视觉系统用于手机背光模组的检测

背光模组为液晶显示面板的关键零组件之一，由于液晶本身不具发光特性，因此必须在面板底面加上一个发光源，方能达到饱满的色彩显示效果，背光模组之功能即在于供应充足的亮度与分布均匀的平面光源，使液晶模块能正常显示影像。3、需要人眼检测的地方，其检测结果依赖于操作者的疲劳度、责任心和经验等。 背光模组的质量决定了液晶显示屏的亮度，出射光均匀度，色阶等重要参数，很大程度上决定了液晶显示屏的发光效果.因此在背光模组生产过程中，对内外层异物，白点，划伤，贴合不到位及发光亮度不均等缺陷的检测就显得尤为重要。

目前大部分工厂主要依靠人工对背光模组进行检查，这种检测方法不但耗费大量人工成本，效率较低，并且人工长时间检查会产生视觉疲劳，造成漏测现象，不同的人工检查结果也会存在 差异性。同时，机器视觉与多种技术融合逐步深入，不断提升智能制造自动化水平。而如果通过视觉检测系统代替人工进行检测，就可以大大降低人工成本，设备可以长时间连续工作不会疲劳，并且检测参数设置的一致性可以保证检测结果的一致性。

图像数据编码一般采用预测编码，即将图像数据的空间变化规律和序列变化规律用一个预测公式表示，如果知道了某一像素的前面各相邻像素值之后，可以用公式预测该像素值。例如行业包装检测用到的主要设备，包装检测系统便是基于机器视觉技术的光学自动检测设备，可用于校验商品包装上标签的位置及粘贴质量。采用预测编码，一般只需传输图像数据的起始值和预测误差，因此可将8比特/像素压缩到2比特/像素。

变换压缩方法是将整幅图像分成一个个小的（一秀取8*8或16*16）数据块，再将这些数据块分类、变换、量化，从而构成自适应的变换压缩系统。该方法可将一幅图像的数据压缩到为数不多的几十个特传输，在接收端再变换回去即可。

边缘锐化

图像边缘锐化处理主要是加强图像中的轮廓边缘和细节，形成完整的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。它是早期视觉理论和算法中的基本问题，也是中期和后期视觉成败的重要因素之一。

智能视觉测量系统结合多年机器视觉工业检测领域多年的图像测量技术积累，基于高分辨远心镜头、光源系统和精密的运动控制系统，提供更友好的用户界面和更直观的交互方式，不止于此，这套测量系统在检测具有景深的细小工件时，表现更为出色，这是普通视觉系统所不能实现的，因此，这套系统在手机外壳、手机零件、电脑外壳、电脑零件、iwatch外壳等电子产品尺寸测量领域表现拔群。机器视觉能得以不断发展，取决于以下三大驱动因素：应用领域、成本控制、技术创新。

虽然实现尺寸测量的方法很多，但大多数测量重复性，性和鲁棒性不高。事实表明，基于机器视觉技术的尺寸测量具有良好的连续性和，大大提高了工业在线测量的实时性和准确性，同时生产效率和产品质量控制也得到明显提升。

现在市场上有许多陶瓷制作的阀门、陶瓷标准板、陶瓷插芯等产品。针对不同的陶瓷制品，所需检测的项目可能不尽相同。机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。一般需要检测外观尺寸（长、宽、高、厚）等，但对于一些平面要求比较高的陶瓷产品，像陶瓷阀门、陶瓷标准块等工件，可能就需要重点检测工件平面度、翘曲度了。而对于一些表面有小孔的工件，那么孔距、同心度、圆心距、圆度、孔组位置度自然是需要检测的，针对陶瓷插芯其内外径、同轴度等肯定是重点测量要素。