CN117783155A - 一种基于机器视觉的玻璃仪器缺陷检测系统及方法 - Google Patents
一种基于机器视觉的玻璃仪器缺陷检测系统及方法 Download PDFInfo
- Publication number
- CN117783155A CN117783155A CN202410199698.8A CN202410199698A CN117783155A CN 117783155 A CN117783155 A CN 117783155A CN 202410199698 A CN202410199698 A CN 202410199698A CN 117783155 A CN117783155 A CN 117783155A
- Authority
- CN
- China
- Prior art keywords
- defect
- glass product
- light
- area
- glass
- 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.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 372
- 239000011521 glass Substances 0.000 title claims abstract description 332
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 230000005540 biological transmission Effects 0.000 claims abstract description 88
- 230000002159 abnormal effect Effects 0.000 claims abstract description 70
- 239000011159 matrix material Substances 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 38
- 238000007493 shaping process Methods 0.000 claims abstract description 18
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000011897 real-time detection Methods 0.000 claims abstract description 4
- 230000002950 deficient Effects 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000005286 illumination Methods 0.000 claims description 23
- 238000010276 construction Methods 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 230000002787 reinforcement Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Abstract
本发明公开了一种基于机器视觉的玻璃仪器缺陷检测系统及方法，属于机器视觉技术领域。本发明包括数据采集模块、缺陷定位模块、缺陷定型模块和产品反馈模块；所述数据采集模块通过发光源、采光设备和图像采集设备对玻璃制品的光反射数据、光透射数据和透光图像数据进行采集；所述缺陷定位模块通过对光反射和光透射数据对玻璃制品进行全区域的异常综合分析，确定缺陷区域位置；所述缺陷定型模块对玻璃制品的图像数据进行预处理，将缺陷区域进行映射并构建坐标系，确定缺陷区域的坐标位置矩阵；构建缺陷识别大模型对玻璃制品的缺陷类型进行判断；所述产品反馈模块对玻璃制品的实时检测情况进行报告反馈，并对存在缺陷的玻璃制品进行声光提示。
Description
技术领域
本发明涉及机器视觉技术领域，具体为一种基于机器视觉的玻璃仪器缺陷检测系统及方法。
背景技术
机器视觉是指通过计算机和相应的软件算法，使计算机能够模仿人眼对图像或视频进行感知、理解和处理的能力；机器视觉技术广泛应用于图像识别、目标检测与跟踪、图像分割、人脸识别、图像重建等领域；通过机器视觉，计算机可以对图像或视频进行分析，并从中提取出有用的信息，进而实现自动化的控制、识别和判断等功能；
近年来，随着玻璃成为日常生活、生产和科学技术领域的重要材料，对于玻璃的质量要求也越来越高，而玻璃在生产过程中难免会受到各种因素产生各种各样的缺陷，而这些包含缺陷的玻璃需要进行检测剔除，常规的检测手段为人工检测；但随着玻璃的尺寸向超薄和大尺寸的方向发展，玻璃缺陷对于人眼的观察任务压力也逐渐增大，给人工检测带来很大的困难，于是机器代替人工对玻璃的观察，由机器采集缺陷图像再由人工判断类型；但随着市场需求的不断增长，对产品的数量增加的同时质量的要求也相应提高，因此，这种工作模式逐渐无法满足市场需求，因此，急需一种能够自动化智能判别玻璃制品缺陷的系统。
发明内容
本发明的目的在于提供一种基于机器视觉的玻璃仪器缺陷检测系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：
一种基于机器视觉的玻璃仪器缺陷检测方法，该方法包括以下步骤：
S100、在玻璃制品的下方装置可发射光束的发光源，并在玻璃制品上方装置采光设备和图像采集设备和在玻璃制品的下方装置采光设备，通过发光源对玻璃制品进行光线照射并通过采光设备对反射光线和透射光线进行采集，通过图像设备对玻璃制品的透光图像进行采集；
S200、利用发光设备对玻璃制品进行光透射和光反射检测，通过分析玻璃制品的光学透射情况和反射情况，并对玻璃制品的区域光学强度检测分析玻璃制品的区域缺陷异常值，对区域异常值进行补正筛选，对处理后的区域异常值结合效用评估进行异常分类；
