一种浮法玻璃波筋在线检测方法
【专利摘要】一种浮法玻璃波筋在线检测方法，本发明属于工业检测【技术领域】，目的在于克服现有浮法玻璃检测设备不能在线检测玻璃斑马角的不足，以有效检测出浮法玻璃生产中的波筋缺陷，并在线实时测定玻璃的斑马角。本发明包括设置检测系统步骤、预先建立映射表步骤、边缘检测步骤、阈值分割步骤、去除图像噪声步骤、条纹细化步骤和计算斑马角步骤。本发明检出率高、检测速度快、大大降低工人了的劳动强度，可以满足浮法玻璃在线检测斑马角的实时性要求。
【专利说明】一种淳法玻璃波筋在线检测方法
【技术领域】
[0001] 本发明属于工业检测【技术领域】，具体涉及一种浮法玻璃波筋在线检测方法。
【背景技术】
[0002] 机器视觉是指用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进 行处理并加以理解，最终用于实际检测、测量和控制。它是一项涉及人工智能、神经生物学、 计算机科学、图像处理、模式识别等诸多领域的综合技术。由于机器视觉系统可以快速获取 大量信息，易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化 生产过程中，机器视觉系统在工况监视、成品检验和质量控制等领域得到了广泛的应用。
[0003] 浮法玻璃的波筋反映了玻璃内部介质的不均匀性，通常是由于熔炉内部加热不均 或配料的局部变化引起的，是影响玻璃评级的一项重要指标；一般来说，波筋会引起轻微 的光学变形，目前主要采用中华人民共和国国家标准GB11614-2009《平板玻璃》第6、7页 6. 5. 4光学变形检测方法（业内俗称斑马法）检测这种光学变形，所测得的表征浮法玻璃试 样光学变形程度的入射角，业内俗称斑马角；其测量原理如图1(a)所示，试样G按拉引方向 垂直放置，观察者P透过试样观察屏幕S上的条纹，首先让条纹明显变形，然后慢慢转动试 样G直到变形消失，记录此时玻璃法线与视角的夹角，这个入射角就是斑马角或称光学变 形角，通常用这个角作为浮法玻璃的光学变形质量的评价指标，图1(b)为屏幕S上的条纹 图像；图1 (a)、图1 (b)中所标注的尺寸单位为mm。
[0004] 斑马法只能对浮法玻璃的波筋进行人工离线抽检，难以全面保证产品质量。随着 玻璃深加工工艺的不断发展，对玻璃原板的质量要求也越来越高，波筋的人工离线抽检方 式已无法适应目前浮法玻璃等级评定的实际需要。因此，要全面保证浮法玻璃质量和提高 生产效率，对浮法玻璃波筋进行在线实时检测就显得十分重要。
[0005] 目前，国内基于机器视觉的浮法玻璃在线检测设备可以有效检测出玻璃生产中 的气泡、夹杂、粘锡、裂纹等常见缺陷，但对引起较小光学变形的波筋无能为力。国外的浮 法玻璃自动检测设备供应商凭着资金和硬件技术上的优势，已经打入国内市场，例如德国 的Innomess公司的光栅在线检测系统、德国Lasor公司的2F1检测系统、英国的Image Automation公司、皮尔金顿玻璃公司、日本的旭硝子玻璃机械都有相应的浮法玻璃缺陷检 测系统，技术较为成熟，可以识别出波筋缺陷，但这些系统都没有提供在线测定斑马角的方 法。
【发明内容】
[0006] 本发明提供一种浮法玻璃波筋缺陷在线检测方法，目的在于克服现有浮法玻璃检 测设备不能在线检测玻璃斑马角的不足，以有效检测出浮法玻璃生产中的波筋缺陷，并在 线实时测定玻璃的斑马角。
[0007] 本发明所提供的一种浮法玻璃波筋缺陷在线检测方法，其特征在于，其包括下述 步骤：
