表面皿图片
丽江古城导游词-哄女生的情话
2023年2月22日发(作者：塑料加工)玻璃质量在线视觉检测系统光源的设计
苑玮琦;毕天宇
【摘要】为了实现生产线上玻璃质量的自动检测,采用机器视觉的方法对生产线上
的玻璃进行缺陷检测.采集图像过程中光照方式对图像质量影响很大,为了避免由光
照效果不佳对玻璃质量判断造成的干扰,保证视觉检测系统可识别不同种类的裂痕,
研究了机器视觉系统中光源系统相对于生产线上玻璃的位置和光强度,解决上述问
题造成的影响.分析光源系统对拍摄玻璃图像中缺陷部分和质量合格部分的相关影
响,提出了一种可以检测出不同种类裂痕的光源照射方式,使其能够拍摄满足条件的
高质量玻璃图像.通过样本批量测试实验证明:该光源照射方式对玻璃质量在线检测
的识别准确率均为90％以上,所采集图像质量满足要求,能够准确检测出不合格产品
的缺陷位置、面积大小及缺陷深度.
【期刊名称】《应用光学》
【年(卷),期】2015(036)003
【总页数】7页(P369-375)
【关键词】自动检测仪器;玻璃;光源系统;线阵摄像机;视觉检测;图像处理;图像识别
【作者】苑玮琦;毕天宇
【作者单位】沈阳工业大学视觉检测技术研究所,辽宁沈阳110870;沈阳工业大学
视觉检测技术研究所,辽宁沈阳110870
【正文语种】中文
【中图分类】TN942.21;TP216
引言
随着国家经济的发展，工业及民众对玻璃的需求日益增加，对高质量玻璃的要求也
越来越大，玻璃中带有缺陷会使玻璃的机械性能降低，造成大量的废品和次品［1
－3］。因此，一套切实可用的玻璃质量检测设备是非常必要的。传统人工在线检
测方法不仅工作量大且易受人为因素的影响，造成误检及漏检［4－7］。工厂的
玻璃生产线运动速度通常较快，人眼无法辨别缺陷形态，且检测结果不能及时保存
［8］，不利于统计数据的分析。
检测系统监测监控的水平直接影响到能否生产出高质量的玻璃产品，采用机器视觉
检测方法不仅解放了人力而且保证了检测的准确性，是一种无接触无损伤安全可靠
的检测方法，能适用于生产现场恶劣的环境［9］，并且系统有通用的工业接口，
因此具有较强的通用性和可移植性。选用适当摄像机代替人眼，结合摄像机参数能
够更精确地分析玻璃质量检测结果。由于玻璃材质的特殊性，对拍摄条件要求非常
严格，采集系统中的光源系统对玻璃图片的质量影响尤为重要。
为了降低误报率，本文对视觉检测系统中的光源系统进行了改进［10］，常规采
用的光源系统照明方式可以清晰拍摄出玻璃中的杂质、气泡和部分裂痕缺陷。由于
深度及受力方位的不同会使裂痕呈现多种形态［11］，论文着重对光源系统及其
照明方式对裂痕成像质量的影响进行分析，结合玻璃生产线速度、摄像机扫描频率、
镜头视场等参数搭建了模拟生产线玻璃质量检测系统，通过选择不同的实验条件，
对模拟生产线上玻璃进行拍摄，并对采集图片进行处理分析，给出检测结果。结果
表明：本文所建立的模拟玻璃生产线检测系统及光照方式均满足要求。
1实验系统及工作原理
根据摄像机、光源和拍摄对象的相对位置，将光源系统分为正光源照明方式和背光
源照明方式。正光源方式时，光源和摄像机位于拍摄对象的同一侧；背光源方式时，
光源和摄像机分别位于拍摄对象的两侧，如图1所示。
图1光源两种照射方式相对位置示意图Fig.1Relativepositionsofdifferent
illuminatingmodes
1.1正光源照射方式测试分析
实验1采用正光源方式。调节光源与摄像机相对角度并置于不同值，由于玻璃材
质的特殊性，此种方式极易造成反光或局部不清晰，如图2（a）所示。图中红色
边框内部丢失部分缺陷图像，经后续处理后也无法改善图片质量，仍无法检测出该
部分裂痕，如图2（b）所示。这样造成漏检，致使不合格产品流入市场。若降低
光源亮度可改善上述情况，但图片整体灰度值变化不大，不易区分裂痕，如图3
（a）所示。处理后图片如图3（b）所示，将无缺陷部分误作裂痕提取，易造成
误检。这样将合格产品当做废品处理，增加成本。
图2正光源照射时反光情况拍摄效果Fig.2Analysisofacquiredimagewith
illuminatinginfrontofobjectwhenglassreflectslightstrongly
图3正光源照射时降低光源亮度拍摄效果Fig.3Analysisofacquiredimage
whenilluminatinginfrontofobjectwithreducedbrightness
1.2机器视觉系统设计及分析
基于以上2种分析，故玻璃检测时常采用背光源照射方式更为合理，本文着重对
背光源照射方式进行研究设计。
采用背光源照射方式时，机器视觉检测系统整体结构模型如图4所示。系统总体
结构分为采集系统和处理系统，其中采集系统包括工业摄像机、模拟生产线和本文
研究的光源系统。
