机器视觉是一种利用图像感知装置捕获现实场景中的图像,然后利用计算机将图像中的特征识别出来,把特征参数存储起来或者生成相应的反馈信号作用于被测物体的自动化、智能化技术。该技术的处理速度快,识别精度高,可以检测到人眼不易分辨的微小物体。由于玻璃磨边所产生的缺陷非常细微,依靠人眼进行缺陷检测极易产生误检和漏检,针对这一现状,本课题将机器视觉技术在玻璃的磨边缺陷检测中运用,研究出了一种稳定、可靠且高效的新型自动化缺陷检测技术。课题的研究从三个角度展开:理论、实践和结果验证。理论方面包括机器视觉国内外现状的分析,光源的研究,玻璃磨边的加工过程,玻璃缺陷的形成机理,缺陷的类型(包括亮斑、爆边和白线),工业CCD相机的成像原理,图像处理技术(降噪、锐化、分割、边缘检测、数学形态学以及文件存储格式);实践方面围绕着玻璃磨边缺陷自动检测系统开发展开,内容包括总架构设计与功能详尽实现。总体方案的内容包括系统的功能模块化分,系统的总体架构图,感知设备结构的选取,传输链路的设计以及计算模块配置。详尽设计包括硬件的选取、缺陷的识别算法设计、软件设计以及后续数据的分析处理。算法设计是在现有的图像处理算法的基础上设计出亮斑、爆边和白线的特征提取方法。软件设计部分采用面向对象开发方法,提高了图像处理算法程序编码复用性、扩展性和维护性,语言采用Visual C++,利于提高系统的运行速度。内容包括系统用例的划分、数据流程设计、内部调用结构设计、消息传递流程设计以及系统界面设计。在一般的缺陷自动化检测系统中不具备数据保存功能,这会导致数据的浪费,不利于决策者对缺陷的统计分析和趋势预测,本课题为了解决这一问题,采用了开放式数据库互连技术(ODBC)对缺陷的特征数据进行保存;结果验证方面所采取的方法为:将实验系统所检测出的每种缺陷的数据特征与该缺陷的检验标准进行对比。结果表明所检测出来的结果数据均位于缺陷标准值范围以内,证明了该系统是有效的玻璃磨边缺陷检测技术。对系统进行了功能评价,分别检验了准确度、个数统计、尺寸计算、位置计算、混合检测等检测功能,验证了系统的应用价值。从高效性、稳定性和可靠性等性能角度对系统进行了评价,评估了系统的缺陷检测速度、缺陷位置记录能力、数据存储能力以及数据分析统计能力。针对该机器视觉缺陷检测的研究,主要运用的方法是理论与实践相结合,前半部分注重理论知识的积累,后半部分全力攻克系统的设计开发,开发思想是软件和硬件相结合,成功解决了现阶段玻璃磨边缺陷难以检测的问题现状。