針對玻璃鋼破產(chǎn)爆破的機(jī)器視覺檢測系統(tǒng)

針對玻璃鋼破產(chǎn)爆破的機(jī)器視覺檢測系統(tǒng)

0玻璃的脆性破壞隨著社會(huì)的發(fā)展和生活水平的提高，玻璃在人們的日常工作和生活中的應(yīng)用越來越廣泛。為提高玻璃的安全性,尤其在建筑、汽車、裝飾裝修、家具等行業(yè),人們普遍使用了強(qiáng)度較高的鋼化玻璃。但是,由于玻璃本身是一種脆性材料,其抗拉強(qiáng)度遠(yuǎn)低于抗壓強(qiáng)度,在斷裂過程中幾乎沒有任何塑性變形,即使是鋼化玻璃也是如此,其破壞往往是突發(fā)性的和災(zāi)難性的。就鋼化玻璃而言,雖說其強(qiáng)度等各項(xiàng)指標(biāo)遠(yuǎn)遠(yuǎn)優(yōu)于普通玻璃,但其脆性材料的本質(zhì)并未發(fā)生改變,且由于生產(chǎn)工藝的原因,其自身還存在先天性的重大隱患:自爆,即在無直接機(jī)械外力作用下發(fā)生自動(dòng)性炸裂。自爆在玻璃加工、貯存、運(yùn)輸、安裝、使用等過程中均可發(fā)生,且無任何預(yù)兆,突發(fā)性很強(qiáng)。由于鋼化玻璃往往用于重要場合,自爆后通常更換難度大,處理費(fèi)用高,同時(shí)會(huì)伴隨較大的影響及經(jīng)濟(jì)損失,甚至危及人的生命。解決這個(gè)被稱為“玻璃癌癥”的自爆問題一直是困擾工程界的難題。1均質(zhì)處理的應(yīng)用一般認(rèn)為,引發(fā)鋼化玻璃自爆的主要原因,是玻璃中各種雜質(zhì)發(fā)生的相變膨脹。這些雜質(zhì)主要是硫化鎳,還有其它的異質(zhì)相雜質(zhì)如單質(zhì)多晶硅、氧化鋁和硅鋁酸鈉等。為了應(yīng)對自爆,許多廠家對鋼化玻璃采取均質(zhì)處理(HST),即將鋼化玻璃再次加熱到290℃左右并保溫一定時(shí)間,讓有缺陷的玻璃在工廠內(nèi)提前破碎。但實(shí)際應(yīng)用情況表明,均質(zhì)處理對工藝的要求很高,很難把所有雜質(zhì)問題都處理掉,雖然這種方法確實(shí)降低了自爆率,但仍然不能杜絕自爆現(xiàn)象。換言之僅用均質(zhì)處理是不夠的。分析計(jì)算和實(shí)例統(tǒng)計(jì)都表明,引起自爆的雜質(zhì)顆粒直徑在0.04mm~0.65mm之間,平均粒徑為0.2mm,基本接近于人類視覺的極限。并且這些微粒都是以晶體存在于玻璃中,在普通光照環(huán)境中,特征不明顯。因而,采用人工檢測具有較大難度,且效率低,標(biāo)準(zhǔn)不統(tǒng)一。而機(jī)器視覺技術(shù)可以完成相應(yīng)的識別。2圖像的分析與判斷機(jī)器視覺技術(shù)是指通過圖像獲取裝置,將被測對象的目標(biāo)信息轉(zhuǎn)換成圖像信號并傳輸至計(jì)算機(jī),圖像信號的亮度、顏色等信息經(jīng)過計(jì)算機(jī)中的圖像分析處理系統(tǒng)的分析處理得到目標(biāo)特征,然后由計(jì)算機(jī)進(jìn)行相應(yīng)的判斷,從而實(shí)現(xiàn)各種檢測、判斷、識別、測量等功能。一個(gè)典型的機(jī)器視覺系統(tǒng)包括:光源、鏡頭、攝像頭、圖像采集卡、圖像處理軟件、顯示器、執(zhí)行單元等。2.1玻璃中雜質(zhì)的檢測玻璃中的各種雜質(zhì),在光學(xué)特性上必然與玻璃本身有差異。當(dāng)光線入射玻璃后,各種雜質(zhì)會(huì)在反射、折射等方面表現(xiàn)出與周圍玻璃不同的異樣。例如,當(dāng)均勻光垂直入射玻璃時(shí),如玻璃中沒有雜質(zhì),出射的方向不會(huì)發(fā)生改變,所探測到的光也是均勻的;當(dāng)玻璃中含有雜質(zhì)時(shí),出射的光線就會(huì)發(fā)生變化,所探測到的圖像也要隨之改變。由于雜質(zhì)的存在,在其周圍就發(fā)生了應(yīng)力集中及變形,在圖像中也容易觀察。若遇到光透射型缺陷(如裂紋、氣泡等),光線在該缺陷位置會(huì)發(fā)生折射,光的強(qiáng)度比周圍的要大,因而相機(jī)靶面上探測到的光也相應(yīng)增強(qiáng);若遇到光吸收型(如砂粒等)雜質(zhì),則該缺陷位置的光會(huì)變?nèi)?