图4背光源照射时机器视觉检测系统整体结构模型Fig.4Structuremodelof
machinevisualinspectionsystemwithilluminatingbehindobject
2背光源照射方式时设备参数设置
2.1摄像机扫描频率设置及分析
采用背光源照射时，调整光源照度，当玻璃表面测试光源照度为6600lx～6
800lx时，所拍摄的图片效果最佳，故调整光源照度置于该范围并保持不变，调节
摄像机，使光源及玻璃置于不同角度时，进行实验测试分析。该过程中玻璃生产线
运行速度不变，线性扫描摄像机行频不变。
为了避免上述因素影响所拍摄图片的质量，生产线运行速度与摄像机扫描行频需满
足下列相关关系，采用的线性摄像机型号为Dalsa公司的SG－14－04K80，该摄
像机像元数为4096像素，最大行频可设置为18kHz，每个像元对应玻璃的横向
尺寸200／4096＝0.0488mm，玻璃生产线运行速度为200mm／s。为避免运
动图像模糊，摄像机扫描频率应不小于200／0.0488＝4098.36Hz。通过驱动程
序将摄像机行频设置为5000Hz。
2.2选用光源波段分析
为了避免光源波长影响图像质量，光源系统选用图像传感器响应效果较好的波段的
光源，如图5所示。图中给出所用线性摄像机中CCD传感器的光谱响应图。在波
长为620nm～750nm范围的响应值较高且较稳定，所以光源系统选定为红色条
形光源，其波长范围为620nm～760nm。
图5CCD传感器光谱响应图Fig.5SpectralresponsibilityofCCDsensor
3背光源照射方式时相对位置角度设计及分析
光源系统采用背光源照射方式时，针对背光源系统摄像机、生产线上的玻璃及光源
的相对角度，本文给出了3种位置关系，结合两类裂痕的拍摄质量对其进行比对
分析，确定最终适合生产线中应用的光源系统。
本文根据裂痕深度方向与玻璃截面的相对位置关系将玻璃裂痕划分为两类：第一类
裂痕，其裂痕深度方向与玻璃切割面方向不平行且角度任意；第二类裂痕，其裂痕
深度方向与玻璃切割面方向平行。分别研究了3种位置关系对两种裂痕的拍摄质
量影响，并将拍摄后的图片进行处理分析，计算裂痕位置和尺寸。
3.1第一种位置关系测试分析
此时光源与摄像机在一条直线上，该直线与玻璃生产线垂直，其相对位置如图6
所示，根据理论计算设置物距为250mm。
图6第一种位置关系时三者相对位置示意图Fig.6Positionsofcamera，
illuminatingsourceandobjectinfirstrelativeposition
1）第1种位置关系时对第一类裂痕拍摄效果分析
此时拍摄玻璃图像如图7（a）所示，经处理后图像如图7（b）所示。玻璃缺陷部
分对光线的吸收及折射作用与合格部位明显不同，由拍摄原图像可清晰辨别裂痕并
可看出其深度（图片中颜色较浅部分为其深度投影），对于波纹圈状裂痕如图7
（a）中方框所示，由于其裂痕深度方向与玻璃切割面方向不在一条直线上，且垂
直于玻璃切割面，为第一类裂痕，光源照射时缺陷部分遮挡与光线变化明显，故此
时成像面积大，清晰并易分辨。可根据处理后的图片准确提取缺陷位置并计算缺陷
大小。
图7第1种位置关系时拍摄的第一类裂痕图像Fig.7Analysisoffirstcategory
crackimageinfirstrelativeposition
2）第1种位置关系时对第二类裂痕拍摄效果分析
此时光线垂直透射过玻璃，摄像机接收垂直光线，若存在裂痕缺陷，且其深度方向
与玻璃切割面平行时，则不易辨别其缺陷深度大小，其成像为裂痕在玻璃表面的垂
直投影，为一条细线，如图8（a）所示。经处理后提取的缺陷面积小于真实的缺
陷，如图8（b）所示，并且无法计算其深度。
图8第1种位置关系时拍摄的第二类裂痕图像Fig.8Analysisofsecond
categorycrackimageinfirstrelativeposition
3.2第2种位置关系测试分析
此时光源所在直线垂直于玻璃生产线，扫描摄像机所在直线与玻璃生产线成一定角
度，实验中测试了不同角度时的测试效果，当摄像机与玻璃生产线所成角度范围为
45.0°～60.0°时效果明显，玻璃生产线、摄像机与光源相对位置示意图如图9所示。
下面对上述两种裂痕拍摄效果进行测试分析。
图9第2种位置关系时三者相对位置示意图Fig.9Positionsofcamera，
illuminatingsourceandobjectinsecondrelativeposition
1）第2种位置关系时对第一类裂痕拍摄效果分析
保持相对位置中的物距不变，改变采集系统中三者的相对角度，研究拍摄效果并进
行分析。由于光源与摄像机的相对角度不同，可见其裂痕深度投影，但对于波纹圈
状裂痕则有部分缺失，此时拍摄原图片如图10（a）所示，其中浅灰色部分为深度
