实现电子玻璃缺陷自动检测的系统的制作方法
【专利摘要】本发明涉及一种实现电子玻璃缺陷自动检测的系统，其中包括：照相模块用以获取电子玻璃的图像；缺陷检测模块，用以通过分析所述的电子玻璃的图像得到数个分割对象，并对各个分割对象进行缺陷定位处理和缺陷分类处理得到各个分割对象的缺陷种类；显示模块，用以显示各个分割对象的缺陷种类的信息。采用本发明的实现电子玻璃缺陷自动检测的系统，提高了电子玻璃的检测效率，减少劳动力浪费，降低检测成本，提高检测精度和玻璃品质，加强企业的自动化程度，有利于玻璃自动检测系统的大规模推广，具有更加广泛的应用范围。
【专利说明】实现电子玻璃缺陷自动检测的系统
【技术领域】
[0001]本发明涉及视觉图像检测领域，尤其涉及电子玻璃质量检测领域，具体是指一种实现电子玻璃缺陷自动检测的系统。
【背景技术】
[0002]机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
[0003]机器视觉是一项综合技术，其中包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术，人机接口技术等。这些技术在机器视觉中是并列关系，相互协调应用才能构成一个成功的机器视觉应用系统。
[0004]近年来，随着市场对玻璃产品需求的迅速增长，玻璃产品的生产无论从质量、品种，还是生产工艺都发生了质的变化。特别是现在生产技术的不断发展，高端产品对玻璃基板的质量要求越来越高，尤其是电子玻璃，因此全面保证玻璃质量提高其等级就显得尤其重要。
[0005]目前，玻璃缺陷检测主要是利用人工在线检测，人工的检测精度是0.2皿左右，漏检率在3%左右，人工检测易受检测人员主观因素的影响，容易对玻璃缺陷造成漏检，尤其是畸变较小的缺陷漏检，工人容易视觉疲劳，尤其上夜班，稳定性不高，人力成本大。
【发明内容】
[0006]本发明的目的是克服了上述现有技术的缺点，提供了一种利用神经网络分类算法计算分割对象对应的数十个缺陷特征值，并根据缺陷特征值得到各个分割对象存在的缺陷种类，结构简单且检测精度高的实现电子玻璃缺陷自动检测的系统。
[0007]为了实现上述目的，本发明的实现电子玻璃缺陷自动检测的系统具有如下构成:
[0008]该实现电子玻璃缺陷自动检测的系统，其主要特点是，所述的系统包括:
[0009]照相模块，用以获取所述的电子玻璃的图像；
[0010]缺陷检测模块，用以通过分析所述的电子玻璃的图像得到数个分割对象，并对各个分割对象进行缺陷定位处理和缺陷分类处理得到各个分割对象的缺陷种类；
[0011]显示模块，用以显示各个分割对象的缺陷种类的信息。
[0012]进一步地，所述的缺陷检测模块包括缺陷分类单元，所述的缺陷分类单元用以通过神经网络分类算法对所述的各个分割对象进行计算，并得到各个分割对象对应的数十个缺陷特征值，且根据各个分割对象对应的数十个缺陷特征值得到各个分割对象存在的缺陷种类。
[0013]更进一步地，所述的缺陷检测模块还包括算法学习单元和测试检测单元，其中:
[0014]所述的算法学习单元，用以通过训练样本进行神经网络分类算法的学习；
[0015]所述的测试检测单元，用以通过测试样本对所述的算法学习单元进行测试，并通过比较测试阈值和测试结果判断所述的算法学习单元是否需要继续学习。
[0016]更进一步地，所述的神经网络分类算法的学习包括神经网络结构的学习和连接权值的学习。
[0017]其中，所述的缺陷特征值包括周长特征值、面积特征值、致密性特征值、灰度中值特征值、灰度均值特征值、最大灰度级特征值和最小灰度级特征值。
[0018]更进一步地，所述的系统还包括:
[0019]光源供给模块，用以将光照射于电子玻璃上。
[0020]更进一步地，所述的缺陷检测模块包括缺陷定位单元，其中:
[0021]所述的亮度判断单元，用以筛选出所述的电子玻璃的图像上亮度低于或者高于分割阈值的区域；
[0022]所述的对象分割单元，用以根据所述的亮度判断单元筛选出的亮度低于或者高于分割阈值的区域分割所述的电子玻璃的图像，并得到所述的数个分割对象。