相機(jī)靶面上探測到的光比周圍的光要弱。分析相機(jī)采集到的圖像信號的強(qiáng)弱變化、圖像特征,便能獲取相應(yīng)的缺陷信息。缺陷檢測的原理如圖1所示。2.2玻璃的加以分析整個(gè)檢測系統(tǒng)包含圖像采集、圖像處理、智能控制、機(jī)械執(zhí)行等部分,其結(jié)構(gòu)如圖2所示。其中光源及被測玻璃固定,光源位于玻璃底部,通過透射進(jìn)入攝像頭。攝像頭以X-Y方式勻速掃描整塊玻璃。圖像采集卡接收攝像頭信號,濾波后經(jīng)模數(shù)轉(zhuǎn)換變成24位的數(shù)字信號,再由計(jì)算機(jī)對其加以分析。如發(fā)現(xiàn)缺陷,則進(jìn)行分類和統(tǒng)計(jì),報(bào)告缺陷類型、尺寸、位置等,為玻璃分級打標(biāo)提供信息。3系統(tǒng)的基本特征近年來,圖像處理和模式識別等技術(shù)的快速發(fā)展,大大地推動(dòng)了機(jī)器視覺的發(fā)展。機(jī)器視覺系統(tǒng)具有高效率、高柔性、高度自動(dòng)化等特點(diǎn),且具有易于實(shí)現(xiàn)信息集成的優(yōu)點(diǎn),是實(shí)現(xiàn)計(jì)算機(jī)集成制造的基礎(chǔ)技術(shù)之一。因此,在對生產(chǎn)要求自動(dòng)化越來越高的現(xiàn)代社會(huì)中,機(jī)器視覺系統(tǒng)越來越被廣泛地應(yīng)用在機(jī)械裝配定位、產(chǎn)品的質(zhì)量檢測、產(chǎn)品識別、產(chǎn)品尺寸測量等方面。3.1玻璃的基礎(chǔ)缺陷為了突出缺陷的特征,光源的配置是一個(gè)非常重要的技術(shù)環(huán)節(jié)。玻璃是由透明材料制作,其反射率比較低,故其并不適用常用的反射照明方式,因此采用透射照明的方式。為了盡可能的增大透射光線的強(qiáng)度,根據(jù)光的波長越長,其透射能力越強(qiáng)的特點(diǎn),采用紅光作為照明光源。此外,考慮到系統(tǒng)的使用壽命以及穩(wěn)定性等因素,選擇紅色LED作為發(fā)光體。該光源被置于玻璃的下方,光線穿過玻璃后經(jīng)鏡頭進(jìn)入相機(jī)。這樣可以獲得較高的對比度,且易得到被測物體比較清晰的整體輪廓。圖3至圖5是拍攝到的玻璃缺陷效果圖。從圖中可以看出,幾種不同的缺陷在優(yōu)質(zhì)光源及高分辨率鏡頭下,缺陷明顯,容易判斷。3.2計(jì)算機(jī)分析識別缺陷在獲得圖像之后,將各種有害雜質(zhì)的光學(xué)特征和形態(tài)參數(shù)提取出來并進(jìn)行有效的分析,包括其幾何特征、灰度特征、梯度特征、紋理特征等,在此基礎(chǔ)上,通過計(jì)算機(jī)的分析識別,判斷出缺陷類型、位置及尺寸。1圖像邊緣、圖像重構(gòu)處理由于受到非理想成像條件和采集設(shè)備自身噪聲等的影響,采集到的玻璃圖像不可避免的存在噪聲和干擾。如果噪聲很強(qiáng),很容易將噪聲誤認(rèn)為是缺陷,所以選擇有效的祛除噪聲的方法,是進(jìn)行缺陷分析和識別的關(guān)鍵。常見的方法有鄰域平均法、中值濾波、維納濾波等。鄰域平均法雖然計(jì)算速度快,但是容易造成圖像邊緣和細(xì)節(jié)處的模糊,維納濾波雖然保留了邊緣和圖像的高頻成分,但花費(fèi)的時(shí)間較多。中值濾波是一種非線性平滑濾波方法,在圖像處理中常用于保護(hù)邊緣信息,對多脈沖噪聲和圖像掃描噪聲非常有效,并且該方法簡單快速,常常被用于玻璃缺陷圖像的濾波。圖像增強(qiáng)技術(shù)的主要目的是根據(jù)實(shí)際需要對一幅給定的圖像進(jìn)行適當(dāng)處理,突出圖像中的某些需要信息,弱化或去除盡可能多的不需要的信息,使處理后的結(jié)果比原圖更合適某些特定應(yīng)用。圖像增強(qiáng)的方法一般可以分為空間域處理和頻域處理兩大類:空間域處理是在原圖像上直接進(jìn)行局部運(yùn)算或者點(diǎn)運(yùn)算;頻域處理是把圖像在Fourier等變換域上進(jìn)行處理,增強(qiáng)感興趣的頻率分量,然后再進(jìn)行Fourier反變換,便可得到感興趣對象得到增強(qiáng)的圖像。