淺析基于機(jī)器視覺的玻璃質(zhì)量在線檢測系統(tǒng)

侯靜

摘 要：隨著國際與國內(nèi)市場對(duì)玻璃產(chǎn)品需求的進(jìn)一步提升，推進(jìn)玻璃生產(chǎn)從品種、生產(chǎn)工藝、質(zhì)量都發(fā)生了明顯的變化。特別是如今生產(chǎn)技術(shù)的飛速發(fā)展，高質(zhì)量產(chǎn)品對(duì)玻璃原板的品質(zhì)要求逐漸升高，因此進(jìn)一步確保玻璃質(zhì)量，提升其等級(jí)就顯得非常關(guān)鍵。現(xiàn)階段，國內(nèi)玻璃質(zhì)量的在線檢測主要借助于人工檢測的策略，人工在線自動(dòng)化水平低、檢測效率低以及工作量大。針對(duì)這一問題，本文深入分析基于機(jī)器視覺的玻璃質(zhì)量檢測系統(tǒng)。

關(guān)鍵詞：機(jī)器視覺；玻璃質(zhì)量在線檢測系統(tǒng)

1系統(tǒng)的整體框架

1.1硬件系統(tǒng)

在機(jī)器視覺下的玻璃質(zhì)量在線檢測系統(tǒng)重點(diǎn)包含處理器模塊、圖像采集模塊、輔助模塊、控制模塊以及網(wǎng)絡(luò)模塊等。圖像采集模塊一般涵蓋鏡頭、相機(jī)安裝以及調(diào)整機(jī)構(gòu)、攝像機(jī)、照明系統(tǒng)、圖像采集卡等。處理器模塊借助于Cliet/Server工作模式，客戶端重點(diǎn)處理大數(shù)據(jù)量，涵蓋模式識(shí)別、圖像預(yù)處理以及圖像存儲(chǔ)等，因?yàn)檫\(yùn)算量及時(shí)性的要求，使用多處理器的工控機(jī)[1]。服務(wù)器端一般負(fù)責(zé)接受客戶端的相關(guān)數(shù)據(jù)，開展實(shí)時(shí)顯示與統(tǒng)計(jì)研究等。網(wǎng)絡(luò)模塊借助于分布式處理結(jié)構(gòu)，由一臺(tái)網(wǎng)絡(luò)交換機(jī)、多臺(tái)客戶端以及一臺(tái)服務(wù)器組成。每臺(tái)客戶端連接一臺(tái)攝像機(jī)，并經(jīng)過圖像采集卡把攝像機(jī)搜集到的相關(guān)圖像數(shù)據(jù)傳輸?shù)娇蛻舳碎_展處理；服務(wù)器以及客戶端之間經(jīng)過網(wǎng)絡(luò)交換機(jī)與以太網(wǎng)開展圖像信息以及數(shù)據(jù)的傳輸。控制模塊重點(diǎn)由PLC、光電編碼器、打標(biāo)設(shè)備以及切割信號(hào)等構(gòu)成。輔助模塊一般涵蓋打印設(shè)備以及冷卻設(shè)備。

1.2軟件系統(tǒng)

圖像處理以及分析模塊是實(shí)現(xiàn)在線質(zhì)量檢測的核心功能模塊，一般是根據(jù)檢測要求對(duì)每種檢測算法開展模塊化以及系統(tǒng)化的軟件實(shí)現(xiàn)。

2玻璃圖像的獲得以及預(yù)處理

為獲得良好的玻璃圖像，此檢測系統(tǒng)中采取了高速線陣CCD攝像機(jī)對(duì)生產(chǎn)線上的相關(guān)玻璃圖像進(jìn)行及時(shí)采集，所獲得的圖像模擬信號(hào)經(jīng)過圖像采集卡的信息化處理，再傳輸至計(jì)算機(jī)中開展圖像預(yù)處理。

圖像預(yù)處理主要是為了濾除干擾噪聲以及提升圖像質(zhì)量。因?yàn)楝F(xiàn)場環(huán)境的不斷影響，在采集以及傳輸圖像的時(shí)候，具有多樣化的干擾以及測量誤差，造成圖像質(zhì)量降低[2]。在開展缺陷檢測算法前，需要處理圖像以提升圖像的清晰度與優(yōu)化圖像質(zhì)量，使實(shí)時(shí)成像系統(tǒng)的分辨率以及靈敏度可以滿足相關(guān)檢測要求。圖像預(yù)處理的核心流程重點(diǎn)涵蓋運(yùn)動(dòng)模糊消除、中值濾波以及線性變換等。

