(34.229.64.28) 您好!臺灣時間:2021/05/06 07:04
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:徐士殷
研究生(外文):Shin-Yin Hsu
論文名稱:應用區塊離散餘弦轉換搭配灰聚類演算法檢測曲面光學元件之可視瑕疵
論文名稱(外文):Applying Block Discrete Cosine Transform and Grey Clustering Algorithm to Automated Visual Defect Inspection of Optical Components
指導教授:林宏達林宏達引用關係
指導教授(外文):Hong-Dar Lin
學位類別:碩士
校院名稱:朝陽科技大學
系所名稱:工業工程與管理系碩士班
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2008
畢業學年度:96
語文別:中文
論文頁數:90
中文關鍵詞:光學透鏡可視瑕疵偵測離散餘弦轉換T2統計量灰聚類演算法
外文關鍵詞:Optical lensesVisual defect inspectionDiscrete cosine transformHotelling T2 statisticGrey clustering
相關次數:
  • 被引用被引用:4
  • 點閱點閱:396
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:64
  • 收藏至我的研究室書目清單書目收藏:1
光學元件大致上包含透鏡、反射鏡、稜鏡、分光鏡、濾光鏡及光柵等,其中以光學透鏡最為廣泛應用在數位相機、手機和光碟機上。本研究將以常見光學元件中的LED透鏡上的可視瑕疵為偵測對象,因LED透鏡是透明且為曲面之元件,因此增加了使用電腦視覺系統偵測瑕疵之困難度。本研究提出以各獨立小區塊為單位進行區塊離散餘弦轉換( Block Discrete Cosine Transform;BDCT ),擷取DCT轉換之特徵值,以降低影像灰階值漸層及瑕疵影像漸漸模糊之影響,後續使用多變量管制手法,將區塊內多個特徵值整合成一個T2統計量進行管制,最後利用灰聚類演算法( Grey clustering )將瑕疵區塊正確位置偵測出來。
實驗結果顯示本研究所提之方法檢測率為94.64%,誤判率為0.15%。本研究除了進行LED透鏡可視瑕疵偵測外,並將所提之方法應用在具有紋路背景之表面瑕疵偵測上,經實驗顯示,本研究之方法可以降低紋路背景之干擾,正確的將瑕疵偵測出,具有不錯之檢測效果。
LED lenses, one kind of optical components, are popular and widely used in digital cameras, cell phones, and CD-ROMs. Nevertheless, LED lens with a curved surface is more difficult to detect the surface defects than electronic components with current computer vision systems. The purpose of this research is to apply the block discrete cosine transform (BDCT), Hotelling T2 statistic, and grey clustering method to detect visual defects of LED lenses. A spatial domain image is converted to DCT domain and some representative energy features of each DCT block are extracted. These energy features of each block are integrated by the T2 statistic and the suspected defect blocks can be determined. Finally, the grey clustering algorithm is applied to further confirm the locations of the real defects.
Experimental results show the defect detection rate of the proposed method is 94.64% better than those of traditional spatial and frequency domain techniques. We also applied the proposed approach to detect surface defects on textural background. The experiments show that the proposed method can detect surface defects well not only on statistical textures but also on structural textures.
