基于机器视觉的玻璃缺陷在线检测方法研究

发布时间：2021-12-18 16:13

　　随着玻璃产量的日益增大,人工检测已无法满足社会生产需求。机器视觉技术具有高稳定性、可靠性、直观性以及非接触性检测等优势,使其广泛应用于在线检测系统中,基于机器视觉的玻璃缺陷在线检测技术已逐渐替代了人工检测。目前国内的玻璃缺陷检测设备主要依赖于进口,国内的研究工作还不够成熟,技术不够全面,需要进行深入的研究与系统开发。本文研究了一套多通道的玻璃缺陷在线检测系统,配合合理的光照模块,可同时检测出气泡、污点、划痕和玻筋等玻璃缺陷,实现了缺陷的快速定位和精准分类,具有很好的应用价值。为了提高缺陷检测效率,构建了多通道检测系统。设计了三种独立的光照方式,将通道一气泡、污点缺陷和划痕缺陷以及通道二玻筋缺陷最大化凸显出来,有效降低了缺陷误判率;并设计了多通道图像采集模块,在一次扫描中获得同一区域的多幅缺陷图像,在一定程度上减少了缺陷检测中的遗漏问题。开展了玻璃缺陷图像预处理算法研究。对比分析了适合各缺陷的滤波降噪、边缘检测、阈值分割的算法,初步分离出缺陷目标。采用顶帽运算去除了划痕缺陷因照明方式产生的不均匀光照;针对玻筋缺陷,提取了标准模板玻璃图像,采用差影运算得到其大致形态,考虑到该运算带来的缺陷... 

【文章来源】：西安理工大学陕西省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

玻璃缺陷检测设备Fig.1-1Glassdefectdetectionequipment

背光照射光路图

缺陷在线检测系统的开发与相关图像处理算法研究。传统的玻璃缺陷检测针对各类缺陷均使用同一种光照方式，虽然在照明系统上节省了成本，但缺点也很明显：首先在后续的缺陷分类中选择分类特征时需考虑所有特征参数，无法剔除冗余特征量，降低算法难度，加快算法速度；其次针对不同缺陷对光线吸收程度的差异性，无法保证缺陷100%的检测，会遗漏部分微瑕缺陷（如细划痕）；而本文设计的多通道缺陷采集系统在一次扫描中可获得同一区域的多幅缺陷图像，可有效避免上述问题，从而实现玻璃缺陷高精度检测。玻璃缺陷检测系统示意图如图2-2所示。图2-2玻璃缺陷检测系统示意图Fig.2-2Schematicdiagramofglassdefectdetectionsystem系统主要由三个模块组成，分别为机械传动模块、图像采集模块和图像处理模块。机械传动模块即工业现场的玻璃传送带，通过控制步进电机转速来控制玻璃的移动速度使得玻璃在传送带上匀速向右运动；图像采集模块分为两个通道，通道一采集气泡、污点和划痕缺陷，其中气泡和污点缺陷通过蓝色背光照射方式采集，划痕缺陷通过低角度蓝光照射方式采集，两种不同的光照方式可由高速开关快速切换配合高速相机来实现。通道二采集玻筋缺陷，其光照方式为背光照射，光源为光栅条纹LED屏；图像处理模块将采集到的

【参考文献】：
期刊论文
[1]基于多尺度卷积神经网络的玻璃表面缺陷检测方法[J]. 熊红林,樊重俊,赵珊,余莹.  计算机集成制造系统. 2020(04)
[2]BP神经网络在玻璃缺陷识别中的应用[J]. 吉祥,戴曙光.  软件导刊. 2019(04)
[3]简述玻璃缺陷种类及产生原因[J]. 董凤龙,韩影.  玻璃. 2018(06)
[4]玻璃生产缺陷在线检测技术的探讨[J]. 姚振华.  化学工程与装备. 2018(05)
[5]基于OpenCV机器视觉的玻璃缺陷检测系统的研究[J]. 赵涟漪.  宁夏师范学院学报. 2018(04)
[6]平板玻璃低对比度表面缺陷检测研究[J]. 李长有,刘遵,李帅涛.  机械工程师. 2018(03)
[7]玻璃表面缺陷检测算法研究[J]. 王世豪,蔡延光,蔡颢.  东莞理工学院学报. 2018(01)
[8]小型平板玻璃表面缺陷检测系统[J]. 李长有,刘遵,李帅涛.  计算机应用. 2017(S2)
[9]基于LabVIEW编程平台实现玻璃缺陷检测[J]. 戴畸哲,戴曙光.  测控技术. 2017(07)
[10]平板玻璃缺陷识别系统设计[J]. 李刚.  重庆科技学院学报(自然科学版). 2017(02)

硕士论文
[1]基于机器视觉的玻璃缺陷分类识别的研究[D]. 薛源.合肥工业大学 2018
[2]玻璃瑕疵在线检测关键技术研究及系统实现[D]. 宛丽娟.燕山大学 2017
[3]玻璃缺陷检测若干关键技术研究[D]. 徐洋洋.浙江理工大学 2016



本文编号：3542743