S300、对玻璃制品的图像数据进行坐标映射构建，在图像数据中对玻璃制品进行子像素区域划分，根据区域缺陷异常值确定图像数据中的缺陷坐标矩阵，并构建缺陷识别大模型对当前坐标矩阵的玻璃缺陷类型进行识别分析；
S400、对存在缺陷的玻璃制品通过警报器装置对缺陷坐标和缺陷类型进行声光显示。
所述S100中在玻璃制品的下方装置可发射光束的发光设备，并在玻璃制品上方装置采光设备和图像采集设备和在玻璃制品的下方装置采光设备，通过发光设备对玻璃制品进行光线实验并通过采光设备对反射光线和透射光线进行采集，通过图像设备对玻璃制品的透光图像进行采集的具体步骤如下：
S101、在对玻璃制品进行缺陷检测时，通过固定装置将玻璃制品固定在检测位置，在固定位置下方装置有发光源；所述发光源为LED阵列灯；在玻璃制品的正上方装置有采光设备和图像采集设备，在玻璃制品下方装置有采光装置；所述采光装置为光强度传感器；所述图像采集设备为高精度相机；
S102、利用发光源对玻璃制品发射一组定时间定强度的光线，利用玻璃制品的上方和下方采光设备对玻璃制品表面的反射光线强度进行采集和透过玻璃制品的透射光线强度进行采集；通过图像采集设备对光照下的玻璃制品的图像数据进行采集。
所述S200中利用发光设备对玻璃制品进行光透射和光反射检测，通过分析玻璃制品的光学透射情况和反射情况，并对玻璃制品的区域光学强度检测分析玻璃制品的区域缺陷异常值，对区域异常值进行补正筛选，对处理后的区域异常值结合效用评估进行异常分类的具体步骤如下：
S201、利用发光源对玻璃制品进行光照检验，对玻璃制品的反射情况和透射情况进行分析；通过采光设备分别对玻璃制品的全区域反射光强度和透射光强度进行采集；对玻璃制品的表面区域进行等规格感应区域划分，在同样的光照条件下对各感应区域进行光强度采集并分别构建全区域光反射强度集合L1和全区域光透射强度集合L2；通过计算当前标准玻璃制品的泛用反射光强度，其计算公式为/>；其中I为发光源发射光的强度值，r1为光线在空气中的折射率，r2为光线在当前玻璃制品中的折射率；以泛用反射光强度为参照值，对当前玻璃制品的全区域反射光强度集合做差异分析，计算各感应区域的反射异常值s，其计算公式为/>；其中/>对集合中对应感应区域的反射光强度值，q为集合L1中的元素；根据各感应区域反射异常值构建对应反射异常区间S；
S202、通过计算当前标准玻璃制品的泛用透射光强度，其计算公式为；其中R为当前玻璃制品的表面光照反射率，a为当前玻璃制品的光照吸收率；以泛用透射光强度为参照值，对当前玻璃制品的全区域透射光强度集合做差异分析，计算各感应区域的透射异常值z，其计算公式为/>；其中/>为集合中对应感应区域的透射光强度值，p为集合L2中的元素；根据各感应区域透射异常值构建对应透射异常区间Z；
S203、结合各感应区域的玻璃制品的表面反射光异常值和玻璃制品本身的透光异常值对当前玻璃制品对应区域的进行缺陷整合异常值f进行计算，其计算公式为；其中/>为缺陷补正值；在玻璃制品生产中存在各种因素会对光检测结果产生影响，这些因素会放大反射检测和透射检测的误差结果，因此通过引入补正值用来减小这些误差的影响；根据当前玻璃制品的综合效用评估，通过系统给出缺陷阈值f0；通过阈值对各区域的整合异常值进行筛选，将其中/>的区域，定义为无实质影响区域；将/>的区域，定义为实质影响区域；根据系统评估玻璃制品的用途确定其缺陷影响的上限，将小于上限的区域认为对玻璃制品的实际用途不产生影响，将大于上限的区域认为缺陷程度过大，对实际用途产生严重影响。
所述S300中对玻璃制品的图像数据进行坐标映射构建，在图像数据中对玻璃制品进行子像素区域划分，根据区域缺陷异常值确定图像数据中的缺陷坐标矩阵，并构建缺陷识别大模型对当前坐标矩阵的玻璃缺陷类型进行识别分析的具体步骤如下：
S301、通过图像采集设备对光透射玻璃制品产生的图像数据进行全区域采集；以图像中心点为基点构建图像坐标系统，将光学检测实质影响缺陷异常区域在图像数据中进行投影映射；
S302、在构建的图像坐标系统中，以当前图像采集设备的最小分辨范围作为单位子区域像素范围；其中n为最小分辨范围的边长；则将映射后的玻璃制品的实质影响缺陷区域进行坐标位置确定，利用单位子区域像素范围对缺陷区域进行叠加，直至将缺陷区域完全覆盖，则对应的缺陷位置矩阵为/>，其中e1，e2，e3，e4为缺陷位置矩阵的左上，右上，左下，右下位置点坐标；此处，利用单位子区域像素范围对缺陷区域进行叠加覆盖需保证各覆盖所用单位子区域像素范围中存在缺陷部分，对于不存在缺陷部分的覆盖范围则为无效覆盖区域，需进行剔除；
S303、通过构建缺陷大模型对确定的缺陷位置矩阵处缺陷类型进行识别，则模型构建步骤如下：
S303-1、对获取的缺陷位置矩阵中的图像数据进行截取，并进行灰度化获取各像素点的灰度值j，将矩阵内部各像素点的灰度值进行分布图统计，根据灰度分布图获取数量峰值的两个灰度值j1，j2；将j1与j2进行灰度值大小比较，以其中较小值为阈值j0；将图像中各像素点灰度值处的像素点进行二值化处理，则处理后的对应像素点处的灰度值为j(0)；将图像中各像素点灰度值/>处的像素点进行二值化处理，则处理后的对应像素点处的灰度值为j(255)；通过二值化处理后获取缺陷区域的缺陷轮廓图；其中，对j1，j2以灰度值较小的为二值化阈值，是由于存在缺陷的区域，其光线的轨迹会受到影响，因此在图像上该区域的亮度较低，因此灰度化后，对应的灰度值也会小；
S303-2、根据缺陷轮廓图，以任一点坐标为缺陷轮廓图上的空间延伸点，若满足/>，则判断当前缺陷轮廓特征符合一级F1型缺陷特征；若满足/>或/>则判断当前缺陷轮廓特征符合一级F2型缺陷特征；若满足/>，则判断当前缺陷轮廓特征符合一级F3型缺陷特征；此处，/>表示坐标计算同时满足括号中的两个算式，才认为特征符合；通过缺陷轮廓图上的坐标点与相邻坐标点的差与单位子区域像素范围边长进行比较，可以初步获取当前缺陷区域的空间分布情况，并做出一级缺陷类型判断；