[0023]更进一步地，所述的系统还包括框架、计算机和图像采集卡，所述的照相模块设置于框架内侧上部，所述的图像采集卡设置于所述的计算机中，所述的显示模块与所述的计算机连接，所述的计算机固定于所述的框架底部，所述的光源供给模块固定于所述的框架上且位于所述的电子玻璃的检测位置的下方，并且所述的光源供给模块照明的方向与所述的照相模块采集图像的方向相对应。
[0024]更进一步地，所述的计算机的上方设置有第一铝塑板，所述的框架的上方设置有第二铝塑板，所述的第一铝塑板与第二铝塑板之间的框架的外侧设置有第三铝塑板，所述的第三铝塑板分别与所述的第一铝塑板及第二铝塑板相连接形成密封结构
[0025]其中，所述的第一铝塑板、第二铝塑板和第三铝塑板均为黑色铝塑板，所述的系统还包括空气净化器，所述的空气净化器安装在所述的框架的顶部，所述的光源供给模块为120光源，所述的相机模块为161(的线阵相机。
[0026]采用了本发明的实现电子玻璃缺陷自动检测的系统，检测精度能够达到0.05臟，漏检率在0.5%以内，明显优于人工检验，提高了电子玻璃的检测效率，减少劳动力浪费，降低检测成本，提高检测精度和玻璃品质，加强企业的自动化程度，有利于玻璃自动检测系统的大规模推广，具有更加广泛的应用范围。
【专利附图】
【附图说明】
[0027]图1为本发明的实现电子玻璃缺陷自动检测的系统的结构框图。
[0028]图2为本发明的实现电子玻璃缺陷自动检测的系统在实际应用中的立体示意图。
[0029]图3为本发明的实现电子玻璃缺陷自动检测的系统在实际应用中的正视图。
【具体实施方式】
[0030]为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。
[0031]请参阅图1，在一种实施方式中，本发明的实现电子玻璃缺陷自动检测的系统包括:
[0032]照相模块，用以获取所述的电子玻璃的图像；
[0033]缺陷检测模块，用以通过分析所述的电子玻璃的图像得到数个分割对象，并对各个分割对象进行缺陷定位处理和缺陷分类处理得到各个分割对象的缺陷种类；
[0034]显示模块，用以显示各个分割对象的缺陷种类的信息。
[0035]在一种优选的实施方式中，所述的缺陷检测模块包括缺陷分类单元，所述的缺陷分类单元用以通过神经网络分类算法对所述的各个分割对象进行计算，并得到各个分割对象对应的数十个缺陷特征值，且根据各个分割对象对应的数十个缺陷特征值得到各个分割对象存在的缺陷种类。
[0036]在一种更优选的实施方式中，所述的缺陷检测模块还包括算法学习单元和测试检测单元，其中:
[0037]所述的算法学习单元，用以通过训练样本进行神经网络分类算法的学习；
[0038]所述的测试检测单元，用以通过测试样本对所述的算法学习单元进行测试，并通过比较测试阈值和测试结果判断所述的算法学习单元是否需要继续学习。
[0039]在一种更优选的实施方式中，所述的神经网络分类算法的学习包括神经网络结构的学习和连接权值的学习。
[0040]其中，所述的缺陷特征值包括周长特征值、面积特征值、致密性特征值、灰度中值特征值、灰度均值特征值、最大灰度级特征值和最小灰度级特征值。
[0041]在一种更优选的实施方式中，所述的系统还包括:
[0042]光源供给模块，用以将光照射于电子玻璃上。
[0043]在一种更优选的实施方式中，所述的缺陷检测模块包括缺陷定位单元，其中:
[0044]所述的亮度判断单元，用以筛选出所述的电子玻璃的图像上亮度低于或者高于分割阈值的区域；
[0045]所述的对象分割单元，用以根据所述的亮度判断单元筛选出的亮度低于或者高于分割阈值的区域分割所述的电子玻璃的图像，并得到所述的数个分割对象。
[0046]在一种更优选的实施方式中，所述的系统还包括框架、计算机和图像采集卡，所述的照相模块设置于框架内侧上部，所述的图像采集卡设置于所述的计算机中，所述的显示模块与所述的计算机连接，所述的计算机固定于所述的框架底部，所述的光源供给模块固定于所述的框架上且位于所述的电子玻璃的检测位置的下方，并且所述的光源供给模块照明的方向与所述的照相模块采集图像的方向相对应。