摘要 I
ABSTRACT II
誌謝 III
目錄 IV
圖目錄 VII
表目錄 IX
第一章 緒論 1
1.1 研究背景 1
1.2 研究目的與範圍 2
1.3 LED透鏡之可視瑕疵檢測困難點 4
1.3.1 光學平面與光學曲面之差異 4
1.4論文架構 5
第二章 文獻探討 6
2.1 瑕疵影像偵測 6
2.2 影像處理應用離散餘弦轉換 8
2.3 多變量管制圖 10
2.4 灰色系統理論 11
第三章 研究方法相關原理 13
3.1 離散餘弦轉換 13
3.1.1 離散餘弦轉換之特性 15
3.1.2 離散餘弦頻譜座標與空間域影像之關係 15
3.2 多變量HOTELLING T2管制圖 17
3.3 灰色系統理論 19
3.3.1 灰關聯分析 20
3.3.2 灰聚類演算法 21
3.3.3 灰聚類演算法之特性 23
第四章 研究流程與學理應用 25
4.1 影像前處理 26
4.2 離散餘弦轉換 27
4.2.1 區塊離散餘弦轉換之應用 28
4.2.2 區塊離散餘弦轉換之特徵值 29
4.3 T2統計量之多變量處理 30
4.3.1區塊離散餘弦特徵值之資料轉換 30
4.3.2 計算共變異數矩陣與各影像特徵平均值矩陣 34
4.3.3 瑕疵影像之多變量處理 34
4.3.4 大樣本T2管制界限 35
4.4 灰聚類演算法 36
4.4.1 灰聚類演算法之初始序列建立 37
4.4.2 計算序列間灰關聯度 37
4.4.3 更新序列 38
4.5 灰聚類演算法之實例運算說明 40
第五章 實驗與結果分析 44
5.1 影像擷取系統與檢測軟體開發 44
5.1.1 影像擷取系統 45
5.1.2 檢測軟體開發 46
5.2 LED透鏡可視瑕疵偵測效益評估指標 46
5.3 不同檢測方法之效益評估指標比較 48
5.4 LED透鏡良品與不良品分類 51
5.5 敏感度分析 52
5.5.1 不同區塊大小對瑕疵檢測之影響 53
5.5.2 改變顯著水準對於特徵值轉換前後之影響 54
5.5.3 不同灰關聯公式之檢測效益評估比較 57
5.5.4 灰聚類演算法之閥值設定 59
5.5.5 LED透鏡影像亮度改變 60
5.5.6 不同LED透鏡之瑕疵類型檢測 63
5.6 具結構性及統計性紋路之表面瑕疵檢測 66
5.6.1 結構性背景紋路表面瑕疵偵測 66
5.6.2 統計性背景紋路表面瑕疵偵測 74
第六章 結論與未來研究方向 80
6.1 結論 80
6.2 未來研究方向 81
參考文獻 82
附錄A 離散餘弦轉換特徵值計算方式 89

圖目錄
圖1 常見不同的光學透鏡設計 1
圖2 LED 透鏡與規格圖 2
圖3 LED 透鏡之可視瑕疵影像 3
圖4 LED 透鏡之髒污瑕疵影像 4
圖5 離散餘弦轉換之頻譜特性示意圖[60] 16
圖6 LED 透鏡可視瑕疵檢測流程圖 25
圖7 LED 透鏡檢測之影像前處理流程圖 26
圖8 前處理後影像經區塊DCT 轉換之頻譜影像與3D 能量圖 28
圖9 五個BDCT 能量特徵值之常態機率圖 31
圖10 五個BDCT 能量特徵值經自然對數轉換後之常態機率圖 32
圖11 區塊DCT 轉換撘配T2 統計量之示意圖 35
圖12 灰聚類演算法之流程圖 36
圖13 測試影像經灰聚類演算法不同疊代次數的序列更新差異 39
圖14 LED 透鏡可視瑕疵之偵測流程影像 40
圖15 灰聚類演算法應用於測試影像之初始向量 42
圖16 以1 v 為參考序列所計算測試影像之整體灰關聯度 43
圖17 本研究之實驗架構 44
圖18 本研究之實驗設備圖 45
圖19 本研究所開發軟體之操作介面 46
圖20 使用不同空間域方法之實驗結果 48
圖21 使用不同頻率域方法之實驗結果 49
圖22 LED 透鏡良品偵測之結果 52
圖23 不同顯著水準(θ)對於誤判面積之影響 56
圖24 不同顯著水準(θ)對於檢出率(1-β)之影響 56
圖25 不同顯著水準(θ)對於檢測時間之影響 56
圖26 改變拍攝環境亮度之LED 透鏡瑕疵偵測結果之比較圖 61
圖27 光源亮度改變對於瑕疵檢出率(1-β)之影響 63
圖28 光源亮度改變對於誤判率(α)之影響 63
圖29 LED 透鏡之刮傷瑕疵及刺孔瑕疵影像 64
圖30 LED 透鏡之刮傷及刺孔瑕疵使用空間域方法偵測結果 64
圖31 使用不同頻率域方法之檢測結果 65
圖32 結構性背景紋路影像 67
圖33 空間域單一閥值方式進行結構性背景紋路瑕疵影像處理 68
圖34 使用頻率域方法進行檢測結構性背景紋路之瑕疵影像 70
圖35 蔡篤銘[8, 9, 10, 12]與本研究於結構性背景紋路檢測結果 72
圖36 結構性背景紋路之良品檢測效果 73
圖37 統計性背景紋路之瑕疵及無瑕疵影像 74
圖38 空間域方法進行統計性背景紋路之表面瑕疵偵測 75
圖39 不同頻率域方法進行統計性背景紋路之表面瑕疵偵測 76
圖40 蔡篤銘[9, 10, 11]與本研究對於統計性背景紋路偵測結果 78