S303-3、通过缺陷轮廓图对缺陷区域的空间覆盖率进行计算，其计算公式为；其中/>缺陷区域的空间覆盖率，/>为缺陷区域占据的空间面积；若，则判断当前缺陷区域符合二级F1型缺陷特征；若/>，则判断当前缺陷区域符合二级F2型缺陷特征；若/>，则判断当前缺陷区域符合二级F3型缺陷特征；其中e为缺陷区域所占据的单位子区域像素范围数量；此处，通过缺陷轮廓图获取缺陷区域的空间占据面积，并将其与单位子区域像素范围占据面积进行空间覆盖率计算，可以进一步获取缺陷区域在空间中的空间占比程度；
S303-4、当缺陷区域同时满足某一缺陷类型的一级与二级特征，则判断当前缺陷类型为对应该类型；若存在交叉类型判断结果，则以第一特征所对应的缺陷类型进行系统推荐判断，并将当前缺陷区域进行强化标记提示管理人员进行人工判断。
所述S400中对存在缺陷的玻璃制品通过警报器装置对缺陷坐标和缺陷类型进行声光显示的具体步骤如下：
S401、若系统检测出当前玻璃制品存在实质影响缺陷，则将当前玻璃制品分类为缺陷品，并通过显示器对当前玻璃制品的详细信息进行综合报告显示；所述综合报告包括玻璃制品的生产信息、材料信息、缺陷位置矩阵信息和缺陷类型信息；
S402、在系统检测并分类出缺陷玻璃制品后，通过播音器对技术人员进行提示。
一种基于机器视觉的玻璃仪器缺陷检测系统，所述系统包括数据采集模块、缺陷定位模块、缺陷定型模块和产品反馈模块；
所述数据采集模块通过生产检测区域装置的发光源、采光设备和图像采集设备对监测区域的玻璃制品的表面光反射数据、本体光透射数据和透光图像数据进行采集；所述缺陷定位模块通过采集的玻璃制品的表面光反射数据和本体光透射数据，依照标准玻璃的泛用光反射数据和透射数据进行当前玻璃制品的全区域光反射和透射异常分析，并结合综合补正分析全区域的异常区域，通过限制分类确定缺陷区域位置；所述缺陷定型模块对采集的玻璃制品的图像数据进行图像预处理，将玻璃制品的实质影响缺陷区域通过映射到图像数据中并构建标准坐标系，确定缺陷区域的坐标位置矩阵；通过构建缺陷识别大模型用于对玻璃制品的缺陷类型进行判断；所述产品反馈模块用于对玻璃制品的实时检测情况进行数据报告反馈，并对存在缺陷的玻璃制品进行声光提示；
所述数据采集模块连接于缺陷定位模块；所述缺陷定位模块连接于缺陷定型模块；所述缺陷定型模块连接于产品反馈模块。
所述数据采集模块包括光数据采集单元和图像数据采集单元；所述光数据采集单元在对玻璃制品进行缺陷检测时，通过发光源对玻璃制品发射一组定时间定强度的光线，制品的上方和下方采光设备对玻璃制品表面的反射光线强度进行采集和透过玻璃制品的透射光线强度进行采集；所述图像数据采集单元通过图像采集设备对光照下的玻璃制品的图像设备进行图像数据采集。
所述缺陷定位模块包括光反射异常分析单元、光透射异常分析单元和缺陷区域定位单元；所述光反射异常分析单元对玻璃制品的表面区域进行等规格感应区域划分在同样的光照条件下对各感应区域进行光强度采集并构建全区域光反射强度集合，通过计算当前标准玻璃制品的泛用反射光强度，以泛用反射光强度为参照值，对当前玻璃制品的全区域反射光强度集合做差异分析，计算各感应区域的反射异常值；所述光透射异常分析单元对各感应区域进行光强度采集并构建全区域光反射强度集合，通过计算当前标准玻璃制品的泛用透射光强度，以泛用透射光强度为参照值，对当前玻璃制品的全区域透射光强度集合做差异分析，计算各感应区域的透射异常值；所述缺陷区域定位单元结合各感应区域的玻璃制品的表面反射光异常值和玻璃制品本身的透光异常值对当前玻璃制品对应区域的进行缺陷整合异常值，通过引入补正参数减小误差，并根据当前玻璃制品的综合效用评估，通过系统给出缺陷阈值，通过阈值对各区域的整合异常值进行筛选。
所述缺陷定型模块包括缺陷轮廓图获取单元、缺陷识别模型构建单元和缺陷类型判断单元；所述缺陷轮廓图获取单元通过对玻璃制品的图像数据进行图像预处理并通过映射实际玻璃制品的缺陷区域数据构建图像坐标系统，以当前图像采集设备的最小分辨范围作为单位子区域像素范围，对映射后的玻璃制品的实质影响缺陷区域进行坐标位置确定，利用单位子区域像素范围对缺陷区域进行叠加，获取缺陷区域对应的缺陷位置矩阵和缺陷轮廓图；所述缺陷识别模型构建单元根据处理后的图像数据和缺陷轮廓数据进行综合缺陷分析并构建对应缺陷识别大模型；所述缺陷类型判断单元通过缺陷识别大模型对实际玻璃制品的缺陷类型进行综合判断分析。
所述产品反馈模块包括产品信息综合反馈单元和缺陷产品提示单元；所述产品信息综合反馈单元在系统检测出当前玻璃制品存在实质影响缺陷，则将当前玻璃制品分类为缺陷品，并通过显示器对当前玻璃制品的详细信息进行综合报告显示；所述综合报告包括玻璃制品的生产信息、材料信息、缺陷位置矩阵信息和缺陷类型信息；所述缺陷产品提示单元在系统检测并分类出缺陷玻璃制品后，通过播音器对技术人员进行提示。
与现有技术相比，本发明所达到的有益效果是：本发明结合多模块综合作用实现了在玻璃制品的检测过程中的数据采集、数据处理、缺陷定位、缺陷定型和产品反馈功能；通过利用玻璃制品的光反射和透射数据进行玻璃制品全区域进行等规格划区域综合分析异常情况，并结合玻璃制品本身的实际效用对缺陷情况进行限定，精准定位了影响玻璃制品用途的实际影响缺陷区域，而对于不影响用途的微小缺陷则进行保留，这种做法可以大大提高玻璃制品的出厂量，在不影响玻璃制品本身的效用的同时能够最大程度的保证合格率；其次，通过分析玻璃制品的图像数据并构建识别模型，通过综合分析缺陷区域的空间分布情况和覆盖情况对缺陷类型进行精确判断的同时，也对模糊缺陷给出推荐类型用于辅助技术人员进行进一步判断；本发明提供了一种能够自动分析自动定位自动分类的玻璃制品缺陷检测系统，能够在解放人工生产力的同时对玻璃缺陷进行多类型精准定位判断，实现了玻璃缺陷检测的自动化和智能化。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于机器视觉的玻璃仪器缺陷检测系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：
一种基于机器视觉的玻璃仪器缺陷检测方法，该方法包括以下步骤：
S100、在玻璃制品的下方装置可发射光束的发光源，并在玻璃制品上方装置采光设备和图像采集设备和在玻璃制品的下方装置采光设备，通过发光源对玻璃制品进行光线照射并通过采光设备对反射光线和透射光线进行采集，通过图像设备对玻璃制品的透光图像进行采集；
