浮法玻璃缺陷在線識別算法的研究及系統(tǒng)實現(xiàn).pdf

1、玻璃生產(chǎn)水平和工藝的不斷進步，給傳統(tǒng)的人工檢測帶來很大挑戰(zhàn)。機器視覺作為一種新型的檢測技術(shù)，具有速度快、精度高、非接觸等優(yōu)點，適應了玻璃現(xiàn)代化的生產(chǎn)。針對目前國內(nèi)玻璃生產(chǎn)中機器視覺在線檢測算法研究與系統(tǒng)應用滯后的現(xiàn)狀，本文對浮法玻璃缺陷在線檢測的算法進行了研究，并在此基礎(chǔ)上完成了浮法玻璃在線檢測系統(tǒng)的關(guān)鍵技術(shù)研究與系統(tǒng)實現(xiàn)。在圖像的預處理部分，利用了簡單快速的圖像差影技術(shù)完成了實時圖像復雜條紋背景的去除，并針對小面積、低灰度的差影圖像，

2、提出了一種基于3σ標準的twice OTSU分割方法。該方法借助于OTSU算法快速、準確的優(yōu)點，根據(jù)圖像灰度標準差的不同來自動選擇分割閾值，避免了低灰度圖像的欠分割，可以準確地提取缺陷的核心。分析了五類玻璃缺陷的特點，分別從反映局部特性的網(wǎng)格特征、具有針對性的統(tǒng)計特征以及強調(diào)整體性的能量特征三個方面對缺陷圖像的特征提取進行了研究，并根據(jù)網(wǎng)格均勻化的要求，提出了相應的自適應邊界調(diào)整法。
　　 本研究在分析傳統(tǒng)過濾式ReliefF算

3、法的基礎(chǔ)上，提出了一種樣本無偏的SUReliefF算法，避免了經(jīng)典ReliefF算法在特征評價中與樣本有關(guān)的偏向性以歐式距離在最鄰近樣本選擇的局限性，從而使算法在特征評價上更具公平性和客觀性。分別對神經(jīng)網(wǎng)絡和支持向量機兩種具有相似結(jié)構(gòu)的分類器進行了對比研究。在總結(jié)了影響神經(jīng)網(wǎng)絡泛化能力因素的基礎(chǔ)上，通過改進訓練算法和樣本的選擇提高了BP網(wǎng)絡的性能。利用SMO算法克服了SVM 訓練慢、內(nèi)存需求大的問題，提高了SVM的訓練效率，而一對一的多

4、類判別方式增加了分類器的穩(wěn)定性。提出了一種基于多分辨率信息融合的缺陷識別算法。基于小波的多分辨率分解實現(xiàn)了缺陷圖像的信息層次化。通過對近似圖像的多分類器決策，實現(xiàn)了信息的綜合化，避免了單分類器決策的片面性。提出的基于證據(jù)理論的HDC-DS算法，通過引入決策可靠性，更全面的反應了決策向量的有效性，解決了多分類器決策融合的偏向性問題。最后，對浮法玻璃缺陷在線檢測系統(tǒng)進行了設計，研究了檢測過程中采集同步和打標版同步等關(guān)鍵性問題，并給出了應用實