玻璃缺陷檢測

1、玻璃片缺陷視覺檢測1.玻璃缺陷特征玻璃片生產(chǎn)過程中，常見的缺陷有：氣泡、劃痕、結(jié)石、夾雜物，翹曲等。各類缺陷的主要特點分：(1) 氣泡，該類缺陷是由于玻璃生產(chǎn)材料含有氣體、外界環(huán)境氣泡、金屬鐵絲等引起，主要特點為整體輪廓近似于圓形、線形、中空、具有光透射性等。(2) 結(jié)石，由于其熱脹系數(shù)和外界環(huán)境熱脹系數(shù)的差異，該類缺陷嚴重影響玻璃質(zhì)量。主要分為：原材料結(jié)石、耐火材料結(jié)石以及玻璃析晶結(jié)石等。(3) 夾錫，夾錫主要分為粘錫和錫結(jié)石，其特點是呈暗黑色、具有光吸收性。(4) 劃傷，該缺陷主要是玻璃原板與硬質(zhì)介質(zhì)間的相互摩擦產(chǎn)生，外表呈線性。(5) 表面裂紋及線道，其特點表面呈線性。具體的缺陷圖如圖1

2、-1所示：(a)無缺陷玻璃圖像(b)含氣泡玻璃圖像(c)含結(jié)石玻璃圖像(d)含裂紋玻璃圖像(e)含夾雜物的玻璃圖像(f)劃痕的玻璃圖像圖1-1玻璃典型缺陷圖像2玻璃缺陷視覺監(jiān)測系統(tǒng)工作原理2.1玻璃缺陷視覺檢測原理專業(yè)資料整理玻璃生產(chǎn)過程大體可分為：原料加工、備制配合料、熔化和澄清、冷卻和成型及切裁等。在各生產(chǎn)過程中，由于制造工藝、人為等因素，在玻璃原板的生產(chǎn)任一過程中都有可能產(chǎn)生缺陷，根據(jù)玻璃現(xiàn)行標準中的規(guī)定，玻璃常見的缺陷主要包括：氣泡、粘錫、劃傷、夾雜等。無缺陷的玻璃其特點是質(zhì)地均勻、表面光潔且透明。玻璃質(zhì)量缺陷檢測是采用先進的CCD成像技術和智能光源。系統(tǒng)照明采用背光式照明，其原理如圖

3、2-1所示，即在玻璃的背面放置光源,光線經(jīng)待檢玻璃，透射進入攝像頭1。待檢測玻璃視覺系統(tǒng)系統(tǒng)光源圖2-1檢測原理圖示意圖光線垂直入射玻璃后，當玻璃中沒有雜質(zhì)時如圖2-2(a)所示，出射的方向不會發(fā)生改變，CCD攝像機的靶面探測到的光也是均勻的；當玻璃中含有雜質(zhì)時，出射的光線會發(fā)生變化，CCD攝像機的靶面探測到的光也要隨之改變。玻璃中含有的缺陷主要分為兩種：一是光吸收型(如沙粒，夾錫等夾雜物)如圖2-2(b)所示，光透射玻璃時，該缺陷位置的光會變?nèi)?，CCD攝像機的靶面上探測到的光比周圍的光要弱;二是光透射型(如裂紋，氣泡等)如圖2-2(c)所示，光線在該缺陷位置發(fā)生了折射，光的強度比周圍的要大，

4、因而CCD攝像機的靶面上探測到的光也相應增強。因此，本文研究的基于機器視覺技術的玻璃缺陷檢測系統(tǒng)是可行的。II|待檢玻璃.'入射光線待檢玻璃1入射光線(b)光吸收型缺陷時(c)光透射型缺陷時(a)玻璃無缺陷時圖2-2玻璃缺陷光學檢測原理2.2玻璃缺陷視覺檢測系統(tǒng)構(gòu)成整個機器視覺檢測系統(tǒng)包含圖像采集、圖像處理、智能控制、機械執(zhí)行等部分，其結(jié)構(gòu)如圖2-3所示。其中光源及被測玻璃固定，光源位于玻璃底部，通過透射進入攝像頭。攝像頭以XY方式勻速掃描整塊玻璃。圖像采集卡接收攝像頭信號，濾波后經(jīng)模數(shù)轉(zhuǎn)換變成24位的數(shù)字信號，再由計算機對其加以分析。如發(fā)現(xiàn)缺陷，則進行分類和統(tǒng)計，報告缺陷類型、尺寸、

