论文部分内容阅读
玻璃生产线速率的提高,导致单位时间内的玻璃产量增加,随之而来的是产生了海量的待检测数据,为了对这些海量的数据进行快速准确地处理本文采用了基于Hadoop的玻璃缺陷检测方法,以实现对生产带上的海量玻璃进行高效精准的缺陷检测,同时由于Hadoop平台具有很高的拓展性,当玻璃生产线发生速度或者生产方式的改变时本文所设计的玻璃缺陷检测方法可以根据生产线的改变快速对现有架构进行拓展从而匹配新的玻璃生产线,主要工作如下:(1)在对玻璃缺陷检测技术现有的基本理论研究的基础上,重点研究了不同类型玻璃缺陷的检测指标和系统识别缺陷类型的依据。(2)根据玻璃缺陷检测方法设计了基于Hadoop平台的玻璃缺陷检测方案其中包括图像采集模块和缺陷图像模块的软件架构集群大小设计。(3)在对图像处理模块设计时主要研究了Hadoop平台下的HDFS架构和MapReduce架构的重要组成部分和执行流程。根据玻璃缺陷检测方法对Hadoop整个系统架构进行了优化。(4)针对使用hadoop架构进行玻璃缺陷检测时,无法准确恢复原始缺陷位置问题,利用SQL Server数据库、图像的MD5值以及Hadoop架构相结合的方法设计了新的玻璃缺陷检测方法。(5)搭建了多个类型的Hadoop架构,其中包括同构模式下不同集群大小的Hadoop架构,异构模式下不同集群大小的Hadoop架构。进行了多次实验并收集了实验数据。实验结果表明,新的检测方法比传统检测方法检测速度提升了,同时也能恢复缺陷的原始位置。