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(diǎn)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(diǎn)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(yán)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(diǎn)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(diǎn)表面呈線性。具體的缺陷圖如圖

2、1-1 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(biāo)準(zhǔn)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(diǎn)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(jìn)的CCD成像技術(shù)和智能光源。系統(tǒng)照明采用背光式照明，其原

3、理如圖 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(jìn)入攝像頭 1 。視圖 2-1 檢測原理圖示意圖覺光線垂直入射玻璃后，當(dāng)玻璃中沒有雜質(zhì)時(shí)如圖2-2(a)系統(tǒng)所示，出射的方向不會(huì)發(fā)生改變，CCD攝像機(jī)的靶面探測到的光也是均勻的；當(dāng)玻璃中含有雜質(zhì)時(shí)，出射的光線會(huì)發(fā)生變化， CCD攝像機(jī)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(shí)，該缺陷位置的光會(huì)變?nèi)?，CCD攝像機(jī)的待檢測玻璃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，

4、光的強(qiáng)度比周圍的要大，因而CCD攝像機(jī)的靶面上探測到的光也相系統(tǒng)光源2 。應(yīng)增強(qiáng)。因此，本文研究的基于機(jī)器視覺技術(shù)的玻璃缺陷檢測系統(tǒng)是可行的（a）玻璃無缺陷時(shí)（ b）光吸收型缺陷時(shí)（ c）光透射型缺陷時(shí)圖 2-2 玻璃缺陷光學(xué)檢測原理待檢待檢玻璃2.2玻璃缺陷視覺檢測系統(tǒng)構(gòu)成待檢玻璃整個(gè)機(jī)器視覺檢測系統(tǒng)包含圖像采集、圖像處理、智能控制、機(jī)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(jìn)入攝像頭。攝像頭以X Y 方入式射勻光速線掃描整塊玻璃。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)入射光線入射光線字信號，再由計(jì)算機(jī)對其加以分析。如發(fā)現(xiàn)

5、缺陷，則進(jìn)行分類和統(tǒng)計(jì)，報(bào)告缺陷類型、尺寸、位置等，為玻璃分級打標(biāo)提供信息 3 。計(jì)算機(jī)檢測結(jié)果輸出圖 2-3 檢測系統(tǒng)結(jié)構(gòu)示意圖2.3 機(jī)器視覺檢測系統(tǒng)檢測過程圖像采集卡機(jī)器視覺檢測系統(tǒng)檢測過程如圖2-4 ：光源控制X-Y運(yùn)動(dòng)平臺攝像頭圖圖圖特判像像圖 2-4檢測過程原理圖斷預(yù)像征獲分提決處（1）圖像獲取：一般采用高速線陣CCD攝像機(jī)實(shí)時(shí)采集生產(chǎn)線上的玻璃圖像 , 所獲取的圖像模取理割取策4。擬信號通過圖像采集卡的數(shù)字化處理, 再傳送到計(jì)算機(jī)中進(jìn)行圖像預(yù)處理（2）圖像預(yù)處理：圖像預(yù)處理是圖像分析的一個(gè)重要環(huán)節(jié)，對圖像進(jìn)行適當(dāng)?shù)念A(yù)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

6、值濾波、中值濾波、高斯濾波 )和圖像增強(qiáng)處理 ( 圖像的灰度變換、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(qiáng)是圖像預(yù)處理的基本內(nèi)容之一，圖像增強(qiáng)是指按照特定的需要突出一幅圖像中的某些信息，同時(shí)，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(yīng)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(qiáng)圖像的輪廓特征，以保證檢測的準(zhǔn)確性，使處理的結(jié)果使圖像更適合于人的視覺特性或機(jī)器的識別系統(tǒng)。因此，這類處理是為了某種應(yīng)用而去改善圖像質(zhì)量的。3 玻璃缺陷視覺檢測系統(tǒng)實(shí)施例圖像增強(qiáng)技術(shù)基本上可分成兩大類：一類是頻域處理法，一