[0008] (1)设置检测系统步骤：在光路中，依次设置LED光源、第一光栅G1、第二光栅G2 和C⑶相机，所述第一、第二光栅的周期相同，平行放置，第一光栅G1贴近LED光源安装，使 LED光源近似平行入射，第二光栅G2位于第一光栅G1的泰伯成像平面处并位于(XD相机的 一倍焦距之内，调整至C⑶相机能够得到第二光栅G2的清晰放大虚像；
[0009] 将待测玻璃带放置于第一光栅G1和第二光栅G2之间且三者平行，C⑶相机输出 透过第二光栅G2形成的莫尔条纹灰度图像；
[0010] ⑵预先建立映射表步骤：
[0011] 预先建立阈值-灰度映射表和梯度-斑马角映射表：阈值-灰度映射表包括分割 阈值表项和平均灰度表项，分割阈值表项包括各幅莫尔条纹灰度图像的分割阈值，平均灰 度表项包括与所述各分割阈值对应的各幅莫尔条纹灰度图像的平均灰度；梯度-斑马角映 射表包括梯度表项和斑马角表项，梯度表项包括各莫尔条纹灰度图像的梯度最大值，斑马 角表项包括与所述各梯度最大值对应的各浮法玻璃试样的斑马角；
[0012] (3)边缘检测步骤：
[0013] 采用Kirsch算子计算莫尔条纹灰度图像中各像素点的最大卷积值，得到卷积值 灰度图像；
[0014] ⑷阈值分割步骤：对卷积值灰度图像进行阈值分割，得到二值化图像；
[0015] (5)去除图像噪声步骤：使用去噪阈值分割二值化图像，去除二值化图像的噪声， 得到去噪二值化图像；
[0016] (6)条纹细化步骤：计算条纹的中点，对去噪二值化图像进行细化，得到细化条纹 图像；
[0017] (7)计算斑马角步骤：计算细化条纹图像中各相邻条纹线之间的不同宽度，再在 莫尔条纹灰度图像中计算所述不同宽度对应范围内所有像素灰度值的和值，然后计算各和 值的梯度，从中找出梯度最大值％ ;根据梯度-斑马角映射表，计算％对应的斑马角
[0018] 所述的浮法玻璃波筋缺陷在线检测方法，其特征在于：
[0019] 所述设置检测系统步骤（1)中，第一光栅G1和第二光栅G2均为Ronchi光栅，第 一光栅G1和第二光栅G2之间的距离L :
[0020]
【权利要求】
1. 一种浮法玻璃波筋缺陷在线检测方法，其特征在于，其包括下述步骤： (1) 设置检测系统步骤：在光路中，依次设置LED光源、第一光栅G1、第二光栅G2和(XD 相机，所述第一、第二光栅的周期相同，平行放置，第一光栅G1贴近LED光源安装，使LED光 源近似平行入射，第二光栅G2位于第一光栅G1的泰伯成像平面处并位于C⑶相机的一倍 焦距之内，调整至C⑶相机能够得到第二光栅G2的清晰放大虚像； 将待测玻璃带放置于第一光栅G1和第二光栅G2之间且三者平行，（XD相机输出透过 第二光栅G2形成的莫尔条纹灰度图像； (2) 预先建立映射表步骤： 预先建立阈值-灰度映射表和梯度-斑马角映射表：阈值-灰度映射表包括分割阈值 表项和平均灰度表项，分割阈值表项包括各幅莫尔条纹灰度图像的分割阈值，平均灰度表 项包括与所述各分割阈值对应的各幅莫尔条纹灰度图像的平均灰度；梯度-斑马角映射表 包括梯度表项和斑马角表项，梯度表项包括各莫尔条纹灰度图像的梯度最大值，斑马角表 项包括与所述各梯度最大值对应的各浮法玻璃试样的斑马角； (3) 边缘检测步骤：采用Kirsch算子计算莫尔条纹灰度图像中各像素点的最大卷积 值，得到卷积值灰度图像； ⑷阈值分割步骤：对卷积值灰度图像进行阈值分割，得到二值化图像； (5) 去除图像噪声步骤：使用去噪阈值分割二值化图像，去除二值化图像的噪声，得到 去噪二值化图像； (6) 条纹细化步骤：计算条纹的中点，对去噪二值化图像进行细化，得到细化条纹图 像； (7) 计算斑马角步骤：计算细化条纹图像中各相邻条纹线之间的不同宽度，再在莫尔 条纹灰度图像中计算所述不同宽度对应范围内所有像素灰度值的和值，然后计算各和值的 梯度，从中找出梯度最大值％ ;根据梯度-斑马角映射表，计算％对应的斑马角
