苑瑋琦，畢天宇

（沈陽工業(yè)大學(xué) 視覺檢測技術(shù)研究所，遼寧 沈陽110870）

引言

隨著國家經(jīng)濟的發(fā)展，工業(yè)及民眾對玻璃的需求日益增加，對高質(zhì)量玻璃的要求也越來越大，玻璃中帶有缺陷會使玻璃的機械性能降低，造成大量的廢品和次品［1－3］。因此，一套切實可用的玻璃質(zhì)量檢測設(shè)備是非常必要的。傳統(tǒng)人工在線檢測方法不僅工作量大且易受人為因素的影響，造成誤檢及漏檢［4－7］。工廠的玻璃生產(chǎn)線運動速度通常較快，人眼無法辨別缺陷形態(tài)，且檢測結(jié)果不能及時保存［8］，不利于統(tǒng)計數(shù)據(jù)的分析。

檢測系統(tǒng)監(jiān)測監(jiān)控的水平直接影響到能否生產(chǎn)出高質(zhì)量的玻璃產(chǎn)品，采用機器視覺檢測方法不僅解放了人力而且保證了檢測的準確性，是一種無接觸無損傷安全可靠的檢測方法，能適用于生產(chǎn)現(xiàn)場惡劣的環(huán)境［9］，并且系統(tǒng)有通用的工業(yè)接口，因此具有較強的通用性和可移植性。選用適當攝像機代替人眼，結(jié)合攝像機參數(shù)能夠更精確地分析玻璃質(zhì)量檢測結(jié)果。由于玻璃材質(zhì)的特殊性，對拍攝條件要求非常嚴格，采集系統(tǒng)中的光源系統(tǒng)對玻璃圖片的質(zhì)量影響尤為重要。

為了降低誤報率，本文對視覺檢測系統(tǒng)中的光源系統(tǒng)進行了改進［10］，常規(guī)采用的光源系統(tǒng)照明方式可以清晰拍攝出玻璃中的雜質(zhì)、氣泡和部分裂痕缺陷。由于深度及受力方位的不同會使裂痕呈現(xiàn)多種形態(tài)［11］，論文著重對光源系統(tǒng)及其照明方式對裂痕成像質(zhì)量的影響進行分析，結(jié)合玻璃生產(chǎn)線速度、攝像機掃描頻率、鏡頭視場等參數(shù)搭建了模擬生產(chǎn)線玻璃質(zhì)量檢測系統(tǒng)，通過選擇不同的實驗條件，對模擬生產(chǎn)線上玻璃進行拍攝，并對采集圖片進行處理分析，給出檢測結(jié)果。結(jié)果表明：本文所建立的模擬玻璃生產(chǎn)線檢測系統(tǒng)及光照方式均滿足要求。

1 實驗系統(tǒng)及工作原理

根據(jù)攝像機、光源和拍攝對象的相對位置，將光源系統(tǒng)分為正光源照明方式和背光源照明方式。正光源方式時，光源和攝像機位于拍攝對象的同一側(cè)；背光源方式時，光源和攝像機分別位于拍攝對象的兩側(cè)，如圖1所示。

圖1 光源兩種照射方式相對位置示意圖Fig.1 Relative positions of different illuminating modes

1.1 正光源照射方式測試分析

實驗1采用正光源方式。調(diào)節(jié)光源與攝像機相對角度并置于不同值，由于玻璃材質(zhì)的特殊性，此種方式極易造成反光或局部不清晰，如圖2（a）所示。圖中紅色邊框內(nèi)部丟失部分缺陷圖像，經(jīng)后續(xù)處理后也無法改善圖片質(zhì)量，仍無法檢測出該部分裂痕，如圖2（b）所示。這樣造成漏檢，致使不合格產(chǎn)品流入市場。若降低光源亮度可改善上述情況，但圖片整體灰度值變化不大，不易區(qū)分裂痕，如圖3（a）所示。處理后圖片如圖3（b）所示，將無缺陷部分誤作裂痕提取，易造成誤檢。這樣將合格產(chǎn)品當做廢品處理，增加成本。