圖41 統計性背景紋路之良品檢測效果 79

表目錄
表1光學透鏡之應用產品 2
表2平面光學與曲面光學特性之綜合比較 5
表3灰關聯分析與灰聚類演算法之差異 24
表4五個特徵值之Shapiro-Wilk檢定 33
表5不同方法之效益評估比較 50
表6本研究與先前研究之差異 51
表7LED透鏡良品與不良品分類結果 52
表8不同DCT轉換區塊大小之檢測效益比較表 53
表9顯著水準改變對於特徵值轉換前後的影響 55
表10不同灰關聯公式之檢測效益比較表 58
表11不同灰聚類閥值設定對檢測效果的影響 59
表12各數值控制下所拍攝之LED透鏡影像平均灰階值 60
表13LED透鏡影像亮度改變之實驗結果彙整表 62
表14重新訓練參數之LED透鏡影像亮度改變實驗結果彙整表 62
表15不同方法之效益評估比較 65
表16結構性背景紋路之瑕疵檢測參數設定表 71
表17不同方法進行結構性背景紋路表面瑕疵偵測結果 71
表18結構性背景紋路良品與不良品之檢測誤判率 73
表19統計性紋路背景瑕疵檢測之參數設定表 77
表20不同方法進行統計性背景紋路之表面瑕疵偵測結果 77
表21統計性背景紋路之不良品與良品之檢測誤判率 79
[1]Ahmed, N., T. Natarajan, and K. R. Rao, “Discrete cosine transform,” IEEE Transactions on Computer, Vol.23, No.1, pp.90-93 (1974).
[2]Bhaskaran, V. and K. Konstantinides, Image and Video Compression Standards Algorithms and Architectures, 2nd Ed., Kluwer Academic Publishers (1997).
[3]Chen, Biao, Shahram Latifi and Junichi Kanai, “Edge enhancement of remote sensing image data in the DCT domain,” Image and Vision Computing, Vol.17, No.12, pp.913-921 (1999).
[4]Chen, Wen-Hsiung, C. Harrison Smith and S. C. Fralick, “A fast computational algorithm for the discrete cosine transform,” IEEE Transactions on Communications, Vol.COM-25, No.9, pp.1004-1009 (1977).
[5]Cho, N. I. and S. U. Lee, “Fast algorithm and implementation of 2-D discrete cosine transform,” IEEE Transactions on Circuits and Systems, Vol.38, No.3, pp.297-305 (1991).
[6]Chung, C. Y., “The Application of Grey Cluster in Shape Recognition,” National Central University, Master Thesis (1995).
[7]Deng, J. L., “Introduction to grey system, ” The Journal of Grey System, vol. 1, No. 1, pp. 1–25 (1989).
[8]D. M. Tsai and C. Y. Hsieh, “Automated Surface Inspection for Directional Textures,” Image and Vision Computing, Vol. 18, pp. 49-62 (1999).
[9]D. M. Tsai and C. H. Chiang, “Automatic Band Selection for Wavelet Reconstruction in The Application of Defect Detection,” Image and Vision Computing, Vol. 21, pp.413-431 (2003).
[10]D. M. Tsai and C. P. Lin, “Fast Defect Detection in Textured Surfaces Using 1D Gabor Filters,” International Journal of Advanced Manufacturing Technology, Vol. 20, pp.664-675 (2003).