[0047]在一种更优选的实施方式中，所述的计算机的上方设置有第一铝塑板，所述的框架的上方设置有第二铝塑板，所述的第一铝塑板与第二铝塑板之间的框架的外侧设置有第三铝塑板，所述的第三铝塑板分别与所述的第一铝塑板及第二铝塑板相连接形成密封结构
[0048]其中，所述的第一铝塑板、第二铝塑板和第三铝塑板均为黑色铝塑板，所述的系统还包括空气净化器，所述的空气净化器安装在所述的框架的顶部，所述的光源供给模块为120光源，所述的相机模块为161(的线阵相机。
[0049]请参阅图2和图3，在实际应用中，本发明的电子玻璃缺陷自动检测系统包括一体化框架、空气净化器、光源、相机、计算机、图像采集卡、缺陷检测软件、输出信号器。
[0050]其中，所述的整套检测系统安装在电子玻璃的生产辊道上，生产辊道上部的一体化框架采用黑色铝朔板密封，图像采集卡顾名思义是采集图像，相机拍摄的图像通过图像采集卡转移到计算机内存；缺陷检测模块为软件实现，显示模块也为软件实现，即输出信号器。
[0051]在一种更优选的实施方式中，整套检测系统还可以包括信号模块，该信号模块与计算机相连，指导工人进行玻璃下片(从产线上根据信号提示把玻璃分为正品或者不良品，正品代表玻璃上没有缺陷，不良品代表玻璃有缺陷)。
[0052]此外，所述的空气净化器安装在一体化框架顶部，由于一体化结构采用黑色铝朔板全封闭技术，防止环境光干扰，降低图像的噪音，保证图像质量，加上空气净化器自上而下净化空气的作用保证设备处于高洁净度的环境，确保相机采像环境在一定洁净度范围内，防止灰尘干扰缺陷分类，造成误捡；所述的光源通过连接件固定在一体化框架内的型材上，位于生产辊道下部电脑柜的上部，生产辊道正对光源的位置有一个与光源长宽相同的孔洞；所述的相机固定在相机座上，位于生产辊道的上部，安装在一体化框架内中上部的型材上，相机的视野范围正对光源；所述的计算机摆放在电脑柜里，电脑柜安装在一体化框架底部，显示器安装在框架右侧的显示屏挂座上，键盘摆放在框架右侧的键盘座上。该一体化结构框架结构简单牢固，安全可靠，方便相机和光源的调节。
[0053]为了进一步提高检测的精度，检测系统可以采用两个161(的线阵相机，红色光源，打光方式采用背光，像素分辨率0.013皿，相机检测精度为0.05毫米，人眼的的检测精度只有0.2111111左右，明显闻于人工检验。
[0054]由于整体设备安装在电子玻璃的生产线上，当玻璃即将进入相机视野，光电传感器感应到玻璃，传递信号给图像采集卡，图像采集卡控制相机开始采像，图像逐帧的从相机传递给板卡，再从板卡传递到计算机内存中，计算机开始逐帧的分析处理图像，进行缺陷分类与统计。
[0055]其中，电子玻璃如果存在缺陷，玻璃上会出现气泡、划伤、锡点等各种各样的缺陷，根据每种缺陷的特征可以发现，气泡呈椭圆型，划伤是一根细长的线，图像上的锡点缺陷相较于玻璃无缺陷部分在亮度上存在较大差异(很亮或很暗)，很容易区分，其它缺陷分类亦同，所以对每种缺陷建立适量的缺陷库，筛选出与其他缺陷存在明显差异的特征值，计算机采用神经网络分类算法，神经网络分类算法包括神经网络结构的学习和连接权值的学习，具体内容为:
[0056]前期每种缺陷准备一些样本，检测装置通过训练样本进行神经网络的学习；检测装置通过测试样本进行测试，并判断测试结果是否达到测试阈值；判断结果为所述的测试结果达到所述的测试阈值，如果没有达到要求继续测试学习。
[0057]这种高级缺陷分类方法比一般的分类算法成功率高，在生产的过程中不断的采集缺陷数据，填充到缺陷库中。
[0058]当电子玻璃离开光电传感器后，光电传感器传递信号给图像采集卡，图像采集卡控制相机停止采像，缺陷检测软件根据整块玻璃的缺陷类别，缺陷数量等条件判断当前电子玻璃是合格品还是不合格品，之后通过玻璃等级信号通过10模块输出给指示灯，指示操作工如何下片。
[0059]本发明可用于电子玻璃在线缺陷检测，根据检测玻璃尺寸的不同，更改不同尺寸对应的参数，可以检测不同类型的电子玻璃，适合电子玻璃的自动化生产的操作，特别适用于连续不间断作业场合、自动化生产要求高、检测精度要求高、稳定性要求高的工况。