圖2 正光源照射時反光情況拍攝效果Fig.2 Analysis of acquired image with illuminating in front of object when glass reflects light strongly

圖3 正光源照射時降低光源亮度拍攝效果Fig.3 Analysis of acquired image when illuminating in front of object with reduced brightness

1.2 機器視覺系統(tǒng)設(shè)計及分析

基于以上2種分析，故玻璃檢測時常采用背光源照射方式更為合理，本文著重對背光源照射方式進行研究設(shè)計。

采用背光源照射方式時，機器視覺檢測系統(tǒng)整體結(jié)構(gòu)模型如圖4所示。系統(tǒng)總體結(jié)構(gòu)分為采集系統(tǒng)和處理系統(tǒng)，其中采集系統(tǒng)包括工業(yè)攝像機、模擬生產(chǎn)線和本文研究的光源系統(tǒng)。

圖4 背光源照射時機器視覺檢測系統(tǒng)整體結(jié)構(gòu)模型Fig.4 Structure model of machine visual inspection system with illuminating behind object

2 背光源照射方式時設(shè)備參數(shù)設(shè)置

2.1 攝像機掃描頻率設(shè)置及分析

采用背光源照射時，調(diào)整光源照度，當玻璃表面測試光源照度為6 600lx～6 800lx時，所拍攝的圖片效果最佳，故調(diào)整光源照度置于該范圍并保持不變，調(diào)節(jié)攝像機，使光源及玻璃置于不同角度時，進行實驗測試分析。該過程中玻璃生產(chǎn)線運行速度不變，線性掃描攝像機行頻不變。

為了避免上述因素影響所拍攝圖片的質(zhì)量，生產(chǎn)線運行速度與攝像機掃描行頻需滿足下列相關(guān)關(guān)系，采用的線性攝像機型號為Dalsa公司的SG－14－04K80，該攝像機像元數(shù)為4 096像素，最大行頻可設(shè)置為18kHz，每個像元對應(yīng)玻璃的橫向尺寸200／4 096＝0.048 8mm，玻璃生產(chǎn)線運行速度為200mm／s。為避免運動圖像模糊，攝像機掃描頻率應(yīng)不小于200／0.048 8＝4 098.36Hz。通過驅(qū)動程序?qū)z像機行頻設(shè)置為5 000Hz。

2.2 選用光源波段分析

為了避免光源波長影響圖像質(zhì)量，光源系統(tǒng)選用圖像傳感器響應(yīng)效果較好的波段的光源，如圖5所示。圖中給出所用線性攝像機中CCD傳感器的光譜響應(yīng)圖。在波長為620nm～750nm范圍的響應(yīng)值較高且較穩(wěn)定，所以光源系統(tǒng)選定為紅色條形光源，其波長范圍為620nm～760nm。

圖5 CCD傳感器光譜響應(yīng)圖Fig.5 Spectral responsibility of CCD sensor

3 背光源照射方式時相對位置角度設(shè)計及分析

光源系統(tǒng)采用背光源照射方式時，針對背光源系統(tǒng)攝像機、生產(chǎn)線上的玻璃及光源的相對角度，本文給出了3種位置關(guān)系，結(jié)合兩類裂痕的拍攝質(zhì)量對其進行比對分析，確定最終適合生產(chǎn)線中應(yīng)用的光源系統(tǒng)。

本文根據(jù)裂痕深度方向與玻璃截面的相對位置關(guān)系將玻璃裂痕劃分為兩類：第一類裂痕，其裂痕深度方向與玻璃切割面方向不平行且角度任意；第二類裂痕，其裂痕深度方向與玻璃切割面方向平行。分別研究了3種位置關(guān)系對兩種裂痕的拍攝質(zhì)量影響，并將拍攝后的圖片進行處理分析，計算裂痕位置和尺寸。