[11]D. M. Tsai and T. Y. Huang, “Automated Surface Inspection for Statistical Textures,” Image and Vision Computing, Vol. 21, pp.307-323 (2003).
[12]D. M. Tsai and C. Y. Hung, “Automatic Defect Inspection of Patterned TFT-LCD Panels Using 1-D Fourier Reconstruction and Wavelet Decomposition,” International Journal of Production Research, Vol. 43, No. 21, 4589-4607 (2005).
[13]Giridhar, Mandyam, N. and N., “Lossless Image Compression Using the Discrete Cosine Transform, ” Journal of Visual Communication and Image Representation, Vol. 8, No.1, pp.21-26 (1997).
[14]Gonzalez, Rafael C. and Richard E. Woods, Digital Image Processing, 2nd Ed., Prentice Hall (2002).
[15]Hotelling, H., “Multivariate quality control,” Techniques of Statistical Analysis, edited by Eisenhart, Hastasy, and Wallis, McGraw-Hill, New York (1947).
[16]Hsu, L. H., L. C. Hsu, “Grey Clustering Model for Creditworthiness Evaluation,” The Journal of Grey System, Vol. 10, No. 2, pp. 115-126 (2007).
[17]Hwang, M. S., C. C. Chang and K. F. Hwang, “Digital Watermarking of Images Using Neural Networks,” Journal of Electronic Imaging, Vol. 1, No. 9, pp.548-555 (2000).
[18]Jain, Ramesh, and R. Kasturi, and B. G. Schunck, Machine Vision International Editions, New Yark, NY, Mcgraw Hill 76-86 (1995).
[19]Jiang, B. C., “Liquid crystal display surface uniformity defectinspection using analysis of variance and exponentially weighted moving average techniques,” International Journal of production Research, Vol. 43, No. 1, pp.67–80 (2005).
[20]Ken, M. L., Y. B. Lee, “The Pattern Identification via Grey Clustering Method,” The Journal of Grey System, Vol. 7, No. 2, pp. 83-90 (2004).

[21]Kim, K. O., I. S. Jung, and Y. K. Yang, “High resolution image classification with features from wavelet frames,” IEEE International on Geoscience and Remote Sensing, Vol. 1, pp. 584-587 (1997).
[22]Lee, K. B., M. S. Ko, J. J. Lee, T. M. Koo, K. H. Park, “Defect detection method for TFT-LCD panel based on saliency map model,” IEEE, pp.223-226 (2004).
[23]Lin, H. D., C. H. Chien, “Automated Detection of Color Non-Uniformity Defects in TFT-LCD”, 2006 International Joint Conference on Neural Network, Vancouver, BC, Canada, pp.2384-2391 (2006).
[24]Lin, H. D., D. C. Ho, “Detection of pinhole defects on chips and wafers using DCT enhancement in computer vision systems,” International Journal of Advanced Manufacturing Technology, Vol. 34, No. 5-6, pp.567-583 (2007).
[25]Lin, H. D., J. D. Jiang “Applying discrete cosine transform and grey relational analysis to surface defect detection of LED,” Journal of the Chinese Institute of Industrial Engineers, Vol. 24, No. 6, pp.458-467 (2007).
[26]Lowry, C. A., D. C. Montgomery, “A review of multivariate control charts,” IIE Transactions, 27, 800-810 (1995).
[27]Lu, C. J., D. M. Tsai, “Defect Inspection of Patterned TFT-LCD Panels Using a Fast Sub-image Based SVD,” International Journal of Production Research, Vol.42, No.20, pp.4331-4351 (2004).
[28]Mason, R. L., J. C. Young, “Improving the Sensitivity of the T2 Statistic in Multivariate Process Control,” Journal of Quality Technology, Vol. 31, No.2, April 1999.Conference, Part 2 (of 2), Vol. 2, pp.535-538 (1997).
[29]Mason, R. L., Y. M. Chou, J. C. Young, “Applying Hotelling’s T2 Statistic to Batch Process,” Journal of Quality Technology, Vol. 33, No. 4, Oct. (2001).
[30]Mohamed, El-Sharkawy and, W. Eshmawy, “A fast 8 8 pruned DCT algorithm,” Digital Signal Processing, Vol.6, No.3, pp.145-154 (1996).