2. 如权利要求1所述的浮法玻璃波筋缺陷在线检测方法，其特征在于： 所述设置检测系统步骤（1)中，第一光栅G1和第二光栅G2均为Ronchi光栅，第一光 栅G1和第二光栅G2之间的距离L :
其中，L的单位为米，d为第一、第二光栅的周期，λ为入射光波的波长，单位为米。
3. 如权利要求1所述的浮法玻璃波筋缺陷在线检测方法，其特征在于，所述预先建立 映射表步骤（2)包括下述子步骤： (2. 1)采集不同光照条件下的一组莫尔条纹灰度图像，并计算每幅莫尔条纹灰度图像 的平均灰度； (2. 2)对每幅莫尔条纹灰度图像，用Otsu法得到对应的分割阈值； (2. 3)建立阈值-灰度映射表：阈值-灰度映射表包括分割阈值表项和平均灰度表项， 分割阈值表项包括各幅莫尔条纹灰度图像的分割阈值，平均灰度表项包括与所述各分割阈 值对应的各幅莫尔条纹灰度图像的平均灰度； (2. 4)获取一组波筋度数不同的浮法玻璃试样； (2. 5)采用斑马法测得各浮法玻璃试样的斑马角； (2. 6)采用所述步骤（1)和下述步骤（3)、（4)、（5)、（6)获得各浮法玻璃试样的细化条 纹图像； (2. 7)计算各细化条纹图像中各相邻条纹线之间的不同宽度，再在相应的莫尔条纹灰 度图像中计算所述不同宽度对应范围内所有像素灰度值的和值，然后计算各和值的梯度， 从中找出梯度最大值，从而得到各莫尔条纹灰度图像的梯度最大值； (2. 8)建立梯度-斑马角映射表：梯度-斑马角映射表包括梯度表项和斑马角表项，梯 度表项包括各莫尔条纹灰度图像的梯度最大值，斑马角表项包括与所述各梯度最大值对应 的各浮法玻璃试样的斑马角。
4. 如权利要求3所述的浮法玻璃波筋缺陷在线检测方法，其特征在于，所述子步骤 (2. 6)得到各莫尔条纹灰度图像的梯度最大值包括下述过程： (2. 6. 1)将梯度最大值赋为0 ; (2. 6. 2)相邻边缘间像素点灰度值求和：按照自左而右的顺序，计算细化条纹图像中， 当前条纹线和下一条纹线之间的宽度，再在莫尔条纹灰度图像中，计算所述宽度对应范围 内所有像素点灰度值的和值； (2. 6. 3)计算所述和值的梯度：计算所述和值与前一次和值的差值，得到当前和值的 梯度； (2. 6. 4)梯度最大值判定：判断当前和值的梯度绝对值是否大于梯度最大值的绝对 值，是则将梯度最大值置为当前和值的梯度，转步骤（2.6.5);否则保持梯度最大值不变， 转步骤（2. 6. 5); (2. 6. 5)最后条纹线判定：判断当前条纹线是否为细化条纹图像的最后一根条纹线， 是则转子步骤（2.7);否则将下一条纹线作为当前条纹线，转子步骤（2.6.2);
5. 如权利要求1所述的浮法玻璃波筋缺陷在线检测方法，其特征在于，所述边缘检测 步骤（3)包括下述子步骤： (3. 1)模板数组初始化：定义8个3 X 3模板数组，并分别对其按Kirsch算子赋值； (3. 2)卷积计算：按照从左至右、自上而下的顺序，在莫尔条纹灰度图像中，将当前像 素作为3 X 3模板数组的中心点，对当前像素值及其8邻域像素值分别用8个模板数组进行 卷积计算，得到8个卷积值； (3. 3)求绝对值最大卷积值：从所述8个卷积值中求出绝对值最大的卷积值，将其作为 当前像素点的像素值； (3.4)结束判定：判断当前像素点是否为莫尔条纹灰度图像的最后一个像素点，是则 形成卷积值灰度图像，结束，转阈值分割步骤；否则将下一像素作为当前像素，转子步骤 (3. 2)。
6. 如权利要求1所述的浮法玻璃波筋在线检测方法，其特征在于，所述阈值分割步骤 (4)包括下述子步骤： (4. 1)计算卷积值灰度图像的平均灰度：对卷积值灰度图像中所有像素点的灰度值累 加求和，再除以像素点的数目，得到卷积值灰度图像的平均灰度H。； (4. 2)查询阈值-灰度映射表； 在阈值-灰度映射表中，找到所述平均灰度％对应的灰度区间[氏，H2]，利用下式计算 所述平均灰度对应的分割阈值?；:
式中，Hi彡4彡H2, Hi、H2分别为4对应的灰度区间较小、较大的灰度值，I\、T2分别为 Hi、H2对应的分割阈值； (4. 3)用分割阈值?；对图像进行阈值分割，得到二值化图像；转去除图像噪声步骤。
7. 如权利要求1所述的浮法玻璃波筋缺陷在线检测方法，其特征在于，所述去除图像 噪声步骤（5)包括下述子步骤： (5. 1)统计二值化图像中当前列黑色像素点数量：从二值化图像的左边开始，按照自 上而下的顺序，统计二值化图像当前列中黑色像素点的数量； (5. 2)颜色判定：判断当前列中黑色像素点的数量与当前列中像素点总数之比是否大 于去噪阈值Td，是则将当前列的所有像素点置为黑色像素点，转步骤（5.3);否则将当前列 的所有像素点置为白色像素点，转步骤（5. 3);其中，0. 5彡Td彡0. 8 ; (5.3)结束判定：判断当前列是否为二值化图像的最后一列，是则得到去噪二值化图 像，结束，转条纹细化步骤；否则将下一列作为当前列，转子步骤（5. 1)。
8. 如权利要求1所述的浮法玻璃波筋缺陷在线检测方法，其特征在于，所述条纹细化 步骤（6)包括下述子步骤： (6. 1)获取当前条纹的起点和终点：按照自左而右的顺序，从当前像素点开始，扫描去 噪二值化图像的一行，当扫描到一个紧邻白色像素点的黑色像素点时，将该黑色像素点位 置记录为当前条纹起点位置，当继续扫描到一个紧邻黑色像素点的白色像素点时，将黑色 像素点位置记录为当前条纹的终点位置； (6. 2)计算当前条纹的中点：计算当前条纹起点位置和终点位置的平均值，得到条纹 的中点； (6. 3)条纹细化：在去噪二值化图像中，将条纹中点位置对应的一列像素点全部置为 黑色像素点，当前条纹其他位置像素点均置为白色像素点，形成条纹线； (6. 4)结束判定：判断当前像素点是否为去噪二值化图像一行中最后的像素点，是则 得到细化条纹图像，结束，转计算最大光通量变化率步骤；否则将下一像素点置为当前像素 点，转子步骤（6. 1)。
9. 如权利要求1所述的浮法玻璃波筋缺陷在线检测方法，其特征在于，所述计算斑马 角步骤（7)包括下述子步骤： (7. 1)将梯度最大值D。赋为0 ; (7.2)相邻边缘间像素点灰度值求和：按照自左而右的顺序，计算细化条纹图像中，当 前条纹线和下一条纹线之间的宽度，再在莫尔条纹灰度图像中，计算所述宽度对应范围内 所有像素点灰度值的和值； (7. 3)计算所述和值的梯度：计算所述和值与前一次和值的差值，得到当前和值的梯 度； (7. 4)梯度最大值判定：判断当前和值的梯度绝对值是否大于梯度最大值Ο。的绝对 值，是则将D。置为当前和值的梯度，转步骤（7.5);否则保持D。不变，转步骤（7.5); (7. 5)最后条纹线判定：判断当前条纹线是否为细化条纹图像的最后一根条纹线，是 则转子步骤（7.6);否则将下一条纹线作为当前条纹线，转子步骤（7.2); (7. 6)查询梯度-斑马角映射表： 在梯度-斑马角映射表中，找到所述梯度最大值％对应的梯度区间[Dp D2]，利用下式 计算％对应的斑马角心：
式中，Di < % < D2, DpD2分别为％对应的梯度区间较小、较大的梯度值，ApA2分别为 Dp D2对应的斑马角；计算完毕结束。
【文档编号】G01B11/26GK104111040SQ201410259639
【公开日】2014年10月22日 申请日期:2014年6月11日 优先权日:2014年6月11日
【发明者】谢经明, 李安定, 陈幼平, 张代林, 卜凡 申请人:华中科技大学