在本檢測系統(tǒng)里面，為了及時(shí)計(jì)算的需求，圖像處理部分借助于計(jì)算空間域中值濾波的策略來降低環(huán)境的照明視場噪聲與干擾噪聲。中值濾波是將以某點(diǎn)（x，y）為核心的小窗口內(nèi)的全部象素的灰度從大至小的順序排列，把中間值當(dāng)作（x，y）處的灰度值。與低通濾波會(huì)造成圖像模糊的特征不一樣，中值濾波在進(jìn)一步取出噪聲的過程中保存了圖像的邊緣信息，它有利于進(jìn)一步抑止椒鹽噪聲[3]。因?yàn)闄z測對(duì)象是運(yùn)動(dòng)中的玻璃，收集了序列的瞬態(tài)運(yùn)動(dòng)圖像，一定具有大片的運(yùn)動(dòng)模糊。對(duì)此，采取數(shù)學(xué)形態(tài)學(xué)下的濾波進(jìn)一步處理這一問題，即借助于形態(tài)學(xué)對(duì)玻璃圖像開展先腐蝕、后膨脹處理的后果就能夠去除部分噪聲，而凸顯真正的漏洞。而且數(shù)學(xué)形態(tài)學(xué)運(yùn)算可以兼顧圖像目標(biāo)的尺寸大小與幾何形狀特點(diǎn)，擁有平移不變性，而且采取基于邏輯與移位運(yùn)算的基礎(chǔ)形態(tài)變換，速度快、簡單、計(jì)算量小。圖像差影屬于一種圖像的具體代數(shù)運(yùn)算，簡言之，即圖像的相應(yīng)象素開展相減的運(yùn)算，于是又叫作減影運(yùn)算。玻璃質(zhì)量檢測里面的目標(biāo)與標(biāo)準(zhǔn)圖像都采集于一樣的玻璃生產(chǎn)線上，玻璃漏洞是兩者之間的核心區(qū)別。由于這種處理策略算法單一化，運(yùn)算效率很高，于是本文采取這一算法來提取缺陷圖像。為了減少噪聲的不斷影響，應(yīng)該有效的處理采集到的圖像。

（1）處理算法如下：f（x，y）=1H∑H-1m=0f（x，ym）（2）以s（x，y）表示差影結(jié)果圖像；g（x，y）表示目標(biāo)圖像；f（x，y）表示標(biāo)準(zhǔn)圖像。差影處理能夠表示成s（x，y）=f（x，y）-g（x，y）（3）由于在圖像處理里面數(shù)據(jù)運(yùn)算的主要對(duì)象為象素的灰度值，灰度值的具體取值范圍為0至255，不能產(chǎn)生負(fù)值。

3圖像處理算法及軟件實(shí)現(xiàn)

3.1圖像處理算法

提取目標(biāo)：目標(biāo)提取可以準(zhǔn)確提取缺陷。及時(shí)采集的玻璃圖像因?yàn)椴杉到y(tǒng)自身與受光源的缺陷的進(jìn)一步影響，會(huì)產(chǎn)生從中間向兩端灰度值逐漸下降的趨勢。于是在分割圖像的過程中采取了全局閾值曲面的相關(guān)技術(shù)。通過全局閾值處理之后的圖像。這時(shí)分割的圖像里面可能還具有偽缺陷[4]。對(duì)分割后的圖像借助于真、假缺陷紋理特點(diǎn)的區(qū)別進(jìn)一步去除其中的假缺陷。提取特點(diǎn)：在提取缺陷之后，因?yàn)橄到y(tǒng)要對(duì)缺陷開展分類，以達(dá)到對(duì)玻璃的不斷分級(jí)，所以要提取缺陷的形態(tài)參數(shù)與特點(diǎn)。圖像處理模塊進(jìn)一步提取了缺陷的灰度特征、幾何特征、紋理特征以及梯度特征。借助于這些特點(diǎn)完成了對(duì)缺陷的具體數(shù)學(xué)描述，比如缺陷的長寬比、平均灰度以及面積等。特點(diǎn)越完整，對(duì)缺陷的描述越精準(zhǔn)，也更方便后續(xù)的分類。

