CN109668909A - 一种玻璃缺陷检测方法 - Google Patents

一种玻璃缺陷检测方法 Download PDF

Info

Publication number
CN109668909A
CN109668909A CN201710957604.9A CN201710957604A CN109668909A CN 109668909 A CN109668909 A CN 109668909A CN 201710957604 A CN201710957604 A CN 201710957604A CN 109668909 A CN109668909 A CN 109668909A
Authority
CN
China
Prior art keywords
image
glass
glass defect
defect
detection method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710957604.9A
Other languages
English (en)
Inventor
欧阳光
池敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Light Vision Intelligent Technology Co Ltd
Original Assignee
Nanjing Light Vision Intelligent Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Light Vision Intelligent Technology Co Ltd filed Critical Nanjing Light Vision Intelligent Technology Co Ltd
Priority to CN201710957604.9A priority Critical patent/CN109668909A/zh
Publication of CN109668909A publication Critical patent/CN109668909A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Abstract

本发明提供了一种玻璃缺陷检测方法，包括步骤：（1）图像获取：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；（2）图像预处理：包括图像滤波处理和图像增强处理；（3）图像分割：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；（4）特征提取：确定特征参数，提取玻璃缺陷特征；（5）判断决策：根据步骤（4）对玻璃缺陷进行分类。本发明的玻璃缺陷检测方法的精度相对于现有技术大大提高，操作简便。

Description

一种玻璃缺陷检测方法
技术领域
本发明涉及机器视觉领域，具体涉及一种玻璃缺陷检测方法。
背景技术
在玻璃实际生产过程中，常见的玻璃缺陷主要有：气泡、粘锡、结石、夹杂物等缺陷，各类缺陷的主要特点分：
(1)气泡，该类缺陷主要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，其主要特 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。
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，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。
光线垂直入射玻璃后，当玻璃中没有杂质时，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），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），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。
发明内容
发明目的：本发明针对上述不足，提供一种玻璃缺陷检测方法。
技术方案：
一种玻璃缺陷检测方法，包括步骤：
（1）图像获取：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；
（2）图像预处理：包括图像滤波处理和图像增强处理；
（3）图像分割：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；
（4）特征提取：确定特征参数，提取玻璃缺陷特征；
（5）判断决策：根据步骤（4）对玻璃缺陷进行分类。
所述图像滤波处理包括均值滤波、中值滤波和高斯滤波；所述图像增强处理包括图像的灰度变换、直方图均衡化和图像尖锐化处理。
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，将缺陷从玻璃背景图像中分割出来，形成完整的缺陷目标。
选取玻璃缺陷的特征参数为长短径比、周长平方面积比或面积像素数与周长像素数之比。
对玻璃缺陷的分类采用的分类方法为传统的经典模式识别方法、模糊模式识别、人工神经网络或者支持向量机。
有益效果：本发明的玻璃缺陷检测方法的精度相对于现有技术大大提高，操作简便。
具体实施方式
下面对本发明作更进一步的说明。
（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。
（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。
图像经线性变换、去噪等预处理；
（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。
（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=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。
（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。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种玻璃缺陷检测方法，其特征在于：包括步骤：
（1）图像获取：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；
（2）图像预处理：包括图像滤波处理和图像增强处理；
（3）图像分割：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；
（4）特征提取：确定特征参数，提取玻璃缺陷特征；
（5）判断决策：根据步骤（4）对玻璃缺陷进行分类。
2.根据权利要求1所述的玻璃缺陷检测方法，其特征在于：所述图像滤波处理包括均值滤波、中值滤波和高斯滤波；所述图像增强处理包括图像的灰度变换、直方图均衡化和图像尖锐化处理。
3.根据权利要求1所述的玻璃缺陷检测方法，其特征在于：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，将缺陷从玻璃背景图像中分割出来，形成完整的缺陷目标。
4.根据权利要求1所述的玻璃缺陷检测方法，其特征在于：选取玻璃缺陷的特征参数为长短径比、周长平方面积比或面积像素数与周长像素数之比。
5.根据权利要求1所述的玻璃缺陷检测方法，其特征在于：对玻璃缺陷的分类采用的分类方法为传统的经典模式识别方法、模糊模式识别、人工神经网络或者支持向量机。
CN201710957604.9A 2017-10-13 2017-10-13 一种玻璃缺陷检测方法 Pending CN109668909A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710957604.9A CN109668909A (zh) 2017-10-13 2017-10-13 一种玻璃缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710957604.9A CN109668909A (zh) 2017-10-13 2017-10-13 一种玻璃缺陷检测方法

Publications (1)

Publication Number Publication Date
CN109668909A true CN109668909A (zh) 2019-04-23

Family

ID=66139155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710957604.9A Pending CN109668909A (zh) 2017-10-13 2017-10-13 一种玻璃缺陷检测方法

Country Status (1)