[31]Montgomery, D. C., Design and analysis of experiment (1997).
[32]Montgomery, D. C., Introduction to Statistical Quality Control, John Wiley & Sons, Inc. Fourth Edition, 508-523 (2000).
[33]Nakashima, K., “Hybrid inspection system for LCD color filter panels,” Tenth International Conference on Instrumentation and Measurement Technology, Hamamatsu, pp. 689-692 (1994).
[34]Ngo, C. W., T. C., Pong and R. T. Chin, “Exploiting image indexing techniques in DCT domain,” Pattern Recognition, Vol.34, pp.1841-1851 (2001).
[35]Otsu, N., “Athreshold selection method from gray level histogram,” IEEE Transactions on Systems, Man and Cyberneics, Vol. 9, pp.62-66 (1979).
[36]Pan, F. “Adaptive image compression using local pattern information,” Pattern Recognition Letters, Vol. 23, No. 14, pp.1837-1845 (2002).
[37]Rao, K. R., “Discrete cosine transform filtering,” ICASSP-90, 3-6 April, Vol.3, pp.1281-1284 (1990).
[38]Shioyama, T., H. Y., Wu and T. Nojima, “Recognition algorithm based on wavelet transform for handprinted Chinese characters,” Pattern Recognition, Vol. 1, pp.229-232 (1998).
[39]Shimizu, M. Ishii, T. Nishimura, “Detection of Foreign Material Included in LCD Panels,” Industrial Electronics Society, 26th Annual Conference of the IEEE, Nagoya, Japan, Vol.2, pp. 836-841, 22-28 (2000).
[40]Smith, A. E., “X-bar and R control chart interpretation using neural computing, ” International Journal of Production Research, Vol. 32, pp.309-320 (1994).
[41]Sokolov, S. M., A. S. Treskunov, “ Automatic Vision System for Final Test of Liquid Crystal Displays,” IEEE International Conference on Robotics and Automation, Vol.2, pp 1575-1992.

[42]Sun, M. T., I. M. Pao, “Statistical computation of discrete cosine transform in video encoders,” Journal of Visual Communication and Image Representation, Vol.9, No.2, pp.163-170 (1998).
[43]Wan, Z. S., Z. Y. He, C. R. Zou and J. D. Z. Chen, “A Generalized fast algorithm for n-D discrete cosine transform and its application to motion picture coding,” IEEE Transactions on Circuits and Systems-II: Analog and Digital Signal Processing, Vol.46, No.5, pp.617-627 (1999).
[44]Wei, Jie, “Image segmentation based on situational DCT descriptors,” Pattern Recognition Letters, Vol.23, pp.295-302 (2002).
[45]Zhong, Yu, A. K. Jain, “Object localization using color, texture and shape,” Pattern Recognition, Vol.33, pp.671-684 (2000).
[46]Zhou, L. F., S. G. Xu, “Application of Grey Clustering Method in Eutrophication Assessment of Wetland,” The Journal of American Science, Vol. 2, No. 4 (2006).
[47]王怡然,「灰色理論應用於指紋辨識之研究」,碩士論文,大葉大學電機工程研究所,彰化(2001)。
[48]王凱億,「以整數小波轉換及灰色理論為基礎的漸進式影像壓縮」,碩士論文,國立中央大學資訊工程研究所,桃園(2000)。
[49]元智大學工管所機器視覺實驗室http://inspection.iem.yzu.edu.tw/.