7、類是空域處理法 5 , 以粘錫玻璃缺陷為例如圖 2-5 。（a）粘錫玻璃缺陷原圖 (b) 灰度處理圖 (c) 對應(yīng)直方圖圖 2-5 處理直方圖圖像經(jīng)線性變換、去噪等預(yù)處理，如圖 2-6 。圖 2-6 變換后的圖像及對應(yīng)的灰度直方圖（3）圖像分割：為了進(jìn)一步對目標(biāo)圖像進(jìn)行分析、理解和識別，必須把目標(biāo)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(biāo)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(diǎn)從背景中分割出來，即將屬于不同物體的像素點(diǎn)分離開。在玻璃缺陷圖像處理過程中，缺陷的灰

8、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(biāo)，為缺陷目標(biāo)的特征參數(shù)的提取和缺陷判斷識別提供了良好基礎(chǔ)。閾值化分割算法的原理，對灰度圖像的取閾值分割就是先確定一個(gè)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(gè)像素的灰度值都與這個(gè)閾值相比較 , 并根據(jù)比較結(jié)果將對應(yīng)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(guān)鍵，如果能確定一個(gè)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)

9、果很大程度上依賴于對閾值的選擇，因此該方法的關(guān)鍵是如何選擇合適的閾值，合理的閥值應(yīng)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(gè)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(biāo)準(zhǔn)，找出能夠檢出最大平均邊界對比度的閾值 6 。以自適應(yīng)分割法為例得到的夾錫閾值分割圖像如圖 2-7 。（a）自適應(yīng)閾值分割法灰度直（ b）自適應(yīng)分割法閾值圖像圖 2-7 自適應(yīng)分割法夾錫閾值分割圖像（4）特征提?。禾卣魈崛〉幕救蝿?wù)是如何從許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(gè)關(guān)鍵問題。對于玻璃缺陷的特征提取，特征參數(shù)的確定至關(guān)重要。所以在選取玻璃缺陷的特征參數(shù)時(shí)，要盡量反映缺陷本原的特征，

10、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(huì)增加系統(tǒng)的計(jì)算量，降低系統(tǒng)的運(yùn)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=S2/A) 、面積像素?cái)?shù)與周長像素?cái)?shù)之比 (W/S) 。計(jì)算機(jī)在識別時(shí) , 不僅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(xué)參數(shù)， 光學(xué)參數(shù)即缺陷與光和顏色有關(guān)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(xué)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

11、氣泡還可能會(huì)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)，物理參數(shù)即缺陷的物理性能參數(shù)，缺陷的機(jī)械性能、導(dǎo)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(jìn)行平滑、灰度均衡和陰影去除等預(yù)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近且相互差別較大，在直方圖上表現(xiàn)為較為明顯的兩個(gè)峰值，這時(shí)如果取谷底為閉值，進(jìn)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(shè)計(jì)有很多 ,

12、 主要包括傳統(tǒng)的經(jīng)典模式識別方法，例如統(tǒng)計(jì)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(luò)以及支持向量機(jī)等。此外，根據(jù)分類時(shí)是否基于訓(xùn)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(shí)施例3.1 實(shí)施例一河南科技大學(xué)王飛設(shè)計(jì)了較完整的基于機(jī)器視覺的玻璃質(zhì)量在線檢測系統(tǒng)，玻璃監(jiān)測實(shí)驗(yàn)臺如圖 3-1 。(a) 玻璃圖象采集（攝像機(jī)） (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(shí)驗(yàn)臺其中 A 主要由工業(yè)攝像機(jī)，同步控制器以及圖像采集卡組成。 B 主要是由 PC機(jī)組成，完成圖像處理

13、的各種算法運(yùn)算， 同時(shí)輸出檢測結(jié)果。 C 為待檢測目標(biāo)物體缺陷玻璃。 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(shí)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(shí)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(shí)際環(huán)境，為保證系統(tǒng)的檢測精度，還應(yīng)備有制冷、通風(fēng)、清洗等輔助設(shè)備。該論文設(shè)計(jì)的軟件系統(tǒng)能較準(zhǔn)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(guān)信息。玻璃缺陷檢測系統(tǒng)主界面如圖3-2 所示：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(diǎn)運(yùn)算、玻璃缺陷圖像預(yù)處理、邊緣

