隨著社會的發(fā)展，人們的生活水平質(zhì)量得到了很大的提升，在人們的正常工作與生活中，對玻璃進(jìn)行運(yùn)用的需求與途徑越來越廣闊。

然而玻璃是一種易碎物，碎了之后非常容易傷及旁人。

因此，為了對玻璃的安全性進(jìn)行提升，特別是在交通、建筑、家具以及裝飾裝修等行業(yè)，強(qiáng)度比較高的鋼化玻璃得到了廣泛使用。

即便如此，鋼化玻璃仍舊擁有普通玻璃抗拉強(qiáng)度較低等特性，發(fā)生破壞時常常帶有一定的突發(fā)性及災(zāi)難性。

尤其是具有缺陷的鋼化玻璃，往往會產(chǎn)生自爆，因此，在生產(chǎn)運(yùn)營的過程中，對鋼化玻璃缺陷的檢測是非常有必要的，而檢測其缺陷的方式有很多，機(jī)器視覺化技術(shù)是一種較為理想的檢測技術(shù)。

1鋼化玻璃出現(xiàn)自爆的原因及可行性措施

鋼化玻璃缺陷檢測

通常情況下，玻璃內(nèi)的各種雜質(zhì)產(chǎn)生相變膨脹的現(xiàn)象是引發(fā)鋼化玻璃出現(xiàn)自爆情況的主要原因，硫化鎳是這些雜質(zhì)的主要成分，其他雜質(zhì)則為氧化鋁、單質(zhì)多品硅以及硅鋁酸鈉等異質(zhì)相雜質(zhì)。

針對鋼化玻璃產(chǎn)生的自爆情況，很多廠家都會對鋼化玻璃進(jìn)行均質(zhì)處理，也就是HST。

具體說來就是對鋼化玻璃進(jìn)行再次加熱，并且將溫度提升到300℃左右且在一定時間內(nèi)保溫，使得存在缺陷的鋼化玻璃能夠在工廠內(nèi)提前進(jìn)行自我破碎。

不過，從長期實踐應(yīng)用情況來看，采取均質(zhì)處理，需要比較高的工藝技術(shù)，將所有的雜質(zhì)問題都處理掉具有一定的難度。采用均質(zhì)處理的方式，從某種程度上來說，的確可以有效地降低鋼化玻璃的自爆率，但是對自爆這種現(xiàn)象進(jìn)行徹底的杜絕仍舊是不可能的。也就是說，在檢測鋼化玻璃缺陷的過程中，僅采取均質(zhì)處理的技術(shù)是遠(yuǎn)遠(yuǎn)不夠的。

從大量的計算與實例統(tǒng)計來看，引發(fā)鋼化玻璃出現(xiàn)自爆情況的雜質(zhì)顆粒的直徑通常在0.03mm-0.71mm間，平均粒徑為0.31mm，可以說，與人們的視覺極限非常接近。

同時，這些微粒在玻璃中都是以晶體的形式存在，如果將其放置在較為普通的光照環(huán)境下，并不能表現(xiàn)出其明顯的特征。所以，在檢測鋼化玻璃缺陷的過程中，使用人工檢測的方式存在比較大的難度，而且檢測效率也不高，沒有統(tǒng)一的標(biāo)準(zhǔn)。不過，采用機(jī)器視覺技術(shù)則能夠很好地完成與之相對應(yīng)的識別工作。

2機(jī)器視覺化在鋼化玻璃缺陷檢測中的應(yīng)用

機(jī)器視覺化中的光源配置

為了將鋼化玻璃中的缺陷突顯出來，在整個操作的過程中，光源的配置是一個非常重要的技術(shù)環(huán)節(jié)。

透明材料是鋼化玻璃制作的主要材料，具有較低的反射率，所以在常用的反射照明方式中，其并不是很適用，所以，可以采取透射照明的形式。

為了最大限度地提升透射光線的強(qiáng)度，可以依據(jù)光的特點，即光的波長越長，那么其所擁有的透射能力就越強(qiáng)，將紅光作為照明的光源。

除此之外，從系統(tǒng)的可靠性與使用壽命等因素來看，在選擇發(fā)光體時可以使用紅色LED。將這一光源放置到玻璃的下方，光線便會在穿過玻璃之后通過鏡頭進(jìn)入到相機(jī)。

在這種情況下，人們便能夠得到比較高的對比度，同時被檢測物體較為清晰的整體輪廓也比較容易得到。

機(jī)器視覺化檢測系統(tǒng)的關(guān)鍵技術(shù)——圖像預(yù)處理技術(shù)

