玻璃片缺陷视觉检测1.玻璃缺陷特征玻璃片生产过程中，常见的缺陷有：气泡、划痕、结石、夹杂物，翘曲等各类缺陷的主要特点分：(1) 气泡，该类缺陷是由于玻璃生产材料含有气体、外界环境气泡、金属铁丝等引起，主要特点为整 体轮廓近似于圆形、线形、中空、具有光透射性等2) 结石，由于其热胀系数和外界环境热胀系数的差异，该类缺陷严重影响玻璃质量主要分为：原 材料结石、耐火材料结石以及玻璃析晶结石等3) 夹锡，夹锡主要分为粘锡和锡结石，其特点是呈暗黑色、具有光吸收性4) 划伤，该缺陷主要是玻璃原板与硬质介质间的相互摩擦产生，外表呈线性5) 表面裂纹及线道，其特点表面呈线性具体的缺陷图如图1-1所示：(a)无缺陷玻璃图像(b)含气泡玻璃图像(c)含结石玻璃图像(d)含裂纹玻璃图像(e)含夹杂物的玻璃图像(f)划痕的玻璃图像图1-1玻璃典型缺陷图像2玻璃缺陷视觉监测系统工作原理2.1玻璃缺陷视觉检测原理玻璃生产过程大体可分为：原料加工、备制配合料、熔化和澄清、冷却和成型及切裁等在各生产过 程中，由于制造工艺、人为等因素，在玻璃原板的生产任一过程中都有可能产生缺陷，根据玻璃现行标准 中的规定，玻璃常见的缺陷主要包括：气泡、粘锡、划伤、夹杂等。
无缺陷的玻璃其特点是质地均匀、表 面光洁且透明玻璃质量缺陷检测是采用先进的CCD 成像技术和智能光源系统照明采用背光式照明，其 原理如图2-1所示，即在玻璃的背面放置光源,光线经待检玻璃，透射进入摄像头［1］待检测玻璃视觉系统系统光源图 2-1检测原理图示意图光线垂直入射玻璃后，当玻璃中没有杂质时如图2-2(a)所示，出射的方向不会发生改变，CCD摄像机 的靶面探测到的光也是均匀的；当玻璃中含有杂质时，出射的光线会发生变化，CCD摄像机的靶面探测到 的光也要随之改变玻璃中含有的缺陷主要分为两种：一是光吸收型(如沙粒，夹锡等夹杂物)如图2-2(b) 所示，光透射玻璃时，该缺陷位置的光会变弱，CCD摄像机的靶面上探测到的光比周围的光要弱;二是光透 射型(如裂纹，气泡等)如图2-2(c)所示，光线在该缺陷位置发生了折射，光的强度比周围的要大，因而 CCD摄像机的靶面上探测到的光也相应增强因此，本文研究的基于机器视觉技术的玻璃缺陷检测系统是可行的⑵I I ||待检玻璃. '入射光线待检玻璃 1入射光线(b)光吸收型缺陷时(c)光透射型缺陷时(a)玻璃无缺陷时图2-2玻璃缺陷光学检测原理2.2玻璃缺陷视觉检测系统构成整个机器视觉检测系统包含图像采集、图像处理、智能控制、机械执行等部分，其结构如图 2-3 所 示。
其中光源及被测玻璃固定，光源位于玻璃底部，通过透射进入摄像头摄像头以X—Y方式匀速扫描 整块玻璃图像采集卡接收摄像头信号，滤波后经模数转换变成 24位的数字信号，再由计算机对其加以 分析如发现缺陷，则进行分类和统计，报告缺陷类型、尺寸、位置等，为玻璃分级打标提供信息［3］计算机 _凱 检测 结果输出a ~图像采集卡i i摄像头: 待检玻璃1图 2-3检测系统结构示意图2.3机器视觉检测系统检测过程机器视觉检测系统检测过程如图2-4：图像获取U图像预处理图像分割特征提取判断决策图 2-4 检测过程原理图(1) 图像获取：一般采用高速线阵CCD摄像机实时采集生产线上的玻璃图像，所获取的图像模拟信号 通过图像采集卡的数字化处理,再传送到计算机中进行图像预处理［4］2) 图像预处理：图像预处理是图像分析的一个重要环节，对图像进行适当的预处理， 可以使得图像更加便于分割和识别，主要包括图像滤波处理(均值滤波、中值滤波、高斯滤波)和图像增强 处理(图像的灰度变换、直方图均衡化、图像尖锐化处理)为了消除图像中的各种噪声，必须用到滤波器 图像增强是图像预处理的基本内容之一，图像增强是指按照特定的需要突出一幅图像中的某些信息，同时， 消弱或去除某些不需要的信息的处理方法。
