论文部分内容阅读
随着液晶屏生产技术的不断发展,平板组件的尺寸越来越大,第六代液晶平板的尺寸已达到15OOmm×1800mm,通过单台CCD相机已无法满足液晶屏缺陷自动检测的精度和速度要求。要处理大视场和高精度检测带来的挑战,可行的方法是采用多CCD全视场扫描成像方式,即:将多个线阵CCD相机排列成一行,对单个液晶平板进行一个或多个来回高速扫描,随之产生的新问题是:从图像源上产生大量分块的待检测图像。单台计算机以及嵌入式处理器处理能力有限,而Hadoop是近年来一种主流的分布式存储和计算平台,具有巨大的存储能力和并行计算能力等优势,可以为海量液晶屏图像分片的存储和处理提供有效的解决方案。本文的目标是基于Hadoop平台,研究液晶屏图像缺陷自动检测技术,利用Hadoop存储能力和分布式处理技术提高缺陷检测的速度和正确率。本文将液晶屏分布式缺陷检测和Hadoop框架相结合,做了以下工作:(1)对Hadoop平台进行详细研究和分析,主要分析了Hadoop分布式文件系统HDFS和MapReduce并行计算框架,为液晶屏图像的分布式存储和处理奠定理论基础和技术支撑。(2)针对液晶屏缺陷检测流程,深入探讨了图像背景纹理抑制、缺陷分割、特征提取和分类这四个过程。设计实现了基于MapReduce的背景纹理抑制方法,并设计了图像集大文件的存储格式,提高了MapReduce处理图像数据的寻址和读取速度。(3)重点研究了模糊边缘缺陷的分割方法,采用改进的C-V分割模型,增加约束项和灰度差,获得了更好的分割结果。同时,针对跨图像的缺陷,利用MapReduce框架完成图像拼接,再次进行二次缺陷分割,从而获得完成的缺陷区域。对缺陷区域进行特征提取,采用单分类SVM方法对缺陷进行分类。通过搭建Hadoop集群对本文提出的方法进行测试,实验表明,本文提出的分布式缺陷检测方法在提高检测效率的同时降低了缺陷的误判率。