車用後視鏡是交通工具中不可或缺的必備物件，透過反射車旁與後方路況，提供駕駛相關資訊以減少不必要之交通意外產生，常扮演行車安全中一關鍵角色。車用後視鏡生產過程中，若烘曲、電鍍、凹折及磨邊等製程出現異常，易造成車用後視鏡刮傷、粒點、針孔及缺角之4類瑕疵的產生，將嚴重影響鏡面玻璃表面反射出的影像品質，進而提高行車危險性。目前生產線檢驗大多以人工目視居多，長時間檢測下易造成漏檢及誤判，並針對尺寸檢驗大小上採取錯誤矯正措施導致輪廓尺寸分類錯誤率上升，所以本研究發展一套適用於拍攝車用後視鏡玻璃瑕疵之檢測系統，自動檢測可疑瑕疵，以降低不良率。

本研究主要針對瑕疵檢測與尺寸大小檢驗兩部份進行探討，表面瑕疵方面，提出利用二維離散傅立葉轉換搭配高通濾波處理後配合凸殼演算法檢測出瑕疵。輪廓瑕疵本研究則提出空間域的影像處理方法，使瑕疵位置得以突顯，並同樣運用凸殼演算法處理影像形狀，將鏡面中的雜訊去除分離出瑕疵。而尺寸檢驗使用了指數加權移動平均管制圖執行微量偏移偵測，確認樣本點超出上下管制界限判定異常後，進行EWMA數據與蕭華特管制圖的數據平均值比對以分類出車用後視鏡輪廓尺寸大小。本研究現階段轉換公制之計算可檢測出最小瑕疵大小為0.44mm，提出針對兩種類型瑕疵使用凸殼演算法可發現能有效降低表面瑕疵之正常區域誤判率及提高輪廓瑕疵檢出率。實驗顯示瑕疵檢出率可達90.47%，正常區域誤判率為4.42%，正確判斷率為95.66%，而尺寸大小分類總正確率目前可達85.45%，於檢測與尺寸量測檢驗兩端皆具不錯之效益。

Car mirrors are indispensable essential in object reflection and play a key role in driving safety. In the production process of the car mirrors, some operations such as baking, electroplating, recesses, edging, etc. could be controlled abnormally. This could easily produce scratches, bubbles, pin holes, chips, the common surface and profile defects on car mirrors. These defects will seriously affect the surface quality of the mirror reflection and increase the driving risk. At present inspection of car mirror in production lines, most tasks are conducted by human inspectors. Human inspection is easy to be interfered by the external objects reflected on the surfaces of mirrors and results in making erroneous judgments of defect inspection. Therefore, this research aims at exploring the automated surface defect inspection and dimensional measurement of car mirrors.

In defect inspection of car mirrors, we propose using discrete Fourier transform with high-pass filter and convex hull algorithm to detect surface defects. Meanwhile, this study also proposes using the morphology methods for enhancing object contours then applying convex hull algorithm to detect profile defects on mirror images. In dimensional measurement of car mirrors, we propose using the exponentially weighted moving average control method for detecting small shift variation of mirror edge points, and checking sample points beyond or lower the upper and lower control limits. Experimental results show that the defect detection rate achieves up to 90.47%, the false alarm rate is lower 4.42%, and the dimension classification rate is up to 85.45%. These indicate the proposed system is effective in both of the defect detection and dimensional measurement.