S200、利用发光设备对玻璃制品进行光透射和光反射检测，通过分析玻璃制品的光学透射情况和反射情况，并对玻璃制品的区域光学强度检测分析玻璃制品的区域缺陷异常值，对区域异常值进行补正筛选，对处理后的区域异常值结合效用评估进行异常分类；
S300、对玻璃制品的图像数据进行坐标映射构建，在图像数据中对玻璃制品进行子像素区域划分，根据区域缺陷异常值确定图像数据中的缺陷坐标矩阵，并构建缺陷识别大模型对当前坐标矩阵的玻璃缺陷类型进行识别分析；
S400、对存在缺陷的玻璃制品通过警报器装置对缺陷坐标和缺陷类型进行声光显示。
器装置对缺陷坐标和缺陷类型进行声光显示。
所述S100中在玻璃制品的下方装置可发射光束的发光设备，并在玻璃制品上方装置采光设备和图像采集设备和在玻璃制品的下方装置采光设备，通过发光设备对玻璃制品进行光线实验并通过采光设备对反射光线和透射光线进行采集，通过图像设备对玻璃制品的透光图像进行采集的具体步骤如下：
S101、在对玻璃制品进行缺陷检测时，通过固定装置将玻璃制品固定在检测位置，在固定位置下方装置有发光源；所述发光源为LED阵列灯；在玻璃制品的正上方装置有采光设备和图像采集设备，在玻璃制品下方装置有采光装置；所述采光装置为光强度传感器；所述图像采集设备为高精度相机；
S102、利用发光源对玻璃制品发射一组定时间定强度的光线，利用玻璃制品的上方和下方采光设备对玻璃制品表面的反射光线强度进行采集和透过玻璃制品的透射光线强度进行采集；通过图像采集设备对光照下的玻璃制品的图像数据进行采集。
所述S200中利用发光设备对玻璃制品进行光透射和光反射检测，通过分析玻璃制品的光学透射情况和反射情况，并对玻璃制品的区域光学强度检测分析玻璃制品的区域缺陷异常值，对区域异常值进行补正筛选，对处理后的区域异常值结合效用评估进行异常分类的具体步骤如下：
S201、利用发光源对玻璃制品进行光照检验，对玻璃制品的反射情况和透射情况进行分析；通过采光设备分别对玻璃制品的全区域反射光强度和透射光强度进行采集；对玻璃制品的表面区域进行等规格感应区域划分，在同样的光照条件下对各感应区域进行光强度采集并分别构建全区域光反射强度集合L1和全区域光透射强度集合L2；通过计算当前标准玻璃制品的泛用反射光强度，其计算公式为/>；其中I为发光源发射光的强度值，r1为光线在空气中的折射率，r2为光线在当前玻璃制品中的折射率；以泛用反射光强度为参照值，对当前玻璃制品的全区域反射光强度集合做差异分析，计算各感应区域的反射异常值s，其计算公式为/>；其中/>对集合中对应感应区域的反射光强度值，q为集合L1中的元素；根据各感应区域反射异常值构建对应反射异常区间S；
S202、通过计算当前标准玻璃制品的泛用透射光强度，其计算公式为；其中R为当前玻璃制品的表面光照反射率，a为当前玻璃制品的光照吸收率；以泛用透射光强度为参照值，对当前玻璃制品的全区域透射光强度集合做差异分析，计算各感应区域的透射异常值z，其计算公式为/>；其中/>为集合中对应感应区域的透射光强度值，p为集合L2中的元素；根据各感应区域透射异常值构建对应透射异常区间Z；
S203、结合各感应区域的玻璃制品的表面反射光异常值和玻璃制品本身的透光异常值对当前玻璃制品对应区域的进行缺陷整合异常值f进行计算，其计算公式为；其中/>为缺陷补正值；根据当前玻璃制品的综合效用评估，通过系统给出缺陷阈值f0；通过阈值对各区域的整合异常值进行筛选，将其中/>的区域，定义为无实质影响区域；将/>的区域，定义为实质影响区域。
所述S300中对玻璃制品的图像数据进行坐标映射构建，在图像数据中对玻璃制品进行子像素区域划分，根据区域缺陷异常值确定图像数据中的缺陷坐标矩阵，并构建缺陷识别大模型对当前坐标矩阵的玻璃缺陷类型进行识别分析的具体步骤如下：
S301、通过图像采集设备对光透射玻璃制品产生的图像数据进行全区域采集；以图像中心点为基点构建图像坐标系统，将光学检测实质影响缺陷异常区域在图像数据中进行投影映射；
S302、在构建的图像坐标系统中，以当前图像采集设备的最小分辨范围作为单位子区域像素范围；其中n为最小分辨范围的边长；则将映射后的玻璃制品的实质影响缺陷区域进行坐标位置确定，利用单位子区域像素范围对缺陷区域进行叠加，直至将缺陷区域完全覆盖，则对应的缺陷位置矩阵为/>，其中e1，e2，e3，e4为缺陷位置矩阵的左上，右上，左下，右下位置点坐标；
S303、通过构建缺陷大模型对确定的缺陷位置矩阵处缺陷类型进行识别，则模型构建步骤如下：
S303-1、对获取的缺陷位置矩阵中的图像数据进行截取，并进行灰度化获取各像素点的灰度值j，将矩阵内部各像素点的灰度值进行分布图统计，根据灰度分布图获取数量峰值的两个灰度值j1，j2；将j1与j2进行灰度值大小比较，以其中较小值为阈值j0；将图像中各像素点灰度值处的像素点进行二值化处理，则处理后的对应像素点处的灰度值为j(0)；将图像中各像素点灰度值/>处的像素点进行二值化处理，则处理后的对应像素点处的灰度值为j(255)；通过二值化处理后获取缺陷区域的缺陷轮廓图；
S303-2、根据缺陷轮廓图，以任一点坐标为缺陷轮廓图上的空间延伸点，若满足/>，则判断当前缺陷轮廓特征符合一级F1型缺陷特征；若满足/>或/>则判断当前缺陷轮廓特征符合一级F2型缺陷特征；若满足/>，则判断当前缺陷轮廓特征符合一级F3型缺陷特征；
S303-3、通过缺陷轮廓图对缺陷区域的空间覆盖率进行计算，其计算公式为；其中/>缺陷区域的空间覆盖率，/>为缺陷区域占据的空间面积；若，则判断当前缺陷区域符合二级F1型缺陷特征；若/>，则判断当前缺陷区域符合二级F2型缺陷特征；若/>，则判断当前缺陷区域符合二级F3型缺陷特征；其中e为缺陷区域所占据的单位子区域像素范围数量；
S303-4、当缺陷区域同时满足某一缺陷类型的一级与二级特征，则判断当前缺陷类型为对应该类型；若存在交叉类型判断结果，则以第一特征所对应的缺陷类型进行系统推荐判断，并将当前缺陷区域进行强化标记提示管理人员进行人工判断。
所述S400中对存在缺陷的玻璃制品通过警报器装置对缺陷坐标和缺陷类型进行声光显示的具体步骤如下：