14、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(diǎn)運(yùn)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(qiáng)等，圖像匹配主要包括：圖像模糊處理、差影運(yùn)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、圖像分割、紋理分析、區(qū)域特征參數(shù)計(jì)算等。 (b) 主要實(shí)現(xiàn)玻璃夾錫缺陷圖像特征參數(shù)提取。(a) 玻璃缺陷圖像邊緣檢測模塊(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(yùn)行情況，主要分為硬件和軟件部分。更加側(cè)重軟系統(tǒng)運(yùn)行工作。通過樣本缺陷，

15、 演示玻璃缺陷檢測和特征參數(shù)提取。 主要采用 60 個(gè)四中常見的玻璃樣本缺陷作為識別目標(biāo)，通過對其進(jìn)行神經(jīng)網(wǎng)絡(luò)樣本訓(xùn)練測試，有效地識別出缺陷類別，經(jīng)實(shí)驗(yàn)驗(yàn)證系統(tǒng)對其缺陷識別的正確率為91.75%，能夠達(dá)到較理想的檢測效果。3.2 實(shí)施例二燕山大學(xué)王平順設(shè)計(jì)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(shè)計(jì)由硬件系統(tǒng)設(shè)計(jì)和軟件系統(tǒng) ( 圖像處理算法 ) 設(shè)計(jì)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(jì)算機(jī)圖像處理裝置。算法系統(tǒng)包括圖像預(yù)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

16、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(jī)、圖像采集卡組成。系統(tǒng)也采用CCD攝像機(jī)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600 線。圖像采集卡選用北京大恒圖象公司的CG2OO型圖像采集卡 I23 。CG200圖像采集卡可采用標(biāo)準(zhǔn) 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(chǔ)。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(shè)置，利用圖形覆蓋

17、功能可實(shí)時(shí)顯示和存儲(chǔ)任意形狀的輸入圖像。另外該圖像卡可實(shí)現(xiàn)視頻信號的多路輸入，視頻切換可通過軟件來實(shí)現(xiàn)。亮度、色度、對比度等軟件可調(diào)。（4） 圖像預(yù)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(shí)，并且能保護(hù)圖像的輪廓邊界，不使其變模糊；在圖像增強(qiáng)預(yù)處理中，應(yīng)用了梯度微分算子增強(qiáng)處理，將圖像的邊緣突出，以便于目標(biāo)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(biāo)，為缺陷目標(biāo)的特征參數(shù)的提取和缺陷判斷識別提供了良好基礎(chǔ)。（6） 缺陷特征提取和判斷決策： 基于玻璃圖像分

18、割的結(jié)果， 根據(jù)玻璃主要缺陷目標(biāo) ( 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(jì)算出玻璃缺陷的圓形度和伸長度這兩個(gè)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?yàn)闅馀萑毕菀话惚憩F(xiàn)為圓型或橢圓型，而裂紋缺陷則表現(xiàn)為比較細(xì)長。因此，對于玻璃氣泡缺陷來說，其圓形度 C的值比裂紋的圓形度 C值要大的多，而伸長度 T 值則較裂紋的伸長度值小，裂紋的特征參數(shù)值恰恰與此相反，因此基于玻璃缺陷的圓形度值和伸長度值就可以將缺陷中的氣泡與裂紋區(qū)分開來。檢測時(shí)，先通過選擇大樣本空間的實(shí)驗(yàn)方法，分別選定氣泡和裂紋的圓形度和伸長度的閾值C,T，然后就可以用它們來對玻璃缺陷進(jìn)行分類。根據(jù)實(shí)驗(yàn)結(jié)果，本測量系統(tǒng)初步選定氣泡缺陷的圓形度值是C0.2,0.4，伸長度值是 T0.9,1.2 ；裂紋圓形度值是 C0.02,0.05 ，伸長度值 T3.0,9.5。實(shí)驗(yàn)結(jié)果表明該設(shè)計(jì)是可行的。參考文獻(xiàn)1王飛，基于機(jī)器視覺的玻璃質(zhì)量在線檢測系統(tǒng)研究，玻璃與搪瓷，2009 年 10 月第 37 卷第 5期第 2頁2王飛，基于機(jī)器視覺的玻璃質(zhì)量在線檢測系統(tǒng)研究，河南科技大學(xué)