基于机器视觉的荧光玻璃晶体质量检测系统的研究.pdfVIP

哈尔滨理工大学资源与环境硕士学位论文

基于机器视觉的荧光玻璃晶体质量检测系统的研究

摘要

荧光玻璃晶体是制成白光LED的重要材料，其在生产加工过程中易受原材料

搅拌不均匀、仪器操作不当等多方面因素影响产生残次品，严重影响LED性能。

对于残次品的挑选，当前企业普遍采取人工目测的方式，由于人眼分辨力的局限

性，漏检、误检的情况时有发生，同时操作人员在工作过程中不可避免的出现精

神疲劳、视觉下降等职业健康问题。有些企业依靠扫描电镜对晶体进行质量检测，

但是扫描电镜造价昂贵，无法大规模投入使用。因此，设计一套低成本、易维护

的荧光玻璃晶体质量检测系统，对提高晶体检测效率、消除人工检测过程的安全

隐患、保障工作人员的生命财产安全具有重要意义。

本文从荧光玻璃晶体的特征分析入手，明确了质量检测系统的功能。依托于

机器视觉技术，根据晶体尺寸、质量缺陷特征等参数选择了符合图像采集要求的

硬件设备，搭建了图像采集环境，完成了检测系统总体方案的设计。在晶体质量

检测部分，采用加权快速中值算法对图像进行滤波，引入了深度学习领域扩展性

较强的YOLOv5s算法，并根据荧光玻璃晶体的质量缺陷特征对算法进行了针对性

FuzzyK-meansCA

的改进：使用算法、添加注意力机制、改进特征金字塔结构、

使用功能更为强大的EIOU损失函数，大幅度提升检测的准确性、鲁棒性。检测完

成后，输出每个晶体质量缺陷部分在图像上的中心坐标。在晶体定位部分，使用

张正友标定法计算出图像坐标系和世界坐标系之间对应坐标之间的映射关系，将

晶体检测缺陷部分在图像上的中心坐标转换成在世界坐标系下的中心坐标。输入

待检测晶体的尺寸，根据输入晶体的尺寸大小计算出全部待检测晶体在世界坐标

系下的范围和中心坐标。通过观察晶体质量缺陷部分的中心坐标值在哪个晶体范

围内来确定对应晶体的质量不合格，输出质量不合格晶体的中心坐标。

经测试，荧光玻璃晶体检测系统平均检测准确率达95.25%，平均检测时间为

14.22s，均满足工业检测要求，达到研究的预期目标。

关键词荧光玻璃晶体；质量检测；机器视觉；深度学习

I

哈尔滨理工大学资源与环境硕士学位论文

Phosphor-in-GlassQualityDetectionSystemBasedon

MachineVision

Abstract

Phosphor-in-GlassisanimportantmaterialformakingwhiteLED.Intheprocess

ofproductionandprocessing,itiseasytobeaffectedbymanyfactorssuchasuneven

stirringofrawmaterialsandimproperoperationofinstruments,resultingindefective

products,whichseriouslyaffectstheperformanceofLED.Fortheselectionofdefective

products,thecurrententerprisesgenerallyadoptthemethodofartificialvisual

observation.Duetothelimitationsofhumaneyeresolution,misseddetectionandfalse

detectionoccurfromtimetotime.Atthesametime,sortingpersonnelinevitablyhave

occupationalhealthproblemssuchasmentalfatigueandvisualdecl