CN105424190A - 产品外观的灰度检测方法 - Google Patents
产品外观的灰度检测方法 Download PDFInfo
- Publication number
- CN105424190A CN105424190A CN201510646874.9A CN201510646874A CN105424190A CN 105424190 A CN105424190 A CN 105424190A CN 201510646874 A CN201510646874 A CN 201510646874A CN 105424190 A CN105424190 A CN 105424190A
- Authority
- CN
- China
- Prior art keywords
- region
- product
- template
- gray
- detected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及产品外观的灰度检测方法,包括如下步骤:对标准产品工件建立模板特征区域,该模板特征区域具有多个第一像素点;获取模板特征区域中每个第一像素点的模板灰度值;对待检测产品工件建立特征区域,该特征区域具有多个第二像素点;获取特征区域中每个第二像素点的灰度值;根据第一像素点的模板灰度值与第二像素点的灰度值得到标准产品工件与待检测产品工件的匹配度,判断匹配度是否大于预设值,若是,则待检测产品外观合格,否则,待检测产品外观不合格。本发明无需人工对产品的几何外观进行灰度检测,避免了人工检测所带来的误差,针对产品的灰度进行自动化检测,测量方法效率高。
Description
技术领域
本发明涉及产品外观视觉检测技术,尤其涉及产品外观的灰度检测方法。
背景技术
手机、汽车、空调、电脑等众多产品的产品外观图案或文字都需要通过喷涂工艺进行生产,在产品外观喷涂生产过程中,为确保喷涂品质,需要对喷涂完毕的产品进行外观检测。目前,厂家采用的外观检测方式都是人工检验,而人工检验通常具有一定的主观性,造成误差大,检验结果往往不确定,其判断完全依赖于工人的工作经验和主观意识,造成产品品质不稳定。另一方面,工人每天重复着高强度的工作,要想要求他们做到对每个产品都准确判断并不现实,因此,由于人为的疏忽很可能造成客户投诉甚至退货,同时人工检验效率低,需要占用大量的人力和时间。
发明内容
针对上述技术问题,本发明的目的在于提供一种产品外观的灰度检测方法,其检测效率高,精度高,不需要人工操作。
为实现上述目的,本发明采用如下技术方案:
产品外观的灰度检测方法,包括如下步骤:
步骤一:对标准产品工件建立模板特征区域,该模板特征区域具有多个第一像素点;
步骤二:获取模板特征区域中每个第一像素点的模板灰度值;
步骤三:对待检测产品工件建立特征区域,该特征区域具有多个第二像素点;
步骤四:获取特征区域中每个第二像素点的灰度值;
步骤五:根据第一像素点的模板灰度值与第二像素点的灰度值得到标准产品工件与待检测产品工件的匹配度,判断匹配度是否大于预设值,若是,则待检测产品外观合格,否则,待检测产品外观不合格。
优选的,步骤一包括如下子步骤:
步骤1.1:获取标准产品工件的第一灰度图片,并在第一灰度图片上选取第一搜索区域;
步骤1.2:在第一搜索区域中获取一区域,并对该区域进行预设的第一角度变化以形成模板特征区域;
步骤1.3:保存模板特征区域,所述模板特征区域具有多个第一像素点。
进一步优选的,所述预设的第一角度范围为±10°。
优选的,所述步骤三包括如下子步骤:
步骤3.1:获取待检测产品工件的第二灰度图片,并在第二灰度图片上选取第二搜索区域;
步骤3.2:在第二搜索区域中获取一区域,并对该区域进行预设的第二角度范围变化以形成特征区域;
步骤3.3:保存特征区域,所述特征区域具有多个第二像素点。
进一步优选的,所述预设的第二角度范围为±10°。
优选的,所述预设值为0.5。
进一步优选的,所述步骤五包括如下子步骤:
步骤5.1:通过公式计算标准产品工件与待检测产品工件的匹配度,其中p为匹配度,An1为模板灰度值,An2为灰度值,An1与An2位置对应,n为自然数,且n≥1;
步骤5.2:判断匹配度是否大于0.5,若是,即p>0.5,则待检测产品外观合格,否则待检测产品外观不合格。
相比现有技术,本发明的有益效果在于:
本发明无需人工对产品的几何外观进行灰度检测,避免了人工检测所带来的误差,针对产品的灰度进行自动化检测,测量方法效率高。
附图说明
图1为本发明的产品外观的灰度检测方法的工作流程图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述:
参见图1,本发明提供了一种产品外观的灰度检测方法,将两个相同产品进行比较,其中一个为标准产品,作为参照物,另一个为待检测产品,具体步骤如下:
S1:对标准产品工件建立模板特征区域,该模板特征区域具有多个第一像素点;
S2:获取模板特征区域中每个第一像素点的模板灰度值,并保持模板灰度值;
S3:对待检测产品工件建立特征区域,该特征区域具有多个第二像素点;步骤S1和S3中,S1是对标准产品工件进行的操作,S3是对待检测产品工件进行的操作,模板特征区域和特征区域均具备很多像素点,为了后续描述方便,通过第一、第二加以区分,对于S2和S4中的灰度值同样如此,S2中的模板灰度值和S4中的灰度值均是公知的像素点的灰度值,为了后续描述方便,在命名上加以区分;