缺陷分類：其是玻璃質(zhì)量檢測系統(tǒng)的一個(gè)核心任務(wù)。經(jīng)過對(duì)缺陷開展分類，生產(chǎn)人員可以進(jìn)一步判斷生產(chǎn)狀態(tài)。本系統(tǒng)將三層前饋神經(jīng)網(wǎng)絡(luò)當(dāng)作分類器，采取向后傳播算法來訓(xùn)練網(wǎng)絡(luò)[5]。把提取的特點(diǎn)當(dāng)作網(wǎng)絡(luò)輸入層，輸出是缺陷的各種類型。異物以及灰塵是影響檢測正確性的一個(gè)核心方面，為了過濾異物以及灰塵等假缺陷，我們也提取了部分異物以及灰塵的特點(diǎn)，進(jìn)一步訓(xùn)練網(wǎng)絡(luò)，并把其當(dāng)作網(wǎng)絡(luò)輸出的一部分。

3.2軟件實(shí)現(xiàn)

為確保處理速度以及采集精度，本系統(tǒng)共使用了8個(gè)單獨(dú)的圖像處理模塊。各模塊以及服務(wù)器把千兆以太網(wǎng)當(dāng)作鏈接媒介。各客戶端與服務(wù)器獨(dú)立完成處理任務(wù)?？蛻舳税烟幚砗蟮娜毕輸?shù)據(jù)以及圖像數(shù)據(jù)傳達(dá)給服務(wù)器，以供其開展研究以及判斷[6]。服務(wù)器把接收到的信號(hào)狀態(tài)與任務(wù)指令時(shí)刻提供給客戶端。服務(wù)器與各客戶端采取了同步信號(hào)源以及數(shù)據(jù)校驗(yàn)方式，進(jìn)一步確保了數(shù)據(jù)的同步性。在處理軟件的過程中考慮到數(shù)據(jù)處理量很大，為確保處理的有效性，使用了雙冗余數(shù)據(jù)塊處理技術(shù)。對(duì)采集的圖像數(shù)據(jù)進(jìn)一步采取雙緩存，一個(gè)順利運(yùn)行，一個(gè)當(dāng)作后備，當(dāng)采集到的圖像數(shù)據(jù)提前到達(dá)，把此數(shù)據(jù)進(jìn)一步存放于后備緩存區(qū)中。如此一方面能夠避免圖像數(shù)據(jù)的大量丟失，進(jìn)一步確保玻璃圖像都被有效處理，可以時(shí)刻跟蹤生產(chǎn)具體情況；另一方面，假如處理算法上來不實(shí)時(shí)處理圖像數(shù)據(jù)時(shí)，也能夠擺脫一個(gè)圖像數(shù)據(jù)而并不對(duì)后續(xù)圖像的處理產(chǎn)生影響，防止了圖像數(shù)據(jù)的不斷堆積，確保了處理的有效性以及連續(xù)性。

參考文獻(xiàn)：

[1]楚啟超，吳建國，張堃，etal.基于機(jī)器視覺的干燥包完整度在線檢測系統(tǒng)[J].儀表技術(shù)與傳感器，2017（9）.

[2]龍亮亮，劉冠峰，張國英，etal.基于機(jī)器視覺的玻璃馬賽克缺陷在線檢測系統(tǒng)[J].機(jī)械設(shè)計(jì)與制造，2017（z1）.

[3]韓洪偉，趙曉云.基于機(jī)器視覺的高速切片機(jī)鋰電池極片在線檢測系統(tǒng)設(shè)計(jì)[J].電源世界，2017（5）：34-36.

[4]徐冬，楊荃，王曉晨，etal.基于機(jī)器視覺的熱軋中間坯鐮刀彎在線檢測系統(tǒng)[J].中南大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，v.49；No.287（07）：91-100.

[5]張華山，章欽，徐新軍，etal.基于機(jī)器視覺的精密類玻璃管質(zhì)量檢測系統(tǒng)[J].玻璃與搪瓷，2017（3）.

[6]程為，趙瑾，景軍鋒，etal.基于機(jī)器視覺的電子級(jí)玻璃纖維布疵點(diǎn)檢測系統(tǒng)研究[J].玻璃纖維，2017（05）：31-34+46.