摘要 I
ABSTRACT II
致謝 III
圖目錄 VII
表目錄 IX
第一章 緒論 1
1.1 研究背景簡介 1
1.2 車用玻璃介紹 1
1.3 車用後視鏡產線製程及瑕疵種類 2
1.4 車用後視鏡檢測之實際現況與困難 5
1.5 研究動機與目的 7
1.6 論文架構說明 8
第二章 文獻探討 9
2.1自動化視覺檢測系統 9
2.2玻璃表面瑕疵檢測 10
2.3空間域轉換之影像處理 11
2.4 頻率域轉換之影像處理 12
2.5凸殼演算法之相關應用 13
2.6微量偏移管制法之相關應用 14
第三章 研究方法之相關學理 17
3.1 空間域影像處理 17
3.1.1 形態學 17
3.2 凸殼演算法與功能 19
3.3 離散傅立葉轉換 27
3.3.1 離散傅立葉轉換之定義 28
3.3.2 傅立葉轉換之特性 30
3.4 微量偏移管制法 32
3.4.1指數加權移動平均管制法 32
第四章 研究流程與學理應用 35
4.1車用後視鏡之影像擷取與前處理 35
4.2車用後視鏡表面瑕疵檢測 37
4.2.1離散傅立葉轉換搭配高通濾波之應用 38
4.2.2影像重建 40
4.2.3凸殼演算法應用於分離表面瑕疵與背景 41
4.3車用後視鏡之輪廓瑕疵檢測 42
4.3.1輪廓瑕疵影像之二值化處理 43
4.3.2凸殼演算法應用於輪廓瑕疵檢測 45
4.3.3影像相減分離瑕疵 48
4.4車用後視鏡輪廓尺寸檢驗 48
4.4.1量測輪廓尺寸影像之影像處理 49
4.4.2指數加權移動平均管制法之應用 51
第五章 實驗結果與分析 55
5.1 影像擷取系統與檢測軟體開發 55
5.1.1 影像擷取系統 56
5.1.2 檢測軟體開發 58
5.2 車用後視鏡瑕疵檢測及尺寸量測之效益評估指標 59
5.3車用後視鏡瑕疵檢測之參數設定 61
5.4小樣本測試實驗 62
5.5大樣本分析實驗 64
5.6不同檢測方法之效益評估比較 68
5.7敏感度分析 71
5.7.1二值化閥值微調對瑕疵檢測之影響 71
5.7.2有無清除雷刻與除霧標誌對瑕疵檢測效益之影響 73
5.7.3影像膨脹次數設定對輪廓瑕疵檢測效益之影響 76
5.7.4十字遮罩不同寬度對表面瑕疵檢測效益之影響 78
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 83


圖目錄
圖1各樣式之車用後視鏡 ................................................................................... 1
圖2車用顯示與設計玻璃之相關應用 .......................................................... 2
圖3 車用後視鏡之生產製程 .............................................................................. 2
圖4 本研究車用後視鏡在製品之檢測樣本 ...................................................... 3
圖5 輪廓尺寸檢驗之現行工具 .......................................................................... 7
圖6 增量式演算法形成凸殼之圖示 ................................................................ 22
圖7 包裹法形成凸殼之圖示 ............................................................................ 23
圖8 格雷厄姆法形成凸殼圖示 ........................................................................ 24
圖9 格雷厄姆法形成凸殼圖示 ........................................................................ 26
圖10 快包法形成凸殼之圖示 .......................................................................... 27
圖11 二維離散傅立葉正轉與反轉之過程 ...................................................... 30
圖12 離散傅立葉轉換之頻譜特性示意圖 ...................................................... 31
圖13 本研究待測物車用後視鏡之拍攝 (A)拍攝示意圖 (B)打光方式示意圖 ...................................................................................................................... 35
圖14 擷取待測影像 (A)原始影像大小2560 × 1920 PIXEL (B)調整影像大小256 × 256 PIXEL ............................................................................................. 36
圖15 車用後視鏡之表面瑕疵檢測的前處理流程圖 ...................................... 37
圖16 本研究車用後視鏡之表面瑕疵檢測流程圖 .......................................... 38
圖 17 頻率域高通濾波之示意圖 ...................................................................... 39
圖18 傅立葉轉換頻率域影像搭配十字遮罩之濾波處理的矩陣表示法 ...... 39
圖19 車用後視鏡表面瑕疵檢測之影像處理流程圖 ...................................... 41
圖20 使用凸殼演算法分離車用後視鏡表面瑕疵之影像處理流程圖 .......... 42
圖21 本研究車用後視鏡之輪廓瑕疵檢測流程圖 .......................................... 43
圖22 車用後視鏡輪廓瑕疵之OTSU二值化影像與影像直方圖 ................... 44
圖23 車用後視鏡影像所形成之凸殼填補影像 .............................................. 46
圖24 輪廓瑕疵共同檢測流程之結果影像 ...................................................... 47
圖25 輪廓瑕疵檢測過程中未使用凸殼處理之檢測結果影像 ...................... 47
圖26 輪廓瑕疵檢測過程中有使用凸殼處理之檢測結果影像 ...................... 47
圖27 本研究使用凸殼處理分離輪廓瑕疵之影像流程 .................................. 48
