【技術實現步驟摘要】
本專利技術涉及工業玻璃缺陷檢測，尤其涉及一種基于visionmaster的工業玻璃缺陷檢測方法。
技術介紹
1、工業玻璃在眾多工業應用中發揮著重要作用，涉及高溫、高壓及特殊光學需求等多個領域。隨著工業生產日益復雜，玻璃質量控制的標準也在不斷提高，特別是在玻璃表面缺陷的檢測方面，這些缺陷可能包括劃痕、氣泡和裂紋等，任何微小的瑕疵都可能影響產品的質量與安全。因此，開發高效、準確的玻璃缺陷檢測系統顯得尤為重要。
2、傳統的玻璃缺陷檢測主要依賴人工方式，這不僅效率低下，還容易受到視覺疲勞和主觀判斷的影響，特別是在面對大量產品時，難以滿足快速、準確的檢測需求。機器視覺技術的引入為此提供了有效的解決方案，利用圖像處理和計算機視覺技術來識別和定位各種缺陷。
3、然而，現有的機器視覺技術在玻璃缺陷檢測中仍面臨一些挑戰：首先，玻璃表面的反射和折射特性導致光線形成多個輪廓，給缺陷檢測帶來困難，可能導致結果不準確或誤報；其次，微小氣泡缺陷的檢測較為棘手，由于其大小和形狀變化多端，檢測算法難以精準識別；此外，傳統基于規則的圖像處理算法在處理復雜缺陷時，穩定性和準確性可能受到影響；最后，雖然基于神經網絡的檢測方法在某些情況下能提高檢測精度，但通常需要大量標注數據進行訓練，對訓練過程和數據質量極為敏感。
4、因此，工業玻璃缺陷檢測是一項充滿挑戰性的工作，需要我們不斷地研究和探索更加有效、優良的新的技術和方法。除了上述的解決方法外，還有一些新興的技術方法值得我們去探索研究，例如三維視覺系統。三維視覺系統利用深度傳感器和立體
5、綜上所述，工業玻璃缺陷檢測是一個涉及企業實際生產和廣泛應用場景的具有重大意義的問題。針對上述挑戰和問題并結合企業實際需求，我們研究了一種基于visionmaster的工業玻璃缺陷檢測方法。通過使用合適的算法和模型，該方法可以快速、準確地識別出玻璃缺陷，為玻璃制造企業的產品質量提供了保障。
技術實現思路
1、針對現有技術的不足并結合企業實際需求，本專利技術提供了一種基于visionmaster的工業玻璃缺陷檢測技術。
2、包括以下步驟：
3、步驟1：圖像預處理。首先，對工業線陣相機拍攝到的圖像進行灰度匹配以獲取圖像中玻璃的區域位置。基于灰度的匹配算法又稱為基于模板的匹配算法，子圖與模板圖對應位置上灰度值計算得出一個值，這個值可以是對應像素相減絕對值的加和(即sad算法)，也可以將計算出的和除以模板像素個數，即(mad算法)，其它基于灰度的圖像匹配算法均基于此思想，只不過所計算的值不同。由于檢測對象較為簡單以及要求較高的檢測速度，因此本專利技術采用sad算法。sad算法即模板與參考圖對應像素相減的絕對值求和，然后在依次滑動模板遍歷每個位置，得到(p-m)行，(q-n)列的矩陣，其中值最小的位置即說明模板與參考圖相似度最高。sad相似性公式如下(由于算法中直接用矩陣計算，與公式表達方式上不同，但實質相同)：
4、
5、其中：1≤i≤m-m+1，1≤j≤n-n+1。
6、然后對圖像進行高斯濾波來濾除噪聲。在采集圖像的過程中涉及的產生噪聲的主要原因是條形光源亮度不均勻、環境光的波動以及圖像傳輸工程中帶來的干擾。針對上述噪聲干擾，本專利技術采用使用高斯濾波的方法進行圖像的濾波去噪。高斯濾波在本質上是對整幅圖像進行加權平均的過程。每一個像素點的值，都由其本身和鄰域內的其他像素值經過加權平均后得到。高斯濾波的具體操作是：首先確定一個高斯卷積核，其中確定整數高斯核時，需要將小數高斯卷積核中的各像素值分別除以其左上角的像素值，并四舍五入獲得整數高斯卷積核。并使用該高斯卷積核去掃描圖像中的每一個像素，用卷積核確定的鄰域內像素的加權平均值去替代卷積區域中心像素點的值，輸入圖像對應像素值與卷積核對應像素值分別相乘后再相加，若求和后像素值大于像素閾值255，則需要進行截斷，采用求和后的像素值除以255，取余數作為卷積區域的中心像素值。從而實現圖像的降噪與平滑處理，提高圖像質量，便于后續的缺陷檢測。
7、接著使用canny邊緣檢測算法獲取圖像中玻璃的邊緣。為了有效的識別出圖像中玻璃的邊緣，盡可能減少噪聲的影響和邊緣的誤檢，同時為了使得后續的處理和分析變得更加容易和高效，采用canny邊緣檢測的方法來獲取圖像中玻璃的輪廓，其主要由圖像降噪、梯度計算、非極大值抑制以及雙閾值邊界跟蹤四個部分組成。canny邊緣檢測梯度計算公示如下所示：
