基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法
【專利摘要】本發(fā)明涉及一種基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，其中包括：檢測(cè)軟件根據(jù)設(shè)定的分割閾值對(duì)玻璃的圖像進(jìn)行劃分，并得到數(shù)個(gè)劃分對(duì)象；檢測(cè)軟件通過神經(jīng)網(wǎng)絡(luò)分類算法對(duì)各個(gè)劃分對(duì)象進(jìn)行處理，并提取得到各個(gè)劃分對(duì)象對(duì)應(yīng)的數(shù)個(gè)缺陷特征值；檢測(cè)軟件通過神經(jīng)網(wǎng)絡(luò)分類算法對(duì)各個(gè)劃分對(duì)象所對(duì)應(yīng)的缺陷特征值進(jìn)行分析，并得到該劃分對(duì)象缺陷類別。采用本發(fā)明的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，適用于電子玻璃及其他玻璃的自動(dòng)化生產(chǎn)的操作，提高玻璃檢驗(yàn)效率，保證玻璃出廠品質(zhì)，節(jié)省人力成本，加快企業(yè)的自動(dòng)化進(jìn)程，有利于玻璃自動(dòng)檢測(cè)系統(tǒng)的大規(guī)模推廣，具有更加廣泛的應(yīng)用范圍。
【專利說明】基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及視覺圖像檢測(cè)領(lǐng)域，尤其涉及玻璃質(zhì)量檢測(cè)領(lǐng)域，具體是指一種基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法。

【背景技術(shù)】
[0002]近年來，隨著市場(chǎng)對(duì)玻璃產(chǎn)品需求的迅速增長(zhǎng)，玻璃產(chǎn)品的生產(chǎn)無論從質(zhì)量、品種，還是生產(chǎn)工藝都發(fā)生了質(zhì)的變化。特別是現(xiàn)在生產(chǎn)技術(shù)的不斷發(fā)展，高端產(chǎn)品對(duì)玻璃基板的質(zhì)量要求越來越高，尤其是電子玻璃，玻璃上會(huì)存在氣泡、劃傷、凹坑等各種各樣的缺陷，因此全面保證玻璃質(zhì)量提高其等級(jí)就顯得尤其重要。
[0003]目前，電子玻璃的缺陷檢測(cè)主要是利用人工在線檢測(cè)，人工的檢驗(yàn)精度低，漏檢率高，人工檢測(cè)易受檢測(cè)人員主觀因素的影響，容易對(duì)玻璃缺陷造成漏檢，尤其是畸變較小的缺陷漏檢，工人容易視覺疲勞，尤其上夜班，穩(wěn)定性不高，而且人力成本大。


【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是克服了上述現(xiàn)有技術(shù)的缺點(diǎn)，提供了一種結(jié)合圖像處理技術(shù)和神經(jīng)網(wǎng)絡(luò)分類算法，實(shí)現(xiàn)玻璃缺陷精準(zhǔn)地自動(dòng)檢測(cè)，提高檢驗(yàn)精度和檢驗(yàn)效率的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法。
[0005]為了實(shí)現(xiàn)上述目的，本發(fā)明的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法具有如下構(gòu)成:
[0006]該基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，其主要特點(diǎn)是，所述的方法包括以下步驟:
[0007](1)檢測(cè)軟件根據(jù)設(shè)定的分割閾值對(duì)玻璃的圖像進(jìn)行劃分，并得到數(shù)個(gè)劃分對(duì)象；
[0008](2)所述的檢測(cè)軟件通過神經(jīng)網(wǎng)絡(luò)分類算法對(duì)各個(gè)劃分對(duì)象進(jìn)行處理，并提取得到各個(gè)劃分對(duì)象對(duì)應(yīng)的數(shù)個(gè)缺陷特征值；
[0009](3)所述的檢測(cè)軟件通過神經(jīng)網(wǎng)絡(luò)分類算法對(duì)各個(gè)劃分對(duì)象所對(duì)應(yīng)的缺陷特征值進(jìn)行分析，并得到該劃分對(duì)象缺陷類別。
[0010]進(jìn)一步地，所述的步驟(1)之前，還包括以下步驟:
[0011](0.1)所述的檢測(cè)軟件通過訓(xùn)練樣本進(jìn)行所述的神經(jīng)網(wǎng)絡(luò)分類算法的學(xué)習(xí)；
[0012](0.2)所述的檢測(cè)軟件通過測(cè)試樣本進(jìn)行測(cè)試，并判斷測(cè)試結(jié)果是否達(dá)到測(cè)試閾值；
[0013](0.3)如果判斷結(jié)果為所述的測(cè)試結(jié)果達(dá)到所述的測(cè)試閾值，則繼續(xù)步驟(1)，否則返回上述步驟(0.1)。
[0014]進(jìn)一步地，所述的步驟(3)之后，還包括以下步驟:
[0015](4)所述的檢測(cè)軟件判斷分析得到的缺陷類別結(jié)果是否達(dá)到分類閾值，如果是，則繼續(xù)步驟(1)，否則繼續(xù)步驟(0.1)。
[0016]更進(jìn)一步地，所述的神經(jīng)網(wǎng)絡(luò)分類算法的學(xué)習(xí)包括神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)和連接權(quán)值的學(xué)習(xí)。
[0017]更進(jìn)一步地，所述的步驟(0.1)和(0.2)之間，還包括以下步驟:
[0018](0.1.1)所述的檢測(cè)軟件采用協(xié)同進(jìn)化算法協(xié)作優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和連接權(quán)值。
[0019]更進(jìn)一步地，所述的協(xié)同進(jìn)化算法為合作型協(xié)同進(jìn)化算法。
[0020]更進(jìn)一步地，所述的訓(xùn)練樣本為所述的玻璃的各個(gè)缺陷對(duì)應(yīng)的數(shù)個(gè)樣本的集合，所述的測(cè)試樣本為所述的玻璃的各個(gè)缺陷對(duì)應(yīng)的隨機(jī)樣本的集合。
[0021]其中，所述的缺陷特征值包括周長(zhǎng)特征值、面積特征值、致密性特征值、灰度中值特征值、灰度均值特征值、最大灰度級(jí)特征值，最小灰度級(jí)特征值，所述的玻璃為電子玻璃。
[0022]采用了本發(fā)明的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，根據(jù)檢測(cè)玻璃尺寸的不同，更改不同尺寸對(duì)應(yīng)的參數(shù)，可以檢測(cè)不同類型的電子玻璃，適合電子玻璃的自動(dòng)化生產(chǎn)的操作，特別適用于連續(xù)不間斷作業(yè)場(chǎng)合、自動(dòng)化生產(chǎn)要求高、檢測(cè)精度要求高、穩(wěn)定性要求高的工況；同時(shí)，檢測(cè)精度能夠達(dá)到0.05mm，漏檢率在0.5%以內(nèi)，提高玻璃檢驗(yàn)效率，保證玻璃出廠品質(zhì)，節(jié)省人力成本，加快企業(yè)的自動(dòng)化進(jìn)程，有利于玻璃自動(dòng)檢測(cè)系統(tǒng)的大規(guī)模推廣，具有更加廣泛的應(yīng)用范圍。

【專利附圖】

【附圖說明】
[0023]圖1為本發(fā)明的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法的流程圖。

【具體實(shí)施方式】
[0024]為了能夠更清楚地理解本發(fā)明的技術(shù)內(nèi)容，特舉以下實(shí)施例詳細(xì)說明。應(yīng)理解，實(shí)施例僅是用于說明本發(fā)明，而不是對(duì)本發(fā)明的限制。
[0025]請(qǐng)參閱圖1，在一種實(shí)施方式中，本發(fā)明的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法包括以下步驟:
[0026](I)檢測(cè)軟件根據(jù)設(shè)定的分割閾值對(duì)玻璃的圖像進(jìn)行劃分，并得到數(shù)個(gè)劃分對(duì)象；
[0027](2)所述的檢測(cè)軟件通過神經(jīng)網(wǎng)絡(luò)分類算法對(duì)各個(gè)劃分對(duì)象進(jìn)行處理，并提取得到各個(gè)劃分對(duì)象對(duì)應(yīng)的數(shù)個(gè)缺陷特征值；
[0028](3)所述的檢測(cè)軟件通過神經(jīng)網(wǎng)絡(luò)分類算法對(duì)各個(gè)劃分對(duì)象所對(duì)應(yīng)的缺陷特征值進(jìn)行分析，并得到該劃分對(duì)象缺陷類別。
[0029]在一種優(yōu)選的實(shí)施方式中，所述的步驟(I)之前，還包括以下步驟:
[0030](0.1)所述的檢測(cè)軟件通過訓(xùn)練樣本進(jìn)行所述的神經(jīng)網(wǎng)絡(luò)分類算法的學(xué)習(xí)；
[0031](0.2)所述的檢測(cè)軟件通過測(cè)試樣本進(jìn)行測(cè)試，并判斷測(cè)試結(jié)果是否達(dá)到測(cè)試閾值；
[0032](0.3)如果判斷結(jié)果為所述的測(cè)試結(jié)果達(dá)到所述的測(cè)試閾值，則繼續(xù)步驟(I)，否則返回上述步驟(0.1)。
[0033]在一種優(yōu)選的實(shí)施方式中，所述的步驟(3)之后，還包括以下步驟:
[0034](4)所述的檢測(cè)軟件判斷分析得到的缺陷類別結(jié)果是否達(dá)到分類閾值，如果是，則繼續(xù)步驟(I)，否則繼續(xù)步驟(0.1)。
[0035]在一種更優(yōu)選的實(shí)施方式中，所述的神經(jīng)網(wǎng)絡(luò)分類算法的學(xué)習(xí)包括神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)和連接權(quán)值的學(xué)習(xí)。
[0036]在一種更優(yōu)選的實(shí)施方式中，所述的步驟(0.1)和(0.2)之間，還包括以下步驟:
[0037](0.1.1)所述的檢測(cè)軟件采用協(xié)同進(jìn)化算法協(xié)作優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和連接權(quán)值。
[0038]在一種更優(yōu)選的實(shí)施方式中，所述的協(xié)同進(jìn)化算法為合作型協(xié)同進(jìn)化算法。
[0039]在一種更優(yōu)選的實(shí)施方式中，所述的訓(xùn)練樣本為所述的玻璃的各個(gè)缺陷對(duì)應(yīng)的數(shù)個(gè)樣本的集合，所述的測(cè)試樣本為所述的玻璃的各個(gè)缺陷對(duì)應(yīng)的隨機(jī)樣本的集合。
[0040]其中，所述的缺陷特征值包括周長(zhǎng)特征值、面積特征值、致密性特征值、灰度中值特征值、灰度均值特征值、最大灰度級(jí)特征值，最小灰度級(jí)特征值，所述的玻璃為電子玻璃。
[0041]在實(shí)際應(yīng)用中，需結(jié)合圖像采集技術(shù)和計(jì)算機(jī)軟件，包括玻璃圖像的獲取，閾值分害!]，缺陷定位，特征值提取，并采用神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行缺陷學(xué)習(xí)與缺陷估測(cè)，因此，結(jié)合以下較佳的實(shí)施例進(jìn)行詳細(xì)闡述:
[0042]首先，進(jìn)行神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)。
[0043]由于電子玻璃若存在缺陷，玻璃上會(huì)存在氣泡、劃傷、錫點(diǎn)等各種各樣鮮明的缺陷特征，根據(jù)每種缺陷的特征可以發(fā)現(xiàn)，氣泡呈橢圓型，劃傷是一根細(xì)長(zhǎng)的線，圖像上的錫點(diǎn)缺陷相較于玻璃無缺陷部分在亮度上存在較大差異(很亮或很暗)，根據(jù)每種缺陷的特點(diǎn)，設(shè)計(jì)對(duì)應(yīng)的特征值就可以很容易地對(duì)缺陷進(jìn)行分類，其它缺陷分類亦同，所以，在檢測(cè)軟件正常的情況下，檢測(cè)軟件上的計(jì)算機(jī)軟件在使用前會(huì)建立兩個(gè)缺陷庫樣本(即訓(xùn)練樣本和測(cè)試樣本)，設(shè)計(jì)特征值，進(jìn)行軟件的學(xué)習(xí)，保證在裝置運(yùn)行后能夠準(zhǔn)確進(jìn)行缺陷分類，具體如下:
[0044]1、準(zhǔn)備兩個(gè)缺陷庫樣本，具體為訓(xùn)練樣本和測(cè)試樣本，其中，訓(xùn)練樣本中每種缺陷大概100個(gè)樣本，測(cè)試樣本是隨機(jī)選取的缺陷樣片，覆蓋每種缺陷。
[0045]2、通過訓(xùn)練樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，包括神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和連接權(quán)值的學(xué)習(xí)，同時(shí)，還可以采用合作型協(xié)同進(jìn)化算法，不斷的協(xié)作優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和連接權(quán)值。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)結(jié)束后，使用測(cè)試樣本進(jìn)行測(cè)試，分類缺陷，驗(yàn)證學(xué)習(xí)的準(zhǔn)確性，如準(zhǔn)確性較低，則再選擇更多的訓(xùn)練樣本進(jìn)行學(xué)習(xí)，直到測(cè)試的準(zhǔn)確率達(dá)到指定要求。
[0046]3、當(dāng)檢測(cè)軟件的計(jì)算機(jī)軟件將神經(jīng)網(wǎng)絡(luò)分類算法成功置入后，對(duì)所有被劃分出來的劃分對(duì)象的特征值進(jìn)行判定和缺陷分類。
[0047]然后，獲取被測(cè)玻璃的圖像。
[0048]電子玻璃的常規(guī)尺寸為14X16英寸，采用紅色、藍(lán)色兩種LED光源，采用兩個(gè)16K相機(jī)，相機(jī)工作距離為50CM，分辨為0.013mm/PixeL.
[0049]其次，進(jìn)行缺陷的檢測(cè)。
[0050]玻璃的缺陷部分在圖像上的亮度將低于或高于正常玻璃背景圖像亮度，采用閾值分割，將缺陷對(duì)象在玻璃圖像上劃分出來(即劃分圖像得到劃分對(duì)象)，因此可定位缺陷在玻璃圖像上的位置。
[0051]根據(jù)每類缺陷具體特征特點(diǎn)，總結(jié)一系列明顯區(qū)分其它缺陷的特征值，取得每類缺陷特征值的并集作為固定數(shù)量的特征值庫，如缺陷的周長(zhǎng)、面積、致密性、灰度中值、灰度均值、最大灰度級(jí)，最小灰度級(jí)等，根據(jù)每種特征值的計(jì)算公式，將玻璃的圖像上的所有被劃分出的劃分對(duì)象進(jìn)行特征值提取，特征值提取按照特征值庫進(jìn)行提取。
[0052]最后，進(jìn)行缺陷的分類。
[0053]此外，在裝置運(yùn)行后，可以設(shè)置一個(gè)分類閾值，判斷缺陷分類的準(zhǔn)確性，例如對(duì)該玻璃進(jìn)行二次缺陷分類，對(duì)比兩次分類結(jié)果的重合率是否達(dá)到分類閾值，或者進(jìn)行人工檢測(cè)，確定該缺陷分類的結(jié)果是否達(dá)到分類閾值。實(shí)際生產(chǎn)測(cè)試中，生產(chǎn)商都有檢驗(yàn)員(專門負(fù)責(zé)玻璃檢驗(yàn))，檢驗(yàn)員判斷檢測(cè)軟件獲得的缺陷類別是否正確，以檢驗(yàn)員判斷機(jī)器是否分類正確進(jìn)一步缺陷分類還不準(zhǔn)確，如果缺陷分類還不準(zhǔn)確，可能因?yàn)闃颖緦W(xué)習(xí)少，無需離線，可以更新訓(xùn)練樣本和測(cè)試樣本，并繼續(xù)在線學(xué)習(xí)，一邊檢測(cè)玻璃，一邊學(xué)習(xí)，使用新的學(xué)習(xí)成果檢測(cè)后面的玻璃，直到分類準(zhǔn)確度達(dá)到一定程度后為止。
[0054]本發(fā)明的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法具有以下特點(diǎn):
[0055]I)計(jì)算機(jī)軟件運(yùn)行算法的平均時(shí)間為60ms，與現(xiàn)有技術(shù)相比，檢測(cè)分類的效率大大提聞，平均每3秒檢測(cè)一片玻璃；
[0056]2)能夠提取出多種需要的特征值，每個(gè)缺陷最多可提取80個(gè)特征值，且特征值的精度高；
[0057]3)能夠有效的分辨出氣泡、劃傷、沾錫、錫灰、磨傷、凹坑和灰塵等缺陷類別，利用每種缺陷特有的特征進(jìn)行分辨，準(zhǔn)確率達(dá)到99%以上。
[0058]采用了本發(fā)明的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，根據(jù)檢測(cè)玻璃尺寸的不同，更改不同尺寸對(duì)應(yīng)的參數(shù)，可以檢測(cè)不同類型的電子玻璃，適合電子玻璃的自動(dòng)化生產(chǎn)的操作，特別適用于連續(xù)不間斷作業(yè)場(chǎng)合、自動(dòng)化生產(chǎn)要求高、檢測(cè)精度要求高、穩(wěn)定性要求高的工況；同時(shí)，檢測(cè)精度能夠達(dá)到0.05mm，漏檢率在0.5%以內(nèi)，提高玻璃檢驗(yàn)效率，保證玻璃出廠品質(zhì)，節(jié)省人力成本，加快企業(yè)的自動(dòng)化進(jìn)程，有利于玻璃自動(dòng)檢測(cè)系統(tǒng)的大規(guī)模推廣，具有更加廣泛的應(yīng)用范圍。
[0059]在此說明書中，本發(fā)明已參照其特定的實(shí)施例作了描述。但是，很顯然仍可以作出各種修改和變換而不背離本發(fā)明的精神和范圍。因此，說明書和附圖應(yīng)被認(rèn)為是說明性的而非限制性的。
【權(quán)利要求】
1.一種基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，其特征在于，所述的方法包括以下步驟: (1)檢測(cè)軟件根據(jù)設(shè)定的分割閾值對(duì)玻璃的圖像進(jìn)行劃分，并得到數(shù)個(gè)劃分對(duì)象； (2)所述的檢測(cè)軟件通過神經(jīng)網(wǎng)絡(luò)分類算法對(duì)各個(gè)劃分對(duì)象進(jìn)行處理，并提取得到各個(gè)劃分對(duì)象對(duì)應(yīng)的數(shù)個(gè)缺陷特征值； (3)所述的檢測(cè)軟件通過神經(jīng)網(wǎng)絡(luò)分類算法對(duì)各個(gè)劃分對(duì)象所對(duì)應(yīng)的缺陷特征值進(jìn)行分析，并得到該劃分對(duì)象缺陷類別。
2.根據(jù)權(quán)利要求1所述的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，其特征在于，所述的步驟(I)之前，還包括以下步驟: (0.1)所述的檢測(cè)軟件通過訓(xùn)練樣本進(jìn)行所述的神經(jīng)網(wǎng)絡(luò)分類算法的學(xué)習(xí)； (0.2)所述的檢測(cè)軟件通過測(cè)試樣本進(jìn)行測(cè)試，并判斷測(cè)試結(jié)果是否達(dá)到測(cè)試閾值； (0.3)如果判斷結(jié)果為所述的測(cè)試結(jié)果達(dá)到所述的測(cè)試閾值，則繼續(xù)步驟(1)，否則返回上述步驟(0.1)。
3.根據(jù)權(quán)利要求2所述的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，其特征在于，所述的步驟(3)之后，還包括以下步驟: (4)所述的檢測(cè)軟件判斷分析得到的缺陷類別結(jié)果是否達(dá)到分類閾值，如果是，則繼續(xù)步驟(I)，否則繼續(xù)步驟(0.1)。
4.根據(jù)權(quán)利要求3所述的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，其特征在于，所述的神經(jīng)網(wǎng)絡(luò)分類算法的學(xué)習(xí)包括神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)和連接權(quán)值的學(xué)習(xí)。
5.根據(jù)權(quán)利要求4所述的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，其特征在于，所述的步驟(0.1)和(0.2)之間，還包括以下步驟: (0.1.1)所述的檢測(cè)軟件采用協(xié)同進(jìn)化算法協(xié)作優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和連接權(quán)值。
6.根據(jù)權(quán)利要求5所述的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，其特征在于，所述的協(xié)同進(jìn)化算法為合作型協(xié)同進(jìn)化算法。
7.根據(jù)權(quán)利要求6所述的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，其特征在于，所述的訓(xùn)練樣本為所述的玻璃的各個(gè)缺陷對(duì)應(yīng)的數(shù)個(gè)樣本的集合，所述的測(cè)試樣本為所述的玻璃的各個(gè)缺陷對(duì)應(yīng)的隨機(jī)樣本的集合。
8.根據(jù)權(quán)利要求1至7中任一項(xiàng)所述的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，其特征在于，所述的缺陷特征值包括周長(zhǎng)特征值、面積特征值、致密性特征值、灰度中值特征值、灰度均值特征值、最大灰度級(jí)特征值，最小灰度級(jí)特征值。
9.根據(jù)權(quán)利要求8所述的基于計(jì)算機(jī)軟件實(shí)現(xiàn)玻璃缺陷自動(dòng)檢測(cè)分類的方法，其特征在于，所述的玻璃為電子玻璃。
【文檔編號(hào)】G06K9/62GK104318256SQ201410657983
【公開日】2015年1月28日 申請(qǐng)日期:2014年11月17日 優(yōu)先權(quán)日:2014年11月17日
【發(fā)明者】呂宏偉, 張艷搏 申請(qǐng)人:上海埃蒙特自動(dòng)化系統(tǒng)有限公司