圖28 本研究車用鏡面玻璃之輪廓尺寸檢驗流程圖 ...................................... 49
圖29 車用後視鏡樣本輪廓進行CANNY邊緣檢測及細線化處理之結果影像 ...................................................................................................................... 51
圖30 鏡面玻璃之周長與面積像素值的EWMA管制圖 ............................... 52
圖31 鏡面玻璃之周長與面積像素值管制圖與數據平均呈現 ...................... 54
圖32 本研究之實驗架構流程圖 ...................................................................... 55
圖33 本研究實驗之相關設備 .......................................................................... 57
圖34 本研究定位拍攝示意圖與實際樣品 ...................................................... 58
圖35 車用後視鏡瑕疵檢測 (A) 設備架設流程圖 (B) 設備實際架設圖 ...... 58
圖36 本研究開發軟體之操作介面 .................................................................. 59
圖37 部份大樣本實驗之瑕疵檢測結果 .......................................................... 67
圖38 不同檢測方法之空間域檢測的部份結果影像 ...................................... 69
圖39 不同檢測方法之頻率域檢測的部份結果影像 ...................................... 70
圖40 不同閥值檢測效益之ROC曲線 ............................................................ 72
圖41 不同閥值的部份檢測結果影像 .............................................................. 73
圖42 瑕疵檢測之有無雷刻的部份結果影像 .................................................. 75
圖43 本研究輪廓瑕疵進行影像膨脹之部份影像結果 .................................. 77
圖44 表面瑕疵檢測之十字遮罩不同寬度示意圖 .......................................... 78
圖45 本研究表面瑕疵不同遮罩寬度於瑕疵檢測的部份結果影像 .............. 79

表目錄
表1 車用後視鏡之表面瑕疵類型 ...................................................................... 4
表2 車用後視鏡之輪廓瑕疵類型 ...................................................................... 5
表3 車用後視鏡之輪廓尺寸大小檢驗類型 ...................................................... 5
表4 車用鏡面玻璃檢測流程之缺點 .................................................................. 6
表5 形態學演算法相關應用之比較 ................................................................ 19
表6 本研究車用後視鏡瑕疵檢測之參數與設定 ............................................ 62
表7 本研究小樣本實驗所用影像張數之彙整 ................................................ 62
表8 車用後視鏡表面瑕疵之小樣本檢測結果 ................................................ 63
表9 車用後視鏡輪廓瑕疵之小樣本檢測結果 ................................................ 63
表10 車用後視鏡輪廓尺寸之小樣本檢驗結果 .............................................. 64
表11 本研究大樣本實驗所用影像張數之彙整 .............................................. 64
表12 大樣本實驗之瑕疵檢測效益評估 .......................................................... 65
表 13 車用後視鏡輪廓正常尺寸分類結果統計 .............................................. 65
表 14 車用後視鏡輪廓過大尺寸分類結果統計 .............................................. 66
表 15 車用後視鏡輪廓過小尺寸分類結果統計 .............................................. 66
表 16 車用後視鏡輪廓尺寸之大樣本檢驗結果 .............................................. 66
表 17 不同檢測方法間之特性比較表 .............................................................. 68
表 18 不同檢測方法之效益評估比較表 .......................................................... 71
表 19 不同閥值微調後之瑕疵檢測結果 .......................................................... 72
表 20 有無雷刻的瑕疵檢測效益表 .................................................................. 74
表 21 本研究輪廓瑕疵影像膨脹次數之檢測效益表...................................... 76
表 22 本研究表面瑕疵不同遮罩寬度之檢測效益表...................................... 79

[1]Adamo, F., F. Attivissimo, A. D. Nisio, and M. Savino, “A low-cost inspection system for online defects assessment in satin glass,” Measurement, Vol. 42, pp.1304-1311, (2009).
