臺灣博碩士論文加值系統

本研究針對筆記型電腦上的滑鼠觸控板(Touch Pad)的表面瑕疵，利用機器視覺的技術建立一套自動化的檢測系統。在滑鼠觸控板的製造過程中，常常因為機器的油墨塗佈不均、或是在運輸的過程中產生瑕疵。而主要的瑕疵種類包括：尺寸不良、刮痕、油墨汙點與油墨汙漬這四類。而在黑色的滑鼠觸控板中，瑕疵具有低對比性與非均勻性的特質，所以現階段還是以人工方式來作瑕疵判斷，而這樣的方式不僅使得檢測的成本提高，且因為人工檢測的因素，無法達到固定的品質標準。在本文研究中，係針對這些問題，發展一套檢測技術來取代人工檢測，以期達到減少人力資源，提高生產品質、生產效率及降低生產成本。
在研究中所使用的機器視覺技術，主要有影像對比增強，將瑕疵的對比性提高，搭配實數型基因演算法(Real-Valued Genetic Algorithm, GA)找出最佳的對比閥值，利用空間域濾波方式消除雜訊，經由邊界特性的局部臨界法與形態學濾波方式將瑕疵從樣本中清晰的分割出來，再經由倒傳遞類神經網路(Back-Propagation Neural Network)分類出瑕疵種類，本研究使用的影像處理方式，可以將瑕疵部份快速且精確的檢測出來，而最後的總檢測平均時間約為0.19~0.35秒，比用人工檢測需花上3~4秒要快上許多。

This paper develops an automatic inspection system for touch pad of notebook using machine vision. The surface of the touch pad is often unsmooth during painting process and some defects are easily produced in the course of transportation. There are four kinds of main defects including inaccurate size, scratch, spots and stain. As to black touch pad, the features of defects are low contrast of image and not homogeneous. So the inspect factory heavily depend on human vision. Using human vision does not only raise the cost of inspection, but also does not reach the quality standard. In this study, we develop an automatic inspection system to replace human vision and increase the inspection efficiently, the quality of products and the quantity of output.
In this research, image processing such as image contrast enhancement, spatial filter, edge detection, morphology and image classification are used to inspect the defects. In this paper we use Real-Valued Genetic Algorithm (RVGA) to find out the best threshold value of contrast. In the image segmentation, we use edge detection to separate the defects from pad, and uses Back-Propagation Neural Network to recognize kinds of the defects. It is hope for the proposed inspection system can detect the defects quickly and accurately. It is shown that the system only takes 0.19~0.35 seconds for image process in standard of 3~4 seconds by human vision. So the proposed automatic inspection system is better than human vision.

目 錄

中文摘要 i
英文摘要 ii
誌謝 iii
目錄 iv
表目錄 vii
圖目錄 viii
第一章 緒論 1
1.1 前言 1
1.2 研究動機與目的 2
1.3 文獻回顧 5
1.4 研究範疇 9
1.5 論文架構 10
第二章 數位影像處理技術 11
2.1影像對比增強處理 11
2.2空間濾波 15
2.2.1 中值濾波 17
2.2.2 均値濾波 18
2.2.3 高通濾波 19
2.3 邊緣檢測 20
2.4 形態學濾波 26
2.5 二値化處理 29
第三章 機器視覺檢測系統 31
3.1 機器視覺系統介紹 31
3.2 光源系統設備說明 34
3.2.1 前照式光源架設方式 35
3.2.2 背照式光源架設方式 38
3.3 滑鼠觸控板檢測的前置工作 42
3.3.1 自動聚焦法則 43
3.3.2 聚焦法則的評估 46
3.3.3 影像與工件尺寸實際對應的比例關係 53
第四章 基因演算法 57
4.1 基因演算法的起源 57
4.2 基因演算法的運作方式 58
4.2.1 染色體的編碼 59
4.2.2 初始族群數 59
4.2.3 適應性函數 59
4.2.4 複製 61
4.2.5 交配 62
4.2.6 突變 62
4.2.7 中止條件 62
4.2.8 實數型基因演算法 63
4.3 搜尋灰階動態範圍 64
4.4 實數型基因演算法搜尋結果 64
第五章 倒傳遞類神經網路 74
5.1 類神經網路介紹 74
5.2 類神經網路架構 75
5.3 倒傳遞類神經網路 77
5.4 倒傳遞類神經網路演算法 78
5.5 改進倒傳遞類神經網路學習 82
5.6 瑕疵特徵值 83
第六章 實驗及討論 86
6.1 檢測程式介面說明 86
6.2 滑鼠觸控面板檢測結果 88
6.3 倒傳遞類神經網路學習結果 95
6.4 檢測時間 101
第七章 結論與未來展望 110
7.1 結論 110
7.2 未來展望 111
參考文獻 112
附錄A：滑鼠觸控板檢測結果 117