3.1 第一種位置關(guān)系測試分析

此時光源與攝像機在一條直線上，該直線與玻璃生產(chǎn)線垂直，其相對位置如圖6所示，根據(jù)理論計算設(shè)置物距為250mm。

圖6 第一種位置關(guān)系時三者相對位置示意圖Fig.6 Positions of camera，illuminating source and object in first relative position

1）第1種位置關(guān)系時對第一類裂痕拍攝效果分析

此時拍攝玻璃圖像如圖7（a）所示，經(jīng)處理后圖像如圖7（b）所示。玻璃缺陷部分對光線的吸收及折射作用與合格部位明顯不同，由拍攝原圖像可清晰辨別裂痕并可看出其深度（圖片中顏色較淺部分為其深度投影），對于波紋圈狀裂痕如圖7（a）中方框所示，由于其裂痕深度方向與玻璃切割面方向不在一條直線上，且垂直于玻璃切割面，為第一類裂痕，光源照射時缺陷部分遮擋與光線變化明顯，故此時成像面積大，清晰并易分辨?？筛鶕?jù)處理后的圖片準確提取缺陷位置并計算缺陷大小。

圖7 第1種位置關(guān)系時拍攝的第一類裂痕圖像Fig.7 Analysis of first category crack image in first relative position

2）第1種位置關(guān)系時對第二類裂痕拍攝效果分析

此時光線垂直透射過玻璃，攝像機接收垂直光線，若存在裂痕缺陷，且其深度方向與玻璃切割面平行時，則不易辨別其缺陷深度大小，其成像為裂痕在玻璃表面的垂直投影，為一條細線，如圖8（a）所示。經(jīng)處理后提取的缺陷面積小于真實的缺陷，如圖8（b）所示，并且無法計算其深度。

圖8 第1種位置關(guān)系時拍攝的第二類裂痕圖像Fig.8 Analysis of second category crack image in first relative position

3.2 第2種位置關(guān)系測試分析

此時光源所在直線垂直于玻璃生產(chǎn)線，掃描攝像機所在直線與玻璃生產(chǎn)線成一定角度，實驗中測試了不同角度時的測試效果，當攝像機與玻璃生產(chǎn)線所成角度范圍為45.0°～60.0°時效果明顯，玻璃生產(chǎn)線、攝像機與光源相對位置示意圖如圖9所示。下面對上述兩種裂痕拍攝效果進行測試分析。

圖9 第2種位置關(guān)系時三者相對位置示意圖Fig.9 Positions of camera，illuminating source and object in second relative position

1）第2種位置關(guān)系時對第一類裂痕拍攝效果分析

保持相對位置中的物距不變，改變采集系統(tǒng)中三者的相對角度，研究拍攝效果并進行分析。由于光源與攝像機的相對角度不同，可見其裂痕深度投影，但對于波紋圈狀裂痕則有部分缺失，此時拍攝原圖片如圖10（a）所示，其中淺灰色部分為深度投影，波紋圈狀裂痕左下部分有缺失。該缺失部分較大。處理后的圖片如圖10（b）所示，處理后仍無法修復(fù)圖片裂痕部分，造成部分裂痕丟失，漏檢。

圖10 第2種位置關(guān)系時拍攝的第一類裂痕圖像Fig.10 Analysis of first category crack image in second relative position

2）第2種位置關(guān)系時對第二類裂痕拍攝效果分析。

此時位置關(guān)系對拍攝第二類裂痕時，拍攝效果有顯著改善，拍攝原圖像如圖11（a）所示。此時光線經(jīng)過有缺陷部位時，由于折射及遮擋作用，可清晰拍攝出其深度，處理后圖片如圖11（b）所示，可精確定位裂痕位置及缺陷面積大小。

圖11 第2種位置關(guān)系時拍攝的第二類裂痕圖像Fig.11 Analysis of second category crack image in second relative position