[2]Bhuvanesh, A., and M. M. Ratnam, “Automatic detection of stamping defects in lead-frames using machine vision: Overcoming translational and rotational misalignment,” International Journal of Advanced Manufacturing Technology, Vol. 32, pp.1201-1210, (2006).
[3]Chen, Y. C., J. H. Yu, M. C. Xie, and F. J. Shiou, “Automated optical inspection system for analogical resistance type touch panel,” International Journal of the Physical Sciences, Vol. 6, No. 22, pp.5141-5152, (2011).
[4]Daut, D. G., and Dongiming Zhao, “A Flaw Detection Method Based on Morphological Image Processing,” IEEE Transactions on Circuit and System for Video Technology, Vol.3, No.6, pp.389-398, (1993).
[5]Fezani, F. A. Rahmani, “Wavelets Analysis for Defects Detection in Flat Glass” IMACS Multiconference on Computational Engineering in Systems Applications, CESA, pp. 132-139, (2006).
[6]Lucas, J. M. and M. S., Saccucci, “Exponentially Moving Average Control Schemes: Properties and Enhancements,” Technometrics, Vol. 32, No. 1, pp.1-12, (1990).
[7]Lin, H. D., and 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).
[8]Lin, H. D., “Automated visual inspection of ripple defects using wavelet characteristic based multivariate statistical approach,” Image and Vision Computing, Vol. 25, Issue 11, pp.1785-1801, (2007).
[9]Lin, H. D., “Computer-aided visual inspection of surface defects in ceramic capacitor chips,” Journal of Materials Processing Technology, Vol. 189, Issues 1-3, pp.19-25, (2007).
[10]Lin, H. D., “Automated detection of light-emitting-diode chip surface blemishes on two background textures”, Optical Engineering, 47(1), 017201, January, (2008).
[11]Lin, H. D., “Tiny surface defect inspection of electronic passive components using Discrete Cosine Transform decomposition and cumulative sum techniques,” Image and Vision Computing, Vol. 26, Issue 5, pp.603-621, (2008).
[12]Lin, H. D., “Automated defect inspection of light-emitting diode chips using neural network and statistical approaches,” Expert Systems with Applications, Vol. 36, No. 1, pp.219-226, (2009).
[13]Lin, H. D., and Y. S., Chiu, “Computer-aided quality system for visual blemish inspection on epoxy packages,” Scientia Iranica, Transaction E: Industrial Engineering, Vol. 18, No. 6, pp.1591-1599, (2011).
[14]Lin, H. D. and H. H., Tsai, “Automated quality inspection of surface defects on touch panels,” Journal of the Chinese Institute of Industrial Engineers, Vol. 29, No. 5, pp.291-302, (2012).
[15]Malamas, E. N., E. G. M. Petrakis, M. Zervakis, L. Petit, and J. D. Legat, “A survey on industrial vision system, applications, and tools,” Image and Vision Computing, Vol. 21, pp.171-188, (2003).
[16]Nakashima, K., “Hybrid inspection system for LCD color filter panels”, Tenth International Conference on Instrumentation and Measurement Technology, Hamamatsu, 689-692, (1994).
[17]Ng, H. F., “Automatic thresholding for defect detection”, Pattern Recognition Letters, 27, 1644–1649, (2006).
[18]Oh, Cheng-Hwan, Joo, Hyonam, and Rew, Keun-Ho, “Detecting Low-Contrast Defect Regions on Glasses Using Highly Robust Model-Fitting Estimator”, International Conference on Control, Automation and Systems, 978-89-950038-6-2-98560, pp.2138-2141, (2007).
[19]Pyzdek, T. “The Debate over Exponentially Weighted Moving Average,” Quality Engineering, Vol. 9, No. 1, pp. IV-V, (1997).
