[发明专利]一种玻璃表面缺陷采集装置及检测方法在审

专利信息
申请号: 202110627103.0 申请日: 2021-06-04
公开(公告)号: CN113504238A 公开(公告)日: 2021-10-15
发明(设计)人: 张国军;周晓晓;卢亚;张红梅;赵健州;倪明堂;张臻 申请(专利权)人: 广东华中科技大学工业技术研究院
主分类号: G01N21/88 分类号: G01N21/88;G01N21/958;G01N21/01;G06K9/62;G06N3/08;G06T5/00;G06T5/40;G06T7/00;G06T7/11;G06T7/12
代理公司: 北京惟盛达知识产权代理事务所(普通合伙) 11855 代理人: 董鸿柏
地址: 523808 广东省东莞*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 玻璃 表面 缺陷 采集 装置 检测 方法
【说明书】:

发明公开了一种玻璃表面缺陷采集装置及检测方法,所述采集装置包括箱体、工业相机、环形光源和传送带;所述工业相机安装在箱体内部顶端,所述传送带安装在箱体内部底端,所述环形光源安装在工业相机和传送带之间;玻璃放置在传送带上。本发明通过使用低角度环形光源对平面玻璃进行缺陷信息采集,能提供均匀性好、稳定性好、亮度高的照射条件,可最大限度的提高对缺陷信息的获取,特别是针对比较微小以及划痕深度较浅、不易被识别出来的缺陷,可减少误判和漏判,极大地提高检测系统的准确率;使用深度学习模型对缺陷信息进行识别和分类,既能有效的采集曲面上的缺陷信息,又能快速高效的检测出缺陷类型。

技术领域

本发明涉及缺陷检测技术领域,具体涉及一种玻璃表面缺陷采集装置及检测方法。

背景技术

玻璃是国民经济重要的基础工业原料,在复杂的深加工过程中,受技术条件、生产环境或人为因素的影响,可能会出现各种缺陷。玻璃表面缺陷破坏了玻璃产品的外观质量和光学均匀性,降低了玻璃的使用价值,如果上道工序产生的缺陷流入下道工序,还会加重资源的浪费,因此,需要在生产过程中对玻璃及时进行检测。现有的玻璃表面缺陷检测方法通常以传统的机器视觉方式为主,但传统的机器视觉需要人工提取感兴趣区域特征,耗时长、难度大、标准不统一,造成人力资源的大量浪费;又由于玻璃的缺陷类型众多且多样化,导致识别率低下,缺陷检测速度慢、效率低。

发明内容

因此,本发明要解决的技术问题在于克服现有技术中的上述缺陷,从而提供一种玻璃表面缺陷采集装置及检测方法。

为此,所述玻璃表面缺陷采集装置包括箱体、工业相机、环形光源和传送带;所述工业相机安装在箱体内部顶端,所述传送带安装在箱体内部底端,所述环形光源安装在工业相机和传送带之间;玻璃放置在传送带上。

优选地,还包括光源支架,所述光源支架安装在箱体上,并可在箱体内部上下移动;所述环形光源安装在光源支架上。

优选地,还包括相机夹具,所述相机夹具安装在箱体内部顶端,所述工业相机安装在相机夹具内。

优选地,还包括基座,所述箱体安装在基座上。

优选地,还包括驱动电机,所述传送带由驱动电机控制转动。

本发明还提供一种利用上述玻璃表面缺陷采集装置的玻璃表面缺陷检测方法,包括如下步骤:

S1:将环形光源所在高度调整到工业相机能采集玻璃平面最大宽度的高度,采集图片;

S2:采用图像处理技术将环形光源打光的圆形区域进行提取,剔除多余的干扰信息,进行ROI兴趣区域提取;

S3:ROI兴趣区域提取完成后再对其进行特征提取,强化特征信息;

S4:使用标签软件对玻璃表面上的划痕、脏污、崩边等目标进行框选以及分类,并制作数据集;

S5:选定YOLOv4作为基础算法框架,构建YOLOv4深度学习缺陷检测网络,优化训练策略,模型根据训练集标注的缺陷信息,通过神经网络学习缺陷信息,得到训练权重模型,并将其用于服务器缺陷检测模块中。

优选地,步骤S2包括:

S21:对图像进行图像增强,增强缺陷的特征信息;

S22:采用中值滤波对图像进行去噪;

S23:采取灰度直方图划分区域,并选中需要进行缺陷信息识别的的圆形区域,剔除其他干扰区域。

优选地,步骤S3包括:

S31:使用sobel算子对缺陷信息进行边缘提取,突出缺陷信息;

S32:根据缺陷信息形状进行拟合,完成部分缺陷信息;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东华中科技大学工业技术研究院,未经广东华中科技大学工业技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110627103.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top