S4:获取特征区域中每个第二像素点的灰度值,保存该灰度值;
S5:根据第一像素点的模板灰度值与第二像素点的灰度值得到标准产品工件与待检测产品工件的匹配度,判断匹配度是否大于预设值,若是,则待检测产品外观合格,否则,待检测产品外观不合格。
在上述操作步骤中,对比标准产品工具的模板特征区域和待检测产品工具的特征区域通过比对两者的像素点灰度值进行,另外,在实际操作中,还可以再判断模板特征区域和特征区域是否满足目标个数。目标个数的作用是衡量工件是否匹配合格的必要条件,目标个数即为分别要寻找的模板特征区域和特征区域个数,可以为1个。
其中,步骤S1和步骤S3的建立过程类似,在S1步骤中,包括子步骤如下:
S1.1:获取标准产品工件的第一灰度图片,并在第一灰度图片上选取第一搜索区域;获取标准产品工件的第一灰度图片通过拍照获取,初步拍照的图片不一定是黑白的灰度图片,但为方便后续处理,最终将拍照所得图片处理为灰度图片;
S1.2:在第一搜索区域中获取一区域,获取该区域可以是人工选取的方式完成,之后通过机器对该区域进行预设的第一角度范围变化以形成模板特征区域;预设的第一角度范围是人为根据实际情况进行设定,本实施例中可以优选为±10°;
S1.3:保存模板特征区域,所述模板特征区域具有多个第一像素点。
S3步骤中具体包括子步骤如下:
S3.1:获取待检测产品工件的第二灰度图片,并在第二灰度图片上选取第二搜索区域;本步骤中获取第二灰度图片的方法参照S1.1;
S3.2:在第二搜索区域中获取一区域,并对该区域进行预设的第二角度范围变化以形成特征区域;此步骤中预设的第二角度范围优选为±10°;
S3.3:保存特征区域,所述特征区域具有多个第二像素点。
对于步骤S5而言,其通过比对标准产品工件的模板灰度值和待检测产品工件的灰度值这两者的匹配度来判断待检测产品工件的外观是否合格。所述匹配度即是两者计算比较的最小得分,通过一公式将模板灰度值和灰度值进行计算,得到一最小得分即为匹配度,例如,两者完全相同,则匹配度为1,完全不同,则匹配度为0。对于步骤S5中的预设值优选为0.5,但并不局限于该数值,具体应根据实际情况进行设定。
步骤S5具体包括如下子步骤:
S5.1:通过公式计算标准产品工件与待检测产品工件的匹配度,其中p为匹配度,An1为模板灰度值,An2为灰度值,An1与An2位置对应,即A11与A12位置对应,A21与A22位置对应,A31与A32位置对应,以此类推;,n为自然数,且n≥1;
S5.2:判断匹配度是否大于0.5,若是,即p>0.5,则待检测产品外观合格,否则待检测产品外观不合格。
本发明对产品外观的灰度检测基于计算公式自动化进行检测,检测精度高,效率高,适用性强。
对本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及形变,而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (7)
1.产品外观的灰度检测方法,其特征在于,包括如下步骤:
步骤一:对标准产品工件建立模板特征区域,该模板特征区域具有多个第一像素点;
步骤二:获取模板特征区域中每个第一像素点的模板灰度值;
步骤三:对待检测产品工件建立特征区域,该特征区域具有多个第二像素点;
步骤四:获取特征区域中每个第二像素点的灰度值;
步骤五:根据第一像素点的模板灰度值与第二像素点的灰度值得到标准产品工件与待检测产品工件的匹配度,判断匹配度是否大于预设值,若是,则待检测产品外观合格,否则,待检测产品外观不合格。
2.如权利要求1所述的产品外观的灰度检测方法,其特征在于,步骤一包括如下子步骤:
步骤1.1:获取标准产品工件的第一灰度图片,并在第一灰度图片上选取第一搜索区域;
步骤1.2:在第一搜索区域中获取一区域,并对该区域进行预设的第一角度范围变化以形成模板特征区域;
步骤1.3:保存模板特征区域,所述模板特征区域具有多个第一像素点。
3.如权利要求2所述的产品外观的灰度检测方法,其特征在于,所述预设的第一角度范围为±10°。
4.如权利要求1所述的产品外观的灰度检测方法,其特征在于,所述步骤三包括如下子步骤:
步骤3.1:获取待检测产品工件的第二灰度图片,并在第二灰度图片上选取第二搜索区域;
步骤3.2:在第二搜索区域中获取一区域,并对该区域进行预设的第二角度范围变化以形成特征区域;
步骤3.3:保存特征区域,所述特征区域具有多个第二像素点。
5.如权利要求4所述的产品外观的灰度检测方法,其特征在于,所述预设的第二角度范围为±10°。
6.如权利要求1所述的产品外观的灰度检测方法,其特征在于,所述预设值为0.5。
7.如权利要求6所述的产品外观的灰度检测方法,其特征在于,所述步骤五包括如下子步骤:
步骤5.1:通过公式计算标准产品工件与待检测产品工件的匹配度,其中p为匹配度,An1为模板灰度值,An2为灰度值,An1与An2位置对应,n为自然数,且n≥1;
步骤5.2:判断匹配度是否大于0.5,若是,即p>0.5,则待检测产品外观合格,否则待检测产品外观不合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510646874.9A CN105424190A (zh) | 2015-09-30 | 2015-09-30 | 产品外观的灰度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510646874.9A CN105424190A (zh) | 2015-09-30 | 2015-09-30 | 产品外观的灰度检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105424190A true CN105424190A (zh) | 2016-03-23 |
