笔记本电脑键盘视觉检测

石鑫华视觉

笔记本电脑键盘视觉检测

笔记本电脑键盘视觉检测在机器视觉行业中遇到的比较多。比较常见的检测有字符识别、丝印质量检测、外观划痕等缺陷检测：

键盘视觉检测

键盘视觉检测

键盘视觉检测

键盘视觉检测

机器视觉光源和光源控制器搭配

光源要看具体做什么检测。字符识别、丝印检测的打光比较简单，因为对比度比较高，只需要在四面打光，尽量均匀即可，一般选择条形光源。如果整个大面积考虑的话，也可以使用开孔面光源。而如果是划痕等缺陷检测，那么就要看具体情况了。键盘表面一般都是磨砂而不是光滑的，划痕通常并不是很好表现。有些键盘表面是平的，有些键盘表面则是曲面的，对打光也有比较大的影响。如果要检测每个键盘表面的划痕等缺陷，可能需要做很小的视野检测，这样打光、软件都要好处理一些。

四面打光时，通常四个条形光源，所以考虑4通道的模拟控制器或数字控制器，功率能保证4个条形光源。这种检测项目，速度通常要求不高，不需要增亮提高快门速度，也就没有使用频闪控制器的必要。背光型的大的开孔面源功率可能会比较大，所以控制器的功率要考虑足够。

工业相机和镜头搭配

工业相机选择，要看具体检测什么内容，做字符识别的话，分辨率可以高一点，然后拍摄整个键盘再做字符识别。因为对速度要求不高，或者是静态检测的，使用卷帘CMOS的相机也可以，如MER2-2000-6GM这样的2000万像素的相机，也是足够应付的。这类应用对镜头要求不高，常规的FA镜头即可满足。

丝印检测的话，则对精度有比较高的要求，特别是键盘上还有一些很小的标点符号，所以相机的分辨率要高，然后视野要小一些。镜头也可以考虑常规的FA镜头。

如果是外观检测的话，那就看具体情况了。为了方便打光，可能是针对单个键进行拍照的，所以视野范围比较小，考虑远心镜头或长焦FA镜头。而相机的分辨率实际上并不需要太高，因为本身并不做得非常精密，分辨率高了也检测不出来看不到的缺陷。主要还是看打光效果。

图像处理算法

字符识别相对来说是最简单的。现在的深度OCR已经比较成熟了，对于这种丝印产品，识别率是非常高的。

飞桨OCR字符识别

HalconDeep OCR字符识别

这里都是使用了预训练的模型进行识别。飞桨的效果要好一些，不过速度比较慢。Halcon的效果差一些，速度快。不过Halcon可以使用DLT工具重新训练针对键盘的模型，后期可以发挥更大的作用。而且从效果来看，上面的130万像素针对这么大的范围，可能分辨率还差了一些。

丝印检测、划痕缺陷检测等，现在也基本上考虑深度学习的方式来处理。不过对于大的缺陷比较好处理，而比较小的缺陷，深度学习可能也无可奈何。对于丝印检测，可能差异模型进行检测，可能效果还会更好一些，这个就需要多验证才能知道效果。另外，对于那些在固定打光条件下，无法看到的缺陷，那无论是传统的方法还是深度学习，都是无法检测的。

机器视觉项目实现难度

★★~★★★★★

字符识别相对来简单一些，深度OCR、或者是模式匹配等，都可以做到。丝印检测要难一些，难的不是缺笔少划，而是一个笔划上断了或者缺角缺块等，这种就要看具体精度了，缺的比较小的，比较难检测。而划痕检测，则是最难的，不仅是图像处理上比较难，打光上可能也会有不少挑战。