5、位置等，為玻璃分級打標提供信息3。計算機_凱檢測結(jié)果輸出a圖像采集卡ii攝像頭:待檢玻璃1圖2-3檢測系統(tǒng)結(jié)構(gòu)示意圖2.3機器視覺檢測系統(tǒng)檢測過程機器視覺檢測系統(tǒng)檢測過程如圖2-4：圖像獲取U圖像預處理圖像分割特征提取判斷決策圖2-4檢測過程原理圖(1) 圖像獲取：一般采用高速線陣CCD攝像機實時采集生產(chǎn)線上的玻璃圖像，所獲取的圖像模擬信號通過圖像采集卡的數(shù)字化處理,再傳送到計算機中進行圖像預處理4。(2) 圖像預處理：圖像預處理是圖像分析的一個重要環(huán)節(jié)，對圖像進行適當?shù)念A處理，可以使得圖像更加便于分割和識別，主要包括圖像濾波處理(均值濾波、中值濾波、高斯濾波)和圖像增強處理(圖像的灰度變換、

6、直方圖均衡化、圖像尖銳化處理)。為了消除圖像中的各種噪聲，必須用到濾波器。圖像增強是圖像預處理的基本內(nèi)容之一，圖像增強是指按照特定的需要突出一幅圖像中的某些信息，同時，消弱或去除某些不需要的信息的處理方法。其主要目的是使處理后的圖像對某種特定的應用來說，比原始圖像更適用，比如，突出邊緣信息，改善對比度，增強圖像的輪廓特征，以保證檢測的準確性，使處理的結(jié)果使圖像更適合于人的視覺特性或機器的識別系統(tǒng)。因此，這類處理是為了某種應用而去改善圖像質(zhì)量的。3玻璃缺陷視覺檢測系統(tǒng)實施例圖像增強技術基本上可分成兩大類：一類是頻域處理法，一類是空域處理（3）圖像分割：為了進一步對目標圖像進行分析、理解和識別，必

7、須把目標從背景中分割出來。圖像分割是依據(jù)圖像的灰度、顏色或幾何性質(zhì)將其中具有特殊含義的不同區(qū)域區(qū)分開，這些被分開區(qū)域是互不相交的，且都滿足特定區(qū)域的一致性，比如對同一目標的圖像，一般需要將圖像中屬于該物體的像素或物體特征像素點從背景中分割出來，即將屬于不同物體的像素點分離開。在玻璃缺陷圖像處理過程中，缺陷的灰度值與背景灰度值相比有較大變化，并且灰度圖像中缺陷邊緣灰度值同周圍背景相比，也存在很大的差異，所以采用基于灰度直方圖的閾值分割算法和邊緣檢測算法相結(jié)合，就可以將缺陷從玻璃背景圖像中分割出來，形成完整的缺陷目標，為缺陷目標的特征參數(shù)的提取和缺陷判斷識別提供了良好基礎。閾值化分割算法的原理，對

8、灰度圖像的取閾值分割就是先確定一個處于圖像灰度取值范圍之中的灰度閾值,然后將圖像中各個像素的灰度值都與這個閾值相比較,并根據(jù)比較結(jié)果將對應的像素（分割）劃分為兩類：像素的灰度值大于閾值；像素的灰度值小于閾值，確定閾值是分割的關鍵，如果能確定一個合適的閾值就可方便地將圖像分割開來，閾值分割法的結(jié)果很大程度上依賴于對閾值的選擇，因此該方法的關鍵是如何選擇合適的閾值，合理的閥值應取在邊界灰度變化比較大比較明顯的地方。因此，可以把某個閾值所產(chǎn)生的邊界兩邊灰度對比度的大小作為衡量的標準，找出能夠檢出最大平均邊界對比度的閾值6。以自適應分割法為例得到的夾錫閾值分割圖像如圖2-7。（a）自適應閾值分割法灰度

9、直（b）自適應分割法閾值圖像圖2-7自適應分割法夾錫閾值分割圖像（4）特征提?。禾卣魈崛〉幕救蝿帐侨绾螐脑S多特征中找出那些最有效的特征，特征提取是模式識別中的一個關鍵問題。對于玻璃缺陷的特征提取，特征參數(shù)的確定至關重要。所以在選取玻璃缺陷的特征參數(shù)時，要盡量反映缺陷本原的特征，盡量選取缺陷之間最能區(qū)別于其它缺陷的特征，特征參數(shù)還要盡量選得精，選得少,以能把缺陷識別出來即可,太多的參數(shù)將會增加系統(tǒng)的計算量，降低系統(tǒng)的運行速度。能較好地識別玻璃的各種缺陷，主要選擇缺陷的幾何特征參數(shù)為長短徑比（L1/L2）、周長平方面積比（v二S2/A）、面積像素數(shù)與周長像素數(shù)之比（W/S）。計算機在識別時，不僅