[1] 徐章，「台灣AOI發展策略」，2006電子資訊產業年鑒，2006，第69-72頁。
[2] 梁俊傑， DVD與 VCD光碟表面瑕疵檢測系統之開發，碩士論文，國立屏東
科技大學機械工程系，屏東，2001。
[3] K. Nakashima, “Hybrid Inspection System for LCD Color Filter Panels,”
Instrumentation and Measurement Technology Conference, vol.2, 1994,
pp.689-692.
[4] W.S. Kim, D.M. Kwak, Y.C. Song, D.H. Choi, and K.H. Park, “Detection of
Spot-Type Defects on Liquid Crystal Display Modules,” Key Engineering
Materials, 2004, pp.270-273.
[5] 蔡篤銘、林品杰、曾彥馨，「應用獨立成份分析濾波器於背光板與 TFT-LCD
面板之瑕疵檢測」，2005全國 AOI 論壇與展覽研討會論文集，新竹，2005，
第60-71頁。
[6] 陳亮嘉、楊順霖、郭家成，「創新式背景重建演算法應用於 TFT-LCD Mura
瑕疵之自動化檢測技術」，2005全國 AOI 論壇與展覽研討會論文集，新竹，
2005，第156-166頁。
[7] 李淑惠， X-RAY即時影像強化與瑕疵偵測之研究，碩士論文，私立元智大學
工業工程與管理學系，桃園，2000。
[8] R. C. Gonzalez and R. E. Woods, Digital image processing, New
York:Wiley,1992.
[9] J. G. Leu, “Image Contrast Enhancement Based on the Intensities of Edge Pixels,”
Graphical Models and Image Processing, vol. 54, no. 6, 1992, pp. 497-506.
[10] J. Rogowska, K. Preston, and D. Sashin, “Evaluation of Digital Unsharp Masking
113
and Local Contrast Stretching as Applied to Chest Radiographs,” IEEE
Transactions on Biomedical Engineering, vol.35, no.10, 1988, pp.817-827.
[11] 連國珍，數位影像處理，台北：儒林圖書公司，2004，第4-12頁。
[12] 廖克東，應用機器視覺於低對比動態 X-Ray影像強化及瑕疵偵測之研究，碩
士論文，元智大學工業工程與管理學系，桃園，2001。
[13] 黃泰祥，具備人臉追蹤及辨識功能的一個數位型監視系統，碩士論文，中原
大學電子工程學系，桃園，2004。
[14] 鍾瑞賢，應用機器視覺與類神經網路於電機零組件品質之自動檢測-以S鐵心
為例，碩士論文，元智大學工業工程研究所，桃園，1999。
[15] 蔡典霖，應用機械視覺於印刷電路板表面元件之檢測，碩士論文，國立清華
大學動力機械工程研究所，新竹，2004。
[16] 鄭光宏，應用影像視覺於超薄型表面載式電感器之線上自動檢測，碩士論文，
大葉大學機電自動化研究所，彰化，2004。
[17] 林東賦，應用影像處理技術與類神經網路理論於非織物瑕疵辨識，碩士論文，
國立台灣科技大學纖維及高分子工程技術研究所，台北，2001。
[18] 李冠岳，乳房 X光影像中基於馬可夫隨機場係數對微鈣化組織的辨識，碩士
論文，國立中正大學電機工程研究所，嘉義，2004。
[19] M. Martorella, F. Berizzi and S. Bruscoli, “Use of Genetic Algorithms for ISAR
Image Autofocusing,” Radar Conference,2004. Proceedings of the IEEE, 2004,
pp.201-206.
[20] N. K. Chern, P. A. Neow, H. Marcelo and J. Ang , “Practical Issues in Pixel-Based
Autofocusing for Machine Vision,” Proceedings of the 2001 IEEE International
Conference on Robotics & Automation Seoul, Korea, 2001, pp. 21-26.
[21] 潘嘉偉，變焦測深技術的應用，碩士論文，國立中山大學機械工程學系研究
所，高雄，2000。
114
[22] 吳上立、林宏墩編譯， C語言數位影像處理，台北：全華科技，2005。
[23] 陳兵旗、孫明，Visual C++ 實用圖像處理，北京：清華大學出版社，2004。
[24] 繆紹綱譯，數位影像處理，台北：普林斯頓國際有限公司，2004。
[25] 余松煜、周源華、吳時光，數位影像處理，台北：格致圖書，1993。
[26] R. Jain, R. Kasturi and B.G. Schunck, Machine Vision, Mcgraw-Hill international
edition, 1995.
[27] I. E. Sobel, Camera Models and Machine Perception, Ph.D. Thesis, Stanford
University, California, 1970.
[28] N. Otsu, “A Threshold Selection Method from Gray-Level Histograms,” IEEE
Transaction on System, vol.9, no.1, 1979, pp.62-66.
[29] 位元文化，Visual C++(從C++、物件導向到視窗程式設計)，台北：文魁，2003。
[30] 蔡孟凱、雷穎傑、黃昭維、陳錦輝、陳正凱，C++ Builder6 完全攻略，台北：