S401、若系统检测出当前玻璃制品存在实质影响缺陷，则将当前玻璃制品分类为缺陷品，并通过显示器对当前玻璃制品的详细信息进行综合报告显示；所述综合报告包括玻璃制品的生产信息、材料信息、缺陷位置矩阵信息和缺陷类型信息；
S402、在系统检测并分类出缺陷玻璃制品后，通过播音器对技术人员进行提示。
一种基于机器视觉的玻璃仪器缺陷检测系统，所述系统包括数据采集模块、缺陷定位模块、缺陷定型模块和产品反馈模块；
所述数据采集模块通过生产检测区域装置的发光源、采光设备和图像采集设备对监测区域的玻璃制品的表面光反射数据、本体光透射数据和透光图像数据进行采集；所述缺陷定位模块通过采集的玻璃制品的表面光反射数据和本体光透射数据，依照标准玻璃的泛用光反射数据和透射数据进行当前玻璃制品的全区域光反射和透射异常分析，并结合综合补正分析全区域的异常区域，通过限制分类确定缺陷区域位置；所述缺陷定型模块对采集的玻璃制品的图像数据进行图像预处理，将玻璃制品的实质影响缺陷区域通过映射到图像数据中并构建标准坐标系，确定缺陷区域的坐标位置矩阵；通过构建缺陷识别大模型用于对玻璃制品的缺陷类型进行判断；所述产品反馈模块用于对玻璃制品的实时检测情况进行数据报告反馈，并对存在缺陷的玻璃制品进行声光提示；
所述数据采集模块连接于缺陷定位模块；所述缺陷定位模块连接于缺陷定型模块；所述缺陷定型模块连接于产品反馈模块。
所述数据采集模块包括光数据采集单元和图像数据采集单元；所述光数据采集单元在对玻璃制品进行缺陷检测时，通过发光源对玻璃制品发射一组定时间定强度的光线，制品的上方和下方采光设备对玻璃制品表面的反射光线强度进行采集和透过玻璃制品的透射光线强度进行采集；所述图像数据采集单元通过图像采集设备对光照下的玻璃制品的图像设备进行图像数据采集。
所述缺陷定位模块包括光反射异常分析单元、光透射异常分析单元和缺陷区域定位单元；所述光反射异常分析单元对玻璃制品的表面区域进行等规格感应区域划分在同样的光照条件下对各感应区域进行光强度采集并构建全区域光反射强度集合，通过计算当前标准玻璃制品的泛用反射光强度，以泛用反射光强度为参照值，对当前玻璃制品的全区域反射光强度集合做差异分析，计算各感应区域的反射异常值；所述光透射异常分析单元对各感应区域进行光强度采集并构建全区域光反射强度集合，通过计算当前标准玻璃制品的泛用透射光强度，以泛用透射光强度为参照值，对当前玻璃制品的全区域透射光强度集合做差异分析，计算各感应区域的透射异常值；所述缺陷区域定位单元结合各感应区域的玻璃制品的表面反射光异常值和玻璃制品本身的透光异常值对当前玻璃制品对应区域的进行缺陷整合异常值，通过引入补正参数减小误差，并根据当前玻璃制品的综合效用评估，通过系统给出缺陷阈值，通过阈值对各区域的整合异常值进行筛选。
所述缺陷定型模块包括缺陷轮廓图获取单元、缺陷识别模型构建单元和缺陷类型判断单元；所述缺陷轮廓图获取单元通过对玻璃制品的图像数据进行图像预处理并通过映射实际玻璃制品的缺陷区域数据构建图像坐标系统，以当前图像采集设备的最小分辨范围作为单位子区域像素范围，对映射后的玻璃制品的实质影响缺陷区域进行坐标位置确定，利用单位子区域像素范围对缺陷区域进行叠加，获取缺陷区域对应的缺陷位置矩阵和缺陷轮廓图；所述缺陷识别模型构建单元根据处理后的图像数据和缺陷轮廓数据进行综合缺陷分析并构建对应缺陷识别大模型；所述缺陷类型判断单元通过缺陷识别大模型对实际玻璃制品的缺陷类型进行综合判断分析。
所述产品反馈模块包括产品信息综合反馈单元和缺陷产品提示单元；所述产品信息综合反馈单元在系统检测出当前玻璃制品存在实质影响缺陷，则将当前玻璃制品分类为缺陷品，并通过显示器对当前玻璃制品的详细信息进行综合报告显示；所述综合报告包括玻璃制品的生产信息、材料信息、缺陷位置矩阵信息和缺陷类型信息；所述缺陷产品提示单元在系统检测并分类出缺陷玻璃制品后，通过播音器对技术人员进行提示；
在实施例中：
现有一玻璃制品的缺陷检测生产线上应用了本申请的玻璃制品缺陷检测系统；其在检测区域有玻璃固定装置，在固定位置下方装置有LED阵列灯，在玻璃制品的正上方装置有光强度传感器和高精度相机，在玻璃制品下方装置有光强度传感器；利用LED阵列灯对玻璃制品发射一组定时间定强度的光线，利用光强度传感器对玻璃制品表面的反射光线强度进行采集和透过玻璃制品的透射光线强度进行采集，通过高精度相机对光照下的玻璃制品的图像数据进行采集；
玻璃制品的表面区域进行等规格感应区域划分，在同样的光照条件下对各感应区域进行光强度采集并分别构建全区域光反射强度集合L1和全区域光透射强度集合L2，通过计算当前标准玻璃制品的泛用反射光强度，其计算公式为/>；以泛用反射光强度为参照值，对当前玻璃制品的全区域反射光强度集合做差异分析，计算各感应区域的反射异常值s，其计算公式为/>；通过计算当前标准玻璃制品的泛用透射光强度/>，其计算公式为/>；以泛用透射光强度为参照值，对当前玻璃制品的全区域透射光强度集合做差异分析，计算各感应区域的透射异常值z，其计算公式为/>；结合各感应区域的玻璃制品的表面反射光异常值和玻璃制品本身的透光异常值对当前玻璃制品对应区域的进行缺陷整合异常值f进行计算，其计算公式为/>；其中/>为缺陷补正值；根据当前玻璃制品的综合效用评估，通过系统给出缺陷阈值f0；如某区域反射异常值为0.02，透射异常值为0.02，则该区域整合异常值为0.05；其中缺陷补正值为0.01；则系统给出缺陷阈值为0.1；由于该区域整合异常值小于阈值，则该区域缺陷不影响玻璃制品实际应用，则该区域为无实质影响区域；
通过图像数据处理和识别模型判断，以当前图像采集设备的最小分辨范围作为单位子区域像素范围；经过二值化处理后，利用单位子区域像素范围对缺陷区域进行叠加，直至将缺陷区域完全覆盖，则对应的缺陷位置矩阵为/>；通过处理后获得缺陷区域的缺陷轮廓图，以任一点坐标/>为缺陷轮廓图上的空间延伸点，当前玻璃制品某一缺陷区域满足/>，则判断当前缺陷轮廓特征符合一级点型缺陷特征，通过缺陷轮廓图对缺陷区域的空间覆盖率进行计算，其计算公式为，计算当前区域空间覆盖率/>，则判断当前缺陷区域符合二级点型缺陷特征；则判断当前缺陷类型为点类型缺陷；
