在玻璃缺陷檢測領(lǐng)域，基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN) 的目標(biāo)檢測算法對玻璃缺陷檢測應(yīng)用少見，賽拓信息自主研發(fā)的玻璃缺陷檢測設(shè)備基于深度學(xué)習(xí)（基于CNN的目標(biāo)檢測算法）的玻璃缺陷在線檢測方法為行業(yè)帶來技術(shù)性、革命性的突破。

從玻璃工業(yè)化至今生產(chǎn)技術(shù)已經(jīng)完全成熟，對于玻璃缺陷的檢測技術(shù)也在逐步邁向成熟。傳統(tǒng)的人工抽檢手段正在被淘汰，取而代之的是利用基于機器視覺的玻璃缺陷檢測設(shè)備來進(jìn)行玻璃缺陷檢測。

基于機器視覺的玻璃缺陷檢測方法主要分為基于傳統(tǒng)圖像處理的檢測方法和基于深度學(xué)習(xí)的檢測方法。基于傳統(tǒng)圖像處理的檢測方法：一是通過人工指定缺陷類型，然后采集缺陷圖像進(jìn)行灰度二值化，利用閾值分割來提取缺陷；二是圖像信號分解為由原始小波位移和縮放之后的一組小波，利用小波變換來提取缺陷的紋理達(dá)到檢測目的。這些方法在一些情況下效果很明顯，但受限于環(huán)境的變化，隨著檢測環(huán)境的變化檢測效果變化很大。基于深度學(xué)習(xí)的檢測方法：會大大降低環(huán)境的限制，因為深度學(xué)習(xí)檢測方法在檢測之前收集各種環(huán)境下的缺陷樣本制成數(shù)據(jù)集，這就避免了當(dāng)環(huán)境變化，機器的參數(shù)也會隨之改變，導(dǎo)致檢測標(biāo)準(zhǔn)發(fā)生改變的情況發(fā)生。

賽拓信息玻璃缺陷檢測設(shè)備采用智能視覺檢測技術(shù)和AI技術(shù)（基于CNN的目標(biāo)檢測算法）相結(jié)合的方式，結(jié)合先進(jìn)的光學(xué)方案，實現(xiàn)對玻璃表面缺陷進(jìn)行在線自動檢測。

在玻璃缺陷檢測領(lǐng)域，基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN) 的目標(biāo)檢測算法對玻璃缺陷檢測應(yīng)用少見，賽拓信息自主研發(fā)的玻璃缺陷檢測設(shè)備基于深度學(xué)習(xí)（基于CNN的目標(biāo)檢測算法）的玻璃缺陷在線檢測為行業(yè)帶來技術(shù)性、革命性的突破。使用Yolo系列算法構(gòu)建系統(tǒng)的算法模型，Yolo系列算法可以對小目標(biāo)玻璃缺陷進(jìn)行特征提取，實現(xiàn)多尺度、多類別的玻璃缺陷分類，更能對玻璃圖像的全局缺陷進(jìn)行快速實時檢測。

目前玻璃缺陷檢測設(shè)備已實現(xiàn)檢測精度0.1mm-0.5mm，檢測速度8m/min，缺陷品檢出率99.9%，支持檢測的缺陷類型包括點狀缺陷（氣泡、脫膜、針孔、結(jié)石、錫點等）、現(xiàn)狀缺陷（劃傷、劃痕、夾雜物、裂紋等）、崩邊檢測。