其主要目的是使处理后的图像对某种特定的应用来说，比原始 图像更适用，比如，突出边缘信息，改善对比度，增强图像的轮廓特征，以保证检测的准确性，使处理的 结果使图像更适合于人的视觉特性或机器的识别系统因此，这类处理是为了某种应用而去改善图像质量 的3玻璃缺陷视觉检测系统实施例图像增强技术基本上可分成两大类：一类是频域处理法，一类是空域处理（3）图像分割：为了进一步对目标图像进行分析、理解和识别，必须把目标从背景中分割出来图 像分割是依据图像的灰度、颜色或几何性质将其中具有特殊含义的不同区域区分开，这些被分开区域是互 不相交的，且都满足特定区域的一致性，比如对同一目标的图像，一般需要将图像中属于该物体的像素或 物体特征像素点从背景中分割出来，即将属于不同物体的像素点分离开在玻璃缺陷图像处理过程中，缺 陷的灰度值与背景灰度值相比有较大变化，并且灰度图像中缺陷边缘灰度值同周围背景相比，也存在很大 的差异，所以采用基于灰度直方图的阈值分割算法和边缘检测算法相结合，就可以将缺陷从玻璃背景图像 中分割出来，形成完整的缺陷目标，为缺陷目标的特征参数的提取和缺陷判断识别提供了良好基础阈值 化分割算法的原理，对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值,然 后将图像中各个像素的灰度值都与这个阈值相比较,并根据比较结果将对应的像素（分割）划分为两类：像 素的灰度值大于阈值；像素的灰度值小于阈值，确定阈值是分割的关键，如果能确定一个合适的阈值就可 方便地将图像分割开来，阈值分割法的结果很大程度上依赖于对阈值的选择，因此该方法的关键是如何选 择合适的阈值，合理的阀值应取在边界灰度变化比较大比较明显的地方。
因此，可以把某个阈值所产生的 边界两边灰度对比度的大小作为衡量的标准，找出能够检出最大平均边界对比度的阈值 [6] 以自适应分割 法为例得到的夹锡阈值分割图像如图2-7a）自适应阈值分割法灰度直 （b）自适应分割法阈值图像图 2-7自适应分割法夹锡阈值分割图像（4）特征提取：特征提取的基本任务是如何从许多特征中找出那些最有效的特征，特征提取是模式 识别中的一个关键问题对于玻璃缺陷的特征提取，特征参数的确定至关重要所以在选取玻璃缺陷的特 征参数时，要尽量反映缺陷本原的特征，尽量选取缺陷之间最能区别于其它缺陷的特征，特征参数还要尽 量选得精，选得少,以能把缺陷识别出来即可,太多的参数将会增加系统的计算量，降低系统的运行速度 能较好地识别玻璃的各种缺陷，主要选择缺陷的几何特征参数为长短径比 （L1/L2）、周长平方面积比（v二S2/A）、面积像素数与周长像素数之比（W/S）计算机在识别时，不仅要考虑缺陷的几何形状，还需考虑 缺陷灰度差等缺陷的光学参数，光学参数即缺陷与光和颜色有关的特征参数，比如缺陷的灰度，对光的反 射、折射和衍射的情况等不同缺陷的光学性能不同，比如气泡的透光性就比结石的透光性好，在图像上 的显示相对来说就稍微亮一些，并且气泡还可能会出现小孔衍射的现象。
物理参数也是必不可少的参数，物理参数即缺陷的物理性能参数，缺陷的机械性能、导电性能、传热和隔音性能等都属于缺陷的物理性能 每种缺陷有其特定的物理性能物理性能的测定需要借助于一定的仪器分析装置对图像进行平滑、灰度均衡和阴影去除等预处理后，图像上只有背景和缺陷两种成分，两种成分的灰 度各自接近且相互差别较大，在直方图上表现为较为明显的两个峰值，这时如果取谷底为闭值，进行闭值 分割，就可以将缺陷与背景分离，将缺陷提取出来，分割后在图像上表现为黑白两种成分,一类为缺陷,另 一类为背景 ［7］5）判断决策：也就是对玻璃缺陷的分类基于图像识别的分类器设计有很多,主要包括传统的经典 模式识别方法，例如统计模式识别和句法模式识别；以及近年来新发展起来的识别方法和识别分类理论， 主要包括模糊模式识别，人工神经网络以及支持向量机等此外，根据分类时是否基于训练样本的期望输 出，可以将识别方法分为有监督分类和无监督分类［8］3玻璃缺陷视觉检测系统实施例3.1实施例一河南科技大学王飞设计了较完整的基于机器视觉的玻璃质量检测系统，玻璃监测实验台如图3-1a）玻璃图象采集（摄像机） （b）玻璃图像采集照明系统（LED红光）图 3-1玻璃监测系统实验台其中A主要由工业摄像机，同步控制器以及图像采集卡组成。
B主要是由PC机组成，完成图像处理的 各种算法运算，同时输出检测结果C为待检测目标物体一缺陷玻璃D为系统照明，主要包括光源、调 节器、遮光罩E为玻璃检测系统支撑结构，主要是功能是在玻璃缺陷检测时不同情况下，可通过上下调 节距离，以保证系统图像采集时能获得较为清晰地玻璃缺陷原图此外，在该检测系统检测过程中模拟玻 璃生产实际环境，为保证系统的检测精度，还应备有制冷、通风、清洗等辅助设备该论文设计的软件系统能较准确地检测出玻璃生产中产生的各种缺陷，为后续玻璃划 分等级、玻璃切割提供相关信息玻璃缺陷检测系统主界面如图3-2所示：ci強刃xsyif^KiBin片宇：总净整in貝!卡勺 '谓也号bi如.三X图 3-2 玻璃检测系统离线主界面该界面主要包括：玻璃图像点运算、玻璃缺陷图像预处理、边缘检测以特征提取、缺陷亚像素定位以 及图像匹配检测其中玻璃缺陷图像点运算主要完成玻璃缺陷图像灰度值方图显示、线性变换、亮度增强 等，图像匹配主要包括：图像模糊处理、差影运算、图像形态处理等图像边缘检测以及特征提取和亚像 素定位模块如图6-3所示：图3-3中（a）主要包括滤波处理、经典边缘检测算子、图像分割、纹理分析、 区域特征参数计算等。
b）主要实现玻璃夹锡缺陷图像特征参数提取11并麺（a）玻璃缺陷图像边缘检测模块中臣葩岐il世□ acu 汕C am能iU.l.算子愷性炬用部平输性相关特芒損取退山杀.蛹|-1.*IJTO|D. ^54455mob J•繼1(■Fkb urn橙涮鲨孑|haitt检则算子| 亚悌•素定世I站«tt匡闯ha恥5X绍讯屈战；［廿洋I町 淋捕但［ 审番住1 皿-胸丽®.占运甘化)mi 时時射他瓯1暦沖辭弓桦冷 nn 幣將"践总左怪囲俾四己俭圏 ® 弐口 (V.J辛助I.M.JD 2 R 賈务■&探售-X 厅导fHtW 罔眾 霑膨便宝心 KALLJ \ U bbbJJ 550U 55tfS U. 7bSl I.MU_ 1UL^ ] -UJUL 101 E. ETCH g. undf rj Jij. J Li3? i -3242 J2 £■!・ T yaa 口. tiHU4 1132. 1 D3) ] ■ 00：3戡 If , ,L,Jl 監il *«*-1号大 ■+(b)玻璃缺陷特征提取模块图 3-3玻璃缺陷图像检测及特征提取系统该论文介绍的检测系统离线检测运行情况，主要分为硬件和软件部分更加侧重软系统运行工作。
通 过样本缺陷，演示玻璃缺陷检测和特征参数提取主要采用60个四中常见的玻璃样本缺陷作为识别目标， 通过对其进行神经网络样本训练测试，有效地识别出缺陷类别，经实验验证系统对其缺陷识别的正确率为 91.75%，能够达到较理想的检测效果3.2实施例二燕山大学王平顺设计了玻璃缺陷检测系统，玻璃缺陷检测系统结构如图3-4设计由硬件系统设计和 软件系统(图像处理算法)设计两部分组成其中硬件系统包括照明装置、图像采集装置,计算机图像处理 装置算法系统包括图像预处理、图像分割、缺陷特征提。