[50]吳木杏,「彩色濾片表面瑕疵檢測分析」,碩士論文,國立台灣大學資訊工程學研究所,台北(2000)。
[51]呂奇傑,「應用奇異值分解法(SVD)與獨立成份分析法(ICA)於薄膜電晶體液晶顯示面板之表面瑕疵檢測」,博士論文,元智大學工業工程與管理學系,桃園(2004)。
[52]李英達,「TFT-LCD 小尺寸面板之玻璃表面瑕疵的自動強化及檢測」, 碩士論文,國立成功大學資訊工程學系,台南(2005)。
[53]周志偉,「電腦視覺應用於智慧型駕駛輔助技術之研究」,碩士論文,國立台北科技大學,台北(2003)。
[54]林宏達,陳志松,「以T2統計量為基礎之小波特徵多變量處理模式應用於表面瑕疵之檢測」,工業工程學刊,第21期,第2卷,121-135頁(2004)。
[55]洪崇祐,「應用一維傅立葉分析於TFT-LCD液晶顯示面板之瑕疵檢測」,碩士論文,元智大學工業工程與管理學系,桃園(2004)。
[56]邱學源,「導光板品質自動檢測系統之研製」,碩士論文,國立高雄第一科技大學機械與自動化工程所,高雄(2003)。
[57]胡充佑,「少量多樣製程之微量異常偏移管制探討-以印刷電路板底片自動化檢測為例」,碩士論文,朝陽科技大學工業工程與管理學系,台中(2001)。
[58]翁慶昌、陳嘉欉、賴宏仁,灰色系統基本方法及其應用,高立圖書有限公司,台北(2001)。
[59]倪豐洲,「結合PCA與灰色理論之人臉辨識系統」,碩士論文,國立交通大學電機與控制工程,新竹(2001)。
[60]陳同孝、張真誠、黃國峰,數位影像處理技術,松崗出版社,2-18至2-23頁,(2001)。
[61]陳柏年,「多變量管制圖與自動化檢測系統之整合性研究」,碩士論文,國立成功大學工業管理研究所,台南(1999)。
[62]郭志嘉,「應用三維傅立葉分析於非同質性隨機紋路表面之瑕疵檢測」,碩士論文,元智大學工業工程與管理學系,桃園(2002)。
[63]張皓鈞,「基於灰色關聯分析之影像壓縮研究」,碩士論文,國立台灣科技大學資訊工程研究所,台北(1999)。
[64]張耀明,「灰色理論為基礎之影像邊緣偵測」,碩士論文,中原大學電子工程學系,桃園(1998)。
[65]陳學予、蔡孟儒,「應用機器視覺於LCD擴散片之檢測」,第五屆全國AOI論壇 B-15。
[66]莊樹達,「一維機器視覺技術於複雜結構之TFT-LCD面板表面瑕疵檢測」,碩士論文,元智大學工業工程與管理學系,桃園(2004)。
[67]曾彥馨,「應用於機器視覺於TFT面板之表面瑕疵檢測與分類」,碩士論文,元智大學工業工程與管理學系指導教授蔡篤銘,桃園(2002)。
[68]游舜豪,「應用高解析度線掃描CCD於ITO導電玻璃表面瑕疵檢測之研究」,碩士論文,國立台灣科技大學自動化及控制研究所,台北(2005)。
[69]溫坤禮、黃宜豐、張偉哲、張廷政、游美利、賴家瑞,灰關聯模型方法與應用,高立圖書有限公司,台北(2003)。
[70]溫坤禮、張簡士琨、葉鎮愷、王建文、林慧珊,MATLAB在灰色系統理論的應用,全華科技圖書,台北(2006)。
[71]楊凱鈞,「基於聚類演算法之台股利潤修正器設計」,碩士論文,國立台灣科技大學資訊工程系,台北(2005)。
[72]趙新民,「應用非線性擴散於非同質性紋路之ITO導電玻璃表面檢測」,碩士論文,元智大學工業工程與管理學系指導教授蔡篤銘,桃園(2003)。
[73]蔡英男,「應用影像處理與類神經網路於偏光膜瑕疵辨識」,碩士論文,國立台灣科技大學高分子工程系,台北(2003)。
[74]蔡賜郎,「灰色理論於IC批號辨識」,碩士論文,元智大學工業工程與管理學系指導教授江行全,桃園(1999)。
[75]鄭惟元,「以灰色理論為基礎運用立體視覺做室內自動車導航之研究」,碩士論文,國立台北科技大學指導教授駱榮欽,台北(2000)。
[76]賴宏仁,「經由灰聚類演算法之模糊系統設計」,碩士論文,淡江大學電機工程系,台北(1998)。
[77]鐘俊元,「灰色聚類在形狀識別之應用」,碩士論文,國立中央大學機械工程系,桃園(1994)。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