Country Link
CN (1) CN109668909A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110146112A (zh) * 2019-05-23 2019-08-20 北京信息科技大学 一种二维相敏解调方法及装置
CN110596120A (zh) * 2019-09-06 2019-12-20 深圳新视智科技术有限公司 玻璃边界缺陷检测方法、装置、终端及存储介质
CN110674754A (zh) * 2019-09-25 2020-01-10 武汉易视维科技有限公司 一种在线间歇中空滤棒视觉缺陷检测识别系统
CN110717899A (zh) * 2019-09-25 2020-01-21 武汉易视维科技有限公司 一种透明滤棒爆珠缺陷在线视觉检测方法
CN110907473A (zh) * 2019-11-29 2020-03-24 上海科世达-华阳汽车电器有限公司 光伏组件的检修方法、装置、设备以及存储介质
CN111353976A (zh) * 2020-02-25 2020-06-30 南京大学 一种基于卷积神经网络的沙粒目标检测方法
CN113578778A (zh) * 2021-07-27 2021-11-02 福建工程学院 利用轮廓特征和色彩特征检测汽车玻璃混线的方法及系统
CN114235847A (zh) * 2021-12-20 2022-03-25 深圳市尊绅投资有限公司 一种液晶面板玻璃基板表面缺陷检测装置及检测方法
CN115049657A (zh) * 2022-08-15 2022-09-13 启东晶尧光电科技有限公司 一种玻璃缺陷检测方法
CN115393359A (zh) * 2022-10-28 2022-11-25 菲特（天津）检测技术有限公司 一种镜片表面缺陷检测用的图像处理方法及系统
CN117517348A (zh) * 2023-11-14 2024-02-06 四川领先微晶玻璃有限公司 基于微晶玻璃面板成品的表面缺陷检测系统

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110146112A (zh) * 2019-05-23 2019-08-20 北京信息科技大学 一种二维相敏解调方法及装置
CN110596120A (zh) * 2019-09-06 2019-12-20 深圳新视智科技术有限公司 玻璃边界缺陷检测方法、装置、终端及存储介质
CN110674754A (zh) * 2019-09-25 2020-01-10 武汉易视维科技有限公司 一种在线间歇中空滤棒视觉缺陷检测识别系统
CN110717899A (zh) * 2019-09-25 2020-01-21 武汉易视维科技有限公司 一种透明滤棒爆珠缺陷在线视觉检测方法
CN110907473A (zh) * 2019-11-29 2020-03-24 上海科世达-华阳汽车电器有限公司 光伏组件的检修方法、装置、设备以及存储介质
CN111353976A (zh) * 2020-02-25 2020-06-30 南京大学 一种基于卷积神经网络的沙粒目标检测方法
CN113578778A (zh) * 2021-07-27 2021-11-02 福建工程学院 利用轮廓特征和色彩特征检测汽车玻璃混线的方法及系统
CN114235847A (zh) * 2021-12-20 2022-03-25 深圳市尊绅投资有限公司 一种液晶面板玻璃基板表面缺陷检测装置及检测方法
CN115049657A (zh) * 2022-08-15 2022-09-13 启东晶尧光电科技有限公司 一种玻璃缺陷检测方法
CN115393359A (zh) * 2022-10-28 2022-11-25 菲特（天津）检测技术有限公司 一种镜片表面缺陷检测用的图像处理方法及系统
CN117517348A (zh) * 2023-11-14 2024-02-06 四川领先微晶玻璃有限公司 基于微晶玻璃面板成品的表面缺陷检测系统

Similar Documents

Publication Publication Date Title
CN109668909A (zh) 一种玻璃缺陷检测方法
CN110389127B (zh) 一种金属陶瓷零件识别及表面缺陷检测系统和方法
CN106056118B (zh) 一种用于细胞的识别计数方法
CN104794491B (zh) 基于预分类的模糊聚类钢板表面缺陷检测方法
Sahu et al. Defect identification and maturity detection of mango fruits using image analysis
CN108169236A (zh) 一种基于视觉的金属表面缺陷检测方法
CN106290392A (zh) 一种小微轴承表面凹痕缺陷在线检测方法及其系统
CN103175844A (zh) 一种金属零部件表面划痕缺陷检测方法
CN110403232A (zh) 一种基于二级算法的烟支质量检测方法
CN108665458A (zh) 透明体表面缺陷提取及识别方法
CN106780464A (zh) 一种基于改进阈值分割的织物疵点检测方法
CN109816627B (zh) 平面玻璃元件油墨区弱小缺陷目标检测方法
CN109239073A (zh) 一种用于汽车车身的表面缺陷检测方法
CN108830857A (zh) 一种自适应的汉字碑帖图像二值化分割算法
CN113177924A (zh) 一种工业流水线产品瑕疵检测方法
CN109115775A (zh) 一种基于机器视觉的槟榔等级检测方法
Dominguez-Nicolas et al. Indentation image analysis for Vickers hardness testing
CN109492544B (zh) 一种通过增强光学显微镜对动物纤维进行分类的方法
KR101929669B1 (ko) 엔트로피를 이용하여 이미지를 분석하는 방법 및 장치
CN108154116A (zh) 一种图像识别方法及系统
Lin et al. Defect detection system for optical element surface based on machine vision
Chen et al. Robust dislocation defects region segmentation for polysilicon wafer image with random texture background
Junxiong et al. Feature extraction of jujube fruit wrinkle based on the watershed segmentation
CN116228659A (zh) 一种ems小车漏油的视觉检测方法
CN114742823A (zh) 一种物体表面划痕智能检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190423

WD01 Invention patent application deemed withdrawn after publication