發(fā)布時(shí)間：2021-12-18 16:13

　　隨著玻璃產(chǎn)量的日益增大,人工檢測(cè)已無法滿足社會(huì)生產(chǎn)需求。機(jī)器視覺技術(shù)具有高穩(wěn)定性、可靠性、直觀性以及非接觸性檢測(cè)等優(yōu)勢(shì),使其廣泛應(yīng)用于在線檢測(cè)系統(tǒng)中,基于機(jī)器視覺的玻璃缺陷在線檢測(cè)技術(shù)已逐漸替代了人工檢測(cè)。目前國(guó)內(nèi)的玻璃缺陷檢測(cè)設(shè)備主要依賴于進(jìn)口,國(guó)內(nèi)的研究工作還不夠成熟,技術(shù)不夠全面,需要進(jìn)行深入的研究與系統(tǒng)開發(fā)。本文研究了一套多通道的玻璃缺陷在線檢測(cè)系統(tǒng),配合合理的光照模塊,可同時(shí)檢測(cè)出氣泡、污點(diǎn)、劃痕和玻筋等玻璃缺陷,實(shí)現(xiàn)了缺陷的快速定位和精準(zhǔn)分類,具有很好的應(yīng)用價(jià)值。為了提高缺陷檢測(cè)效率,構(gòu)建了多通道檢測(cè)系統(tǒng)。設(shè)計(jì)了三種獨(dú)立的光照方式,將通道一氣泡、污點(diǎn)缺陷和劃痕缺陷以及通道二玻筋缺陷最大化凸顯出來,有效降低了缺陷誤判率;并設(shè)計(jì)了多通道圖像采集模塊,在一次掃描中獲得同一區(qū)域的多幅缺陷圖像,在一定程度上減少了缺陷檢測(cè)中的遺漏問題。開展了玻璃缺陷圖像預(yù)處理算法研究。對(duì)比分析了適合各缺陷的濾波降噪、邊緣檢測(cè)、閾值分割的算法,初步分離出缺陷目標(biāo)。采用頂帽運(yùn)算去除了劃痕缺陷因照明方式產(chǎn)生的不均勻光照;針對(duì)玻筋缺陷,提取了標(biāo)準(zhǔn)模板玻璃圖像,采用差影運(yùn)算得到其大致形態(tài),考慮到該運(yùn)算帶來的缺陷... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

玻璃缺陷檢測(cè)設(shè)備Fig.1-1Glassdefectdetectionequipment

背光照射光路圖

缺陷在線檢測(cè)系統(tǒng)的開發(fā)與相關(guān)圖像處理算法研究。傳統(tǒng)的玻璃缺陷檢測(cè)針對(duì)各類缺陷均使用同一種光照方式，雖然在照明系統(tǒng)上節(jié)省了成本，但缺點(diǎn)也很明顯：首先在后續(xù)的缺陷分類中選擇分類特征時(shí)需考慮所有特征參數(shù)，無法剔除冗余特征量，降低算法難度，加快算法速度；其次針對(duì)不同缺陷對(duì)光線吸收程度的差異性，無法保證缺陷100%的檢測(cè)，會(huì)遺漏部分微瑕缺陷（如細(xì)劃痕）；而本文設(shè)計(jì)的多通道缺陷采集系統(tǒng)在一次掃描中可獲得同一區(qū)域的多幅缺陷圖像，可有效避免上述問題，從而實(shí)現(xiàn)玻璃缺陷高精度檢測(cè)。玻璃缺陷檢測(cè)系統(tǒng)示意圖如圖2-2所示。圖2-2玻璃缺陷檢測(cè)系統(tǒng)示意圖Fig.2-2Schematicdiagramofglassdefectdetectionsystem系統(tǒng)主要由三個(gè)模塊組成，分別為機(jī)械傳動(dòng)模塊、圖像采集模塊和圖像處理模塊。機(jī)械傳動(dòng)模塊即工業(yè)現(xiàn)場(chǎng)的玻璃傳送帶，通過控制步進(jìn)電機(jī)轉(zhuǎn)速來控制玻璃的移動(dòng)速度使得玻璃在傳送帶上勻速向右運(yùn)動(dòng)；圖像采集模塊分為兩個(gè)通道，通道一采集氣泡、污點(diǎn)和劃痕缺陷，其中氣泡和污點(diǎn)缺陷通過藍(lán)色背光照射方式采集，劃痕缺陷通過低角度藍(lán)光照射方式采集，兩種不同的光照方式可由高速開關(guān)快速切換配合高速相機(jī)來實(shí)現(xiàn)。通道二采集玻筋缺陷，其光照方式為背光照射，光源為光柵條紋LED屏；圖像處理模塊將采集到的

【參考文獻(xiàn)】：
期刊論文
[1]基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的玻璃表面缺陷檢測(cè)方法[J]. 熊紅林,樊重俊,趙珊,余瑩.  計(jì)算機(jī)集成制造系統(tǒng). 2020(04)
[2]BP神經(jīng)網(wǎng)絡(luò)在玻璃缺陷識(shí)別中的應(yīng)用[J]. 吉祥,戴曙光.  軟件導(dǎo)刊. 2019(04)
[3]簡(jiǎn)述玻璃缺陷種類及產(chǎn)生原因[J]. 董鳳龍,韓影.  玻璃. 2018(06)
[4]玻璃生產(chǎn)缺陷在線檢測(cè)技術(shù)的探討[J]. 姚振華.  化學(xué)工程與裝備. 2018(05)
[5]基于OpenCV機(jī)器視覺的玻璃缺陷檢測(cè)系統(tǒng)的研究[J]. 趙漣漪.  寧夏師范學(xué)院學(xué)報(bào). 2018(04)
[6]平板玻璃低對(duì)比度表面缺陷檢測(cè)研究[J]. 李長(zhǎng)有,劉遵,李帥濤.  機(jī)械工程師. 2018(03)
[7]玻璃表面缺陷檢測(cè)算法研究[J]. 王世豪,蔡延光,蔡顥.  東莞理工學(xué)院學(xué)報(bào). 2018(01)
[8]小型平板玻璃表面缺陷檢測(cè)系統(tǒng)[J]. 李長(zhǎng)有,劉遵,李帥濤.  計(jì)算機(jī)應(yīng)用. 2017(S2)
[9]基于LabVIEW編程平臺(tái)實(shí)現(xiàn)玻璃缺陷檢測(cè)[J]. 戴畸哲,戴曙光.  測(cè)控技術(shù). 2017(07)
[10]平板玻璃缺陷識(shí)別系統(tǒng)設(shè)計(jì)[J]. 李剛.  重慶科技學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(02)

碩士論文
[1]基于機(jī)器視覺的玻璃缺陷分類識(shí)別的研究[D]. 薛源.合肥工業(yè)大學(xué) 2018
[2]玻璃瑕疵在線檢測(cè)關(guān)鍵技術(shù)研究及系統(tǒng)實(shí)現(xiàn)[D]. 宛麗娟.燕山大學(xué) 2017
[3]玻璃缺陷檢測(cè)若干關(guān)鍵技術(shù)研究[D]. 徐洋洋.浙江理工大學(xué) 2016



本文編號(hào)：3542743