[20]Park, C. H., and H. Park, “Fingerprint classification using fast Fourier transform and nonlinear discriminant analysis,” Pattern Recognition, Vol. 38, pp.495-503, (2005).
[21]Perng, Der-Baau, Cheng-Chuan Chou and Wei-Yu Cheng, “A novel vision system for CRT panel auto-inspection”, Journal of the Chinese Institute of Industrial Engineers, Vol.24, No.5, pp.341-350, (2007).
[22]Perng, D. B., and S. H. Chen, “Directional textures auto-inspection using discrete cosine transform,” Internaational Journal of Production Research, Vol. 49, No. 23, pp.7171-7187, (2011).
[23]Rosta, G., G. Boschetti, A. Biondi and A. Rossi, “Real-time defect detection on highly reflective curved surface”, Optice and Lasers in Engineering, 47, 379-384, (2009).
[24]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.
[25]Tsai, D. M., S. T. Chuang, and Y. H. Tseng, “One-dimensional-based automatic defect inspection of multiple patterned TFT-LCD panels using Fourier image reconstruction,” International Journal of Production Research, Vol. 45, pp.1297-1321, (2007).
[26]Tsai, D. M., and W. C. Li, “Defect inspection in low-contrast LCD images using Hough transform-based nonstationary line detection,” IEEE Transactions on Industrial Informatics, vol. 7, pp. 136-147, (2011).
[27]Tsai, D. M., S. C. Wu and W. Y. Chiu, “Defect Detection in Solar Modules Using ICA Basis Images,” IEEE Transactions on Industrial Informatics, vol. 9, pp.122, (2012).
[28]Tsai, D. M., and W. C. Li, “Wavelet-based defect detection in solar wafer images with inhomogeneous texture,” Pattern Recognition, vol. 45, pp.742-756, (2012).
[29]王麗青等人，「一個改進的簡單多邊形凸包算法」，長沙中南大學信息物理工程學院，計算機工程，第33卷，第3期，pp.200-201，(2007)。
[30]王曉潔、鄭小東，「基於雙向極角的植物葉凸包生成算法」，鄭州大學機械工程學院、航空工業管理學院計算機科學與應用系，農機化研究，第39卷，第10期，pp.173-175，(2009)。
[31]生活百科，愛車一族，怎樣才能用好汽車後鏡http://www.shbk365.com/02automobile/jiashijishu/jstt/j093650806232018.asp
[32]江健，「尋找平面上點的凸殼」，蘭州交通大學數理與軟件工程學院，重慶工學院學報(自然科學版)，第21卷，第9期，pp.15-17，(2007)。
[33]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)。
[34]吳旻頤，「透明玻璃之瑕疵偵測與瑕疵正反面位置判斷」，朝陽科技大學工業工程與管理所，碩士論文，台中(2008)。
[35]吳怡潔，「連結器腳位瑕疵視覺檢測模組之開發」，碩士論文，國立屏東科技大學機械工程系所，屏東(2012)。