10、要考慮缺陷的幾何形狀，還需考慮缺陷灰度差等缺陷的光學參數(shù)，光學參數(shù)即缺陷與光和顏色有關的特征參數(shù)，比如缺陷的灰度，對光的反射、折射和衍射的情況等。不同缺陷的光學性能不同，比如氣泡的透光性就比結(jié)石的透光性好，在圖像上的顯示相對來說就稍微亮一些，并且氣泡還可能會出現(xiàn)小孔衍射的現(xiàn)象。物理參數(shù)也是必不可少的參數(shù)，專業(yè)資料整理WORD完美格式編輯物理參數(shù)即缺陷的物理性能參數(shù)，缺陷的機械性能、導電性能、傳熱和隔音性能等都屬于缺陷的物理性能。每種缺陷有其特定的物理性能。物理性能的測定需要借助于一定的儀器分析裝置。對圖像進行平滑、灰度均衡和陰影去除等預處理后，圖像上只有背景和缺陷兩種成分，兩種成分的灰度各自接

11、近且相互差別較大，在直方圖上表現(xiàn)為較為明顯的兩個峰值，這時如果取谷底為閉值，進行閉值分割，就可以將缺陷與背景分離，將缺陷提取出來，分割后在圖像上表現(xiàn)為黑白兩種成分,一類為缺陷,另一類為背景7。（5）判斷決策：也就是對玻璃缺陷的分類。基于圖像識別的分類器設計有很多,主要包括傳統(tǒng)的經(jīng)典模式識別方法，例如統(tǒng)計模式識別和句法模式識別；以及近年來新發(fā)展起來的識別方法和識別分類理論，主要包括模糊模式識別，人工神經(jīng)網(wǎng)絡以及支持向量機等。此外，根據(jù)分類時是否基于訓練樣本的期望輸出，可以將識別方法分為有監(jiān)督分類和無監(jiān)督分類8。3玻璃缺陷視覺檢測系統(tǒng)實施例3.1實施例一河南科技大學王飛設計了較完整的基于機器視覺的

12、玻璃質(zhì)量在線檢測系統(tǒng)，玻璃監(jiān)測實驗臺如圖3-1。（a）玻璃圖象采集（攝像機）（b）玻璃圖像采集照明系統(tǒng)（LED紅光）圖3-1玻璃監(jiān)測系統(tǒng)實驗臺其中A主要由工業(yè)攝像機，同步控制器以及圖像采集卡組成。B主要是由PC機組成，完成圖像處理的各種算法運算，同時輸出檢測結(jié)果。C為待檢測目標物體一缺陷玻璃。D為系統(tǒng)照明，主要包括光源、調(diào)節(jié)器、遮光罩。E為玻璃檢測系統(tǒng)支撐結(jié)構(gòu)，主要是功能是在玻璃缺陷檢測時不同情況下，可通過上下調(diào)節(jié)距離，以保證系統(tǒng)圖像采集時能獲得較為清晰地玻璃缺陷原圖。此外，在該檢測系統(tǒng)檢測過程中模擬玻璃生產(chǎn)實際環(huán)境，為保證系統(tǒng)的檢測精度，還應備有制冷、通風、清洗等輔助設備。該論文設計的軟件系

13、統(tǒng)能較準確地檢測出玻璃生產(chǎn)中產(chǎn)生的各種缺陷，為后續(xù)玻璃劃分等級、玻璃切割提供相關信息。玻璃缺陷檢測系統(tǒng)主界面如圖3-2所示：專業(yè)資料整理ci強刃xsyifKiBin片宇：總凈整in貝!卡勺'謂也號bi如.三X圖3-2玻璃檢測系統(tǒng)離線主界面該界面主要包括：玻璃圖像點運算、玻璃缺陷圖像預處理、邊緣檢測以特征提取、缺陷亞像素定位以及圖像匹配檢測。其中玻璃缺陷圖像點運算主要完成玻璃缺陷圖像灰度值方圖顯示、線性變換、亮度增強等，圖像匹配主要包括：圖像模糊處理、差影運算、圖像形態(tài)處理等。圖像邊緣檢測以及特征提取和亞像素定位模塊如圖6-3所示：圖3-3中（a）主要包括濾波處理、經(jīng)典邊緣檢測算子、圖像

