论文部分内容阅读
随着科学技术的进步,高端显示屏产品对平板玻璃的质量要求越来越高,玻璃的表面缺陷检测技术也因此备受关注.传统的人眼检测方法工作量大且准确率低,已经无法满足生产实际要求.研究了一种基于机器视觉的玻璃质量检测系统,采用先进的CCD成像技术和背光式照明获取图像,用MATLAB图像处理工具箱对采集到的图像进行灰度值化、滤波降噪和阈值分割处理,实现对缺陷区域的特征提取和识别.最后用BP神经网络对玻璃表面的三种缺陷进行分类,该神经网络识别的平均误差率为9.84％,表明此检测方法具有一定的应用价值.