[36]宋懷波等人，「基於凸殼理論的遮擋蘋果目標識別與定位方法」，西北農林科技大學機電學院，農業工程學報，第28卷，第22期，pp.174-180，(2012)。
[37]余翔宇等人，「改進的二維點集凸包快速求取方法」，武漢大學電子信息學院，武漢理工大學學報，第27卷，第10期，pp.81-83，(2005)。
[38]林宏達、鄭旭宏，「車用後視鏡之自動化表面瑕疵檢測與分類」，2012工業工程學術研討會，(2012)。
[39]俞梅，「一種建構平面離散點集凸包的算法研究」，上海應用技術學院機械與自動化工程學院，第3卷，第2期，pp.118-120，(2003)。
[40]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所，台中(2000)。
[41]徐士殷，「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」，碩士論文，朝陽科技大學工業工程與管理所，台中(2008)。
[42]唐珮玲，「應用HHT於曲面光學元件之可視瑕疵檢測」，碩士論文，朝陽科技大學工業工程與管理所，台中(2011)。
[43]張家毅，「應用機器視覺於磁磚尺寸檢測之研究」，碩士論文，國立台灣科技大學自動化及控制研究所，台北(2010)。
[44]黃琮淵(2012，8月16日)。中華汽車外銷中東 首年目標1000輛。中時電子報。
[45]黃智政，「應用區塊離散餘弦轉換搭配灰預測模式檢測車用鏡面玻璃表面瑕疵」，朝陽科技大學工業工程與管理所，碩士論文，台中(2009)。
[46]曾箏等人，「基於凸包算法的三維表面重建中邊緣輪廓提取」，湖北武漢華中科技大學水電與數字化工程學院，微機發展，第14卷，第12期，pp.39-44，(2004)。
[47]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)。
[48]游舜豪，「應用高解析度線掃瞄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)。
[49]楊四海等人，「圖像目標外接多邊形及凸殼的一種構造方法」，泉州華僑大學計算機科學系，機算機輔助設計與圖形學學報，第19卷，第10期，pp.1263-1268，(2007)。
[50]廖英翔，「印刷電路板佈線弧度之自動化檢測與製程管制探討-以具可撓曲特性之軟性電路板為例」，碩士論文，朝陽科技大學工業工程與管理所，台中(2002)。
[51]維基百科，凸包演算法http://zh.wikipedia.org/wiki/%E5%87%B8%E5%8C%85
[52]福華明鏡股份有限公司http://www.fu-hwa.com.tw/c-index.htm
[53]樊廣佺等人，「平面點集凸殼的一種近似算法」，北京科技大學信息工程學院，機算機工程與應用，第43卷，第12期，pp.40-42，(2007)。
[54]劉繼煥，「積層陶瓷電容製程中電容晶片端面弧度之自動化檢測與製程管制探討」，碩士論文，朝陽科技大學工業工程與管理所，台中(2000)。
[55]劉紀遠等人，「凸殼原理用於城市用空地空間擴展類型識別」，北京中科院地理科學與資源研究所，地理學報，第58卷，第6期，pp.885-892，(2003)。
[56]陳育寬，「考慮隨機偏移及品質損失下最佳的EWMA和CUSUM管制圖設計」，碩士論文，國立台灣大學工業工程研究所，台北(2000)。
[57]陳宗達，「CMOS玻璃蓋片自動光學檢測機台之設計及開發」，第五屆全國AOI論壇(2005)。
[58]陳朝治，「應用影像處理與類神經網路於ITO導電玻璃之瑕疵分類」，碩士論文，國立台灣科技大學自動化及控制研究所，台北(2007)。
[59]陳興倫，「使用小波包分解與部份最小平方法於光學元件之可視瑕疵檢測」，碩士論文，朝陽科技大學工業工程與管理所，台中(2009)。
[60]陳韋吉，「透明玻璃之自動化可視瑕疵檢測」，朝陽科技大學工業工程與管理所，碩士論文，台中(2010)。
[61]陳柏安，「背光滑鼠瑕疵機器視覺檢測系統」，碩士論文，國立交通大學工業工程與管理學系，新竹(2011)。
[62]謝文欽，「數種快速的Convex Hull 演算法」，碩士論文，淡江大學資訊工程研究所，台北(1993)。
[63]戴光明等人，「凸多邊形最小面積四邊形包圍盒算法」，湖北武漢中國地質大學計算機學院，華中科技大學學報(自然科學版)，第34卷，第6期，pp.71-73，(2006)。
[64]鐘凱騰，「電腦視覺系統應用於球狀工件之表面瑕疵檢測」，碩士論文，朝陽科技大學工業工程與管理所，台中(2009)。
[65]蔡文婷、劉志，「基於凸包算法的二維條碼定位」，浙江工業大學軟件學院，浙江工業大學學報，第36卷，第6期，pp.669-672，(2008)。
[66]蘇培嘉，「鐵蛋缺陷檢測」，碩士論文，國立台灣科技大學機械工程系，台北(2010)。
[67]蘇朝敦，品質管理，前程文化事業有限公司，台北(2010)。
[68]繆紹綱，數位影像處理，台灣培生教育出版股份有限公司，台北(2009)。