Family
ID=55502552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510646874.9A Pending CN105424190A (zh) | 2015-09-30 | 2015-09-30 | 产品外观的灰度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105424190A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106501271A (zh) * | 2016-11-24 | 2017-03-15 | 深圳市博视科技有限公司 | 产品外观检测方法 |
CN106831847A (zh) * | 2016-12-28 | 2017-06-13 | 广州星业科技股份有限公司 | 一种树枝状的两亲性有机硅低聚物及其制备方法与应用 |
CN107068589A (zh) * | 2016-12-22 | 2017-08-18 | 厦门市三安集成电路有限公司 | 一种基于图像识别的晶粒挑选***及方法 |
CN107972270A (zh) * | 2017-11-16 | 2018-05-01 | 芜湖林电子科技有限公司 | 一种3d打印机喷头堵塞监控*** |
CN108081591A (zh) * | 2017-11-16 | 2018-05-29 | 芜湖林电子科技有限公司 | 一种基于3d打印的成品模型分类*** |
CN108122228A (zh) * | 2017-12-21 | 2018-06-05 | 金翰阳科技(大连)股份有限公司 | 一种打磨腻子或漆面检测方法 |
CN108127921A (zh) * | 2017-11-16 | 2018-06-08 | 芜湖林电子科技有限公司 | 一种3d打印成品模型检测方法 |
CN108162403A (zh) * | 2017-11-16 | 2018-06-15 | 芜湖林电子科技有限公司 | 一种3d打印机喷头清洗管理方法 |
CN109613000A (zh) * | 2018-10-30 | 2019-04-12 | 广州超音速自动化科技股份有限公司 | 锂电池涂布缺陷检测方法、***、设备及存储介质 |
CN110111312A (zh) * | 2019-04-20 | 2019-08-09 | 东莞中科蓝海智能视觉科技有限公司 | 透明软胶纸的mark点视觉检测方法及装置 |
CN111412987A (zh) * | 2019-05-23 | 2020-07-14 | 合刃科技(深圳)有限公司 | 一种基于光谱特征的动态扫描检测装置及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102095499A (zh) * | 2009-12-09 | 2011-06-15 | 程好学 | 一种瓷砖自动分色的方法 |
CN103308530A (zh) * | 2012-03-09 | 2013-09-18 | 致茂电子(苏州)有限公司 | 表面花纹的检测方法 |
CN103605973A (zh) * | 2013-10-25 | 2014-02-26 | 四川长虹电器股份有限公司 | 一种图像字符检测鉴别方法 |
CN103954634A (zh) * | 2014-05-08 | 2014-07-30 | 昆明瑞丰印刷有限公司 | 一种印刷品在线质量检测*** |
CN104899879A (zh) * | 2015-05-21 | 2015-09-09 | 国家电网公司 | 一种电能表在线外观检测的方法 |
-
2015
- 2015-09-30 CN CN201510646874.9A patent/CN105424190A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102095499A (zh) * | 2009-12-09 | 2011-06-15 | 程好学 | 一种瓷砖自动分色的方法 |
CN103308530A (zh) * | 2012-03-09 | 2013-09-18 | 致茂电子(苏州)有限公司 | 表面花纹的检测方法 |
CN103605973A (zh) * | 2013-10-25 | 2014-02-26 | 四川长虹电器股份有限公司 | 一种图像字符检测鉴别方法 |
CN103954634A (zh) * | 2014-05-08 | 2014-07-30 | 昆明瑞丰印刷有限公司 | 一种印刷品在线质量检测*** |
CN104899879A (zh) * | 2015-05-21 | 2015-09-09 | 国家电网公司 | 一种电能表在线外观检测的方法 |
Non-Patent Citations (1)
Title |
---|