系统检测出当前玻璃制品存在实质影响缺陷，将当前玻璃制品分类为缺陷品，并通过显示器对当前玻璃制品的详细信息进行综合报告显示，将当前玻璃制品的缺陷区域位置矩阵信息和缺陷类型信息进行显示和播音器对技术人员进行提示。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于机器视觉的玻璃仪器缺陷检测方法，其特征在于：该方法包括以下步骤：
S100、在玻璃制品的下方装置可发射光束的发光源，并在玻璃制品上方装置采光设备和图像采集设备和在玻璃制品的下方装置采光设备，通过发光源对玻璃制品进行光线照射并通过采光设备对反射光线和透射光线进行采集，通过图像设备对玻璃制品的透光图像进行采集；
S200、利用发光设备对玻璃制品进行光透射和光反射检测，通过分析玻璃制品的光学透射情况和反射情况，并对玻璃制品的区域光学强度检测分析玻璃制品的区域缺陷异常值，对区域异常值进行补正筛选，对处理后的区域异常值结合效用评估进行异常分类；
S300、对玻璃制品的图像数据进行坐标映射构建，在图像数据中对玻璃制品进行子像素区域划分，根据区域缺陷异常值确定图像数据中的缺陷坐标矩阵，并构建缺陷识别大模型对当前坐标矩阵的玻璃缺陷类型进行识别分析；
S400、对存在缺陷的玻璃制品通过警报器装置对缺陷坐标和缺陷类型进行声光显示。
2.根据权利要求1所述的一种基于机器视觉的玻璃仪器缺陷检测方法，其特征在于：所述S100中在玻璃制品的下方装置可发射光束的发光设备，并在玻璃制品上方装置采光设备和图像采集设备和在玻璃制品的下方装置采光设备，通过发光设备对玻璃制品进行光线实验并通过采光设备对反射光线和透射光线进行采集，通过图像设备对玻璃制品的透光图像进行采集的具体步骤如下：
S101、在对玻璃制品进行缺陷检测时，通过固定装置将玻璃制品固定在检测位置，在固定位置下方装置有发光源；所述发光源为LED阵列灯；在玻璃制品的正上方装置有采光设备和图像采集设备，在玻璃制品下方装置有采光装置；所述采光装置为光强度传感器；所述图像采集设备为高精度相机；
S102、利用发光源对玻璃制品发射一组定时间定强度的光线，利用玻璃制品的上方和下方采光设备对玻璃制品表面的反射光线强度进行采集和透过玻璃制品的透射光线强度进行采集；通过图像采集设备对光照下的玻璃制品的图像数据进行采集。
3.根据权利要求2所述的一种基于机器视觉的玻璃仪器缺陷检测，其特征在于：所述S200中利用发光设备对玻璃制品进行光透射和光反射检测，通过分析玻璃制品的光学透射情况和反射情况，并对玻璃制品的区域光学强度检测分析玻璃制品的区域缺陷异常值，对区域异常值进行补正筛选，对处理后的区域异常值结合效用评估进行异常分类的具体步骤如下：
S201、利用发光源对玻璃制品进行光照检验，对玻璃制品的反射情况和透射情况进行分析；通过采光设备分别对玻璃制品的全区域反射光强度和透射光强度进行采集；对玻璃制品的表面区域进行等规格感应区域划分，在同样的光照条件下对各感应区域进行光强度采集并分别构建全区域光反射强度集合L1和全区域光透射强度集合L2；通过计算当前标准玻璃制品的泛用反射光强度，其计算公式为/>；其中I为发光源发射光的强度值，r1为光线在空气中的折射率，r2为光线在当前玻璃制品中的折射率；以泛用反射光强度为参照值，对当前玻璃制品的全区域反射光强度集合做差异分析，计算各感应区域的反射异常值s，其计算公式为/>；其中/>对集合中对应感应区域的反射光强度值，q为集合L1中的元素；根据各感应区域反射异常值构建对应反射异常区间S；
S202、通过计算当前标准玻璃制品的泛用透射光强度，其计算公式为；其中R为当前玻璃制品的表面光照反射率，a为当前玻璃制品的光照吸收率；以泛用透射光强度为参照值，对当前玻璃制品的全区域透射光强度集合做差异分析，计算各感应区域的透射异常值z，其计算公式为/>；其中/>为集合中对应感应区域的透射光强度值，p为集合L2中的元素；根据各感应区域透射异常值构建对应透射异常区间Z；
S203、结合各感应区域的玻璃制品的表面反射光异常值和玻璃制品本身的透光异常值对当前玻璃制品对应区域的进行缺陷整合异常值f进行计算，其计算公式为；其中/>为缺陷补正值；根据当前玻璃制品的综合效用评估，通过系统给出缺陷阈值f0；通过阈值对各区域的整合异常值进行筛选，将其中/>的区域，定义为无实质影响区域；将的区域，定义为实质影响区域。
4.根据权利要求3所述的一种基于机器视觉的玻璃仪器缺陷检测方法，其特征在于：所述S300中对玻璃制品的图像数据进行坐标映射构建，在图像数据中对玻璃制品进行子像素区域划分，根据区域缺陷异常值确定图像数据中的缺陷坐标矩阵，并构建缺陷识别大模型对当前坐标矩阵的玻璃缺陷类型进行识别分析的具体步骤如下：
S301、通过图像采集设备对光透射玻璃制品产生的图像数据进行全区域采集；以图像中心点为基点构建图像坐标系统，将光学检测实质影响缺陷异常区域在图像数据中进行投影映射；
S302、在构建的图像坐标系统中，以当前图像采集设备的最小分辨范围作为单位子区域像素范围；其中n为最小分辨范围的边长；则将映射后的玻璃制品的实质影响缺陷区域进行坐标位置确定，利用单位子区域像素范围对缺陷区域进行叠加，直至将缺陷区域完全覆盖，则对应的缺陷位置矩阵为/>，其中e1，e2，e3，e4为缺陷位置矩阵的左上，右上，左下，右下位置点坐标；
S303、通过构建缺陷大模型对确定的缺陷位置矩阵处缺陷类型进行识别，则模型构建步骤如下：
S303-1、对获取的缺陷位置矩阵中的图像数据进行截取，并进行灰度化获取各像素点的灰度值j，将矩阵内部各像素点的灰度值进行分布图统计，根据灰度分布图获取数量峰值的两个灰度值j1，j2；将j1与j2进行灰度值大小比较，以其中较小值为阈值j0；将图像中各像素点灰度值处的像素点进行二值化处理，则处理后的对应像素点处的灰度值为j(0)；将图像中各像素点灰度值/>处的像素点进行二值化处理，则处理后的对应像素点处的灰度值为j(255)；通过二值化处理后获取缺陷区域的缺陷轮廓图；
S303-2、根据缺陷轮廓图，以任一点坐标为缺陷轮廓图上的空间延伸点，若满足/>，则判断当前缺陷轮廓特征符合一级F1型缺陷特征；若满足或/>则判断当前缺陷轮廓特征符合一级F2型缺陷特征；若满足/>，则判断当前缺陷轮廓特征符合一级F3型缺陷特征；