8、
9、式中f(x,y)是圖像在(x,y)處的灰度值，是x方向的偏導數，是y方向的偏導數。由此可以得到該點的梯度幅值和方向分別為：
10、
11、接下來對邊緣檢測后的圖像進行膨脹處理使得玻璃邊緣更加清晰，增強對比度。膨脹處理主要基于數學形態學，并通過結構元素對圖像進行局部區域的像素值更新，從而改變圖像的特征。通常用于圖像的去噪、邊緣檢測和形態學變換中。它通過擴大圖像中的目標區域來增強圖像的特征。膨脹處理中的關鍵組成部分是結構元素，它是一個形狀和大小可變的模板，用于遍歷圖像并與像素進行比較。結構元素可以是矩形、圓形、十字形等任意形狀。本專利技術結合玻璃的特征最終選用矩形的結構元素，大小為5×5。計算公式如下：
12、
13、最后圖像修正。為了方便后續的缺陷檢測，對處理后的圖像進行圖像修正，減弱或消除因玻璃位置、角度不同產生的影響。圖像修正主要包括以下幾個步驟：1)檢測基準點。首先，系統需要確定一個或多個基準點，這些基準點通常是目標對象上已知或易于識別的特征點。這些點可以是角點、邊緣、圓心等。這里我們選用局部玻璃的中心位置作為基準點。2)計算位置偏差。通過比較實際檢測到的基準點位置與理論(或預設)位置，計算出位置偏差。這個偏差可能包括平移、旋轉、縮放等多種類型的變換。在本設備中我們選用灰度匹配后的匹配點作為預設位置(同一光照環境下，不同玻璃經過灰度匹配后的匹配點相差不大，因而修正后的玻璃圖像位置相近)。3)生成變換矩陣。根據計算出的位置偏差，生成一個變換矩陣。這個矩陣描述了如何將圖像或圖像中的某個區域從當前位置變換到正確位置所需的平移、旋轉、縮放等變換。4)應用變換矩陣。將上述生成的變換矩陣應用到輸入圖像中即可得到修正后的玻璃圖像。
14、步驟2：檢測玻璃是否被橫斷或縱分。根據企業需求，生產的玻璃在切割過程中可能出現由于失誤導致的缺陷，即玻璃被橫斷或縱分。通過觀察，我們不難得知當玻璃被橫斷或縱分時，圖像中玻璃的內部區域一定會出現貫穿玻璃的裂縫。因此，我們可以對玻璃圖像進行一定的處理，并根據這一特征對玻璃的橫斷或縱本文檔來自技高網...
【技術保護點】
1.一種基于Visionmaster的工業玻璃缺陷檢測方法，其特征包括如下步驟：
2.根據權利要求1所述的一種基于Visionmaster的工業玻璃缺陷檢測方法，其特征在于：步驟1所述算法進行玻璃區域查找，其核心思想在于SAD相似性計算，基于此可以有效地提取出圖像中的玻璃區域信息；SAD相似性計算公式如下(由于算法中直接用矩陣計算，與公式表達方式上不同，但實質相同)：
3.根據權利要求1所述的一種基于Visionmaster的工業玻璃缺陷檢測方法，其特征在于：步驟1所述玻璃邊緣區域增強，其核心思想在于Canny邊緣檢測的梯度計算和非極大值抑制以及邊緣膨脹處理，通過上述圖像處理技術可以有效的提取玻璃邊緣信息并保證邊緣的清晰度；
4.根據權利要求1所述的一種基于Visionmaster的工業玻璃缺陷檢測方法，其特征在于：步驟2所述的檢測玻璃被橫斷或縱分的算法，通過對處理后的圖像進行中值濾波，由于橫斷和縱分的方向不同，因此需要使用兩種不同大小的結構元素，使得在檢測橫斷時的輸入圖像只保留橫向的線；在檢測縱分時的輸入圖像只保留縱向的線；通過采用25×80
...【技術特征摘要】
1.一種基于visionmaster的工業玻璃缺陷檢測方法，其特征包括如下步驟：
2.根據權利要求1所述的一種基于visionmaster的工業玻璃缺陷檢測方法，其特征在于：步驟1所述算法進行玻璃區域查找，其核心思想在于sad相似性計算，基于此可以有效地提取出圖像中的玻璃區域信息；sad相似性計算公式如下(由于算法中直接用矩陣計算，與公式表達方式上不同，但實質相同)：
3.根據權利要求1所述的一種基于visionmaster的工業玻璃缺陷檢測方法，其特征在于：步驟1所述玻璃邊緣區域增強，其核心思想在于canny邊緣檢測的梯度計算和非極大值抑制以及邊緣膨脹處理，通過上述圖...
【專利技術屬性】
技術研發人員：曾偉偉，閆浩霖，安伯陽，劉成午，龔駿宇，王正松，楊樂，
申請(專利權)人：東北大學秦皇島分校，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。