有声小说在线收听网,完美世界官网,已完本玄幻小说排行榜

鋼化玻璃缺陷實時檢測系統的研究

2016年微型機與應用第08期

田國富，馬書新，高峰

（沈陽工業大學機械工程學院，遼寧沈陽 110870）

摘要： 提出了一種基于圖像處理的玻璃缺陷實時檢測系統。闡述了系統的基本原理和結構，著重研究了系統的核心技術：中值濾波、圖像分割、邊緣檢測、缺陷定位、參數計算與缺陷識別。實驗結果表明，該系統的檢測識別率高，達到95%;速度快，處理周期約350 ms;抗干擾能力強，基本能夠實現鋼化玻璃缺陷的在線檢測要求。

關鍵詞： 玻璃缺陷實時檢測圖像處理 BP神經網絡

Abstract：

Key words :

　　田國富，馬書新，高峰

　　（沈陽工業大學機械工程學院，遼寧沈陽 110870）

　　摘要：提出了一種基于圖像處理的玻璃缺陷實時檢測系統。闡述了系統的基本原理和結構，著重研究了系統的核心技術：中值濾波、圖像分割、邊緣檢測、缺陷定位、參數計算與缺陷識別。實驗結果表明，該系統的檢測識別率高，達到95%;速度快，處理周期約350 ms;抗干擾能力強，基本能夠實現鋼化玻璃缺陷的在線檢測要求。

　　關鍵詞：玻璃缺陷;實時檢測;圖像處理;BP神經網絡

0引言

　　現在的玻璃缺陷檢測系統主要是利用人工檢測、激光檢測和摩爾干涉定理的方法。人工檢測容易帶來主觀誤差，激光檢測易受干擾，摩爾干涉定理檢測往往占用大量的檢測時間，不能適應自動化生產線。將圖像測量技術應用于玻璃的非接觸測量，可以避免主觀誤差，提高檢測效率［1］。

1系統概述

　　1.1系統的整體結構

　　圖1所示為玻璃缺陷實時檢測系統的基本結構，主要包括：LED光源、CCD陣列攝像機、圖像處理單元、顯示器、通信/輸入輸出單元等。

　　圖1實時檢測系統結構示意圖玻璃原板的檢測幅面較大，檢測精度和效率要求較高，故系統采用C/S網絡化分布的并行處理方式［2］。如圖2所示,使用柯拉光路透鏡組以獲取均勻穩定的視場強度，使用遮光罩避免了外部光的干擾。

　　1.2系統的基本原理

　　圖3為實時檢測原理示意圖，光源背面垂直照射玻璃，由攝像機組拍攝圖像，傳輸到計算機中，由軟件進行圖像分析，提取缺陷的位置，特征參數及判別類型，并通過局域以太網發送至總服務器［3］。　

2玻璃圖像的精確測量

　　在光源照射下，玻璃缺陷的圖像顯示是非常明顯的，這就為圖像檢測奠定了基礎。圖4所示為缺陷的圖像檢測算法步驟［4］。　

　　2.1圖像去噪

　　采用了一種改進的自適應中值濾波算法［5］，其過程如下：假設玻璃圖像大小為m×n，T的初值為玻璃圖像總像素的一半，即T=mn/2。

　　(1)窗口回復缺省值，對新開始的內容排序并建立直方圖,確定其值P,同時記下亮度Pi不大于P的像素數目Q。

　　(2)因最左列亮度PL的每個像素為P,且H［PL］ =H［PL］-1。則H［PL］即為直方圖最左列亮度的像素數。

　　(3)將窗口右移1列,因最右列亮度PR的每個像素為P,且H［PR］=H［PR］+1。如果PR<P,則置Q=Q+1。

　　(4)若Q>T則轉步驟(5)。重復Q=Q+H［P］, P=P+1;直到Q≥T,則轉步驟(6)。

　　(5)重復P=P-1,Q=Q-H［P］,直到Q≤T。

　　(6)如果窗口的右側列不是玻璃圖像的右邊界,則轉步驟(2)。

　　(7)如果窗口的底行不是玻璃圖像的下邊界,則轉步驟(1)。

　　2.2閾值分割

　　提出了一種復合型閾值分割算法。

　　2.2.1基于自跟蹤的閾值曲面分割方法［6］

　　在檢測前采集一無缺陷玻璃圖像，將其灰度分布曲面作為初始曲面f0(x,y)。假設圖像為m×n, R(x,y)為實時圖像，G為平均灰度差變化：

　　以G為修正值對f0(x,y)修正，得到新的閾值曲面T(x,y),有

　　T(x,y)=f0(x,y)+G(2)

