉的点胶缺陷检测技术得到广泛的应用。

基于机器视觉检测技术现状

机器视觉是以普通计算机视觉研究为基础，并且同时涉及到光源照明技术、高速图像采集等方面实用技术的研究。在工业中，利用机器视觉构建一个完整的工业视觉应用系统需要结合多种技术，其中涵盖了机械工程、传感器、光学成像、运动控制、图像处理等方面。国内外的相关从业人员研发出基于图像处理的的视觉算法，其中典型的有：MatroxImaging Library(MIL)、Halcon、Matlab以及开源库OpenCV 等。目前，在点胶缺陷检测领域有两种最常用的算法，其分别是：

基于数字图像处理的方法

传统的基于数字图像处理的方法具有操作简单，参数较少的优势，但也存在易受光照等客观因素影响，胶层分割效果差、缺陷分类差、通用性较差等缺点。

深度学习算法

随着大数据时代的来临，各类信息资源的轻易获取使得深度学习的应用也越来越广泛。特别是在卷积神经网络中，图片被深度卷积和池化之后，隐含层能够表现出比手动获取更加具有泛化性和抽象性的特征，从而在识别分类上取得了很好的效果。深度学习的出现为点胶缺陷的识别带来了更大的可行性。

点胶检测系统的光学检测方案

考虑到胶条为透明胶，存在反光现象，所以要求光源在各个角度的光照程度较为均匀，而同轴光具有高密度排列，成像清晰，亮度均匀等特点。此外，在要求光照亮度均匀的同时，由于部分胶条中存在气泡，在实际的使用场景中，同轴光源和待检样品之间一定的距离，最终获取的图片中软件无法识别到气泡特征，这时我们需要在加上一条条形光源在胶条上方进行照射，使得气泡特征可见。由于垂直照射方式具有照射面积大、光照均匀性好等优点，故同轴光源选择垂直照射方式。同时。我们采用条形光源针对待检样品进行补光，并且将条形光源从侧面照射，不会影响到同轴光源的照射效果。