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，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入到相機。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。Ctc機器視覺檢測設(shè)備_CCD視覺檢測_外觀缺陷檢測系統(tǒng)_精質(zhì)視覺

Ctc機器視覺檢測設(shè)備_CCD視覺檢測_外觀缺陷檢測系統(tǒng)_精質(zhì)視覺

　　機器視覺化檢測系統(tǒng)的關(guān)鍵技術(shù)Ctc機器視覺檢測設(shè)備_CCD視覺檢測_外觀缺陷檢測系統(tǒng)_精質(zhì)視覺

　　圖像預處理技術(shù)Ctc機器視覺檢測設(shè)備_CCD視覺檢測_外觀缺陷檢測系統(tǒng)_精質(zhì)視覺

　　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，對鋼化玻璃圖像進行采集之后， 難以避免地會有各種干擾與噪聲的存在。當噪聲較為強烈時， 非常容易將噪聲錯誤地認為是玻璃中的缺陷，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行保留，不過所耗費的時間的也比較多;平均法運行的速度比較快，不過非常容易出現(xiàn)模糊，尤其是細節(jié)與圖像邊緣處。對圖像進行處理通常使用邊緣信息保護，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。Ctc機器視覺檢測設(shè)備_CCD視覺檢測_外觀缺陷檢測系統(tǒng)_精質(zhì)視覺

　　提取目標缺陷Ctc機器視覺檢測設(shè)備_CCD視覺檢測_外觀缺陷檢測系統(tǒng)_精質(zhì)視覺

　　對目標圖像進行預處理之后，有必要進行二值化處理，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，分別是目標與背景。最后，再根據(jù)目標與背景之間的類間方差對構(gòu)成圖像兩部分的差別進行區(qū)別。簡單說來就是方差越大的話，那么方差也就越大。但是，當錯分出現(xiàn)之后，也就是部分目標錯分為背景或者部分背景錯分為目標，便對對這兩部的分差造成較大的影響，使其變小。Ctc機器視覺檢測設(shè)備_CCD視覺檢測_外觀缺陷檢測系統(tǒng)_精質(zhì)視覺

　　提取缺陷特征Ctc機器視覺檢測設(shè)備_CCD視覺檢測_外觀缺陷檢測系統(tǒng)_精質(zhì)視覺

　　提取與選擇缺陷特征是非常重要的一大部分，它對學習算法的選擇以及學習的效率能夠產(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。機器在學習與實踐的過程中，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)具有較強的訓練能力和學習能力，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，可以形成復雜的空間曲面。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。Ctc機器視覺檢測設(shè)備_CCD視覺檢測_外觀缺陷檢測系統(tǒng)_精質(zhì)視覺