投影，波纹圈状裂痕左下部分有缺失。该缺失部分较大。处理后的图片如图10
（b）所示，处理后仍无法修复图片裂痕部分，造成部分裂痕丢失，漏检。
图10第2种位置关系时拍摄的第一类裂痕图像Fig.10Analysisoffirstcategory
crackimageinsecondrelativeposition
2）第2种位置关系时对第二类裂痕拍摄效果分析。
此时位置关系对拍摄第二类裂痕时，拍摄效果有显著改善，拍摄原图像如图11（a）
所示。此时光线经过有缺陷部位时，由于折射及遮挡作用，可清晰拍摄出其深度，
处理后图片如图11（b）所示，可精确定位裂痕位置及缺陷面积大小。
图11第2种位置关系时拍摄的第二类裂痕图像Fig.11Analysisofsecond
categorycrackimageinsecondrelativeposition
3.3第3种位置关系测试分析
结合第1种和第2种位置关系时所拍摄的图像质量分析，将上述两种方法进行改
善，提出了第3种位置关系。此时摄像机与玻璃生产线保持第2种位置关系的相
对角度，可保证第二类裂痕的清晰成像，调整光源系统相对于玻璃生产线及摄像机
的角度，测试中分别顺时针和逆时针向左和向右调整光源与生产线夹角，测试结果
显示逆时针向右调小置夹角为30.0°～60.0°时，成像效果最佳，此时即修复了第2
种位置关系时所拍摄第1种裂痕的成像部分丢失，又保证第二类裂痕的面积及深
度定位准确。第3种位置关系时三者相对位置关系示意图如图12所示。
图12第3种位置关系时三者相对位置示意图Fig.12Positionsofcamera，
illuminatingsourceandobjectinthirdrelativeposition
1）第3种位置关系时对第一类裂痕拍摄效果分析。
此时光源相对于摄像机与生产线的位置保证了裂痕成像清晰，如图13（a）所示。
对于第二类位置关系拍摄波纹圈状裂痕缺失的部分进行分析，在丢失的部分调整光
源，使丢失的裂痕部分成像，并且清晰处理后易分辨。
图13第3种位置关系时拍摄的第一类裂痕图像Fig.13Analysisoffirstcategory
crackimageinthirdrelativeposition
2）第3种位置关系时对第二类裂痕拍摄效果。
此时裂痕深度截面投影清晰，经过图像处理后可清楚识别缺陷大小、位置及缺陷深
度，能够保证较高的测量精度，如图14所示，在工业现场应用时不易造成误检漏
检等情况。
图14第3种位置关系时拍摄的第二类裂痕图像Fig.14Analysisofsecond
categorycrackimageinthirdrelativeposition
4技术指标及识别准确率测试分析
已知玻璃样本的最小缺陷为3mm，允许误差为0.05mm，模拟玻璃生产线运行速
度为200mm／s，摄像机行频设置为5000Hz，经理论分析计算摄像机扫描一行
时，模拟生产线移动了0.04mm。已知像元尺寸为10μm，则纵向误差为
0.03mm，设备误差满足要求。
玻璃样本的相关参数介绍：玻璃尺寸为200mm＊200mm，厚度为5mm，密度
为2.45g／cm3，缺陷主要为不同种类的裂痕，最小缺陷长度为3mm，缺陷主要
类型分为上文介绍的第一类和第二类，分别对两类缺陷的3种位置关系进行样本
识别率的定量测试分析。
表13种位置关系样本缺陷识别准确率分析Table1Recognitionaccuracyof
glasssamplesfor3positions玻璃样本缺陷类型第1位置关系时缺陷识别率／%
第2位置关系缺陷识别率／%第3位置关系缺陷识别率／%第一类缺陷类型大小为
3～10（mm＊mm）937492第二类缺陷类型大小为3～10（mm＊mm）79
9595第一类缺陷类型大小为11～30（mm＊mm）998398第二类缺陷类型大
小为11～30（mm＊mm）88%98%98%
4结论
本文采用机器视觉的方法在线进行玻璃缺陷检测，结合生产线玻璃速度和玻璃材质
的特殊性，通过实验，改变光源相对于扫描摄像机和玻璃生产线的相对角度，并对
采集的玻璃图像进行缺陷提取，分析选择最佳设备参数。选用带有不同种类裂痕的
大量玻璃样本进行测试，结果验证所设计的光源系统符合要求，能够显示缺陷定位
并计算出其大小。根据样本测试，该检测方法及光源照明方式对于大尺寸缺陷或小
尺寸缺陷均适用，且识别准确率均为90%以上，实现了玻璃质量缺陷的在线检测，
在保证检测速度的同时提高了检测精度。
【相关文献】
［1］JinJianguang，rithmofglassdefectionon－linedetectionsystem
［J］.OpticalTechnique，2006，32（S1）：23－25.金剑光，魏平.一种适用于玻璃生产线的瑕
疵检测算法［J］.光学技术，2006，32（S1）：23－25.