另外數(shù)學(xué)形態(tài)學(xué)和小波分析都是圖像處理的強(qiáng)大工具,在其他圖像處理中顯示了其優(yōu)良的特性。2類間方差大小的影響對預(yù)處理后的目標(biāo)圖像進(jìn)行二值化處理,以便提取其幾何特征和梯度特征等。由日本學(xué)者大津(NobuyukiOtsu)于1979年提出的最大類間方差法,也被稱為大津法,簡稱為OTSU法,是一種自適應(yīng)的閾值確定的方法。該方法是基于一維直方圖,在判決分析的基礎(chǔ)推導(dǎo)出來的一種自動(dòng)的無參數(shù)無監(jiān)督的閾值分割方法。按照圖像的灰度特性,圖像被分成背景和目標(biāo)兩部分,依據(jù)背景和目標(biāo)之間的類間方差來區(qū)別構(gòu)成圖像的兩部分的差別,即方差越大差別越大。如果出現(xiàn)錯(cuò)分,即部分背景錯(cuò)分為目標(biāo)或是部分目標(biāo)錯(cuò)分為背景都將會(huì)導(dǎo)致這兩部的分差變小。設(shè)圖像I(x,y)的大小為M×N,假設(shè)目標(biāo)圖像較暗,整幅圖像總像素中像素的灰度值比閾值T小的像素個(gè)數(shù)記作N1,比閾值T大的像素的個(gè)數(shù)記作N2,則目標(biāo)像素點(diǎn)數(shù)在整幅圖像中所占的比例為ω1=N1M×Nω1=Ν1Μ×Ν,其平均灰度為μ1;背景像素點(diǎn)數(shù)在整幅圖像中所占的比例記為ω2=N2M×Nω2=Ν2Μ×Ν,其平均灰度為μ2。其中N1+N2=M×N,ω1+ω2=1。則圖像的總平均灰度:μ=μ1×ω1+μ2×ω2(1)類間方差:g=ω1×(μ-μ1)2+ω2×(μ-μ2)2=ω1×ω2×(μ1-μ2)2(2)當(dāng)類間方差g最大時(shí),可以認(rèn)為此時(shí)目標(biāo)與背景差異最大,也即是灰度的最佳分割閾值,可采用遍歷的方法得到使類間方差最大的閾值T。對預(yù)處理后的圖像采用最大類間方差自動(dòng)閾值法進(jìn)行二值化分離。3特征不全難以反應(yīng)個(gè)體特征特征的提取與選擇至關(guān)重要,它關(guān)系到學(xué)習(xí)算法的選擇和學(xué)習(xí)的效率,關(guān)系到分類識別算法的選取與識別的正確率,在一定意義上講,它關(guān)系到一個(gè)系統(tǒng)是否是有效的。特征的數(shù)量不宜過多,也不宜過少。在機(jī)器學(xué)習(xí)的實(shí)際應(yīng)用中,特征個(gè)數(shù)太少容易造成特征不全,不能完全反應(yīng)個(gè)體特征;特征個(gè)數(shù)太多容易造成特征冗余,訓(xùn)練模型需要的時(shí)間就越長,模型也越復(fù)雜,推廣能力也會(huì)下降。常見的評價(jià)函數(shù)有相關(guān)性、歐式距離和信息增益等。特征的最好選取具有旋轉(zhuǎn)、縮放和平移不變性的特征,如對二值分離的圖像提取幾何特征:缺陷的面積、周長、橢圓度等,以及灰度圖像的灰度特征和HU不變矩等。經(jīng)驗(yàn)?zāi)B(tài)分析(EMD)既具有小波變換的多分辨的優(yōu)勢,又克服了小波變換中人為選取小波基的困難,從信號本身的尺度特征出發(fā)對信號進(jìn)行分解。它作為一種完全的數(shù)據(jù)驅(qū)動(dòng)方法,具有良好的局部適應(yīng)性,短短幾年間,它成功地應(yīng)用于故障檢測、醫(yī)學(xué)、地震、語音、石油勘探等領(lǐng)域。綜上所述,文中選取的特征主要有:缺陷的面積、周長、橢圓度、HU的七個(gè)不變矩、EMD的三層分解等。4bp網(wǎng)絡(luò)的特點(diǎn)神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)和訓(xùn)練能力,使得神經(jīng)網(wǎng)絡(luò)分類器能夠得到更為接近于實(shí)際情況的分類結(jié)果,具有更為精確的類別處理能力和較好的容錯(cuò)能力。三層的BP網(wǎng)絡(luò)能夠形成任意復(fù)雜的特征空間的分類曲面,具有較強(qiáng)的分類能力,使得BP神經(jīng)網(wǎng)絡(luò)分類器在模式識別中廣泛使用。對檢測對