14、分割、紋理分析、區(qū)域特征參數(shù)計算等。（b）主要實現(xiàn)玻璃夾錫缺陷圖像特征參數(shù)提取。11并麺（a）玻璃缺陷圖像邊緣檢測模塊中臣葩岐il世acu汕Cam能iU.l.算子愷性炬用部平輸性相關特芒損取退山殺.蛹|-1.*IJTO|D.54455mobJ繼1(Fkburn橙涮鯊孑|haitt檢則算子|亞悌素定世I站«tt匡闖ha恥5X紹訊屈戰(zhàn)；廿洋I町淋捕但審番住1皿-胸麗®.占運甘化)mi時時射他甌1暦沖辭弓樺冷nn幣將"踐總左怪囲俾四己儉圏®弐口(V.J辛助I.M.JD2R賈務&探售-X廳導fHtW罔眾霑膨便寶心KALLJUbbbJJ550U55tfSU

15、.7bSlI.MU_1UL-UJUL101E.ETCHg.undfrjJij.JLi3?i-3242J2£!Tyaa口.tiHU41132.1D3)00：3戡If,L,Jl監(jiān)il*«*-1號大+(b)玻璃缺陷特征提取模塊圖3-3玻璃缺陷圖像檢測及特征提取系統(tǒng)該論文介紹的檢測系統(tǒng)離線檢測運行情況，主要分為硬件和軟件部分。更加側(cè)重軟系統(tǒng)運行工作。通過樣本缺陷，演示玻璃缺陷檢測和特征參數(shù)提取。主要采用60個四中常見的玻璃樣本缺陷作為識別目標，通過對其進行神經(jīng)網(wǎng)絡樣本訓練測試，有效地識別出缺陷類別，經(jīng)實驗驗證系統(tǒng)對其缺陷識別的正確率為91.75%，能夠達到較理想的檢測效果。3.2實

16、施例二燕山大學王平順設計了玻璃缺陷檢測系統(tǒng)，玻璃缺陷檢測系統(tǒng)結(jié)構(gòu)如圖3-4。設計由硬件系統(tǒng)設計和軟件系統(tǒng)(圖像處理算法)設計兩部分組成。其中硬件系統(tǒng)包括照明裝置、圖像采集裝置,計算機圖像處理裝置。算法系統(tǒng)包括圖像預處理、圖像分割、缺陷特征提取和判斷決策等等。圖3-4玻璃缺陷檢測系統(tǒng)結(jié)構(gòu)圖圖3-5照明方式(1) 系統(tǒng)光源選擇：紅光LED光源作為照明光源。(2) 照明方式：照明方式采用圖3-5所示的背光照方式中的正透視的照明方式。(3) 圖像采集裝置：圖像采集裝置由CCD攝像機、圖像采集卡組成。系統(tǒng)也采用CCD攝像機器件，規(guī)格為敏通MTV1881EX型CCD，攝像鏡頭選用8mm鏡頭，水平分辨率是6

17、00線。圖像采集卡選用北京大恒圖象公司的CG200型圖像采集卡I23°CG200圖像采集卡可采用標準PAL、NTSC制式，彩色/黑白視頻信號輸入，圖像采集的最大分辨率：轉(zhuǎn)換，支持YUV4:2:2、RGB24、RGB16等多種圖像格式的顯示和存儲。硬件完成輸入圖像的比例縮放和裁剪，采集圖像的大小、位置可靈活設置，利用圖形覆蓋功能可實時顯示和存儲任意形狀的輸入圖像。另外該圖像卡可實現(xiàn)視頻信號的多路輸入，視頻切換可通過軟件來實現(xiàn)。亮度、色度、對比度等軟件可調(diào)。(4) 圖像預處理：系統(tǒng)采用采用中值濾波算子，此算子在比較理想的濾除圖像噪聲的同時，并且能保護圖像的輪廓邊界，不使其變模糊；在圖像增

18、強預處理中，應用了梯度微分算子增強處理，將圖像的邊緣突出，以便于目標的識別和跟蹤。(5) 圖像分割：用基于灰度直方圖的閾值分割算法和邊緣檢測圖像分割算法相結(jié)合，比較理想的將氣泡裂紋缺陷從玻璃背景圖像中分割出來，形成完整的缺陷目標，為缺陷目標的特征參數(shù)的提取和缺陷判斷識別提供了良好基礎。(6) 缺陷特征提取和判斷決策：基于玻璃圖像分割的結(jié)果，根據(jù)玻璃主要缺陷目標(氣泡、裂紋)的二值圖像和邊緣圖像，提取出用來描述玻璃外觀質(zhì)量缺陷的形狀特征參數(shù)(面積和周長)，然后計算出玻璃缺陷的圓形度和伸長度這兩個主要特征參數(shù)，組成特征矢量，對于不同形狀的缺陷區(qū)域，這些特征參數(shù)各不相同。因為氣泡缺陷一般表現(xiàn)為圓型或橢圓型，而裂紋缺陷則表現(xiàn)為比較細長。因此，對于玻璃氣泡缺陷來說，其圓形度C的值比