　　為了保證分割時缺陷的特征，必須保持各像素間的灰度關系，因此采用式（3）所示的向下分割［7］：

　　2.2.2自適應閾值分割［8］

　　整幅圖像總像素像素的灰度值比閾值T小的像素個數記作N1，比閾值T大的像素個數記作N2，則目標像素點數在整幅圖像中所占比例為C1=N1M×N,平均灰度為U1,背景像素點數在整幅圖像中所占比例為C2=N2M×N,平均灰度為U2。其中N1+N2=M×N, U1+U2=1。則圖像的加權平均灰度值U與類間方差g分別為：

　　U=C1×U1+C2×U2(4)

　　g=C1×(U-U1)2+C2×(U-U2)2(5)

　　當g最大時，目標與背景的對比度最大，可用遍歷法得到對應的最大最佳閾值T，然后進行圖像二值化分割。

　　2.3圖像邊緣檢測

　　本文采用了一種二階段逼近式亞像素邊緣檢測算法。

　　2.3.1圖像邊緣粗定位

　　Sobel算子能確定邊緣點的位置和方向，對噪聲具有平滑作用，所以在邊緣粗定位時選用Sobel算子［8］。給定閾值T，根據圖5可知，若像素f(x,y)附近存在邊緣時，梯度值S(x, y)需要滿足以下關系：

　　S(x,y)≥S(x+1,y)>S(x+2,y),

　　S(x,y)≥S(x-1,y)>S(x-2,y),S(x,y)>T

　　（x,y-2）（x,y-1）(x-2,y)（x-1,y）（x, y）（x+1,y）（x+2,y）（x,y+1）（x,y+2）

　　2.3.2圖像邊緣精定位

　　選取5個像素點，橫坐標x代表像素值，其取值分別設為-2、-1、0、1、2，其縱坐標y代表各點對應的灰度值，依據施密特正交化法得到正交基，如式（6）所示：

　　則灰度分布擬合表達式為：

　　F5(x)=a0×G0(x)+a1×G1(x)+a2×G2(x)

　　+a3×G3(x)+a4×G4(x)+a5×G5(x)(7)

　　根據最小二乘法原理有：

　　根據函數的極值求解條件,求解的x即是亞像素點的位置。

　　2.4缺陷區域定位

　　在同一實驗環境下，分別采用8鄰域搜索算法及RLE算法對同一幅8 000×6 000的含缺陷的灰度圖像進行處理，記錄時間運算周期，結果如表1所示［9］。

　　2.5缺陷特征參數提取［10］

　　本文提取如下4種特征參數作為區分缺陷類型的指標: 缺陷核心面積、缺陷目標的伸長度、周長和圓形度。

　　（1）面積A定義為區域內所包圍的像素點數。計算方法是掃描整幅圖像，統計目標邊界及內部的全部像素數，公式為：

　　（2）伸長度Q可以把細長目標和近似圓形或方形目標區分開來，公式為：

　　Q=DL/A(13)

　　其中，A為缺陷區域面積，D與L分別為目標寬度和長度。

　　（3）周長Z即區域邊界的長度。假設每個點是面積為1的一個小方塊，對圖像邊緣做出標記，累計所標記的像素總數，即為周長。標記方法如下：

　　①定義一個二維數組h(i, j)=1，其中(i, j)是值為 1的點的坐標。

　　②對整幅圖像從上到下掃描，比較相鄰兩點的值，若值為1和0，則令h1(i, j)=1,記錄滿足條件的像素數目Z1；再從左到右掃描，比較相鄰兩點的值，若值為1和0，則令h2(i, j)=1，記錄像素數目Z2。

　　③計算Z=Z1+Z2，Z為區域邊界的周長。

　　（4）圓形度O主要用來區分圓形或橢圓形缺陷(氣泡等）及細長狀缺陷（裂紋或異物摻雜等），可用式（14）求解：

　　O=A/Z2（14）

　　2.6缺陷類型識別

　　2.6.1缺陷類型識別原理

　　若當均勻光垂直入射沒有雜質的玻璃時，出射光的強度也是均勻的，方向也不會發生改變，如圖6(a)所示；若遇到光透射型缺陷，光線在缺陷位置發生折射，相機靶面上探測到的光相應增強，如圖6(b)所示；若遇到光吸收型雜質，則該缺陷位置的光會變弱，相機靶面上探測到的光比周圍的光要弱，如圖6(c)所示［10］。