玻璃表面缺陷扫描检测

玻璃表面缺陷扫描检测技术综述

1. 检测项目与方法原理
玻璃表面缺陷检测主要针对生产与加工过程中产生的各类宏观与微观瑕疵，检测方法依据其物理原理可分为以下几类：

• 光学成像检测法：此为最核心、应用最广泛的技术。其通过高分辨率线阵或面阵相机采集被均匀照明的玻璃表面图像，利用数字图像处理算法识别缺陷。主要包括：

  • 透射光成像：光源与相机分置玻璃两侧，适用于检测影响透光率的缺陷，如结石、气泡、夹杂物等。缺陷会改变光线的传播路径或吸收部分光强，在图像上形成暗影。

  • 暗场散射成像：光源以低角度（掠射角）照射玻璃表面，相机正对玻璃接收散射光。光滑表面反射光不进入相机视场呈暗背景，而划痕、凹坑、毛刺等表面起伏缺陷会将光散射至相机，形成亮特征。此法对微观划伤极为敏感。

  • 亮场反射成像：光源与相机同侧，以接近镜面反射角的方向布置。主要用于检测如污渍、涂层不均、麻点等引起表面反射率变化的缺陷。

  • 偏振光成像：利用偏振片消除玻璃表面强烈的镜面反射（眩光），突出表面或亚表面的应力集中区域及细微裂纹，常用于检测钢化玻璃的应力斑或隐形裂纹。

• 激光扫描检测法：采用点状或线状激光束扫描玻璃表面，通过分析反射或透射信号的变化来检测缺陷。

  • 激光三角测量法：一束激光以一定角度投射到玻璃表面，其反射光斑被位置敏感探测器接收。表面平整时，光斑位置固定；当存在凸起或凹陷时，光斑位置发生偏移，通过三角几何关系可精确计算出缺陷的深度或高度信息，适用于检测辊印、凹坑等三维形貌缺陷。

  • 激光共焦测量法：利用共焦光路结构，只有焦点处的反射光才能被探测器有效接收。通过轴向扫描，可获取表面各点的高度信息，实现纳米级精度的三维形貌重建，用于检测超精细划痕和微观粗糙度变化。

• 机器视觉与智能分析：这是上述成像方法的智能处理核心。系统通过图像预处理（滤波、增强）、特征提取（边缘、纹理、对比度）和模式识别（传统分类器或深度学习模型）对缺陷进行自动分类（如气泡、结石、划伤、异物）、尺寸测量（长、宽、面积）和等级判定。基于卷积神经网络（CNN）的深度学习算法，尤其是目标检测网络（如Faster R-CNN, YOLO系列）和分割网络（如U-Net），通过训练大量缺陷样本数据，已能实现复杂背景下高精度、高鲁棒性的缺陷识别与分割。

2. 检测范围与应用需求
玻璃表面缺陷检测覆盖从原始生产到深加工的全产业链，需求各异：

• 平板玻璃制造：在线检测浮法玻璃生产中的气泡、结石、锡点、光学变形（斑马角）、划伤、沾锡等，直接关乎原片质量等级。

• 汽车玻璃加工：对风挡、车窗等安全件要求极高，需检测夹层玻璃中的气泡、异物、压痕，钢化玻璃的应力不均、彩虹纹，以及边缘崩边、爆角等，确保光学性能和机械安全。

• 建筑与光伏玻璃：重点检测镀膜玻璃的膜层缺陷（针孔、斑迹、脱落）、Low-E玻璃的氧化点，以及光伏玻璃的穿孔、线道、沾污等影响透光率和发电效率的瑕疵。

• 显示玻璃与盖板：针对电子设备用超薄玻璃、蓝宝石玻璃等，要求检测微观划痕（通常要求检测出微米级）、凹点、颗粒污染、波纹度等，此类缺陷直接影响显示效果和触控性能。

• 特种玻璃：如医用安瓿瓶、试剂瓶的瓶身划痕、裂纹；光学镜片的麻点、亮线等影响成像质量的缺陷。

3. 检测标准与文献参考
相关技术规范与学术研究为检测提供依据。在学术层面，Chen等人（2018）在《光学精密工程》中系统综述了基于机器视觉的玻璃缺陷检测算法进展。Li等（2020）在《IEEE仪器与测量汇刊》上提出了一种融合多光源成像与深度学习的方法，显著提升了缺陷分类准确率。关于检测极限，Zhao等人的研究（2019，《国际先进制造技术杂志》）表明，在最佳光学配置下，基于衍射极限理论，视觉系统可稳定检测的微观划痕宽度下限可达1-2微米。在工业实践中，通常依据最终产品的应用领域，参照其行业通用质量分级体系，制定具体的缺陷允收标准，如基于缺陷尺寸、数量、分布密度和对比度的量化阈值。

4. 检测仪器与系统功能
完整的自动化检测系统集成了光学、机械、电子与计算模块，主要设备包括：

• 成像单元：核心为高性能工业相机（通常为高动态范围CMOS或CCD线阵/面阵相机）、配套工业镜头（远心镜头可减少透视误差）以及不同结构的光源（LED线光源、面光源、同轴光源、激光线光源等）。光源需根据检测缺陷类型（透射/反射特性）进行针对性选型和布局设计。

• 运动与扫描单元：对于在线检测，玻璃在产线上匀速运动，采用线阵相机进行连续扫描；对于离线抽检或片材检测，可采用高精度运动平台带动玻璃或相机进行二维扫描。平台定位精度直接影响缺陷的测量准确性。

• 处理与控制单元：搭载高性能工业计算机或嵌入式GPU加速器，运行图像处理与缺陷分析软件。该单元负责控制整个系统的同步（触发相机、光源、运动平台）、实时处理海量图像数据、执行缺陷分析算法并输出结果。

• 分选与标记单元：根据处理单元的判定结果，通过PLC控制下游执行机构，如气动推杆、机器人手臂对不合格品进行自动分拣，或利用激光打标机、喷码机对缺陷位置进行标识，便于后续修复或分析。

• 人机交互单元：包括监视器、工控机等，用于参数设置、检测过程监控、缺陷图像复查、统计报表生成（缺陷分布图、直方图、 Pareto图）和数据存储管理。