3.3 第3種位置關(guān)系測試分析

結(jié)合第1種和第2種位置關(guān)系時所拍攝的圖像質(zhì)量分析，將上述兩種方法進行改善，提出了第3種位置關(guān)系。此時攝像機與玻璃生產(chǎn)線保持第2種位置關(guān)系的相對角度，可保證第二類裂痕的清晰成像，調(diào)整光源系統(tǒng)相對于玻璃生產(chǎn)線及攝像機的角度，測試中分別順時針和逆時針向左和向右調(diào)整光源與生產(chǎn)線夾角，測試結(jié)果顯示逆時針向右調(diào)小置夾角為30.0°～60.0°時，成像效果最佳，此時即修復(fù)了第2種位置關(guān)系時所拍攝第1種裂痕的成像部分丟失，又保證第二類裂痕的面積及深度定位準確。第3種位置關(guān)系時三者相對位置關(guān)系示意圖如圖12所示。

圖12 第3種位置關(guān)系時三者相對位置示意圖Fig.12 Positions of camera，illuminating source and object in third relative position

1）第3種位置關(guān)系時對第一類裂痕拍攝效果分析。

此時光源相對于攝像機與生產(chǎn)線的位置保證了裂痕成像清晰，如圖13（a）所示。對于第二類位置關(guān)系拍攝波紋圈狀裂痕缺失的部分進行分析，在丟失的部分調(diào)整光源，使丟失的裂痕部分成像，并且清晰處理后易分辨。

圖13 第3種位置關(guān)系時拍攝的第一類裂痕圖像Fig.13 Analysis of first category crack image in third relative position

2）第3種位置關(guān)系時對第二類裂痕拍攝效果。

此時裂痕深度截面投影清晰，經(jīng)過圖像處理后可清楚識別缺陷大小、位置及缺陷深度，能夠保證較高的測量精度，如圖14所示，在工業(yè)現(xiàn)場應(yīng)用時不易造成誤檢漏檢等情況。

圖14 第3種位置關(guān)系時拍攝的第二類裂痕圖像Fig.14 Analysis of second category crack image in third relative position

4 技術(shù)指標及識別準確率測試分析

已知玻璃樣本的最小缺陷為3mm，允許誤差為0.05mm，模擬玻璃生產(chǎn)線運行速度為200mm／s，攝像機行頻設(shè)置為5 000Hz，經(jīng)理論分析計算攝像機掃描一行時，模擬生產(chǎn)線移動了0.04mm。已知像元尺寸為10μm，則縱向誤差為0.03mm，設(shè)備誤差滿足要求。

玻璃樣本的相關(guān)參數(shù)介紹：玻璃尺寸為200mm＊200mm，厚度為5mm，密度為2.45 g／cm3，缺陷主要為不同種類的裂痕，最小缺陷長度為3mm，缺陷主要類型分為上文介紹的第一類和第二類，分別對兩類缺陷的3種位置關(guān)系進行樣本識別率的定量測試分析。

表1 3種位置關(guān)系樣本缺陷識別準確率分析Table 1 Recognition accuracy of glass samples for 3 positions

4 結(jié)論

本文采用機器視覺的方法在線進行玻璃缺陷檢測，結(jié)合生產(chǎn)線玻璃速度和玻璃材質(zhì)的特殊性，通過實驗，改變光源相對于掃描攝像機和玻璃生產(chǎn)線的相對角度，并對采集的玻璃圖像進行缺陷提取，分析選擇最佳設(shè)備參數(shù)。選用帶有不同種類裂痕的大量玻璃樣本進行測試，結(jié)果驗證所設(shè)計的光源系統(tǒng)符合要求，能夠顯示缺陷定位并計算出其大小。根據(jù)樣本測試，該檢測方法及光源照明方式對于大尺寸缺陷或小尺寸缺陷均適用，且識別準確率均為90%以上，實現(xiàn)了玻璃質(zhì)量缺陷的在線檢測，在保證檢測速度的同時提高了檢測精度。

［1］ Jin Jianguang，Wei Ping.An algorithm of glass defection on－line detection system［J］.Optical Technique，2006，32（S1）：23－25.金劍光，魏平.一種適用于玻璃生產(chǎn)線的瑕疵檢測算法［J］.光學(xué)技術(shù)，2006，32（S1）：23－25.

