手機蓋板玻璃的印刷工藝主要包括黑框印刷、鏡面銀印刷以及頭色印刷等，每一次印刷之后均需對印刷質(zhì)量進行檢測，以免造成批次印刷不良。蓋板檢測主要有哪些問題呢，其難點又在哪里，下面為大家一一介紹。

1、缺陷品相繁多

印刷區(qū)邊緣的長牙/芽缺/鋸齒：所謂長牙/芽缺/鋸齒通常是由于印刷過程中刮膠刀口不平、網(wǎng)版張力不均、油墨不均等導致的邊緣溢墨、邊緣缺失或者連續(xù)交替出現(xiàn)長牙芽缺的現(xiàn)象。通常發(fā)生在視窗區(qū)邊緣、黑框邊緣、LOGO元素邊緣、按鍵元素邊緣、通透孔邊緣等，其中LOGO元素以及按鍵元素邊緣的長牙芽缺最為復雜。因為這些元素邊緣本身就很不規(guī)則，形狀各異，其本身特征與長牙芽缺有很大的相似度，非常容易導致過檢和漏檢。    

印刷區(qū)域的透光、視窗區(qū)域的漏油：印刷區(qū)透光主要是由于網(wǎng)版粘塵、網(wǎng)版破損等導致玻璃蓋板某些位置沒有印刷上油墨的現(xiàn)象，印刷區(qū)的任何位置均可能發(fā)生透光。漏油是指在非印刷區(qū)出現(xiàn)油墨的現(xiàn)象，通常是由于感光膠脫落、網(wǎng)版非印刷區(qū)破洞、張力不均等導致，油墨拉絲、彈油同樣會導致漏油現(xiàn)象的發(fā)生。

絲印元素的偏位：絲印元素偏位通常是由于機械裝調(diào)不精確，關(guān)鍵機構(gòu)位置發(fā)生變動導致印刷元素位置發(fā)生變動的現(xiàn)象。以上缺陷品相在蓋板檢測中發(fā)生的概率最多，由于缺陷種類較多，且各種缺陷之間相互獨立，從算法的角度來講，通常需要單獨設(shè)計不同的算法檢測模塊，增加了算法的復雜程度。

2、蓋板尺寸較大，時間和精度要求高

手機蓋板的尺寸大約為150mm X 75mm，而檢測精度通常要求在3個絲（30微米）左右，為了不影響整機效率，設(shè)備需要在3秒內(nèi)完成檢測。為了滿足檢測精度要求，通常選用高分辨率的線陣相機進行成像，圖像大小約為120 M。在如此大的圖像上，精確定位到只有3個像素大小的缺陷，而且還要考慮其它因素導致的干擾，并非易事。另外，3秒的時間要求，要完成如此多缺陷品相的檢測也是一個很大的挑戰(zhàn)，要知道，只是完成一次整幅圖像的自適應(yīng)閾值二值化就需要幾十毫秒的時間。

雖然如今的深度學習技術(shù)發(fā)展迅速，在特征提取上優(yōu)于很多傳統(tǒng)算法，但目前還主要應(yīng)用在紋理豐富、尺寸較小的圖像上，對于如此大尺寸且?guī)缀鯖]有紋理特征的手機蓋板圖像，直接利用深度學習顯然是不現(xiàn)實的。當然也并不是說深度學習不能用于蓋板檢測，只是需要找到傳統(tǒng)算法與深度學習技術(shù)的結(jié)合點，比如利用傳統(tǒng)算法先提取目標關(guān)鍵信息，然后再利用深度學習來獲取目標的缺陷信息，最后再反算到原始圖像中去，這就是深度學習與傳統(tǒng)算法相結(jié)合的一種思路。

3、手機蓋板成像一致性較差

蓋板成像一直是蓋板檢測的一個最為關(guān)鍵的問題，由于手機蓋板品牌繁多、顏色和形狀差異較大，不同的蓋板其成像效果均有所差異。最大的差異主要體現(xiàn)在蓋板外邊緣和通孔處，這些地方的倒邊容易造成偽透光，進而導致邊緣定位不準確，很容易導致透光、以及長牙芽缺的過檢等。因此，對于任何一款視覺檢測產(chǎn)品，打光和成像始終是一個繞不開的話題，成像質(zhì)量嚴重影響檢測效率和檢測精度。

目前手機蓋板行業(yè)的相關(guān)從業(yè)人員大約15萬，人員成本每年支出就在100億元以上，且由于效率低下，嚴重制約產(chǎn)能，對于蓋板生產(chǎn)廠商來講，要在如此激烈的市場競爭中占領(lǐng)高地，必須進行產(chǎn)業(yè)升級，而蓋板的自動檢測更是迫在眉睫。