多特征融合的浮法玻璃缺陷檢測方法研究.pdf

1、在浮法玻璃生產(chǎn)過程中，受到工藝水平限制及環(huán)境因素影響，會(huì)出現(xiàn)各種類型的玻璃缺陷。通過對缺陷的準(zhǔn)確檢測，能大幅度降低生產(chǎn)成本，有效提高玻璃質(zhì)量，提高生產(chǎn)效率?；跈C(jī)器視覺的玻璃缺陷在線檢測具有很高的檢測準(zhǔn)確度及檢測效率，且省去不必要的人工檢測成本，適應(yīng)了玻璃現(xiàn)代化的生產(chǎn)。
　　基于機(jī)器視覺，本文研究了玻璃缺陷檢測中關(guān)鍵技術(shù)及算法，論文主要工作如下：
　　(1)缺陷圖像預(yù)處理。首先針對原始采集圖像背景中存在的明暗相間的干擾條紋，

2、采用差影法剔除；然后選取二維中值濾波平滑缺陷圖像中的干擾噪聲；最后應(yīng)用灰度分段變換方法提高圖像中的缺陷區(qū)域的清晰度，降低非缺陷區(qū)域的視覺存在感。
　　(2)缺陷單特征提取和拓展。提取玻璃缺陷三類單特征：紋理特征、形狀特征、統(tǒng)計(jì)特征，針對三類特征描述缺陷的不足分別進(jìn)行拓展。對比拓展前后對五類缺陷的識別率，結(jié)果證明三次拓展是有效、必要的。
　　(3)缺陷多特征融合和特征選擇。將三類單特征串行融合得到一個(gè)224維的多特征向量，若直

3、接利用進(jìn)行缺陷檢測不僅耗費(fèi)大量時(shí)間，而且達(dá)不到理想檢測效果。本文采用ReCorre法對缺陷多特征向量進(jìn)行特征選擇：第一步去除無關(guān)特征；第二步去除冗余特征，最終得到17維缺陷多特征向量，實(shí)驗(yàn)結(jié)果表明其對缺陷的識別率高于融合前三類單特征。
　　(4)支持向量機(jī)檢測玻璃缺陷。建立檢測玻璃缺陷的支持向量機(jī)模型時(shí)，核函數(shù)選擇徑向基核函數(shù)，多類分類策略采用一對一方式，對于模型建立中最關(guān)鍵的模型參數(shù)選擇：標(biāo)準(zhǔn)SVM法基于人工設(shè)置，具有盲目性；本