高卫: "《光电干扰效果评估方法》", 31 July 2006 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106501271A (zh) * | 2016-11-24 | 2017-03-15 | 深圳市博视科技有限公司 | 产品外观检测方法 |
CN107068589A (zh) * | 2016-12-22 | 2017-08-18 | 厦门市三安集成电路有限公司 | 一种基于图像识别的晶粒挑选***及方法 |
CN106831847A (zh) * | 2016-12-28 | 2017-06-13 | 广州星业科技股份有限公司 | 一种树枝状的两亲性有机硅低聚物及其制备方法与应用 |
CN107972270A (zh) * | 2017-11-16 | 2018-05-01 | 芜湖林电子科技有限公司 | 一种3d打印机喷头堵塞监控*** |
CN108081591A (zh) * | 2017-11-16 | 2018-05-29 | 芜湖林电子科技有限公司 | 一种基于3d打印的成品模型分类*** |
CN108127921A (zh) * | 2017-11-16 | 2018-06-08 | 芜湖林电子科技有限公司 | 一种3d打印成品模型检测方法 |
CN108162403A (zh) * | 2017-11-16 | 2018-06-15 | 芜湖林电子科技有限公司 | 一种3d打印机喷头清洗管理方法 |
CN108122228A (zh) * | 2017-12-21 | 2018-06-05 | 金翰阳科技(大连)股份有限公司 | 一种打磨腻子或漆面检测方法 |
CN109613000A (zh) * | 2018-10-30 | 2019-04-12 | 广州超音速自动化科技股份有限公司 | 锂电池涂布缺陷检测方法、***、设备及存储介质 |
CN110111312A (zh) * | 2019-04-20 | 2019-08-09 | 东莞中科蓝海智能视觉科技有限公司 | 透明软胶纸的mark点视觉检测方法及装置 |
CN111412987A (zh) * | 2019-05-23 | 2020-07-14 | 合刃科技(深圳)有限公司 | 一种基于光谱特征的动态扫描检测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105424190A (zh) | 产品外观的灰度检测方法 | |
CN106097361B (zh) | 一种缺陷区域检测方法及装置 | |
CN101408985A (zh) | 一种圆形光斑亚像素中心提取方法及装置 | |
CN102799867A (zh) | 基于图像处理的仪表指针转角识别方法 | |
KR20190075707A (ko) | 딥러닝을 이용한 양품 선별 방법 | |
CN103292701A (zh) | 基于机器视觉的精密器件在线尺寸测量方法 | |
CN101399216B (zh) | 缺陷分析方法和*** | |
CN106373124A (zh) | 基于灰度共生矩阵与ransac的工业产品表面缺陷视觉检测方法 | |
CN105823504A (zh) | 一种编码器的越零点处理方法 | |
CN105303565A (zh) | 产品外观的logo检测方法 | |
CN105157611A (zh) | 管螺纹视觉检测方法 | |
CN108627103A (zh) | 一种零部件高度尺寸的2d激光测量方法 | |
CN106529548A (zh) | 亚像素级的多尺度Harris角点检测算法 | |
CN103438872A (zh) | 一种基于大坝三维前方交会测量的内外业一体化*** | |
CN105300280A (zh) | 连接器尺寸视觉测量方法 | |
CN109060799A (zh) | 一种装配流水线成品检测判定方法 | |
AU2014205550B2 (en) | Systems and methods for statistical measurement control of spectrophotometric data | |
CN109991923B (zh) | 多角度加工坐标计算及补偿装置、方法和存储设备 | |
CN102680012A (zh) | 量测信息自动输出***及方法 | |
CN112883963B (zh) | 一种定位校正方法、设备及计算机可读存储介质 | |
CN114926545A (zh) | 相机标定精度的评估方法、装置、电子设备及存储介质 | |
CN110567489B (zh) | 角度交会测量***的动态误差的获取方法及*** | |
Chen et al. | A method for detecting alignment deviation on a thread-measuring instrument | |
CN111707667A (zh) | 一种模切产品检测方法及软件 | |
CN105654473A (zh) | 一种亚像素边缘检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160323 |
|
RJ01 | Rejection of invention patent application after publication |