因為受采集設(shè)備自身噪音與非理想成像條件等因素的影響，對鋼化玻璃圖像進(jìn)行采集之后，難以避免地會有各種干擾與噪聲的存在。

當(dāng)噪聲較為強(qiáng)烈時，非常容易將噪聲錯誤地認(rèn)為是玻璃中的缺陷，因此，在分析與識別缺陷的過程，采取有效的降低或祛除噪聲的方法是非常關(guān)鍵的。

比較常用的祛噪方式有中值濾波、平均法以及維納濾液等。在這些方式中，維納濾液會對圖像的高頻成分以及邊緣進(jìn)行保留，不過所耗費的時間的也比較多；平均法運(yùn)行的速度比較快，不過非常容易出現(xiàn)模糊，尤其是細(xì)節(jié)與圖像邊緣處。對圖像進(jìn)行處理通常使用邊緣信息保護(hù)，能夠有效地降低圖像掃描的噪聲與多脈沖噪聲，而且使用的方式也非常簡單與迅速。

提取目標(biāo)缺陷
對目標(biāo)圖像進(jìn)行預(yù)處理之后，有必要進(jìn)行二值化處理，使得其梯度特征與幾何特征等能夠有效地被提取出來。

1979年，日本的一位學(xué)者大津曾經(jīng)提出了最大類間方差法，也叫做大津法，即OTSU法。這一方法是一種自適應(yīng)的閾值確定的方法。是將一維直方圖作為基礎(chǔ)，從而將一種自動的無參數(shù)無監(jiān)督的閾值分割方法推導(dǎo)出來。根據(jù)圖像的灰度特性，圖像就會被分成兩大部分，分別是目標(biāo)與背景。

最后，再根據(jù)目標(biāo)與背景之間的類間方差對構(gòu)成圖像兩部分的差別進(jìn)行區(qū)別。簡單說來就是方差越大的話，那么方差也就越大。但是，當(dāng)錯分出現(xiàn)之后，也就是部分目標(biāo)錯分為背景或者部分背景錯分為目標(biāo)，便對對這兩部的分差造成較大的影響，使其變小。

提取缺陷特征

提取與選擇缺陷特征是非常重要的一大部分，它對學(xué)習(xí)算法的選擇以及學(xué)習(xí)的效率能夠產(chǎn)生比較大的影響，甚至還會對識別的正確率產(chǎn)生重大的影響。

從某種程度上來說，它影響到的不僅僅是系統(tǒng)的有效性。特征的數(shù)量應(yīng)該適中，不能太少，但也不能太多。

機(jī)器在學(xué)習(xí)與實踐的過程中，表現(xiàn)出來的特征個數(shù)如果太多，容易使特征出現(xiàn)冗余；如果太少，則會讓特征不全。

所以在選取特征時，最好是將縮放、旋轉(zhuǎn)與評議不變性等特征選取出來，主要有缺陷的周長、面積、HU的七個不變矩以及橢圓度等。

利用機(jī)器視覺化提取鋼化玻璃的缺陷特征有助于對實際情況的還原和描述。其中，神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的訓(xùn)練能力和學(xué)習(xí)能力，在對鋼化玻璃缺陷的分類識別中可以更加精確地處理分類以及糾錯。通常情況下，三層的BP網(wǎng)絡(luò)分類能力十分強(qiáng)，可以形成復(fù)雜的空間曲面。因此，三層BP在鋼化玻璃的缺陷分類識別中的使用尤為廣泛。

綜上所述，能夠引起鋼化玻璃出現(xiàn)自爆情況的雜質(zhì)顆粒尺寸，通常都超過了人們的視力極限，人工檢測技術(shù)是很難對這些缺陷進(jìn)行識別的。

相反，使用先進(jìn)的機(jī)器視覺檢測的方法，則能夠較為穩(wěn)定、快速且高效地檢測出來，而且評價的標(biāo)準(zhǔn)也較為統(tǒng)一，表現(xiàn)出來的連續(xù)性也比較好。

因此，在鋼化玻璃檢測過程中應(yīng)用機(jī)器視覺檢測技術(shù)是非常有必要的，如果你的工業(yè)生產(chǎn)線中需要用到機(jī)器視覺檢測方面的技術(shù)，那么不妨和我們盈泰德科技聊聊，我們會先根據(jù)你的需求分析，免費從一個專業(yè)的角度來給你一個合適的方案，再聽取你的意見，即使沒達(dá)成合作，我們也希望能多認(rèn)識個朋友。