[发明专利]基于计算机软件实现玻璃缺陷自动检测分类的方法

说明书

技术领域

本发明涉及视觉图像检测领域，尤其涉及玻璃质量检测领域，具体是指一种基于计算机软件实现玻璃缺陷自动检测分类的方法。

背景技术

近年来，随着市场对玻璃产品需求的迅速增长，玻璃产品的生产无论从质量、品种，还是生产工艺都发生了质的变化。特别是现在生产技术的不断发展，高端产品对玻璃基板的质量要求越来越高，尤其是电子玻璃，玻璃上会存在气泡、划伤、凹坑等各种各样的缺陷，因此全面保证玻璃质量提高其等级就显得尤其重要。

目前，电子玻璃的缺陷检测主要是利用人工在线检测，人工的检验精度低，漏检率高，人工检测易受检测人员主观因素的影响，容易对玻璃缺陷造成漏检，尤其是畸变较小的缺陷漏检，工人容易视觉疲劳，尤其上夜班，稳定性不高，而且人力成本大。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种结合图像处理技术和神经网络分类算法，实现玻璃缺陷精准地自动检测，提高检验精度和检验效率的基于计算机软件实现玻璃缺陷自动检测分类的方法。

为了实现上述目的，本发明的基于计算机软件实现玻璃缺陷自动检测分类的方法具有如下构成：

该基于计算机软件实现玻璃缺陷自动检测分类的方法，其主要特点是，所述的方法包括以下步骤：

(1)检测软件根据设定的分割阈值对玻璃的图像进行划分，并得到数个划分对象；

(2)所述的检测软件通过神经网络分类算法对各个划分对象进行处理，并提取得到各个划分对象对应的数个缺陷特征值；

(3)所述的检测软件通过神经网络分类算法对各个划分对象所对应的缺陷特征值进行分析，并得到该划分对象缺陷类别。

进一步地，所述的步骤(1)之前，还包括以下步骤：

(0.1)所述的检测软件通过训练样本进行所述的神经网络分类算法的学习；

(0.2)所述的检测软件通过测试样本进行测试，并判断测试结果是否达到测试阈值；

(0.3)如果判断结果为所述的测试结果达到所述的测试阈值，则继续步骤(1)，否则返回上述步骤(0.1)。

进一步地，所述的步骤(3)之后，还包括以下步骤：

(4)所述的检测软件判断分析得到的缺陷类别结果是否达到分类阈值，如果是，则继续步骤(1)，否则继续步骤(0.1)。

更进一步地，所述的神经网络分类算法的学习包括神经网络结构的学习和连接权值的学习。

更进一步地，所述的步骤(0.1)和(0.2)之间，还包括以下步骤：

(0.1.1)所述的检测软件采用协同进化算法协作优化神经网络结构和连接权值。

更进一步地，所述的协同进化算法为合作型协同进化算法。

更进一步地，所述的训练样本为所述的玻璃的各个缺陷对应的数个样本的集合，所述的测试样本为所述的玻璃的各个缺陷对应的随机样本的集合。

其中，所述的缺陷特征值包括周长特征值、面积特征值、致密性特征值、灰度中值特征值、灰度均值特征值、最大灰度级特征值，最小灰度级特征值，所述的玻璃为电子玻璃。

采用了本发明的基于计算机软件实现玻璃缺陷自动检测分类的方法，根据检测玻璃尺寸的不同，更改不同尺寸对应的参数，可以检测不同类型的电子玻璃，适合电子玻璃的自动化生产的操作，特别适用于连续不间断作业场合、自动化生产要求高、检测精度要求高、稳定性要求高的工况；同时，检测精度能够达到0.05mm，漏检率在0.5％以内，提高玻璃检验效率，保证玻璃出厂品质，节省人力成本，加快企业的自动化进程，有利于玻璃自动检测系统的大规模推广，具有更加广泛的应用范围。

附图说明

图1为本发明的基于计算机软件实现玻璃缺陷自动检测分类的方法的流程图。

具体实施方式

为了能够更清楚地理解本发明的技术内容，特举以下实施例详细说明。应理解，实施例仅是用于说明本发明，而不是对本发明的限制。

请参阅图1，在一种实施方式中，本发明的基于计算机软件实现玻璃缺陷自动检测分类的方法包括以下步骤：

(1)检测软件根据设定的分割阈值对玻璃的图像进行划分，并得到数个划分对象；

(2)所述的检测软件通过神经网络分类算法对各个划分对象进行处理，并提取得到各个划分对象对应的数个缺陷特征值；

(3)所述的检测软件通过神经网络分类算法对各个划分对象所对应的缺陷特征值进行分析，并得到该划分对象缺陷类别。

在一种优选的实施方式中，所述的步骤(1)之前，还包括以下步骤：