玻璃标签缺陷检测，机器视觉检测有哪些绝招？

玻璃待检测表面缺陷

在玻璃制造过程中，由于生产材料或者生产精度等问题，可能在玻璃制品内部中出现气泡、结石、黑点、斑点等瑕疵。在搬运的过程中，可能会导致玻璃表面出现划伤、压伤等瑕疵。在对玻璃进行精加工的过程中，受定位、加工工艺、机器精度等因素的影响，出现划痕、裂纹、缺损等缺陷，在玻璃制品的保存的过程中可能会出现脏污、油污、水渍、划伤等缺陷。这些缺陷在进行精细加工及出厂前都需要进行详细检测。

传统玻璃制品检测方法

主要测试机器视觉检测软件功能是否和客户需求相匹配。在测试的过程中通过对软件的输入进行控制，达到不同的测试结果，对输入、输出内容的差异比较得到软件是否正常运行的结论。

传统的玻璃依靠人眼进行表面瑕疵检测，在这个检测过程中存在很多问题：

检测过程只能针对玻璃表面，无法探知玻璃制品内部问题；

人眼对细微缺陷不敏感，容易出现误检、漏检情况；

检测工人无法稳定进行高强度的重复性工作，检测效率低，速度慢；

检测过程受检测人员心情、思维等因素影响，标准化程度低。

玻璃尺寸逐渐向超薄、大尺寸方向发展。针对于此，不仅企业需要加快生产速度，也给人工检测过程带来极大困扰。特别是在部分玻璃制品中，结石、气泡的缺陷尺寸小于0.5MM，已经接近人眼观测极限，给人工检测带来极大困难。

当人眼检测无法满足现代玻璃生产企业高速、精确的检测需求。利用机器视觉检测技术进行替代完成产品缺陷检测、定位和分类已经成为行业发展的一个必然趋势。

深度学习助力玻璃缺陷检测

在利用机器视觉技术完成玻璃缺陷检测的过程中，针对种类繁多的缺陷类型，如何避免漏检，对不同产品缺陷如何分类标记成为新的难题。在检测方案中加入创视AI智能软件V1.0，通过深度学习算法助力企业完成玻璃制品缺陷检测。

如何避免大规模漏检

高分辨率成像系统，获取远超人眼的观测效果；

多通道高速频闪成像技术，1个工位实现多种打光方式，兼容多种缺陷检测。

对不同缺陷分类检测

图像特征提取加深度学习算法，对样品进行分类汇总，自动优化算法，可以对气泡、划伤等各种缺陷进行自动标记；

多组光源对玻璃进行分层立体成像，确保各种缺陷在图像中都能够清晰呈现。

如何判定玻璃压花差异

在相机获取高清图像之后，视觉处理软件进行复合纹理分析，最大程度消除玻璃压花的干扰；