S303-3、通过缺陷轮廓图对缺陷区域的空间覆盖率进行计算，其计算公式为；其中/>缺陷区域的空间覆盖率，/>为缺陷区域占据的空间面积；若，则判断当前缺陷区域符合二级F1型缺陷特征；若/>，则判断当前缺陷区域符合二级F2型缺陷特征；若/>，则判断当前缺陷区域符合二级F3型缺陷特征；其中e为缺陷区域所占据的单位子区域像素范围数量；
S303-4、当缺陷区域同时满足某一缺陷类型的一级与二级特征，则判断当前缺陷类型为对应该类型；若存在交叉类型判断结果，则以第一特征所对应的缺陷类型进行系统推荐判断，并将当前缺陷区域进行强化标记提示管理人员进行人工判断。
5.根据权利要求4所述的一种基于机器视觉的玻璃仪器缺陷检测方法，其特征在于：所述S400中对存在缺陷的玻璃制品通过警报器装置对缺陷坐标和缺陷类型进行声光显示的具体步骤如下：
S401、若系统检测出当前玻璃制品存在实质影响缺陷，则将当前玻璃制品分类为缺陷品，并通过显示器对当前玻璃制品的详细信息进行综合报告显示；所述综合报告包括玻璃制品的生产信息、材料信息、缺陷位置矩阵信息和缺陷类型信息；
S402、在系统检测并分类出缺陷玻璃制品后，通过播音器对技术人员进行提示。
6.一种基于机器视觉的玻璃仪器缺陷检测系统，其特征在于：所述系统包括数据采集模块、缺陷定位模块、缺陷定型模块和产品反馈模块；
所述数据采集模块通过生产检测区域装置的发光源、采光设备和图像采集设备对监测区域的玻璃制品的表面光反射数据、本体光透射数据和透光图像数据进行采集；所述缺陷定位模块通过采集的玻璃制品的表面光反射数据和本体光透射数据，依照标准玻璃的泛用光反射数据和透射数据进行当前玻璃制品的全区域光反射和透射异常分析，并结合综合补正分析全区域的异常区域，通过限制分类确定缺陷区域位置；所述缺陷定型模块对采集的玻璃制品的图像数据进行图像预处理，将玻璃制品的实质影响缺陷区域通过映射到图像数据中并构建标准坐标系，确定缺陷区域的坐标位置矩阵；通过构建缺陷识别大模型用于对玻璃制品的缺陷类型进行判断；所述产品反馈模块用于对玻璃制品的实时检测情况进行数据报告反馈，并对存在缺陷的玻璃制品进行声光提示；
所述数据采集模块连接于缺陷定位模块；所述缺陷定位模块连接于缺陷定型模块；所述缺陷定型模块连接于产品反馈模块。
7.根据权利要求6所述的一种基于机器视觉的玻璃仪器缺陷检测系统，其特征在于：所述数据采集模块包括光数据采集单元和图像数据采集单元；所述光数据采集单元在对玻璃制品进行缺陷检测时，通过发光源对玻璃制品发射一组定时间定强度的光线，制品的上方和下方采光设备对玻璃制品表面的反射光线强度进行采集和透过玻璃制品的透射光线强度进行采集；所述图像数据采集单元通过图像采集设备对光照下的玻璃制品的图像设备进行图像数据采集。
8.根据权利要求7所述的一种基于机器视觉的玻璃仪器缺陷检测系统，其特征在于：所述缺陷定位模块包括光反射异常分析单元、光透射异常分析单元和缺陷区域定位单元；所述光反射异常分析单元对玻璃制品的表面区域进行等规格感应区域划分在同样的光照条件下对各感应区域进行光强度采集并构建全区域光反射强度集合，通过计算当前标准玻璃制品的泛用反射光强度，以泛用反射光强度为参照值，对当前玻璃制品的全区域反射光强度集合做差异分析，计算各感应区域的反射异常值；所述光透射异常分析单元对各感应区域进行光强度采集并构建全区域光反射强度集合，通过计算当前标准玻璃制品的泛用透射光强度，以泛用透射光强度为参照值，对当前玻璃制品的全区域透射光强度集合做差异分析，计算各感应区域的透射异常值；所述缺陷区域定位单元结合各感应区域的玻璃制品的表面反射光异常值和玻璃制品本身的透光异常值对当前玻璃制品对应区域的进行缺陷整合异常值，通过引入补正参数减小误差，并根据当前玻璃制品的综合效用评估，通过系统给出缺陷阈值，通过阈值对各区域的整合异常值进行筛选。
9.根据权利要求8所述的一种基于机器视觉的玻璃仪器缺陷检测系统，其特征在于：所述缺陷定型模块包括缺陷轮廓图获取单元、缺陷识别模型构建单元和缺陷类型判断单元；所述缺陷轮廓图获取单元通过对玻璃制品的图像数据进行图像预处理并通过映射实际玻璃制品的缺陷区域数据构建图像坐标系统，以当前图像采集设备的最小分辨范围作为单位子区域像素范围，对映射后的玻璃制品的实质影响缺陷区域进行坐标位置确定，利用单位子区域像素范围对缺陷区域进行叠加，获取缺陷区域对应的缺陷位置矩阵和缺陷轮廓图；所述缺陷识别模型构建单元根据处理后的图像数据和缺陷轮廓数据进行综合缺陷分析并构建对应缺陷识别大模型；所述缺陷类型判断单元通过缺陷识别大模型对实际玻璃制品的缺陷类型进行综合判断分析。
10.根据权利要求9所述的一种基于机器视觉的玻璃仪器缺陷检测系统，其特征在于：所述产品反馈模块包括产品信息综合反馈单元和缺陷产品提示单元；所述产品信息综合反馈单元在系统检测出当前玻璃制品存在实质影响缺陷，则将当前玻璃制品分类为缺陷品，并通过显示器对当前玻璃制品的详细信息进行综合报告显示；所述综合报告包括玻璃制品的生产信息、材料信息、缺陷位置矩阵信息和缺陷类型信息；所述缺陷产品提示单元在系统检测并分类出缺陷玻璃制品后，通过播音器对技术人员进行提示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410199698.8A CN117783155B (zh) | 2024-02-23 | 2024-02-23 | 一种基于机器视觉的玻璃仪器缺陷检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410199698.8A CN117783155B (zh) | 2024-02-23 | 2024-02-23 | 一种基于机器视觉的玻璃仪器缺陷检测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117783155A true CN117783155A (zh) | 2024-03-29 |
| CN117783155B CN117783155B (zh) | 2024-04-26 |
