机器视觉在玻璃检测行业的应用收藏

   在玻璃的生产过程中，由于各方面因素的影响，玻璃表面会出现诸如气泡、黑点、斑点等瑕疵；玻璃上的结石、砂粒因运输过程中振动摩擦，会出现玻璃表面划伤；随着玻璃加工设计的多样化，对玻璃的打孔、挖槽、磨边的情形越来越多，受定位、手法、机器等因素影响，会出现划痕、裂纹、缺损；受环境或操作原因，也会出现油污、水渍及其它脏污等污渍。

传统的玻璃检测方法是依靠人眼来判断玻璃表面各种问题，存在很大的局限性：1.人眼对微小的缺陷不敏感，有误检、漏检风险；2.人眼无法连续、稳定完成高强度重复性检测工作，会产生疲劳，速度慢、效率低；3.主观判断受心情、思维、光照等影响，具有很大的不稳定性和非标准性。

   人眼检测已无法满足现代企业高速、精确、实时的品检要求，而人工成本不断上涨给企业经营带来压力    以iPhone OEM工厂为例，生产过程中的外观检查耗费30%以上的人力每年检查人力成本高达48亿元人民币。

然而，随着中国平均工资增长率超过10%，低成本劳动力的日子已经一去不复返了降低人力成本已成为企业最重要、最迫切需要解决的问题为了减轻昂贵的劳动力负担，机器视觉替代人眼，采用智能图像采集和图像处理技术，检测系统利用视觉处理算法，实现缺陷精确检测，智能分类和分级，已成为一种行业趋势。

以透镜使用机器视觉检测为例：    当前有三种尺寸的透镜，分别是直径约为3.4cm的透镜，直径约为3.8cm的透镜，直径约为4.2cm的透镜，分别对这三种尺寸透镜进行检测    检测效果图中，蓝色代表污渍等有问题的区域（精度为0.39mm）；绿色代表透镜缺损部分。

检测效率可达3秒/个，误检率低于0.1%检测材质也延展至：PS、ABS、PC、PMMA、PE、PO、PVC、PP、PBT、环氧树脂等测试1：对直径约为3.4cm的透镜进行检测(1)源图像

(2) 检测效果图

(3) 系统输出结果

测试2：对直径约为3.8cm的透镜进行检测(1) 源图像

(2) 检测效果图

(3) 系统输出结果

测试3：对直径约为3.8cm的破损透镜进行检测(1) 源图像

(2) 检测效果图

(3) 系统输出结果

测试4：对直径约为4.2cm的透镜进行检测(1) 源图像

(2) 检测效果图

(3) 系统输出结果

   以上为机器视觉在透镜质量检测的一些应用，可扩展到其它玻璃类如玻璃瓶、汽车玻璃、建筑玻璃、手机屏幕、液晶面板等的应用场景。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。