伴随着触摸屏在电子产品上应用的普及，智能手机、手表、平板电脑、电视等屏幕都在广泛使用Cover lens做触摸屏的保护玻璃，做为重要的电子快速消费产品配件，它巨大的产量和品质管控的协调是非常重要的问题。

手机的Cover lens

    很多厂家为了严格的管控产品的品质，花费了巨大的人力用于品质检测，由于人眼的视觉评判无法量化，效率低下，且人为因素的影响造成误检率和漏检率都不能达到预期，机器视觉检测的优势就慢慢突显出来了。机器视觉究竟能否很好的完成对产品的缺陷检测是我们今天探讨的问题，我们下来以一款圆形智能手表的Cover lens的缺陷检测来分析一下：

手表的Cover lens

    视觉检测缺陷有两个问题是非常关键的：1、缺陷类型能否在图片中和背景图像形成明显的灰阶反差（通俗的说就是缺陷的特征能否在图片上呈现出来，且越清晰锐利越好）2、缺陷区域能否准确量化（就是说缺陷的特征能否通过视觉算法标定出实际的尺寸大小）。严格的说，所有的视觉缺陷检测都必须在图像采集的任务里完成这两个方面的任务，项目才能进行下去。因为缺陷类型是否能表现出来决定了视觉检测可否检测出这种缺陷特征，缺陷区域是否准确量化决定了缺陷检测制定标准是否能量化执行。在信息交换非常发达的今天，只有实现了数据的量化才能体现自动化区别于人的核心优势。

    因此只要能解决上面提出的两个问题，那视觉检测缺陷应用在Cover lens产品上的可能性就非常大。因此我们就上面两个问题分别进行分析讨论。视觉图像的采集实际上是光学镜头相机模组对光线的采集，采集方式有三种，一种是是采集透射过产品内部的光线，一种是采集在产品表面反射的光线，还有一种是夹杂着前面两种的混合情况。究竟用那种方式采集光线要看这几个因素：1、检测类型（尺寸、缺陷、字符、轮廓、颜色等）2、检测产品和特征的材质、光洁度、颜色等(透射率、反射率、吸收波长等）3、环境因素（环境光、震动等）4、成本因素（光源、相机、镜头、设备的价格、视觉检测效率等）。对于我们今天说明的样品缺陷检测-手表Cover lens来说，它是缺陷检测，产品是玻璃材质，缺陷特征可能在表面也可能在内部，产品透光性好，表面光洁度高，且瑕疵特征很小不规律。结合以上的特征我们分析最合适的光源拍照方式应该是透射照明，即相机采集光线经过产品折射穿透后的光线。那是不是用视觉光源里一个背光光源就可以实现了呢？我们看下图：

原始图片

中心区域放大的图片

    从上面图片的效果来看好像几乎没有拍到瑕疵的特征区域，似乎这种拍摄方案不能完成任务。那问题出在哪呢？我们从上面的拍摄方案来分析一下：

    市面上一般的背光光源是由阵列的LED加上透光性均匀的导光板组成，它的特点是亮度均匀，光线发出形成均匀漫反射效果。如上图，根据光线折射的原理，光源发出的漫反射类型光线穿透产品仍然呈漫反射效果。因此即使在缺陷特征区域光线改变原有的轨迹，那仍然是不规律的。这样就造成了特征区域的灰度值和背景区域的灰度值无法区分的问题。
我们变化一种方案再看：

原始图片

中心区域放大图片

    我们可以很清晰的看到中心区域的划痕线条、脏点等缺陷特征。我们再看其他特征用这样系统取图的放大图像：

有毛刺特征样品的中心区域放大图像

    从上图我们可以看到缺陷特征区别于背景依然非常明显。那究竟是如何实现的呢？

    我们将之前方案里的光源改成平行光源，镜头改用远心镜头。由平行光源发出的光线处平行排列，根据折射定律，经过产品内部两次折射后依然平行排列，但有缺陷特征的区域因为凸起、凹坑、线痕等问题，它的表面已经不在平整，光线在这些地方会因为折射而变得杂乱，有一部分光因为角度的变化必然会无法进入镜头成像，因此这些区域的光线数量少，特征的亮度会降低，区别于背景其他区域的灰度偏差会更明显。
    因此这种方案可以很好的解决之前的问题1。我们再来看问题2。我们要想通过图像采集的方式得到实际的特征尺寸，那前提条件就是我们有恒定的且精度保证的物像比例关系，然后通过相机感光芯片的尺寸和这个比例关系计算得到实际相机像素和实际特征区域的尺寸信息。
    一般工业镜头都会有一定的视场角，我们在拍照时物距的变化会造成物象倍率的变化，因此这个比例关系是个变量，实际实现过程中很难准确标定，而镜头本身的光学畸变也会影响一部分的精度。解决这个问题很好的方案就是采用具有物方远心光路的镜头（具体的原理我在这里就不赘述了，可参考我们相关的技术文章）。这就是我们后来方案为什么要换成远心镜头的原因。
     视觉检测解决了图像的问题，后面的视觉算法就有了保障。无论是精度还是稳定性都会有好的基础。由于我们这里缺陷特征的样品有限，所以今天探讨就到这里，如果有类似的样品或其他种类缺陷的样品可以直接跟我们联系，我们可以协助去完成图像采集方案。
上图用到的硬件（相机、光源、镜头）全部是由    公司提供，有兴趣的可以后续沟通借测。