［2］ Peng Xiangqian，Chen Youping，Xie Jingming，et al.Research on online defect inspection and recognition for float glass fabrication［J］.Glass＆Enamel，2010（1）：1－6.彭向前，陳幼平，謝經(jīng)明，等.浮法玻璃缺陷在線檢測識別方法研究［J］.玻璃與搪瓷，2010（1）：1－6.

［3］ Bao Yiwang，Zhou Huabin，Qiu Yan，et al.Experi－mental research on glass defect inspection technology based on photoelasticity［J］.Glass and Door Window Curtain，2010（S2）：147－150.包亦望，周華斌，邱巖，等.基于光彈法的玻璃缺陷檢測技術(shù)的實驗研究［J］.中國建材科技，2010（S2）：147－150.

［4］ Wang Fei.Study on the quality of glass on－line detection system based on machine vision［D］.Zhengzhou：Henan University of Science＆Technology，2010.王飛.基于機器視覺的玻璃質(zhì)量在線檢測系統(tǒng)研究［D］.鄭州：河南科技大學(xué)，2010.

［5］ Zhou Xin，Deng Wenyi，Liu Lishuang.Research on fast detection and classification of glass defect［J］.Micro Computer Information，2008，27：304－305.周欣，鄧文怡，劉力雙.玻璃缺陷快速檢測分類研究［J］.微計算機信息，2008，27：304－305.

［6］ Adamo F，Attivissimo F，Nisio A D，et al.A low－cost inspection system for online defects assessment in satin glass［J］. Measurement，2009，42 （9）：1304－1311.

［7］ Yu Fashan，Tian Xifang，Han Chaochao，et al.Research on on－line defect detection technology for glass production［J］.Journal of Henan Polytechnic University：Natural Science，2013（4）：476－480.余發(fā)山，田西方，韓超超，等.玻璃生產(chǎn)缺陷在線檢測技術(shù)研究［J］.河南理工大學(xué)學(xué)報：自然科學(xué)版，2013（4）：476－480.

［8］ Wei Tao，Wang Zhaoba，Jin Yong，et al.Study on glass defect inspection technology based on image re－construction［J］.Control and Instrument in Chemical Industry，2010（6）：58－61.魏濤，王召巴，金永，等.基于圖像重構(gòu)的玻璃缺陷檢測技術(shù)研究［J］.化工自動化及儀表，2010（6）：58－61.

［9］ Yi Qiaomu，Cheng Jinshu，Zhou Yang，et al.Machine－vision based online quality detection system for glass production［J］.Journal of Wuhan University of Technology，2007（5）：23－26.易喬木，程金樹，周洋，等.一種基于機器視覺的玻璃質(zhì)量在線檢測系統(tǒng)［J］.武漢理工大學(xué)學(xué)報，2007（5）：23－26.

［10］ Xiong Guangjie，Ma Shuyuan，Nie Xueyuan，et al.Defects inspection system of HID PCB based on machine vision［J］.Computer Measurement＆Control，2011（8）：1824－1826.熊光潔，馬樹元，聶學(xué)俊，等.基于機器視覺的高密度電路板缺陷檢測系統(tǒng)［J］.計算機測量與控制，2011（8）：1824－1826.

［11］ Liu Huaiguang，Chen Youping，Xie Jingming，et al.Research on line recognition technology for float glass defects［J］.Journal of Chinese Computer Systems，2011（4）：738－742.劉懷廣，陳幼平，謝經(jīng)明，等.浮法玻璃缺陷在線識別技術(shù)的研究［J］.小型微型計算機系統(tǒng)，2011（4）：738－742.