金禾資訊，2004。
[31] 黃文吉，C++ Builder與影像處理，台北：儒林圖書公司，2003。
[32] 泰洛科技股份有限公司，「增進視覺系統辨識之光源選擇與技巧」，機電整
合雜誌，2000，第99-104頁。
[33] 黃世良，循邊式影像量測之研究，碩士論文，國立台北科技大學機電整合科
技研究所，台北，2004。
[34] 陳時新，實戰機器視覺，台北：電子技術出版社，1997。
[35] J. E. Schlag, A. C. Sanderson, C. P. Neumann, and E. C. Wimberly,
“Implementation of Automatic Focusing Algorithms for a Computer Vision
System with Camera Control,” Technical Report CMU-RI-TR-83- 14, Carnegie
Mellon University, August, 1983.
[36] 陳亮嘉，自動化光學檢測，教學講義，國立台北科技大學自動化科技研究所，
台北，2004。
115
[37] K.S. Choi, J.S. Lee and S. L. Ko, “New Autofocusing Technique Using the
Frequency Selective Weighted Median Filter for Video Cameras,” Consumer
Electronics, IEEE Transactions on, vol.45, 1999, pp.820-827.
[38] M. Subbarao and J. Tyan, “Selecting the Optimal Focus Measure for Autofocusing
and Depth-From-Focus,“ Pattern Analysis and Machine Intelligence, IEEE
Transactions on, vol.20, 1998,pp.864-870.
[39] J. John, Genetic Algorithms for Machine Learing, Boston : Kluwer Academic
Publishers, 1994.
[40] K. F. Man, K. S. Tang, S. Kwong, Genetic Algorithms:Concepts and Designs, New
York : Springer , 1999.
[41] 蕭俊祥，智慧型控制，教學講義，國立台北科技大學機電整合研究所，台北，
2004。
[42] R. F. Fung, C. H. Yang, S. C. Hsien and J. L. Ha, “Identification of the
Piezoelectric Actuator with Hysteresis Based on Real-Coded Genetic Algorithm,”
2004 Automation Technology Conference, 2004, pp.210-216.
[43] J. W. Kim, S. W. Kim, P. G. Park, and T. J. Park, “On the Similarities between
Binary-Coded GA and Real-Coded GA in Wide Search Space,” IEEE Evolutionary
Computation. Proceedings of the 2002 Congress on, 2002, pp.681-686.
[44] S. Bing, A. Nabout and H. A. Eldin, “Measurement of Ring-Shaped and Toothed
Mechanical Parts through Image Processing,” IEEE. Proceedings. Integrating
Intelligent Instrumentation and Control, 1995, pp.396-401.
[45] R. J. Chen and J. L. Lai, “Novel Approach and System for Automatic PCB Visual
Inspection Using Hybrid Flaw Detection,” Journal of National Llen-Ho Institure of
Technology , vol.17, 2000, pp.175-183.
[46] C. H. Hsieh, Y. W. Huang and M. J. Wu, “Automatic Concentricity Measurement
116
by Image Processing,” IEEE. Instrumentation and Measuremetn Technology
Conference, 1994, pp.853-857.
[47] 王進德、蕭大全編著，類神經網路與模糊控制理論入門，台北：全華科技，
1994。
[48] Ning-Feng Zeng, Keiji Taniguchi and Hiroshi Yamamoto, “Evaluating the Quality
of Pellet Component by Using Image Processing Technique with Neural
Networks,” Proceedings. 2000 International Conference on, 2000, pp.340-343.
[49] 林昇甫、洪成安，神經網路入門與圖樣辨識，台北：全華科技圖書，1993。
[50] 張宏林，數字圖像模式識別技術及工程實踐，上海：人民郵電出版社，2003。
[51] A.S. Pandya and R.B. Macy, Pattern Recognition with Neural Networks in C++,
Florida: Florida Atlantic University, 1996.