[0060]采用了本发明的实现电子玻璃缺陷自动检测的系统，检测精度能够达到0.05臟，漏检率在0.5%以内，提高了电子玻璃的检测效率，减少劳动力浪费，降低检测成本，提高检测精度和玻璃品质，加强企业的自动化程度，有利于玻璃自动检测系统的大规模推广，具有更加广泛的应用范围。
[0061]在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。
【权利要求】
1.一种实现电子玻璃缺陷自动检测的系统，其特征在于，所述的系统包括: 照相模块，用以获取所述的电子玻璃的图像； 缺陷检测模块，用以通过分析所述的电子玻璃的图像得到数个分割对象，并对各个分割对象进行缺陷定位处理和缺陷分类处理得到各个分割对象的缺陷种类； 显示模块，用以显示各个分割对象的缺陷种类的信息。
2.根据权利要求1所述的实现电子玻璃缺陷自动检测的系统，其特征在于，所述的缺陷检测模块包括缺陷分类单元，所述的缺陷分类单元用以通过神经网络分类算法对所述的各个分割对象进行计算，并得到各个分割对象对应的数十个缺陷特征值，且根据各个分割对象对应的数十个缺陷特征值得到各个分割对象存在的缺陷种类。
3.根据权利要求2所述的实现电子玻璃缺陷自动检测的系统，其特征在于，所述的缺陷检测模块还包括算法学习单元和测试检测单元，其中: 所述的算法学习单元，用以通过训练样本进行神经网络分类算法的学习； 所述的测试检测单元，用以通过测试样本对所述的算法学习单元进行测试，并通过比较测试阈值和测试结果判断所述的算法学习单元是否需要继续学习。
4.根据权利要求3所述的实现电子玻璃缺陷自动检测的系统，其特征在于，所述的神经网络分类算法的学习包括神经网络结构的学习和连接权值的学习。
5.根据权利要求1至4中任一项所述的实现电子玻璃缺陷自动检测的系统，其特征在于，所述的缺陷特征值包括周长特征值、面积特征值、致密性特征值、灰度中值特征值、灰度均值特征值、最大灰度级特征值和最小灰度级特征值。
6.根据权利要求5所述的实现电子玻璃缺陷自动检测的系统，其特征在于，所述的系统还包括: 光源供给模块，用以将光照射于电子玻璃上。
7.根据权利要求6所述的实现电子玻璃缺陷自动检测的系统，其特征在于，所述的缺陷检测模块包括缺陷定位单元，其中: 所述的亮度判断单元，用以筛选出所述的电子玻璃的图像上亮度低于或者高于分割阈值的区域； 所述的对象分割单元，用以根据所述的亮度判断单元筛选出的亮度低于或者高于分割阈值的区域分割所述的电子玻璃的图像，并得到所述的数个分割对象。
8.根据权利要求7所述的实现电子玻璃缺陷自动检测的系统，其特征在于，所述的系统还包括框架、计算机和图像采集卡，所述的照相模块设置于框架内侧上部，所述的图像采集卡设置于所述的计算机中，所述的显示模块与所述的计算机连接，所述的计算机固定于所述的框架底部，所述的光源供给模块固定于所述的框架上且位于所述的电子玻璃的检测位置的下方，并且所述的光源供给模块照明的方向与所述的照相模块采集图像的方向相对应。
9.根据权利要求8所述的实现电子玻璃缺陷自动检测的系统，其特征在于，所述的计算机的上方设置有第一铝塑板，所述的框架的上方设置有第二铝塑板，所述的第一铝塑板与第二铝塑板之间的框架的外侧设置有第三铝塑板，所述的第三铝塑板分别与所述的第一铝塑板及第二铝塑板相连接形成密封结构
10.根据权利要求9所述的实现电子玻璃缺陷自动检测的系统，其特征在于，所述的第一铝塑板、第二铝塑板和第三铝塑板均为黑色铝塑板。
11.根据权利要求10所述的实现电子玻璃缺陷自动检测的系统，其特征在于，所述的系统还包括空气净化器，所述的空气净化器安装在所述的框架的顶部。
12.根据权利要求6或11中任一项所述的实现电子玻璃缺陷自动检测的系统，其特征在于，所述的光源供给模块为LED光源,所述的相机模块为16K的线阵相机。
【文档编号】G06T7/00GK104359925SQ201410652308
【公开日】2015年2月18日 申请日期:2014年11月17日 优先权日:2014年11月17日
【发明者】张艳搏, 吕宏伟 申请人:上海埃蒙特自动化系统有限公司