缺陷识别技术在压花玻璃检测中的应用

张子秋

（秦皇岛市第一医院医疗设备管理处，河北秦皇岛 066000）

1 压花玻璃缺陷识别技术概述

玻璃生产中需要对产品的质量、等级进行筛选分类，人工筛选分类玻璃存在效率低、漏检、辨识不准确等诸多问题，采用机器识别的方式能大幅度提高检出精度，有效提高玻璃生产过程中玻璃杂质检测准确度和效率[1]。当前玻璃工艺生产中大部分玻璃检测产品主要针对浮法玻璃，压花玻璃缺陷识别技术产品亟待进一步开发。

针对压花玻璃的视觉检测系统，其核心是缺陷分析技术，通过纹理分析和智能分类检出并分类缺陷玻璃产品。通过该技术可以将人工筛选转换为机器自动筛选，提高检出效率和检测精度，而且便于实现对缺陷类型的分类。

压花玻璃分析系统利用机器视觉代替人眼对压花玻璃缺陷做出检出和判断。机器视觉是通过CMOS（Complementary Metal Oxide Semiconductor，互补金属氧化物半导体）或CCD（Charge Coupled Device，电荷耦合元件）工业级相机采集样品信息转化成机器信号进行缺陷分析、筛选和信号传输。机器视觉是科学交叉研究领域，有非接触、实时性、自动化和智能高等优点[2]。

2 智能缺陷识别系统的组成结构

压花玻璃检测系统采用机器视觉识别技术，利用工业相机进行视觉捕捉，通过智能分析模块作出判断控制机械部位完成指令动作（图1）。

图1 压花玻璃检测流程

压花玻璃检测系统有在线检测和离线检测2种方式：在线检测指在生产线上对玻璃进行缺陷分析判别；离线检测则在生产线下对一部分产品样本独立进行分析判别。无论哪一种检测方式，其组成结构及原理、功能基本一样。基本组成一般包含工业相机、光源、分析处理模块、打标器、操控面板及算法（图2）。

2.1 工业相机

图2 压花玻璃检测示意

玻璃检测首先要靠工业相机采集目标产品信息转换成电信号。一般使用线阵CCD相机，具有图像稳定、传输速度快的特点，可快速实现光电转换，适合实时检测。而且线阵CCD相机对光照度要求低，能在均匀低光强下采集信息。其拍摄宽度和行频分别决定了采集到的玻璃表面横向、纵向分辨率。纵向分辨率要求相机行频与玻璃带运行速度相适合，通过传送带上编码器产生脉冲信号，线阵CCD相机进行一次采集行。将线阵相机置于光源带正上方中心线，可以得到较高信噪比的缺陷特征，使缺陷部位与非缺陷部位产生较明显的差别，增加对比度。

压花玻璃的检测中应选用高质量的工业相机，在充分保证分辨率的前提下，降低生产中由于机器运转带来的抖动使相机光圈产生的变化。

2.2 光源

光源分为2种：一种是置于相机与玻璃带正下方的条形主光源，一种是置于玻璃带边缘侧的侧光源。主光源采用高光发光二极管阵列排列方式，侧光源采用白强光，以提高照度以便获得高分辨率（图3）。其中，l，m和n为一固定距离，θ为角度。

图3 压花玻璃检测系统侧视图

2.3 分析处理模块

分析处理部分分为下位（处理）机和上位（通信）机。上位机处理采取黑匣屏蔽下位机的操作（图4）。

图4 上位机、下位机及通信指示

2.4 打标模块

检测到坏点时，PLC（Programmable Logic Controller，可编程逻辑控制器）控制打标器对缺陷标识。PLC每t秒接收变频脉冲信号对相机控制，当检测有坏点时通知打标器标记。

3 检测标准

压花玻璃检测系统不针对浮法玻璃检测，要求玻璃透射率至少为50%，缺陷的检出精度依赖于相机的数量和玻璃带的宽度，可以检测的最小缺陷为a×a个像素（a为可识别缺陷的最小像素边长，a要求尽量小）。检测系统的检测取决于产品缺陷和背景之间的视觉差异，如果产品变化遮蔽了缺陷，检测就得不到保证。因此，要求缺陷对比度反差应尽量明显，相距较近的缺陷会被报告成为同一个缺陷的概率较大。

4 缺陷类型

压花玻璃生产中的缺陷类型有气泡、夹杂物、划伤、疖瘤等。玻璃缺陷分析中，可以根据缺陷的特点对其种类进行分类标识。

（1）气泡缺陷内为空气或中空，主要因生产中气体混杂进玻璃液中或固体夹杂物在玻璃液中高温汽化形成，气液界面因密度不同形成较大折射，其核心区域灰度值较低，而在核心周围由于光学特点造成其形成了一小范围内的较高灰度值。

（2）夹杂物缺陷指玻璃内部及表面含有的固体不规则物质，一般为包裹体呈现，分为内核、外核特征明显。内核一般不透光或透射差，分析处理中的背景灰度值较低。因夹杂物的存在，造成玻璃表面小范围形变，形成明显的光学特征。

（3）划伤缺陷可认为是由线性内核构成，无外核的缺陷仅存在玻璃表面，划伤处光的透射率下降。

（4）疖瘤由玻璃态夹杂物形成，但由于其夹杂物为玻璃，光学特性明显，因此其不存在低灰度内核，只有高灰度值外核。

5 缺陷参数的提取方法及分类法

缺陷特征参数的提取对检测结果有直接影响，标识缺陷特征的参数很多，一般包括缺陷边长、长宽比、面积、周长、弧度、灰度值、能量强度等。缺陷特征越明显，越容易区分缺陷类型。选择高识别度的特征参数是实现准确识别缺陷类型的关键。

缺陷特征有多种分类方法，其中：统计法是较为经典的分类方法，可以作为大数据样本分类结果的对照标准样本，起到参照作用；基于神经网络的分类法有自适应、容错、自组织等多种优点和特性，能够减少误差和迭代数，但其结构网络较难设计。

6 纹理分析和缺陷识别简述

纹理是物体表面的结构属性，基本单位是纹理单元。压花玻璃又称花纹玻璃，表面纹理经光线透过产生漫射，因此，从一面看物体会感觉模糊。一种压花玻璃一般有基于相同类型连续的纹理单元构成的表面，但相同类型的纹理单元构成的整体纹理效果又会呈现出新的独立的纹理特征。因此，对纹理分割分析对区分纹理和缺陷特征十分重要。

分析过程中一般将采集到的图像进行切割，对每个子图像进行纹理提取和分析，识别纹理和缺陷的特征（图5）。切割图像分析前，需要对图像进行预处理分析，包括滤波和图像增强处理等，以突出图像的某些关键信息，保证识别缺陷的可靠性。依据图像的灰度值、几何特征等因素，将图像分割为子图，缺陷特征提取要尽量反映出原本缺陷的特点，根据每种缺陷的物理光学特性进行算法设计和类型划分。

图5 缺陷分析处理流程

7 总结

由于生产条件及状况的限制和差异，玻璃生产中产生的缺陷类型比较随机、没有规律，能否准确判断缺陷类型对生产工艺的改进有一定指导作用。衡量压花玻璃是否达标的标准是，规定面积内的坏点数量和尺寸是否在标准内。因此，只有准确描述产品缺陷信息，才能为准确的玻璃等级分类提供可靠的依据。除了压花玻璃缺陷检测系统的结构、原理等内容，关于压花玻璃的缺陷识别和等级分类等问题，在科研和生产实践中还会有更多的探索和挑战。