《(精编资料推荐)玻璃缺陷检测》由会员分享，可在线阅读，更多相关《(精编资料推荐)玻璃缺陷检测（11页珍藏版）》请在金锄头文库上搜索。
1、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
2、-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1视觉系统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
3、式照明，其1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。待检测玻璃系统光源图 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
4、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 2 。待检玻璃待检玻璃待检玻璃入射光线入射光线入射光线（ a）玻璃无缺陷时（ b）光吸收型缺陷时（ c）光透射型缺陷时图 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
5、其加以3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。计算机检测结果输出图像采集卡X-Y2光源控制运动平台摄像头待检玻璃图 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 ：图图图特判像像像征断预获分提决处取割取策理图 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，
6、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
7、两大类：一类是频域处理法，一类是空域处理法 5 , 以粘锡玻璃缺陷为例如图2-5 。（ a）粘锡玻璃缺陷原图(b)灰度处理图(c)对应直方图图 2-5 处理直方图图像经线性变换、去噪等预处理，如图2-6 。3图 2-6 变换后的图像及对应的灰度直方图（ 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
8、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
9、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2-7 。（ a）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
10、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2(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(v=S /A) 、面积像素数与周长像素数之比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，
11、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，4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
12、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在线检测系统，玻璃监测实验台如图3-1 。(a) 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：5