Family
ID=90380092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410199698.8A Active CN117783155B (zh) | 2024-02-23 | 2024-02-23 | 一种基于机器视觉的玻璃仪器缺陷检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117783155B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110261410A (zh) * | 2019-05-24 | 2019-09-20 | 西安交通大学 | 一种玻璃透镜缺陷的检测装置及方法 |
| CN110672617A (zh) * | 2019-09-14 | 2020-01-10 | 华南理工大学 | 基于机器视觉的智能手机玻璃盖板丝印区缺陷检测方法 |
| CN112630222A (zh) * | 2020-11-24 | 2021-04-09 | 河海大学常州校区 | 一种基于机器视觉的手机盖板玻璃缺陷检测方法 |
| CN114881915A (zh) * | 2022-02-11 | 2022-08-09 | 西安电子科技大学 | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 |
-
2024
- 2024-02-23 CN CN202410199698.8A patent/CN117783155B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110261410A (zh) * | 2019-05-24 | 2019-09-20 | 西安交通大学 | 一种玻璃透镜缺陷的检测装置及方法 |
| CN110672617A (zh) * | 2019-09-14 | 2020-01-10 | 华南理工大学 | 基于机器视觉的智能手机玻璃盖板丝印区缺陷检测方法 |
| CN112630222A (zh) * | 2020-11-24 | 2021-04-09 | 河海大学常州校区 | 一种基于机器视觉的手机盖板玻璃缺陷检测方法 |
| CN114881915A (zh) * | 2022-02-11 | 2022-08-09 | 西安电子科技大学 | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117783155B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11915407B2 (en) | Automated system and method for clarity measurements and clarity grading | |
| CA3062051C (en) | Fluorescent penetrant inspection system and method | |
| US9582872B2 (en) | Optical film defect detection method and system thereof | |
| KR101773791B1 (ko) | 검사대상 물체의 표면 검사 방법 및 장치 | |
| US20080285840A1 (en) | Defect inspection apparatus performing defect inspection by image analysis | |
| BR112019011092A2 (pt) | método e sistema para a inspeção automática de qualidade de materiais | |
| CN105335963A (zh) | 一种边缘缺陷检测方法及装置 | |
| CN109406529B (zh) | 一种aoi缺陷检测系统的性能调节方法 | |
| JP2009544002A (ja) | 窓ガラス検査方法 | |
| CN103499303A (zh) | 一种羊毛细度自动测量方法 | |
| CN108445020B (zh) | 一种玻璃基板缺陷聚集识别方法 | |
| CN111261079B (zh) | 一种亮、暗斑异常现象的检测方法 | |
| CN111179362B (zh) | 一种基于动态光照校正算法的试纸颜色均匀性检测方法 | |
| CN115115841B (zh) | 一种阴影斑点图像处理分析方法及系统 | |
| CN115423815B (zh) | 一种基于移动激光扫描的隧道检测系统及方法 | |
| CN101122948A (zh) | 基于计算机视觉的科学仪器工作状态监测方法 | |
| CN111351805A (zh) | 光源模块、浮法玻璃在线缺陷检测装置及其检测方法 | |
| CN117783155B (zh) | 一种基于机器视觉的玻璃仪器缺陷检测系统及方法 | |
| CN216525503U (zh) | 一种基于机器视觉的碳纤维预浸料表面缺陷在线检测装置 | |
| CN107300360A (zh) | 一种杂粮作物籽粒三轴尺寸快速检测算法 | |
| KR102260734B1 (ko) | 제품 검사 장치 및 이를 이용한 제품 검사 방법 | |
| CN113189002A (zh) | 一种超薄电子玻璃基板条纹缺陷的在线检测方法和装置 | |
| CN112630153A (zh) | 一种镜头盖玻璃缺陷的检测方法、设备、存储介质 | |
| CN116399885A (zh) | 一种透明注塑器件缺陷检测方法 | |
| JPH10115514A (ja) | 表面平滑性の検査方法及びその装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |