卢印举，段明义,苏 玉

(1.郑州工程技术学院信息工程学院，河南郑州 450044；2.上海理工大学光电信息与计算机工程学院，上海 200093)

0 引言

玻璃生产工艺流程的复杂性及其环境差异性，导致在生产过程中玻璃产生夹杂、疖瘤、气泡以及污点等各种缺陷[1]。传统的人工及半自动检测存在以下缺点：人工抽检存在遗漏的可能，人眼长时间工作会出现视力模糊等现象，导致玻璃缺陷检测的准确率降低；人工检测主要是依靠工人主观感觉判断，对于玻璃缺陷的评判标准带有主观性。因此，玻璃缺陷分类识别是玻璃检测技术中的一个难题。

针对人工和半自动玻璃缺陷检测的弊端，目前，玻璃缺陷图像分割方法很多，主要有基于玻璃缺陷特征值、阈值分割、神经网络、小波分析以及支持向量机等多种检测方法。

Wang等[2]通过灰度共生矩阵及不变矩来描述并提取图像的纹理和形状，以提取到的特征向量为训练样本，选择3层前馈神经网络作为模式识别的判别函数，在模式空间中对玻璃缺陷分类进行有效识别。Mello等[3]通过玻璃的表面反射和透明特性的分析，将校正模块融合到传统CNN算法之中而达到玻璃缺陷识别的目的。Tseng等[4]从4幅图像中提取人工特征向量来描述缺陷，选择神经网络决策树作为缺陷分类器来完成缺陷自动识别与检测。文献[5]在瓷砖表面缺陷的检测和分类中采用统计方法中的局部方差旋转不变度量算子进行缺陷边缘检测，使用形态学算子来填充和平滑检测到的分类区域。……