［2］PengXiangqian，ChenYouping，XieJingming，chononlinedefect
inspectionandrecognitionforfloatglassfabrication［J］.Glass＆Enamel，2010（1）：1
－6.彭向前，陈幼平，谢经明，等.浮法玻璃缺陷在线检测识别方法研究［J］.玻璃与搪瓷，2010
（1）：1－6.
［3］BaoYiwang，ZhouHuabin，QiuYan，－mentalresearchonglassdefect
inspectiontechnologybasedonphotoelasticity［J］.GlassandDoorWindowCurtain，
2010（S2）：147－150.包亦望，周华斌，邱岩，等.基于光弹法的玻璃缺陷检测技术的实验研究
［J］.中国建材科技，2010（S2）：147－150.
［4］nthequalityofglasson－linedetectionsystembasedonmachine
vision［D］.Zhengzhou：HenanUniversityofScience＆Technology，2010.王飞.基于机器视
觉的玻璃质量在线检测系统研究［D］.郑州：河南科技大学，2010.
［5］ZhouXin，DengWenyi，chonfastdetectionandclassification
ofglassdefect［J］.MicroComputerInformation，2008，27：304－305.周欣，邓文怡，刘
力双.玻璃缺陷快速检测分类研究［J］.微计算机信息，2008，27：304－305.
［6］AdamoF，AttivissimoF，NisioAD，－costinspectionsystemforonline
defectsassessmentinsatinglass［J］.Measurement，2009，42（9）：1304－1311.
［7］YuFashan，TianXifang，HanChaochao，chonon－linedefect
detectiontechnologyforglassproduction［J］.JournalofHenanPolytechnicUniversity：
NaturalScience，2013（4）：476－480.余发山，田西方，韩超超，等.玻璃生产缺陷在线检测
技术研究［J］.河南理工大学学报：自然科学版，2013（4）：476－480.
［8］WeiTao，WangZhaoba，JinYong，nglassdefectinspection
technologybasedonimagere－construction［J］.ControlandInstrumentinChemical
Industry，2010（6）：58－61.魏涛，王召巴，金永，等.基于图像重构的玻璃缺陷检测技术研究
［J］.化工自动化及仪表，2010（6）：58－61.
［9］YiQiaomu，ChengJinshu，ZhouYang，e－visionbasedonlinequality
detectionsystemforglassproduction［J］.JournalofWuhanUniversityofTechnology，
2007（5）：23－26.易乔木，程金树，周洋，等.一种基于机器视觉的玻璃质量在线检测系统［J］.
武汉理工大学学报，2007（5）：23－26.
［10］XiongGuangjie，MaShuyuan，NieXueyuan，sinspectionsystemof
HIDPCBbasedonmachinevision［J］.ComputerMeasurement＆Control，2011（8）：
1824－1826.熊光洁，马树元，聂学俊，等.基于机器视觉的高密度电路板缺陷检测系统［J］.计算
机测量与控制，2011（8）：1824－1826.
［11］LiuHuaiguang，ChenYouping，XieJingming，chonlinerecognition
technologyforfloatglassdefects［J］.JournalofChineseComputerSystems，2011（4）：
738－742.刘怀广，陈幼平，谢经明，等.浮法玻璃缺陷在线识别技术的研究［J］.小型微型计算机
系统，2011（4）：738－742.